深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
161	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）	NA	NA	NA	NA
162	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	NA	NA	NA	NA
163	2025-10-07	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	研究论文	本研究开发了一种基于多模态深度学习的前列腺癌风险分层系统，通过数字组织病理学图像和临床数据改善局部前列腺癌的风险评估	首次在NRG Oncology III期随机试验中应用多模态人工智能模型进行前列腺癌风险分层，相比现有NCCN风险分组显示出更好的预后分层能力	研究基于特定临床试验队列，需要在更广泛的人群中进行外部验证	开发优于当前NCCN风险分组的临床可用前列腺癌风险分层系统	9,787名来自8项NRG Oncology III期随机试验的局部前列腺癌患者	数字病理学	前列腺癌	数字组织病理学成像	多模态深度学习	数字组织病理学图像, 临床数据	9,787名患者	NA	多模态人工智能模型	10年远处转移率, 风险重分类率	NA
164	2025-10-07	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	提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题	未明确说明模型在更广泛癌症类型中的性能表现	提高不同类型癌症中有丝分裂细胞的识别准确性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	深度学习	CNN, Transformer	图像	使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集	NA	YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer	精确率, 召回率, F1分数	NA
165	2025-10-07	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成像方法进行人体组织成分定量分析的技术、应用及发展前景	系统整合了放射学体成分分析的不同方法和定义，特别关注人工智能方法在自动化组织分割中的应用	AI训练所需的分析工具和合适数据集的可用性被认为是主要限制因素	向放射学读者介绍体成分分析方法以促进其应用和传播	人体组织成分，特别是腹部脂肪腔室和肌肉群	医学影像分析	肿瘤和代谢疾病	CT、MRI、放射学成像	深度学习	放射学横断面图像数据	NA	NA	NA	NA	NA
166	2025-10-07	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	本研究探讨了深度学习加速脑部扩散加权成像结合超分辨率处理的临床可行性和图像质量	首次将深度学习图像重建与超分辨率处理相结合用于加速脑部DWI，显著提高了图像质量和诊断信心	样本量相对较小（85例患者），仅在一台3T扫描仪上进行研究	评估深度学习加速脑部扩散加权成像的临床可行性和图像质量	85例连续接受临床MRI检查的患者	医学影像分析	脑部疾病	扩散加权成像，深度学习图像重建，超分辨率处理	深度学习模型	脑部MRI图像	85例患者，其中35例检测出颅内病变	NA	NA	图像质量评分，诊断信心评分，Fleiss' kappa，信号强度值	3T MRI扫描仪
167	2025-10-07	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	系统评价与荟萃分析	系统评估影像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	首次对影像组学和深度学习在软组织肿瘤诊断中的性能进行系统评价和荟萃分析	纳入研究存在异质性，部分研究缺乏独立验证集	评估影像组学和深度学习在软组织肿瘤良恶性鉴别诊断中的性能	软组织肿瘤患者	医学影像分析	软组织肿瘤	影像组学分析，深度学习	深度学习模型	医学影像数据	21项研究共3866例患者，其中13项研究包含独立测试/验证集	NA	NA	敏感性，特异性	NA
168	2025-10-07	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	基于B超和彩色多普勒超声图像开发深度学习放射组学列线图用于术前评估浸润性乳腺癌淋巴血管侵犯状态	首次结合B超和彩色多普勒超声图像开发深度学习放射组学列线图，通过多中心研究验证其对淋巴血管侵犯的预测价值	回顾性研究设计，样本仅来自八个医院	术前评估浸润性乳腺癌的淋巴血管侵犯状态	832例经病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	B超，彩色多普勒血流成像	深度学习	超声图像	832例患者来自八个医院，分为训练集、内部测试集和外部测试集	NA	NA	AUC, 准确率, 校准曲线, 决策曲线分析, 临床影响曲线, 净重分类改进, 综合判别改进	NA
