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
81	2025-06-12	Challenges and solutions of deep learning-based automated liver segmentation: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109459 PMID:39642700	系统综述	本文系统综述了基于深度学习的肝脏自动分割面临的挑战及其解决方案	将肝脏分割挑战分为五大类，并调查了针对每类挑战提出的技术解决方案	仅涵盖了2016年至2022年间发表的文献，可能未包含最新研究进展	分析肝脏分割的挑战并识别研究者为应对这些挑战对网络模型所做的修改及其他改进	医学图像中的肝脏分割	数字病理	肝脏疾病	深度学习	NA	医学图像	88篇来自Scopus和ScienceDirect数据库的文章
82	2025-06-12	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	系统文献综述	本文通过系统文献综述探讨了深度学习技术在MRI检测和分析多发性硬化症中的应用	全面梳理和总结了深度学习在MRI检测和分析多发性硬化症中的最新研究进展	仅基于筛选后的82篇文献进行分析，可能未涵盖所有相关研究	评估深度学习技术在MRI检测和分析多发性硬化症中的应用效果	多发性硬化症患者	数字病理学	多发性硬化症	MRI	CNN	image	401篇文献初筛，最终纳入82篇研究
83	2025-06-11	Editorial Commentary: Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning 2025-Feb-26, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.02.024 PMID:40021066	评论	本文讨论了人工智能机器学习在医学影像分析中的应用及其优势	提出了一个有效的三步方法（检测器、注意力模块和可解释性）来优化医学影像分析，并强调了深度学习在减少观察者间变异性和提高诊断准确性方面的潜力	需要外部验证以确定模型在单一机构之外的泛化能力	探讨人工智能机器学习在医学影像分析中的应用及其临床价值	医学影像数据	计算机视觉	NA	深度学习	NA	图像	NA
84	2025-06-11	Bone Age Estimation of Chinese Han Adolescents's and Children's Elbow Joint X-rays Based on Multiple Deep Convolutional Neural Network Models 2025-Feb-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.241202 PMID:40397588	research paper	该研究探讨了基于深度学习的自动骨龄评估模型，用于中国汉族青少年和儿童的肘关节X光图像	提出了三种实验方案，并比较了不同分割和回归模型在骨龄评估中的性能，最终推荐使用UNet++进行分割和DenseNet121进行回归	研究样本主要来自中国东部、南部、中部和西北部，可能无法完全代表其他地区的人群	开发并评估一种基于深度学习的自动骨龄评估模型	中国汉族6.00至<16.00岁的青少年和儿童的肘关节X光图像	digital pathology	NA	X-ray成像	U-Net, UNet++, TransUNet, VGG16, VGG19, InceptionV2, InceptionV3, ResNet34, ResNet50, ResNet101, DenseNet121	image	943例肘关节X光图像（517名男性和426名女性），外加104例外部测试集图像
85	2025-06-11	Deep Learning-Based Blood Abnormalities Detection as a Tool for VEXAS Syndrome Screening 2025-Feb, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14368 PMID:39275905	研究论文	本研究提出了一种基于深度学习的血液异常检测方法，用于VEXAS综合征的筛查	首次利用深度学习算法自动检测外周血多形核白细胞中的异常特征，以区分VEXAS综合征与其他炎症性疾病	样本量相对较小，特别是VEXAS患者数量有限(n=25)	开发一种自动化工具来辅助VEXAS综合征的筛查	外周血多形核白细胞(PMN)图像	数字病理学	VEXAS综合征	深度学习	CNN	图像	9514张标注的PMN图像(来自25例VEXAS患者、14例骨髓增生异常患者和25例血细胞减少患者)
86	2025-06-10	Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01876 PMID:39908426	research paper	使用深度变分异常生成方法对分子表示进行模糊测试	利用变分自编码器（VAE）生成SELFIES分子字符串的异常示例，挑战了SELFIES可转换为有效SMILES字符串的断言，并探索了影响分子表示可靠性的因素	仅针对SELFIES 2.1.1版本进行了测试，可能不适用于其他版本或其他分子表示方法	通过生成异常示例来压力测试和验证分子表示的鲁棒性	SELFIES分子字符串	machine learning	NA	VAE（变分自编码器）	VAE	分子字符串（SELFIES）	NA
87	2025-06-10	A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study 2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110660 PMID:39645201	研究论文	开发并验证了一个结合深度学习MRI特征和临床信息的预后和预测模型，用于识别II期鼻咽癌患者中仅需调强放射治疗的低风险患者	结合深度学习MRI特征和临床信息，开发了一个新的预后和预测模型，能够显著区分高风险和低风险患者，并优化治疗方案	研究为回顾性多中心研究，可能存在选择偏倚，且样本量虽大但来自两个中心，可能影响模型的泛化能力	开发一个预后和预测模型，以识别II期鼻咽癌患者中仅需调强放射治疗的低风险患者	II期鼻咽癌患者	数字病理	鼻咽癌	MRI	3DResNet, eXtreme Gradient Boosting	MRI图像和临床信息	999名II期鼻咽癌患者
