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
61	2025-05-17	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	本文提出了一种名为Polaris的分析流程，用于基于图像的空间转录组学数据，结合深度学习模型进行细胞分割和斑点检测，以及概率基因解码器来准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自MERFISH、seqFISH或ISS实验的空间转录组学数据，减少了手动调整分析流程的复杂性	NA	开发一个自动化、高精度的分析流程，用于基于图像的空间转录组学数据	基于图像的空间转录组学数据	数字病理学	NA	MERFISH, seqFISH, ISS	深度学习模型	图像	NA
62	2025-05-17	Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034001 PMID:38756439	research paper	提出了一种使用深度学习自动提取和标记冠状动脉树的完全自动方法	采用多分辨率图卷积神经网络结合几何和图像强度信息进行冠状动脉段标记	评估结果显示F1分数为0.74，仍有提升空间	实现冠状动脉疾病的自动全面报告	冠状动脉树	digital pathology	cardiovascular disease	CT angiography (CCTA)	graph convolutional neural networks (GCN)	image	104名患者的冠状动脉CT血管造影扫描
63	2025-05-17	Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.01.004 PMID:38184117	meta-analysis	该研究通过荟萃分析评估人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的效果	首次通过荟萃分析全面评估AI在多种胃肠道病变检测中的效果，证实AI可显著降低漏诊率	未观察到AI对晚期腺瘤检测效果的显著改善，且纳入研究数量有限(仅7项随机对照试验)	评估人工智能在胃肠道内窥镜检查中对病变检出率的改善效果	胃肠道腺瘤、息肉和无蒂锯齿状病变	digital pathology	gastrointestinal disease	AI-assisted endoscopic image analysis	CNN	endoscopic images	7项随机对照试验的汇总数据
64	2025-05-15	Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial 2024-May-28, ArXiv PMID:38855551	研究论文	本研究开发了一种基于深度学习的模型，通过组织病理学切片预测肾癌抗血管生成治疗的应答	提出了一种新型深度学习模型，能够从普遍存在的组织病理学切片中预测Angioscore，并生成可视化的血管网络以增强模型的可解释性	ccRCC肿瘤具有高度异质性，且对多个区域进行测序采样不切实际	预测转移性透明细胞肾细胞癌（ccRCC）对抗血管生成治疗的应答	转移性透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	深度学习	DL	组织病理学图像	多个队列包括临床试验数据集
65	2025-05-15	DEEP IMAGE PRIOR WITH STRUCTURED SPARSITY (DISCUS) FOR DYNAMIC MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635579 PMID:40352104	research paper	提出了一种名为DISCUS的自监督深度学习方法，用于动态MRI图像重建	DISCUS方法在深度图像先验基础上引入结构化稀疏性，无需指定流形维度即可发现描述帧间时间变化的低维流形	仅在三项数值研究中进行了验证，临床实际应用效果有待进一步验证	解决动态MRI中高质量训练数据不足的问题，提高图像重建质量	动态MRI图像序列	医学影像分析	心血管疾病	深度学习	DISCUS（基于DIP改进的模型）	MRI图像序列	5例患者的回顾性欠采样单次LGE数据
66	2025-05-12	MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61869-8 PMID:38750148	研究论文	本研究开发了一种基于深度学习的MRI-only方法，用于质子治疗中的质量密度和相对阻止本领估计	首次提出结合深度学习的MRI-only方法，直接从MRI图像估计质量密度和相对阻止本领，避免了额外成像的需求	研究为初步研究，样本量有限，仅使用幻影和动物组织进行验证	开发质子治疗计划中直接从MRI图像估计质量密度和相对阻止本领的方法	五种组织替代幻影(皮肤、肌肉、脂肪组织、45%羟基磷灰石和海绵骨)和两种动物组织幻影(猪脑和猪肝)	医学影像分析	肿瘤治疗	深度学习、MRI成像(包括T1、T2和ZTE扫描)	深度学习模型	MRI图像	五种组织替代幻影和两种动物组织幻影
