深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
581	2025-06-14	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	research paper	评估半自主人工智能模型在筛查乳腺X光片中识别非乳腺癌可疑病例并减少假阳性检查的能力	开发了一种半自主深度学习系统，显著减少乳腺癌筛查中的假阳性率和不必要的医疗程序	研究基于回顾性数据，需要在更多前瞻性研究中验证其效果	降低乳腺癌筛查中的假阳性率和相关医疗负担	乳腺X光筛查图像	digital pathology	breast cancer	deep learning	AI	image	123,248张训练用乳腺X光片（含6,161例癌症）和14,831例筛查检查（含1,026例癌症）的回顾性研究
582	2025-06-14	SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury 2024-Apr-21, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.03.24300794 PMID:38699309	研究论文	开发了一种名为SCIseg的深度学习工具，用于自动分割脊髓损伤中的T2加权髓内病变	SCIseg模型通过三阶段训练过程，包括主动学习，能够自动分割脊髓和髓内病变，且在不同病因、扫描仪制造商和图像分辨率下表现良好	研究为回顾性研究，可能存在选择偏差	开发自动分割脊髓损伤中T2加权髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI图像	数字病理学	脊髓损伤	深度学习	SCIseg（基于深度学习的模型）	MRI图像	191名脊髓损伤患者（平均年龄48.1岁±17.9，142名男性）
583	2025-06-14	Multicenter Evaluation of a Weakly Supervised Deep Learning Model for Lymph Node Diagnosis in Rectal Cancer at MRI 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230152 PMID:38353633	research paper	开发了一个弱监督深度学习模型WISDOM，用于直肠癌患者术前MRI数据的淋巴结诊断	提出了一个弱监督模型开发框架WISDOM，结合术后病理信息进行淋巴结诊断，显著提升了放射科医生的诊断性能	研究为回顾性设计，可能存在选择偏差	开发并验证一个基于MRI的淋巴结诊断模型，辅助直肠癌患者的临床诊断	直肠癌患者的MRI数据和术后病理信息	digital pathology	rectal cancer	MRI (T2-weighted and diffusion-weighted imaging)	weakly supervised deep learning model	image	1014名患者（训练队列589人，内部测试队列146人，外部测试队列279人）
584	2025-06-14	Prior Clinico-Radiological Features Informed Multi-Modal MR Images Convolution Neural Network: A novel deep learning framework for prediction of lymphovascular invasion in breast cancer 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6932 PMID:38230837	research paper	本研究开发了一种名为PCMM-Net的深度学习框架，用于提高乳腺癌淋巴血管侵犯（LVI）预测的准确性	PCMM-Net整合了多参数MRI和先前的临床知识，以提高LVI评估的精确度	当前基于术前MRI的放射组学方法在评估早期乳腺癌患者的LVI时缺乏精确性	开发一个深度学习框架以提高乳腺癌LVI预测的准确性	341名乳腺癌患者	digital pathology	breast cancer	MRI	CNN	image	341名患者
585	2025-06-14	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	research paper	提出了一种基于深度学习的虚拟H&E染色方法，从无标记的自发荧光寿命图像中生成临床级虚拟H&E染色图像	结合先进的深度学习模型和当代图像质量度量，利用荧光寿命信息（而不仅仅是强度）实现更准确的虚拟染色重建	未提及具体样本量的限制或模型在更广泛组织类型上的泛化能力	解决FLIM图像快速精确解释的难题，实现无标记组织样本的即时准确细胞级分析	肿瘤微环境中常见的七种不同细胞类型	digital pathology	multiple cancer types	fluorescence lifetime imaging microscopy (FLIM)	DL (unspecified architecture)	autofluorescence lifetime images	NA (未明确提及具体样本数量)
586	2025-06-14	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本文通过文献调查和专家评估，探讨了深度学习算法在脑肿瘤分割中的评估实践及专家对分割质量的感知	揭示了专家对脑肿瘤分割质量感知的低一致性，并指出现有定量指标与临床感知之间的低相关性	专家评估样本量较小（60例），且专家间评分一致性较低（Krippendorff α=0.34）	评估深度学习算法在脑肿瘤分割中的性能及专家对分割质量的感知差异	脑肿瘤分割算法及医学专家对分割质量的评价	数字病理	脑肿瘤	深度学习算法	NA	医学影像	60例脑肿瘤分割案例（由医学专家评估），180篇文献调查
