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
1	2025-04-02	Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models 2024-10-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75748-9 PMID:39455655	研究论文	本研究提出了一种新型深度学习集成模型YoCNET，结合Yolov5的目标检测能力和ConvNeXt的图像分类能力，用于根尖周X光片中牙齿的自动分割和多颗牙齿根尖周病变的并发检测	提出YoCNET集成模型，首次将Yolov5的目标检测能力与ConvNeXt的图像分类能力相结合，实现牙齿自动分割和多颗牙齿根尖周病变的并发检测	乳牙被排除在数据集之外，可能影响模型在乳牙病变检测上的表现	开发一种能够同时识别根尖周X光片中多个病变目标的深度学习模型	根尖周X光片中的牙齿和根尖周病变	数字病理学	牙科疾病	深度学习	YoCNET (Yolov5 + ConvNeXt), YoRNET (Yolov5 + ResNet34)	X光图像	1305张根尖周X光片用于训练和验证，另外从200张X光片中提取717颗单独牙齿图像用于集成模型验证
2	2024-10-02	Deep learning sharpens vistas on biodiversity mapping 2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416358121 PMID:39348547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2025-04-01	A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09688-0 PMID:39417954	研究论文	本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构	开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升	仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证	理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解	普通狨猴大脑的Nissl染色和髓鞘染色切片图像	数字病理学	神经系统疾病	深度学习	深度学习模型（未明确具体类型）	图像	普通狨猴大脑切片图像（具体数量未说明）
4	2025-03-28	Message-Passing Monte Carlo: Generating low-discrepancy point sets via graph neural networks 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409913121 PMID:39325425	研究论文	本文提出了一种名为消息传递蒙特卡洛(MPMC)的新型低差异点集生成方法，利用图神经网络工具实现	首次将几何深度学习方法应用于低差异点集生成，提出MPMC点集并在低维和小点数情况下达到最优或接近最优差异	目前主要适用于低维和小规模点集的情况	开发更有效的低差异点集生成方法以提高数值积分、计算机视觉等领域的性能	低差异点集的生成方法	机器学习	NA	几何深度学习	图神经网络(GNN)	空间点集数据	低维和小规模点集
5	2025-03-26	Dynamic Glucose Enhanced Imaging using Direct Water Saturation 2024-Oct-22, ArXiv PMID:39502884	研究论文	该研究提出了一种利用直接水饱和（DS）曲线的交换性线宽（LW）增宽来评估动态葡萄糖增强（DGE）MRI的新方法，用于研究脑肿瘤患者的葡萄糖摄取	提出了一种新的DS-DGE MRI方法，克服了现有CEST和CESL方法的低效应大小和对运动敏感的限制	目前仅在四名脑肿瘤患者中进行了评估，样本量较小	开发一种更有效的动态葡萄糖增强成像方法，用于评估脑肿瘤患者的葡萄糖摄取	脑肿瘤患者	医学影像	脑肿瘤	动态Z谱采集、深度学习洛伦兹拟合	深度学习	MRI图像	四名脑肿瘤患者
6	2025-03-26	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	research paper	本研究开发了一种基于多模态人工智能（MMAI）的前列腺癌风险分层系统，旨在改进当前NCCN风险分组的不足	利用数字组织病理学图像和临床数据构建的多模态人工智能模型，能够更准确地预测前列腺癌患者的转移风险	研究仅基于NRG Oncology的III期随机试验数据，可能无法完全代表更广泛的患者群体	开发一种临床可用的前列腺癌风险分层系统，以减少过度治疗和治疗不足的情况	9,787名局限性前列腺癌患者	digital pathology	prostate cancer	multimodal artificial intelligence (MMAI)	deep learning	digital histopathology images and clinical data	9,787 patients from eight NRG Oncology phase III trials
7	2025-03-23	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	本文提出了一种新的两阶段深度学习方法CNMI-YOLO，用于数字病理学中的有丝分裂检测，旨在提高不同类型癌症中有丝分裂的识别准确性	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决了细胞形态变异和领域转移问题，显著提高了有丝分裂检测的准确性和鲁棒性	虽然模型在多个数据集上表现出色，但在未包含在训练数据集中的软组织肉瘤和黑色素瘤样本上的泛化能力仍需进一步验证	提高数字病理学中有丝分裂检测的准确性，以支持癌症的诊断和预后	数字病理学中的有丝分裂细胞	数字病理学	癌症	深度学习	YOLOv7, ConvNeXt	图像	Mitosis Domain Generalization Challenge 2022数据集，以及外部的黑色素瘤和肉瘤测试集