67	2025-05-12	An Update on the Use of Artificial Intelligence in Digital Pathology for Oral Epithelial Dysplasia Research 2024-May-10, Head and neck pathology DOI:10.1007/s12105-024-01643-4 PMID:38727841	综述	本文回顾了人工智能在数字病理学中用于口腔上皮异型增生（OED）诊断的最新进展	总结了AI在OED诊断、分级和恶性转化预测中的应用，强调了深度学习卷积神经网络的使用	研究局限于常规光学显微镜图像，排除了其他成像方式，且需要更多关于泛化性、可解释决策和预后预测的支持性研究	探讨人工智能在数字病理学中用于OED诊断的当前进展	口腔上皮异型增生（OED）	数字病理学	口腔鳞状细胞癌（OSCC）	深度学习（DL）、机器学习（ML）	CNN	图像	24项研究
68	2025-05-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	research paper	该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试	首次在CNN模型中引入dMRI作为输入，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果	研究主要依赖于特定的数据集（如ADNI和NIMHANS），可能限制了结果的普遍适用性	提高阿尔茨海默病分类和痴呆严重程度推断的准确性	印度和北美人群的MRI扫描数据	digital pathology	geriatric disease	diffusion MRI (dMRI), 3D CycleGAN	CNN	MRI scans	ADNI和NIMHANS队列的数据
69	2025-05-10	Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.519379 PMID:38859036	研究论文	本文提出了一种利用全息编码方差通过多模光纤传输标记图像的方法	通过全息调制在输出散斑图案上编码额外的方差层，提高了系统的整体传输能力	未明确提及具体限制	提高多模光纤系统的图像传输能力	多模光纤传输的图像	计算机视觉	NA	全息调制	ResUNet	图像	数千张图像
70	2025-05-10	Deep learning-based lesion detection and severity grading of small-bowel Crohn's disease ulcers on double-balloon endoscopy images 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.11.059 PMID:38065509	research paper	使用深度学习模型EfficientNet-b5检测和评估小肠克罗恩病溃疡	首次应用EfficientNet-b5模型对小肠克罗恩病溃疡进行检测和严重程度分级	研究仅基于双气囊内镜图像，未考虑其他影像学检查结果	提高小肠克罗恩病溃疡检测和分级的准确性	小肠克罗恩病溃疡	digital pathology	Crohn's disease	double-balloon endoscopy	EfficientNet-b5	image	28,155张双气囊内镜图像，来自628名患者
71	2025-05-10	Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score 2024-05, Urologic oncology DOI:10.1016/j.urolonc.2024.01.021 PMID:38388243	research paper	本研究开发了一种基于深度学习的模型，用于通过多参数MRI检测前列腺癌并分类临床显著性前列腺癌，与PI-RADs评分进行比较	开发了一种集成多参数MRI序列的深度学习模型，在临床显著性前列腺癌分类上表现优于传统的PI-RADS评估	研究仅基于单中心数据，外部验证队列样本量相对较小	比较深度学习算法与PI-RADS分类在前列腺癌检测和临床显著性前列腺癌分类中的性能	接受根治性前列腺切除术或活检的患者	digital pathology	prostate cancer	multiparametric MRI	DL-based ensemble model	MRI图像	1,729名患者（训练队列1,285名，外部测试队列315名）
72	2025-05-09	Automated Cytometric Gating with Human-Level Performance Using Bivariate Segmentation 2024-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.06.592739 PMID:38766268	研究论文	提出了一种名为UNITO的深度学习框架，用于自动化细胞计数门控过程，达到人类专家水平	将细胞级分类任务转化为基于图像的语义分割问题，实现全自动化门控且无需人工提示或先验知识	未明确说明模型在不同实验条件下的泛化能力	解决细胞计数数据中由于生物和技术差异导致的门控挑战	细胞计数数据中的单细胞蛋白表达测量	数字病理学	NA	细胞计数技术	深度学习框架(UNITO)	图像	三个独立队列的数据集
73	2025-05-08	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-05-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫研究中检测神经生理生物标志物的应用	PyHFO整合了深度学习模型，用于伪影和高频振荡（HFO）与尖峰分类，设计为在标准计算机硬件上高效运行，速度比传统HFO检测应用快50倍	未提及具体限制	开发一个用户友好且计算高效的平台，以促进高级EEG数据分析工具在临床实践中的广泛应用	EEG记录中的神经生理生物标志物	数字病理	癫痫	深度学习	DL模型	EEG记录	三个独立数据集：第一个仅包含网格/带状电极，第二个是网格/带状和深度电极的组合，第三个来自啮齿动物研究，使用深度电极采样新皮层和海马体