587	2025-06-14	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	research paper	开发了一个端到端的深度学习管道，用于自动分割来自多中心Fontan循环患者的心脏MRI数据	提出了一个包含三个深度学习模型的管道，用于识别短轴电影堆栈、图像裁剪和分割，实现了对单心室生理患者心脏MRI数据的快速标准化分割	在475例未见过的检查中，有26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发一个自动化深度学习管道，用于评估单心室生理患者的心脏MRI心室容积	来自13个机构的250例心脏MRI检查	digital pathology	cardiovascular disease	cardiac MRI	U-Net 3+	image	250例心脏MRI检查（训练、验证和测试），并在475例未见过的检查中进一步评估
588	2025-06-14	Revisiting the Trustworthiness of Saliency Methods in Radiology AI 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220221 PMID:38166328	research paper	评估放射学AI中显著性方法的可信度，特别是其对输入微小扰动的敏感性和鲁棒性	提出预测-显著性相关性(PSC)系数作为评估显著性方法敏感性和鲁棒性的新指标	研究仅基于胸部X光片和脑部MR图像数据集，可能无法推广到其他医学影像领域	验证医学AI解释方法的可信度	胸部X光片和脑部MR图像	digital pathology	lung cancer	deep learning	CNN	image	191229张胸部X光片和7022张脑部MR图像
589	2025-06-14	Deep Learning-based Identification of Brain MRI Sequences Using a Model Trained on Large Multicentric Study Cohorts 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230095 PMID:38166331	research paper	开发了一种基于深度学习的全自动设备无关和序列无关的卷积神经网络(CNN)，用于可靠且高通量地标记异质、非结构化的MRI数据	使用大规模多中心研究队列训练的模型，能够可靠地区分九种MRI序列类型，且在存在或不存在肿瘤的情况下均保持高准确率	NA	开发一个可靠且高通量的MRI序列自动标记系统	多中心脑MRI数据	computer vision	glioblastoma	MRI	CNN, ResNet-18	image	2179名胶质母细胞瘤患者，8544次检查，63327个序列，来自249家医院和29种扫描仪类型
590	2025-06-14	Examination-Level Supervision for Deep Learning-based Intracranial Hemorrhage Detection on Head CT Scans 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230159 PMID:38294324	research paper	比较弱监督（仅检查级别标签）和强监督（图像级别标签）在训练深度学习模型检测头CT扫描中的颅内出血（ICH）方面的效果	研究表明弱监督模型在特定条件下性能优于强监督模型，且能显著减少放射科医生的工作量	研究仅基于回顾性数据集，未在临床前瞻性环境中验证	评估不同监督级别对深度学习模型检测颅内出血性能的影响	头CT扫描中的颅内出血检测	digital pathology	intracranial hemorrhage	CT扫描	attention-based CNN	image	21,736次检查（内部数据集）和511次检查（外部数据集）
591	2025-06-13	Cardiovascular care with digital twin technology in the era of generative artificial intelligence 2024-Dec-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae619 PMID:39322420	综述	本文综述了数字孪生技术在心血管医学中的应用及其未来潜力，特别是在生成式人工智能的推动下	探讨了数字孪生技术与生成式人工智能的结合，为心血管医学带来的动态和全面的个性化模拟	讨论了将数字孪生技术整合到个性化心血管护理中的个体和社会挑战及伦理考虑	总结数字孪生在心血管医学中的应用及其未来潜力	心血管医学中的数字孪生技术	数字病理学	心血管疾病	生成式人工智能	机器学习与生成模型	多模态数据	NA
592	2025-06-13	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-10-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	research paper	开发了一种自适应权重集成方法，用于预测季节性不规律的流感活动	提出了自适应权重混合集成模型（AWBE），动态更新模型贡献，显著提高了预测准确性	研究主要基于香港地区的数据，可能在其他地区的适用性有限	预测季节性不规律的流感活动	香港地区的流感活动	machine learning	influenza	统计方法、机器学习和深度学习方法	自适应权重混合集成模型（AWBE）	时间序列数据	32次流行病数据（1998-2019年）及COVID后数据（2023-2024年）
593	2025-06-13	Active Learning Pipeline to Identify Candidate Terms for a CDSS Ontology 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240660 PMID:39176629	research paper	本文探讨了一种主动学习方法，用于从出版物中自动识别候选术语，以支持临床决策支持系统（CDSS）本体的构建	采用主动学习方法自动识别候选术语，并结合人工验证作为深度学习模型训练的一部分	初步结果展示，尚未进行大规模验证和应用	探索自动化方法以辅助构建和维护生物医学领域的本体	出版物中的候选术语	natural language processing	NA	active learning, deep learning	NA	text	NA