8	2025-03-22	Body composition analysis by radiological imaging - methods, applications, and prospects 2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2263-1501 PMID:38569516	综述	本文综述了使用放射学方法对人体组织组成（体成分，BC）进行定量评估的方法、应用及前景	强调了放射学横断面成像在体成分分析中的重要性，并探讨了人工智能（深度学习）在自动化组织分割中的应用	分析工具和适合AI训练的数据集的可用性被认为是当前的一个限制	介绍和推广体成分分析方法，特别是在肿瘤学和代谢问题中的应用	人体组织组成	数字病理学	NA	MRI和CT	深度学习	图像	NA
9	2025-03-22	Deep Learning Accelerated Brain Diffusion-Weighted MRI with Super Resolution Processing 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.049 PMID:38521612	研究论文	本研究探讨了使用深度学习图像重建和超分辨率技术加速脑部扩散加权成像（DWI）的临床可行性和图像质量	利用深度学习技术进行图像重建和超分辨率处理，显著提高了脑部扩散加权成像的图像质量和诊断信心	研究样本量较小（85名患者），且仅在3T MRI扫描仪上进行，可能限制了结果的普遍性	研究加速脑部扩散加权成像的临床可行性和图像质量	85名临床需要MRI检查的患者	医学影像	脑部疾病	深度学习图像重建和超分辨率处理	深度学习模型	MRI图像	85名患者
10	2025-03-22	Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.033 PMID:38614826	系统综述与荟萃分析	本文系统评估了放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	首次系统性地结合放射组学和深度学习技术，对良恶性软组织肿瘤进行鉴别诊断，并通过荟萃分析提供了综合的敏感性和特异性数据	研究设计和方法学质量存在异质性，未来需要更多多中心前瞻性验证以提高研究严谨性	评估放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	良性和恶性软组织肿瘤	数字病理学	软组织肿瘤	放射组学和深度学习	深度学习模型	影像数据	21项研究，涉及3866名患者
11	2025-03-22	Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.010 PMID:38658211	研究论文	本研究旨在开发一种基于B型超声和彩色多普勒血流成像图像的深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	结合深度学习和手工放射组学特征，开发了一种新的深度学习放射组学列线图，用于评估浸润性乳腺癌的淋巴血管侵犯状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	浸润性乳腺癌患者	数字病理学	乳腺癌	B型超声和彩色多普勒血流成像	深度学习放射组学列线图	图像	832名病理确诊的浸润性乳腺癌患者
12	2025-03-22	Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.041 PMID:38664146	研究论文	本研究探讨了使用深度学习加速的3D T1加权VISTA序列进行血管壁磁共振成像的可行性，并与传统的压缩感知技术进行比较	首次将深度学习约束的压缩感知技术（CS-AI）应用于3D T1 VISTA序列，以优化加速因子（AF），提高血管壁磁共振成像的质量	研究样本量较小（40例患者），且仅限于颅内或颈动脉粥样硬化斑块患者	探索深度学习加速的3D T1 VISTA序列在血管壁磁共振成像中的可行性，并优化加速因子以获得高质量的临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像	动脉粥样硬化	深度学习约束的压缩感知技术（CS-AI）	深度学习	磁共振图像	40例患者
13	2025-03-22	Automated Detection and Grading of Extraprostatic Extension of Prostate Cancer at MRI via Cascaded Deep Learning and Random Forest Classification 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.011 PMID:38670874	研究论文	本文提出了一种基于深度学习和随机森林分类的自动化工作流程，用于从前列腺T2W MRI、ADC图和High B DWI中自动检测和分级前列腺癌的包膜外侵犯（EPE）	结合深度学习模型和随机森林分类器，自动化评估前列腺癌的EPE分级，接近医生的准确度	模型的平衡准确率较低（0.390 ± 0.078），且ROC AUCs在不同EPE分级中表现不一	开发一种自动化AI工作流程，用于预测前列腺癌的包膜外侵犯（EPE）分级，以辅助医生决策	634名患者的MRI扫描数据	数字病理学	前列腺癌	深度学习、随机森林分类	CNN、随机森林	MRI图像	634名患者（507名训练集，127名测试集）
