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
10821	2025-03-08	Deep5mC: Predicting 5-methylcytosine (5mC) methylation status using a deep learning transformer approach 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.007 PMID:40041569	研究论文	本文介绍了一种基于深度学习Transformer的方法Deep5mC，用于预测5-甲基胞嘧啶（5mC）的甲基化状态	Deep5mC利用基因组序列中的长程依赖性来预测5mC甲基化，显著优于现有方法，并揭示了长程序列上下文对5mC预测的影响	现有方法大多关注特定基因组区域，而Deep5mC虽然考虑了长程依赖性，但仍需进一步验证其在跨物种和人类疾病中的适用性	研究5mC甲基化状态与基因组序列的依赖性，并开发一种高效的预测方法	5-甲基胞嘧啶（5mC）的甲基化状态	机器学习	NA	深度学习	Transformer	DNA序列	NA
10822	2025-03-08	Retraction: Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319589 PMID:40043015	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10823	2025-03-08	XAI-MRI: an ensemble dual-modality approach for 3D brain tumor segmentation using magnetic resonance imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1525240 PMID:40046502	研究论文	本文提出了一种新颖的集成双模态方法，用于使用磁共振成像（MRI）进行3D脑肿瘤分割	提出了一种集成双模态方法，结合了表现最佳的双模态预训练模型，以提高分割性能，并引入了Grad-CAM可视化技术，生成热图以突出肿瘤区域，为临床医生提供模型决策的有用信息	未明确提及具体限制	提高脑肿瘤分割的准确性和可靠性，以支持有效的肿瘤分级和治疗计划	脑肿瘤	计算机视觉	脑肿瘤	MRI	U-Net, 集成模型	3D MRI图像	未明确提及具体样本数量
10824	2025-03-08	The prognostic value of pathologic lymph node imaging using deep learning-based outcome prediction in oropharyngeal cancer patients 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100733 PMID:40046573	研究论文	本研究探讨了在口咽癌患者中，结合病理淋巴结空间信息与深度学习模型对局部控制、区域控制、远处无转移生存和总生存的预测效果	首次在深度学习模型中结合病理淋巴结空间信息，以提高口咽癌患者的预后预测性能	研究仅基于单一机构的患者数据，可能限制了模型的泛化能力	探索结合病理淋巴结空间信息对深度学习模型预测口咽癌患者预后的潜在益处	口咽癌患者	数字病理	口咽癌	深度学习	深度学习模型	PET/CT扫描图像	409名口咽癌患者
10825	2025-03-08	Deep learning combining imaging, dose and clinical data for predicting bowel toxicity after pelvic radiotherapy 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100710 PMID:40046574	研究论文	本研究提出了一种深度学习模型，用于同时分析计算机断层扫描、剂量分布和临床元数据，以预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	开发了一种基于多实例学习、特征级融合和注意力的深度模型，能够同时分析3D成像和临床数据，识别潜在风险因素和关键解剖区域	数据集来自313名患者，虽然样本量较大，但患者群体的异质性（剂量、体积、分割、伴随治疗和随访期）可能影响模型的泛化能力	预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	313名接受3D适形放疗和容积调强弧形放疗的患者	数字病理	NA	深度学习	多实例学习模型	3D计算机断层扫描、计划剂量分布、临床数据	313名患者
10826	2025-03-08	Leveraging automated time-lapse microscopy coupled with deep learning to automate colony forming assay 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1520972 PMID:40046624	研究论文	本文介绍了一种结合延时显微镜和深度学习的人工智能辅助自动化集落形成实验（CFA）平台，用于实时跟踪集落形成并评估药物疗效	开发了一种基于深度学习和多目标跟踪的自动化集落计数平台，显著减少了人工操作并提高了准确性，同时支持长期细胞间相互作用和治疗反应的详细研究	未来需要与基于灌注的药物筛选系统集成以进一步增强个性化癌症治疗	开发一种自动化、高通量的集落形成实验平台，用于评估单癌细胞的克隆扩展能力和药物疗效	B-急性淋巴细胞白血病（B-ALL）细胞	数字病理学	白血病	延时显微镜、深度学习	YOLOv8	图像	E2A-PBX1小鼠模型中的B-ALL细胞
10827	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
10828	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像
10829	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族
10830	2025-03-06	High-Adhesive Hydrogel-Based Strain Sensor in the Clinical Diagnosis of Anterior Talofibular Ligament Sprain 2025-Mar-05, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03472 PMID:40042081	研究论文	本文提出了一种基于高粘性水凝胶的应变传感器，用于临床诊断前距腓韧带扭伤	该传感器由明胶、纤维素纳米纤维和交联聚丙烯酸接枝的琥珀酰亚胺酯制成，具有优异的贴合性和拉伸性，能够牢固地粘附在皮肤上，准确评估前距腓韧带扭伤的严重程度	尽管传感器具有高粘性和高拉伸强度，但其在实际临床应用中的长期稳定性和生物相容性仍需进一步验证	开发一种能够准确评估前距腓韧带扭伤严重程度的高粘性水凝胶应变传感器	前距腓韧带扭伤患者	数字病理学	运动损伤	深度学习模型	深度学习模型	传感器数据	未提及具体样本数量