169	2025-10-07	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	本研究探讨基于深度学习的压缩感知加速3D T1 VISTA序列在血管壁磁共振成像中的可行性，并与传统压缩感知方法进行比较	首次将人工智能约束压缩感知技术应用于血管壁MRI，探索比传统压缩感知更高的加速因子	样本量较小（40例患者），需要更大规模研究验证	优化血管壁磁共振成像的加速因子，获得高质量临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像分析	心血管疾病	3D T1加权容积各向同性涡轮自旋回波采集，磁共振成像	深度学习	磁共振图像	40例患者	NA	NA	信噪比，对比噪声比，图像质量评分	3.0T MR系统
170	2025-10-07	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	开发并验证基于增强CT的深度学习放射组学模型，用于识别肝转移瘤的原发灶来源	采用深度学习放射组学方法结合分步分类策略，首次实现对五种不同原发灶肝转移瘤的鉴别诊断	样本量相对有限，仅包含五个特定癌种的肝转移病变	开发能够识别肝转移瘤原发灶来源的智能诊断模型	657个肝转移病灶（来自428例患者），包括乳腺癌、肺癌、结直肠癌、胃癌和胰腺癌	医学影像分析	肝转移癌	增强CT成像	深度学习放射组学模型	医学影像（CT图像）	训练验证集545个病灶（7:3分割），外部测试集112个病灶	NA	NA	准确率，AUC	NA
171	2025-10-07	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	提出DeepProfile框架，利用无监督深度学习分析18种人类癌症的基因表达数据	开发了具有生物可解释性的无监督深度学习框架，能够从大规模基因表达数据中提取有价值的生物学信息	未明确说明模型在独立验证集上的性能表现及计算资源需求	利用无监督深度学习挖掘癌症基因表达数据中的生物学信息	18种人类癌症的50,211个转录组数据	机器学习	多癌种研究	基因表达分析，转录组测序	深度学习	基因表达数据	50,211个转录组样本，涵盖18种癌症类型	NA	NA	生物可解释性评估，Kaplan-Meier生存分析	NA
172	2025-10-07	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	系统回顾了过去二十年白质高信号分割方法的演变历程和实施情况	首次系统性地分析了过去二十年WMH分割工具的方法学演变，特别关注了深度学习技术的兴起趋势	仅包含公开可用技术且详细描述方法的文献，可能遗漏部分商业或未公开方法	分析白质高信号分割方法的发展趋势和实施差异	白质高信号分割工具和方法	医学影像分析	神经系统疾病	系统综述方法	深度学习,传统图像分割方法	医学影像数据	1007个视觉评分量表研究,118个流程开发文章,509个实施文章	NA	NA	评估标准	NA
173	2025-10-07	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	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度	首次将人工智能系统应用于基于Nancy指数的溃疡性结肠炎组织学疾病活动度评估	样本量相对较小（200张图像），需要更大规模验证	开发能够自动评估溃疡性结肠炎组织学疾病活动度的人工智能系统	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，深度学习，特征提取	深度学习	组织学图像	200张溃疡性结肠炎组织学图像	NA	NA	组内相关系数	NA
174	2025-03-14	Radio-opaque contrast agents for liver cancer targeting with KIM during radiation therapy (ROCK-RT): an observational feasibility study 2024-Oct-08, Radiation oncology (London, England) DOI:10.1186/s13014-024-02524-4 PMID:39380004	研究论文	本研究旨在探讨使用X射线图像实时引导放射治疗肝细胞癌的可行性	开发了一种用于实时运动跟踪的深度学习方法，以提高放射治疗的靶向准确性	研究样本量较小，且为回顾性分析，可能影响结果的普遍性	建立使用X射线图像实时引导放射治疗肝细胞癌的可行性	50名肝细胞癌患者	数字病理学	肝癌	X射线和计算机断层扫描	深度学习	图像	50名肝细胞癌患者	NA	NA	NA	NA
175	2025-03-13	Deep learning model using planar whole-body bone scintigraphy for diagnosis of skull base invasion in patients with nasopharyngeal carcinoma 2024-Oct-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05969-y PMID:39379746	研究论文	本研究评估了基于平面全身骨显像的深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性	首次使用深度学习模型结合平面全身骨显像数据来诊断鼻咽癌患者的颅底侵犯，并展示了其优于核医学专家的诊断能力	研究结果主要基于特定数据集，需要进一步的外部验证以确保模型的广泛适用性	评估深度学习模型在诊断鼻咽癌患者颅底侵犯中的应用效果	新诊断的鼻咽癌患者	数字病理	鼻咽癌	平面全身骨显像	CNN	图像	多中心研究，具体样本数量未明确	NA	NA	NA	NA
