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
181	2025-10-07	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	本研究通过深度学习与多重荧光免疫组化技术，在单细胞空间分辨率下分析骨肉瘤微环境中PD-1/PD-L1定义的细胞空间异质性	开发了新型TAM/破骨细胞分化算法，结合深度学习与多重荧光免疫组化首次在单细胞层面揭示PD-1/PD-L1定义骨肉瘤微环境的空间异质性	未明确说明样本数量和研究人群特征，缺乏多中心验证	探究骨肉瘤肿瘤微环境中细胞亚型的空间分布特征及其与免疫治疗的关系	骨肉瘤肿瘤微环境中的肿瘤相关巨噬细胞、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化，深度学习数字图像分析	深度学习	病理图像	NA	NA	NA	NA	NA
182	2025-10-07	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	通过多空间尺度分析肿瘤免疫微环境以区分转移性非小细胞肺癌患者对免疫治疗的响应差异	引入多种计算分析方法在多重荧光免疫组化数据集上量化肿瘤-免疫细胞相互作用，并定义肿瘤亚区域进行局部空间分析	样本量相对有限（52名患者），模型性能有待进一步提升	识别影响免疫治疗响应的肿瘤微环境关键特征	转移性非小细胞肺癌患者	数字病理学	肺癌	多重荧光免疫组化	深度学习	图像	52名患者的1,269张多重荧光免疫组化图像	NA	可解释深度学习模型	AUC	NA
183	2025-03-25	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用	开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响	研究为回顾性分析，可能受到数据选择和采集时间的限制	评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果	急诊室中接受脑MRI检查的患者	数字病理学	心血管疾病	MRI（包括DWI和FLAIR序列）	深度学习应用（DLA）	医学影像（MRI）	947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性	NA	NA	NA	NA
184	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）	NA	NA	NA	NA
185	2025-10-07	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练结合细粒度网络架构，专门针对亚厘米级别肺结节的良恶性分类问题	回顾性研究设计，内部数据集特别富集了恶性病例	开发用于区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节（SSPNs）	计算机视觉	肺癌	CT影像分析	深度学习	CT图像	内部数据集1276名患者的1389个SSPNs（625个良性），外部测试集202个SSPNs	NA	自监督预训练细粒度网络	AUC, 准确率, 敏感度, 特异度	NA
186	2025-10-07	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	研究论文	开发并验证基于动态对比增强MRI的深度学习模型，用于预测增殖性肝细胞癌及术后早期复发风险	首次将深度学习模型应用于DCE-MRI图像来区分增殖性与非增殖性肝细胞癌，并用于预测根治性切除术后的早期复发风险	回顾性研究设计，样本量相对有限（355例患者），需进一步前瞻性验证	通过术前评估优化肝细胞癌治疗策略，预测早期复发风险	肝细胞癌患者	计算机视觉	肝细胞癌	动态对比增强MRI	深度学习模型	医学影像	355例来自两个中国医疗中心的肝细胞癌患者（训练集251例，内部测试集62例，外部测试集42例）	NA	NA	AUC	NA
187	2025-10-07	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	研究论文	本研究结合PET/CT深度学习特征和全身代谢肿瘤体积构建风险分层模型，用于预测非小细胞肺癌患者的总生存期和无进展生存期	首次将深度学习特征与代谢肿瘤体积结合构建风险分层模型，作为TNM分期的补充预测工具	样本量相对有限（590例患者），测试集在预测总生存期时C-index提升未达统计显著性	提高非小细胞肺癌患者生存期预测准确性，辅助临床治疗决策	非小细胞肺癌患者	医学影像分析	肺癌	PET/CT成像	CNN	医学影像（PET/CT图像）	590例非小细胞肺癌患者（训练集413例，测试集177例）	NA	卷积神经网络	C-index	NA
188	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者	NA	NA	NA	NA
189	2025-10-07	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	通过多中心随机双盲非劣效性试验比较深度学习算法与人工形态学评估在IVF胚胎选择中的效果	首次在大型多中心随机双盲试验中评估深度学习算法(iDAScore)在IVF胚胎选择中的临床应用价值	未能证明深度学习在临床妊娠率方面不劣于标准形态学评估方法	评估深度学习在体外受精胚胎选择中的价值	年龄42岁以下、至少有2个第5天早期囊胚的女性患者	数字病理	生殖系统疾病	胚胎形态学评估	深度学习算法	胚胎图像	1,066名患者(每组533名)	NA	iDAScore	临床妊娠率,风险差异,置信区间	NA
190	2025-10-07	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	介绍ehrapy——一个用于电子健康记录数据端到端分析的模块化开源Python框架	首个专门为异质性流行病学和电子健康记录数据设计的可扩展探索性分析框架，整合了从数据提取到低维表示生成的全流程分析步骤	NA	开发一个标准化的电子健康记录数据分析框架，解决数据异质性挑战	电子健康记录数据，流行病学数据	医疗数据分析	肺炎，心血管疾病，SARS-CoV-2感染	电子健康记录分析，深度学习	深度学习模型	电子健康记录，医学影像数据	NA	Python	NA	NA	NA
191	2025-10-07	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	提出一种基于深度学习的时序解卷积方法，用于从荧光寿命成像中恢复真实光子飞行时间分布	首次将深度学习模型专门应用于荧光寿命成像中的解卷积任务，无需复杂的计算策略和正则化项	模型训练和验证主要基于模拟数据，实际应用效果需进一步验证	开发准确高效的光子飞行时间分布恢复方法	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)、扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据、体外实验、临床前体内研究	NA	NA	准确性、鲁棒性、灵活性	NA
192	2025-10-07	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	提出一种结合深度学习和进化采样的新型框架，用于改进脑肿瘤生长逆建模	通过深度学习集成提供初始参数估计作为先验，显著约束采样参数空间，实现快速收敛和高精度	仅针对脑肿瘤细胞浓度估计进行验证，未提及其他疾病类型的适用性	解决生物物理建模中的逆问题，提高肿瘤生长建模的效率和精度	脑肿瘤细胞浓度	医学影像分析	脑肿瘤	磁共振成像	深度学习集成	医学影像	NA	NA	NA	Dice系数	NA