88	2025-06-08	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新颖的一致性预测不确定性（CPU）指数，通过结合亚组分析和个性化AI时间-事件模型的见解，改进了肺癌筛查（LCS）预测的特异性	提出了一种新的CPU-Index框架，通过测量亚组分析和AI时间-事件模型之间预测的一致性，改进了预测的透明度和可靠性	个性化AI时间-事件模型存在透明度问题和来自删失数据的偏差	改进肺癌筛查的风险评估，提高预测的特异性	肺癌筛查的低剂量CT（LDCT）影像和患者人口统计学数据	数字病理学	肺癌	LDCT放射组学，AI时间-事件模型	神经多任务逻辑回归时间-事件模型	图像，人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受LDCT筛查并在一年内病理确诊为肺癌的患者
89	2025-06-07	Conotoxins: Classification, Prediction, and Future Directions in Bioinformatics 2025-02-09, Toxins IF:3.9Q1 DOI:10.3390/toxins17020078 PMID:39998095	review	本文探讨了机器学习（ML）和深度学习（DL）在芋螺毒素研究中的应用进展	综述了ML和DL在芋螺毒素序列分类、功能预测和从头肽设计中的创新应用	未提及具体实验验证或模型性能的局限性	探索计算生物学方法在芋螺毒素研究中的应用	芋螺毒素（conotoxins）	生物信息学	NA	机器学习（ML）、深度学习（DL）	NA	序列数据	NA
90	2025-06-07	Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features 2025-02, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152598 PMID:39613484	research paper	本研究探讨了系统性硬化症（SSc）临床特征与冠状动脉钙化程度及进展之间的关联	结合视觉序数评分和深度学习（DeepCAC）方法量化冠状动脉钙化，并探索其与SSc临床特征的关联	单中心回顾性研究，样本量有限（86例和171例）	研究SSc临床特征与冠状动脉钙化进展的关系	系统性硬化症患者	digital pathology	cardiovascular disease	DeepCAC	deep learning	medical imaging	86例（主要目标）和171例（次要目标）SSc患者
91	2025-06-07	PRISM Lite: A lightweight model for interactive 3D placenta segmentation in ultrasound 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047410 PMID:40463735	research paper	提出了一种轻量级交互式分割模型PRISM Lite，用于实时从3D超声图像中分割胎盘	设计了一个轻量级模型，适用于临床使用，能够在资源有限的环境中实时运行，并通过人机交互实现迭代改进	尽管模型在分割精度上表现优异，但其在低资源环境或移动设备上的实际应用仍需进一步验证	开发一种适用于临床的轻量级交互式胎盘分割模型，以提高分割效率和质量	3D超声图像中的胎盘	digital pathology	pregnancy outcomes	3D ultrasound (3DUS)	lightweight interactive segmentation model	3D image	NA
92	2025-06-06	Deep Learning Model of Diastolic Dysfunction Risk Stratifies the Progression of Early-Stage Aortic Stenosis 2025-Feb, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.07.017 PMID:39297852	research paper	该研究探讨了基于超声心动图的深度学习模型在评估舒张功能障碍方面的应用，以预测主动脉瓣狭窄的发展和进展	利用深度学习模型预测舒张功能障碍，从而识别主动脉瓣狭窄进展的潜在风险	样本量较小，特别是在验证队列中，可能影响结果的普遍性	研究深度学习模型在预测主动脉瓣狭窄进展中的应用	主动脉瓣硬化和轻度至中度主动脉瓣狭窄患者	digital pathology	cardiovascular disease	超声心动图、心脏磁共振成像、PET/CT	DL	image	898名主动脉瓣硬化患者（ARIC队列）、50名轻度至中度主动脉瓣狭窄患者（CMR队列）、18名主动脉瓣硬化患者（PET/CT队列）
93	2025-06-06	Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation 2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110667 PMID:39675574	research paper	本研究探讨了在直肠癌在线自适应放疗中，利用患者特异性先验临床知识提高临床靶区自动分割的泛化能力	提出了一种结合患者特异性先验临床知识和基于人群的变异性的深度学习方法，以提高自动分割的泛化能力	研究仅针对直肠癌患者，未涉及其他癌症类型	提高在线自适应放疗中临床靶区自动分割的泛化能力	中危或局部晚期直肠癌患者	digital pathology	rectal cancer	deep learning	DL	MRI	来自三个中心的中危或局部晚期直肠癌患者