594	2025-06-13	[Automatic segmentation of dental cone-beam computed tomography scans using a deep learning framework] 2024-08-11, Orvosi hetilap IF:0.8Q3 DOI:10.1556/650.2024.33098 PMID:39127997	研究论文	本文提出了一种基于深度学习的自动分割方法，用于牙科锥形束计算机断层扫描（CBCT）图像的三维重建	使用基于SegResNet架构的深度学习模型在MONAI框架内开发，实现了与半自动分割相当的准确度	研究样本量较小，仅包含70名部分无牙患者的CBCT图像	开发并评估一种用于牙科CBCT图像自动分割的深度学习模型	牙科CBCT图像	数字病理	牙科疾病	深度学习	SegResNet	图像	70名部分无牙患者的CBCT图像
595	2025-06-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	research paper	提出了一种基于深度学习的新方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏2D标注快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家需求	未明确提及方法在其他类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建所需的繁重标注问题	大脑神经纤维网（包含树突、轴突和胶质细胞过程的复杂结构）	digital pathology	NA	serial section electron microscopy	deep learning	3D image	未明确提及具体样本数量
596	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
597	2025-06-11	Cognitive Dysfunction in the Addictions (CDiA): A Neuron to Neighbourhood Collaborative Research Program on Executive Dysfunction and Functional Outcomes in Outpatients Seeking Treatment for Addiction 2024-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.30.24312806 PMID:39252904	research paper	介绍了一个名为CDiA的综合团队科学和转化研究项目，旨在填补对物质使用障碍(SUDs)中执行功能(EFs)理解的知识空白，并促进研究发现以改善SUDs患者的治疗	通过七个互补的跨学科项目，结合临床、临床前和健康服务研究，探索EFs与SUDs严重程度和功能恢复之间的多维关系，并应用创新的全人建模方法整合多模态数据	样本量相对较小（目标N=400），且研究对象仅限于18-60岁寻求成瘾治疗的成年人	提高SUDs患者的健康结果，通过跨学科研究填补对EFs在SUDs中作用的理解空白	寻求成瘾治疗的成年人（18-60岁）	神经科学	物质使用障碍	重复经颅磁刺激(rTMS)、深度学习、聚类分析	深度学习	多模态数据（包括临床、脑回路、血液生物标志物等）	目标400名18-60岁寻求成瘾治疗的成年人
598	2025-06-11	Antiviral Peptide-Generative Pre-Trained Transformer (AVP-GPT): A Deep Learning-Powered Model for Antiviral Peptide Design with High-Throughput Discovery and Exceptional Potency 2024-10-25, Viruses DOI:10.3390/v16111673 PMID:39599788	研究论文	本研究介绍了AVP-GPT，一种基于Transformer语言模型和多模态架构的深度学习方法，专门用于抗病毒肽（AVP）设计	AVP-GPT在抗病毒肽设计中表现出卓越的效率，能够在GPU系统上两天内生成10,000个独特肽并识别潜在AVP，其性能优于现有模型如LSTM和SVM	未来研究可以探索AVP-GPT在其他病毒靶点上的应用，并研究替代的AVP设计策略	加速抗病毒肽的发现和开发，创造新型抗病毒药物	呼吸合胞病毒（RSV）、甲型流感病毒（INFVA）和其他呼吸道病毒	自然语言处理	呼吸道病毒感染	深度学习	Transformer	序列数据	预训练使用了RSV数据集，并成功适应于INFVA和其他呼吸道病毒
599	2025-06-11	A Review of Artificial Intelligence in Brachytherapy 2024-Sep-25, ArXiv PMID:39398213	review	本文综述了人工智能（AI）在近距离放射治疗中的应用，重点关注机器学习和深度学习技术	系统性地将AI在近距离放射治疗中的应用分为七大类，并详细总结了模型、数据规模和结果	未提及具体的技术实施难点或临床转化中的具体障碍	探讨AI如何使近距离放射治疗更加个性化、高效和有效	近距离放射治疗的临床工作流程	digital pathology	NA	machine learning, deep learning	NA	NA	NA
600	2025-06-11	Protocol for performing deep learning-based fundus fluorescein angiography image analysis with classification and segmentation tasks 2024-09-20, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103134 PMID:38900632	研究论文	本文提出了一种基于深度学习的眼底荧光素血管造影图像分析协议，用于分类和分割任务	开发了一种从诊断到治疗建议的完整流程协议，适用于缺血性视网膜疾病	协议的具体执行细节需要参考Zhao等人的其他文献	通过深度学习技术改进眼底荧光素血管造影图像的分析流程	眼底荧光素血管造影图像	数字病理学	缺血性视网膜疾病	深度学习	NA	图像	NA