193	2025-03-13	Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior 2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3507873 PMID:40030332	研究论文	本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景	提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性	未提及具体的数据集或样本量，可能限制了方法的普适性验证	研究深度学习图像压缩模型的后门攻击方法及其防御策略	深度学习图像压缩模型	计算机视觉	NA	离散余弦变换（DCT）	深度学习模型	图像	NA	NA	NA	NA	NA
194	2025-03-13	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2024-Nov-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种多任务对抗变分自编码器（M-AVAE），用于通过多模态MRI数据整合来增强脑龄预测，以支持基于元宇宙的医疗应用	M-AVAE通过将潜在变量分离为通用代码和独特代码，有效隔离了共享和模态特定特征，并结合多任务学习以考虑性别特异性衰老差异	尽管M-AVAE在脑龄预测上表现出色，但其在功能MRI（fMRI）数据处理上仍面临复杂数据结构和噪声测量的挑战	旨在通过多模态MRI数据整合提高脑龄预测的准确性，以支持基于元宇宙的医疗应用	脑龄预测，特别是与阿尔茨海默病等年龄相关神经病理学相关的脑龄评估	数字病理学	阿尔茨海默病	多模态MRI数据整合	多任务对抗变分自编码器（M-AVAE）	MRI图像	OpenBHB数据集，一个多站点脑MRI数据集合	NA	NA	NA	NA
195	2025-03-13	Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models 2024-Nov-21, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3503761 PMID:40030404	综述	本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性	深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性	指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向	探索深度学习模型在癌症组学研究中的应用	癌症组学数据	机器学习	癌症	深度学习	深度学习模型	组学数据	NA	NA	NA	NA	NA
196	2025-03-13	a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition 2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3502624 PMID:40030229	研究论文	本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别	提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性	未明确提及具体局限性	提高基于sEMG的手势识别系统的实用性和实时应用性能	手腕sEMG信号	机器学习	NA	sEMG	CNN-LSTM, CNN, kNN	sEMG信号	每个手势平均33.6秒至48秒的sEMG数据	NA	NA	NA	NA
197	2025-03-13	DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network 2024-Nov-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3502636 PMID:40030219	研究论文	本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率	DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率	未提及模型在更大规模数据集上的表现或实际临床应用中的验证	提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划	肺癌和结肠癌的分类	计算机视觉	肺癌, 结肠癌	深度学习	DARNet（基于残差块和注意力模块的神经网络）	图像	基准肺癌和结肠癌数据集	NA	NA	NA	NA
198	2025-03-13	A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning 2024-Nov-14, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3498346 PMID:40030369	综述	本文全面调查了深度学习中的遗忘现象，超越了持续学习的范畴，探讨了遗忘在生成模型和联邦学习等领域中的表现及其挑战	本文创新性地提出遗忘是一把双刃剑，在某些情况下可能是有益的，如隐私保护场景，并通过对遗忘现象的广泛探讨，提供了更细致的理解	本文主要是一篇综述，未涉及具体实验或数据验证，可能缺乏实证支持	探讨深度学习中的遗忘现象，超越持续学习的范畴，提出新的理解和解决方案	深度学习中的遗忘现象	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
199	2025-10-07	Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients 2024-11, Abdominal radiology (New York) DOI:10.1007/s00261-024-04331-7 PMID:38796795	研究论文	开发并验证了一种基于深度学习放射组学的列线图模型，用于预测局部进展期胃癌患者新辅助化疗反应	结合手工放射组学特征、深度学习特征和临床特征构建多模态预测模型，并采用多中心数据进行验证	回顾性研究设计，样本量相对有限（322例患者）	预测局部进展期胃癌患者对新辅助化疗的治疗反应	局部进展期胃癌患者	数字病理	胃癌	多期相增强CT成像，放射组学分析	CNN	医学影像（CT图像），临床数据	322例胃癌患者，来自两个医院（2013年1月至2023年6月）	NA	EfficientNet V2	AUC, 精确召回曲线, 校准曲线, 决策曲线分析	NA
200	2025-10-07	EasyPISA: Automatic Integrated PISA Measurements of Mitral Regurgitation From 2-D Color-Doppler Using Deep Learning 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.008 PMID:39122609	研究论文	提出基于深度学习的EasyPISA框架，用于从2D彩色多普勒序列自动进行二尖瓣反流的集成PISA测量	首次实现直接从2D彩色多普勒序列自动进行集成PISA测量，解决了非半球形血流汇聚和非全收缩期二尖瓣反流的测量难题	样本量相对较小（54名患者），与cMRI的相关性为0.66，相对标准偏差分别为46%和53%	开发自动化二尖瓣反流量化方法，减少观察者间变异性和工作负担	二尖瓣反流患者	医学影像分析	心血管疾病	2D彩色多普勒超声	CNN	医学图像	196条记录（54名患者）的1171张图像，回顾性应用于26例二尖瓣反流患者检查	NA	UNet, Attention UNet	精确度, 召回率, Dice系数, 流率误差, 组内相关系数, 相对标准偏差, AUC	NA