94	2025-06-06	Investigating the Quality of DermaMNIST and Fitzpatrick17k Dermatological Image Datasets 2025-Feb-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04382-5 PMID:39893183	research paper	本文对DermaMNIST、HAM10000和Fitzpatrick17k三个皮肤病图像数据集进行了细致分析，揭示了数据质量问题，并提出了修正方案	揭示了皮肤病数据集中存在的重复数据、数据泄漏、错误标签等问题，并提出了修正方法	仅分析了三个皮肤病数据集，可能无法涵盖所有数据质量问题	评估皮肤病图像数据集的质量，并提高深度学习模型的可靠性	DermaMNIST、HAM10000和Fitzpatrick17k数据集	digital pathology	dermatological disease	NA	deep neural network	image	三个皮肤病数据集（具体数量未提及）
95	2025-06-05	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2025-Feb-15, The American journal of cardiology DOI:10.1016/j.amjcard.2024.11.028 PMID:39581517	研究论文	评估AI-ECG在监测肥厚型心肌病（HCM）治疗反应中的应用	首次使用AI-ECG模型评估SRT和mavacamten对HCM的生物反应	研究样本来自特定医疗中心，可能限制结果的普遍性	评估AI-ECG作为监测HCM治疗反应的工具	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS）
96	2025-06-05	Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement 2025-Feb, Journal of the Air & Waste Management Association (1995) DOI:10.1080/10962247.2024.2412708 PMID:39440842	research paper	本研究通过改进U-Net卷积神经网络，结合边缘信息扩展和联合损失函数，提高了农业塑料大棚（APGs）在遥感图像中的提取精度	提出了一种改进的U-Net模型，结合边缘信息扩展和联合损失函数，显著提高了APGs的提取精度	未提及模型在其他类型遥感数据或不同地理环境下的泛化能力	提高农业塑料大棚（APGs）的提取精度，以支持农业管理和环境监测	农业塑料大棚（APGs）	computer vision	NA	遥感技术	U-Net CNN	遥感图像	使用GF-7卫星图像数据
97	2025-06-05	A CT-based deep learning for segmenting tumors and predicting microsatellite instability in patients with colorectal cancers: a multicenter cohort study 2025-Feb, La Radiologia medica DOI:10.1007/s11547-024-01909-5 PMID:39586941	研究论文	开发并验证基于术前增强CT图像的深度学习模型，用于结直肠癌肿瘤自动分割和微卫星不稳定性预测	结合增强CT图像和临床病理因素，利用深度学习模型预测微卫星不稳定性，提高了诊断性能	研究为回顾性设计，可能存在选择偏倚	开发深度学习模型用于结直肠癌肿瘤分割和微卫星不稳定性预测	结直肠癌患者	数字病理	结直肠癌	免疫组织化学、荧光多重聚合酶链反应-毛细管电泳	nnU-Net、ViT、CNN	CT图像	2180名患者（训练组1159名，验证组289名，外部测试组732名）
98	2025-06-05	Weakly Supervised Multiple Instance Learning Model With Generalization Ability for Clinical Adenocarcinoma Screening on Serous Cavity Effusion Pathology 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100648 PMID:39515585	研究论文	本研究提出了一种弱监督多实例学习模型，用于浆膜腔积液中腺癌细胞的快速筛查	首次将细胞块技术与弱监督深度学习模型结合用于浆膜腺癌筛查，并构建了首个基于细胞块切片的浆膜腔积液全切片成像公开数据集	NA	提高浆膜腔积液中腺癌细胞的筛查效率和准确性	浆膜腔积液中的腺癌细胞	数字病理学	腺癌	全切片成像，细胞块技术	弱监督多实例学习模型	图像	2个真实世界病理数据集
99	2025-06-05	Protein-protein interaction detection using deep learning: A survey, comparative analysis, and experimental evaluation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109449 PMID:39644584	综述	本文全面分析了用于检测蛋白质-蛋白质相互作用（PPIs）的各种深度学习技术，并进行了详细的实验评估	对多种深度学习技术在PPI检测中的性能进行了比较分析，并提出了未来改进方向	DNN存在过拟合和可解释性低的问题，LSTM网络存在可扩展性挑战	评估深度学习技术在蛋白质-蛋白质相互作用检测中的应用效果	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	DNN, CNN, GSN, LSTM	生物序列数据	NA
100	2025-06-05	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	该研究通过系统综述评估机器学习模型在预测常见精神障碍中的应用，重点关注生活方式数据的作用	首次评估诊断性机器学习在常见精神障碍中的效用，并评估预测变量类型	研究存在高度异质性和偏倚风险，生活方式数据利用不足	评估机器学习模型预测常见精神障碍的性能，并确定生活方式数据在模型中的潜在益处	成年人常见精神障碍	机器学习	精神障碍	机器学习	深度学习	多模态数据（包括生活方式、生物、人口统计-环境数据）	117项研究（111项仅模型开发，16项开发与验证）