74	2025-05-08	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-05-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的快速听觉注意力解码方法，用于听力受损者的脑电图分析	使用深度卷积神经网络模型处理听力受损者的脑电图数据，实现了三种分类任务，并探讨了数据分割策略对结果的影响	研究仅针对听力受损人群，且样本量有限（31名参与者）	探索听力技术如何影响听力受损人群的听觉处理过程	听力受损者的脑电图数据	机器学习	听力障碍	EEG	DCNN	脑电图数据	31名听力受损参与者
75	2025-05-08	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-05-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	提出了一种名为EEGminer的系统，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了可学习滤波器，通过广义高斯函数参数化，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，用于从持续EEG活动的多通道记录中学习信息丰富的潜在表示	脑电活动模式	机器学习	NA	EEG信号处理	可学习滤波器和预定义特征提取模块	EEG信号	721名受试者的新EEG数据集，以及SEED数据集和同时任务EEG工作负荷数据集
76	2025-05-06	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将扩散概率模型（DPM）应用于深度紫外荧光（DUV）图像数据增强，显著提高了乳腺癌检测的准确率	研究依赖于有限的数据集，可能影响模型的泛化能力	提高乳腺癌在深度紫外荧光图像中的自动检测性能	深度紫外荧光（DUV）图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确提及具体样本数量
77	2025-05-03	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度	首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性	模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异	验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性	3134名近视患者的6174张超广角眼底图像	计算机视觉	近视	深度学习	深度学习模型	图像	6174张超广角眼底图像（来自3134名患者）
78	2025-05-03	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	系统综述	本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议	首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险	仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足	评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量	使用深度学习和眼底图像预测系统性参数的文献	数字病理学	糖尿病及相关疾病、心血管疾病等	深度学习	NA	眼底图像	31篇研究文献（涉及4969篇初步筛选文献）
79	2025-05-03	AI-guided histopathology predicts brain metastasis in lung cancer patients 2024-05, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6263 PMID:38433721	研究论文	使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险	首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家	样本量相对较小（158例），需要更大规模验证	开发AI模型预测非小细胞肺癌患者的脑转移风险	I-III期非小细胞肺癌患者的H&E染色组织切片	数字病理学	肺癌	深度学习	DL算法	病理图像	158例I-III期NSCLC患者（65例发生脑转移，93例未进展）
80	2025-05-03	Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111403 PMID:38452732	research paper	该研究开发了一种名为Deep-SHAP的可解释AI方法，用于探索轻度认知障碍(MCI)/阿尔茨海默病(AD)患者区域神经影像生物标志物与认知功能之间的多变量关系	结合深度学习和SHAP方法，首次提出Deep-SHAP方法来揭示MCI/AD中区域脑部特征与认知功能之间的复杂多变量关系	研究仅针对MCI/AD患者，结果可能不适用于其他神经退行性疾病	探索MCI/AD患者区域脑成像指标与认知功能之间的多变量关系	MCI/AD患者	digital pathology	geriatric disease	MRI, PET	深度学习神经网络	神经影像数据	MCI/AD患者的实验数据