14	2025-03-22	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	本文开发并验证了一种基于增强CT的深度学习放射组学模型，用于识别肝转移的原发来源	提出了一种新的深度学习放射组学模型，通过逐步分类方法提高了模型分类效率	样本来源仅限于特定临床中心，可能影响模型的泛化能力	开发并验证一种深度学习放射组学模型，用于识别肝转移的原发来源	肝转移病灶	数字病理学	肝转移	增强CT	深度学习放射组学模型	图像	657个肝转移病灶，来自428名患者，外加112个病灶作为外部测试集
15	2025-03-21	A deep profile of gene expression across 18 human cancers 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.17.585426 PMID:38559197	研究论文	本文介绍了DeepProfile，一个用于从18种人类癌症的50,211个转录组中学习低维潜在空间的综合框架	DeepProfile在生物解释性方面优于现有的降维方法，并揭示了跨所有癌症类型普遍重要的基因控制免疫细胞激活，而癌症类型特异性基因和通路定义了分子疾病亚型	NA	应用无监督深度学习从基因表达数据中提取临床和生物学上有价值的信息	18种人类癌症的50,211个转录组	机器学习	癌症	无监督深度学习	DeepProfile	基因表达数据	50,211个转录组
16	2025-03-21	Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning 2024-Oct, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00902-w PMID:39083144	系统综述	本文系统回顾了过去二十年中白质高信号（WMH）分割方法的演变和实施情况，重点关注了深度学习的应用	本文首次系统性地回顾了WMH分割方法的发展历程，并特别指出了深度学习技术的兴起	尽管定量分割方法日益复杂，视觉评分量表仍然广泛使用，且SPM技术作为参考标准可能限制了新技术的推广	探讨WMH分割方法的演变和实施情况，特别是深度学习的应用	白质高信号（WMH）分割方法	医学影像分析	老年疾病	深度学习	NA	医学影像	1007个视觉评分量表，118篇管道开发文章，509篇实施文章
17	2025-03-19	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	研究论文	本文提出了一种基于深度学习的新方法，通过稀疏的2D注释快速生成密集的3D分割，用于生物成像数据的密集3D重建	开发了一种新方法，能够从单一切片上的少量对象的稀疏2D注释中快速生成密集的3D分割，显著减少了生成训练数据所需的人力和时间	NA	解决生物成像数据中密集3D重建的实例分割问题，减少生成训练数据所需的人力和时间	大脑神经纤维网，包括树突、轴突和胶质细胞的广泛交错结构	计算机视觉	NA	深度学习	NA	图像	NA
18	2025-03-19	Prediction of Ischemic Stroke Functional Outcomes from Acute-Phase Noncontrast CT and Clinical Information 2024-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.240137 PMID:39404632	研究论文	本文提出了一种基于深度学习的模型，结合急性期非增强CT和临床信息预测缺血性卒中90天后的改良Rankin量表（mRS）评分	创新点在于融合了非增强CT和临床信息的深度学习模型，相比仅使用影像或临床信息的模型，预测效果更优	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	预测缺血性卒中患者90天后的功能结局，以辅助医疗资源规划、临床试验设计和患者期望管理	缺血性卒中患者	数字病理学	心血管疾病	深度学习	深度学习模型	影像数据（非增强CT）和临床数据	1335名患者（中位年龄71岁，674名女性），分为训练集、验证集和测试集
19	2025-03-16	An artificial intelligence-driven scoring system to measure histological disease activity in ulcerative colitis 2024-10, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12562 PMID:38590110	研究论文	本研究开发了一种基于人工智能的评分系统，用于测量溃疡性结肠炎的组织学疾病活动	使用先进的图像处理和机器学习算法开发了一种新型AI算法，用于自动测量基于Nancy指数的组织学疾病活动	研究仅使用了200张组织学图像，样本量相对较小	研究目的是开发一种AI系统，用于自动评估溃疡性结肠炎的组织学疾病活动	溃疡性结肠炎患者的组织学图像	数字病理学	溃疡性结肠炎	图像处理和机器学习算法	深度学习	图像	200张组织学图像
20	2025-03-15	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2024-Oct-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	本文提出了一种基于深度学习的新方法，通过拍摄X射线曝光前的照片自动估计放射位置，从而选择最佳的主要参数	利用深度学习从照片中自动估计放射位置，以优化X射线主要参数的设置	大多数错误发生在照片中患者姿势相似的放射位置	减少X射线曝光错误，优化放射剂量和图像质量	X射线主要参数（KVp、mAs和源-探测器距离）	计算机视觉	NA	深度学习	ConvNeXt	图像	75名志愿者，66种常见放射位置