10831	2025-03-06	Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11473-9 PMID:40042648	研究论文	本研究评估并比较了多种预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	提出了基于决策的晚期融合模型，整合了2D深度学习、常规放射组学、肿瘤内异质性放射组学和临床数据，取得了最佳预测效果	研究为回顾性诊断实验，样本量相对有限，且仅来自三个医疗中心	评估和比较不同预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	对比增强磁共振成像（CEMRI）	2D深度学习、常规放射组学、肿瘤内异质性放射组学、晚期融合模型	图像、临床数据	268名患者，分为训练集（107名）、内部测试集（53名）和两个外部测试集（63名和45名）
10832	2025-03-06	Artificial intelligence for the detection of airway nodules in chest CT scans 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11468-6 PMID:40042650	研究论文	本文开发并评估了一种基于深度学习的AI系统，用于检测和定位胸部CT扫描中的气道结节	开发了一种能够检测大多数气道结节的AI系统，包括具有非常细微特征的结节，且具有可接受的假阳性率	研究仅在单一学术医院进行，样本量相对较小，且未进行外部验证	开发并评估一种AI系统，用于检测胸部CT扫描中的气道结节	2004年至2020年间接受胸部或胸腹部CT扫描的患者	计算机视觉	肺癌	深度学习	NA	图像	160名有气道结节的患者和160名无气道结节的患者
10833	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA
10834	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集
10835	2025-03-06	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种新的肾上腺分割流程，通过集成先进的预处理技术和强大的后处理框架，显著提高了左右肾上腺的分割精度	该研究创新性地结合了测试时间增强（TTA）和针对未连接区域的定向移除技术，显著提升了分割的准确性和鲁棒性	NA	提高CT图像中肾上腺的分割精度，以增强计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	NA	测试时间增强（TTA），未连接区域定向移除	2D UNet, VGG16, ResNet34, InceptionV3	CT图像	AMOS数据集
10836	2025-03-06	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma 2025-Mar-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	本研究通过空间转录组学在患者来源的异种移植模型中捕捉了治疗期间的克隆谱系演化，揭示了BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态	利用空间转录组学和深度学习技术，揭示了黑色素瘤在治疗期间的克隆谱系演化和耐药机制，并识别了潜在的治疗易感时间窗口	研究依赖于患者来源的异种移植模型，可能无法完全反映人类肿瘤的复杂性	研究BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态，以识别防止治疗失败的策略	BRAF突变黑色素瘤细胞	数字病理学	黑色素瘤	空间转录组学，深度学习	深度学习模型	转录组数据，组织病理学图像	患者来源的异种移植模型
10837	2025-03-06	A Feature Fusion Attention-based Deep Learning Algorithm for Mammographic Architectural Distortion Classification 2025-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547263 PMID:40031706	研究论文	本文提出了一种基于特征融合和注意力机制的深度学习算法，用于乳腺X线摄影中结构扭曲的分类	结合了Vision Transformer (ViT)注意力网络和VGG-16，提高了结构扭曲检测的准确性和效率	未提及具体局限性	提高乳腺X线摄影中结构扭曲检测的准确性和效率	乳腺X线摄影中的结构扭曲	计算机视觉	乳腺癌	深度学习	Vision Transformer (ViT) + VGG-16	图像	PINUM和DDSM数据集
10838	2025-03-06	Deep Point Cloud Edge Reconstruction Via Surface Patch Segmentation 2025-Mar-03, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3547411 PMID:40031714	研究论文	本文提出了一种通过表面补丁分割进行点云边缘重建的新方法，旨在解决现有方法在边缘点稀疏和非均匀分布情况下的拟合误差问题	引入了一种新颖的两阶段框架，通过表面补丁分割来精确和完整地重建边缘，并提出了PCER-Net网络同时进行表面补丁分割、边缘点检测和法线预测	虽然方法在实验中表现出色，但未提及在实际应用中的计算效率和资源消耗情况	解决点云数据参数化边缘重建中的拟合误差问题，提高重建精度和完整性	点云数据	计算机视觉	NA	深度学习	PCER-Net	点云数据	包括CAD和日常模型（家具）的多样化补丁-边缘数据集
10839	2025-03-06	PICASO Set Operator for Computational Nephropathology 2025-Mar-03, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000668 PMID:40029711	研究论文	本文介绍了一种名为PICASO的新型排列不变集合操作符，用于动态聚合病理学特征，并在两种肾病场景中进行了应用	PICASO是一种基于Transformer的集合操作符，能够动态聚合实例集合中的特征，显著提升了肾病病理诊断的性能	研究仅在两种肾病场景中进行了验证，尚未在其他病理学领域进行广泛测试	通过引入PICASO集合操作符，提升肾病病理诊断的准确性和性能	IgA肾病中的活动性新月体病变检测和肾移植中的抗体介导排斥反应（AMR）分类	数字病理学	肾病	深度学习	Transformer	图像	IgA肾病数据集包含6206个PAS染色的肾小球图像（5792个无活动性新月体，414个有活动性新月体），AMR分类数据集包含1655个PAS染色的肾小球图像（769个AMR，886个非AMR）
10840	2025-03-06	GNINA 1.3: the next increment in molecular docking with deep learning 2025-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00973-x PMID:40025560	研究论文	本文介绍了开源分子对接软件GNINA的1.3版本，该版本更新了深度学习框架并引入了新的功能	GNINA 1.3更新了深度学习框架至PyTorch，提高了计算效率，并引入了知识蒸馏的CNN评分函数，支持共价对接	未明确提及具体限制	提高分子对接的计算效率和准确性，支持共价对接	分子对接软件GNINA	计算机辅助药物设计	NA	分子对接，深度学习	CNN	分子结构数据	使用CrossDocked2020 v1.3数据集进行训练