176	2025-03-13	Deep learning-based approaches for multi-omics data integration and analysis 2024-Oct-02, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00391-z PMID:39358793	综述	本文回顾了基于深度学习的多组学数据整合和分析方法，并讨论了这些方法的独特能力和新兴趋势	本文创新性地将深度学习方法分为非生成式和生成式两大类，并详细讨论了它们在多组学数据整合中的应用和优势	本文未涉及具体实验验证，仅进行了方法论的综述和讨论	探讨深度学习在多组学数据整合和分析中的应用	多组学数据（包括分子组学和影像组学数据）	机器学习	NA	深度学习	前馈神经网络、图卷积神经网络、自编码器、变分方法、生成对抗模型、生成预训练模型	多组学数据（包括分子组学和影像组学数据）	NA	NA	NA	NA	NA
177	2025-10-07	Removing Artifacts in Transcranial Photoacoustic Imaging With Polarized Self-Attention Dense-UNet 2024-10, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.006 PMID:39013725	研究论文	提出一种极化自注意力密集U-Net模型用于去除经颅光声成像中的伪影	首次将极化自注意力机制与密集连接U-Net结合用于经颅光声成像伪影去除	仅在一层或两层骨板条件下验证，未涉及更复杂颅骨结构	提高经颅光声成像质量，消除颅骨引起的信号失真	颅骨下方的成像对象	医学影像处理	NA	光声成像	深度学习	光声图像	NA	NA	PSAD-UNet, U-Net	结构相似性, 峰值信噪比	NA
178	2025-10-07	Transition-zone PSA-density calculated from MRI deep learning prostate zonal segmentation model for prediction of clinically significant prostate cancer 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04301-z PMID:38896250	研究论文	开发基于MRI的深度学习前列腺分区分割模型，并评估移行区PSA密度对临床显著性前列腺癌的预测价值	首次利用深度学习模型自动分割前列腺移行区，并基于此计算TZ-PSAD用于预测临床显著性前列腺癌	模型在外部验证集上的性能提升相对有限，需要进一步多中心验证	比较传统PSAD与基于深度学习的TZ-PSAD在预测临床显著性前列腺癌方面的性能差异	前列腺癌患者	数字病理	前列腺癌	MRI, T2加权成像	深度学习分割模型	医学影像	开发集1020例，内部测试集3461例，外部测试集1460例	NA	NA	Dice系数, AUC	NA
179	2025-10-07	Advanced MRI techniques in abdominal imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04369-7 PMID:38802629	综述	本文综述了腹部磁共振成像的先进技术及其临床应用	系统总结了包括并行成像、三维采集、压缩感知和深度学习在内的最新腹部MRI技术进展	NA	探讨先进MRI技术在腹部成像中的应用和发展	腹部MRI技术和图像质量	医学影像	腹部疾病	磁共振成像, 并行成像, 三维采集, 压缩感知, 深度学习	NA	医学影像	NA	NA	NA	NA	NA
180	2025-10-07	Effectiveness of deep learning-based reconstruction for improvement of image quality and liver tumor detectability in the hepatobiliary phase of gadoxetic acid-enhanced magnetic resonance imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04374-w PMID:38755452	研究论文	评估深度学习重建技术在钆塞酸增强磁共振成像肝胆期图像质量和肝肿瘤检测能力改善方面的有效性	首次系统比较深度学习重建技术在三种不同成像技术（屏气+DLR、屏气无DLR、自由呼吸导航+DLR）中对肝胆期MRI图像质量和肿瘤检测能力的提升效果	回顾性研究，样本量较小（42例患者，98个肿瘤），单中心数据	评估深度学习重建技术在钆塞酸增强MRI肝胆期成像中的图像质量改善和肿瘤检测能力提升	肝肿瘤患者	医学影像分析	肝癌	钆塞酸增强磁共振成像，深度学习重建技术	深度学习	医学影像	42例患者，98个肝肿瘤	NA	NA	图像噪声评分，呼吸运动伪影评分，病灶与非病灶对比度比，肿瘤检测率	NA