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
761	2025-04-24	Using deep learning to enhance reporting efficiency and accuracy in degenerative cervical spine MRI 2025-Mar-26, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2025.03.009 PMID:40154625	research paper	使用基于transformer的深度学习模型提升退行性颈椎MRI报告的效率和准确性	首次将transformer-based DLM应用于退行性颈椎MRI报告，显著提升放射科医师的工作效率和诊断一致性	样本量较小（仅50例患者），且排除了有器械植入的病例	评估深度学习模型能否提高放射科医师在退行性颈椎MRI报告中的效率和准确性	退行性颈椎病患者的MRI图像	digital pathology	geriatric disease	MRI	transformer-based DLM	image	50例患者的2555张MRI图像
762	2025-04-24	Comparison of the characteristics between machine learning and deep learning algorithms for ablation site classification in a novel cloud-based system 2025-Mar-17, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2025.03.1955 PMID:40107403	research paper	本研究比较了CARTONET系统中R12.1和R14模型在消融部位分类上的特性，并评估了R14模型的敏感性和阳性预测值	首次在云基础系统CARTONET中比较了机器学习和深度学习算法在消融部位分类上的性能差异	研究仅基于396例心房颤动消融病例，样本量可能不足以代表所有情况	比较CARTONET系统R12.1和R14模型在消融部位分类上的性能差异	心房颤动消融病例	machine learning	cardiovascular disease	deep learning	CARTONET R14	clinical data	396例心房颤动消融病例，分析39,169个点和625个段的预测数据
763	2025-04-24	The Prediction of Recombination Hotspot Based on Automated Machine Learning 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168653 PMID:38871176	研究论文	本文研究基于自动化机器学习的重组热点预测方法，通过结合序列信息和物理化学特性，提高了预测准确率	采用自动化机器学习方法构建重组热点预测模型，结合TF-IDF-Kmer和DNA组成成分提取更有效的特征数据，并在三个不同数据集上验证了模型的有效性	未明确提及具体的数据集规模或多样性限制	提高重组热点预测的准确性和泛化能力	基因序列中的重组热点	机器学习	NA	自动化机器学习、TF-IDF-Kmer、DNA组成分析	自动化机器学习模型	基因序列数据	三个不同的数据集（具体数量未提及）
764	2025-04-24	Similarity-guided graph contrastive learning for lncRNA-disease association prediction 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168609 PMID:38750722	research paper	提出了一种基于相似性引导的图对比学习方法（SGGCL），用于预测lncRNA与疾病之间的关联	创新性地结合了图神经网络和对比学习，提出了一种相似性引导的图数据增强方法，以解决已验证数据稀缺的问题	未明确提及具体局限性	提高lncRNA与疾病关联预测的准确性	长链非编码RNA（lncRNA）与人类疾病之间的关联	machine learning	NA	图神经网络、对比学习、RWR算法	SGGCL（相似性引导的图对比学习模型）	图数据	多个数据集（未明确提及具体样本数量）
765	2025-04-24	Impact of Downsampling Size and Interpretation Methods on Diagnostic Accuracy in Deep Learning Model for Breast Cancer Using Digital Breast Tomosynthesis Images 2025-Mar-06, The Tohoku journal of experimental medicine DOI:10.1620/tjem.2024.J071 PMID:39048348	research paper	研究探讨了下采样尺寸和图像插值方法对深度学习模型在数字乳腺断层合成图像中乳腺癌诊断准确性的影响	首次系统评估不同下采样尺寸和插值方法对深度学习模型在乳腺癌诊断中性能的影响	研究为回顾性研究，样本量相对有限（499例）	优化深度学习模型的预处理步骤以提高乳腺癌诊断的准确性和效率	数字乳腺断层合成图像	digital pathology	breast cancer	digital breast tomosynthesis (DBT)	DL models	image	499名患者（年龄29-90岁，平均50.5岁）的乳腺断层合成图像
766	2025-04-24	Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability 2025-Mar, 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.2024.05.027 PMID:38876447	research paper	开发了一种基于Transformer的多标签深度学习模型，用于检测踝关节外侧和内侧韧带损伤，并评估其对临床医生诊断慢性踝关节不稳（CAI）的影响	提出了一种基于Transformer的多标签深度学习模型（AnkleNet），在检测踝关节韧带损伤方面表现优于传统的CNN模型，并显著提高了临床医生的诊断准确性	研究基于回顾性收集的MRI数据，可能存在选择偏差	开发一种深度学习模型，辅助诊断慢性踝关节不稳（CAI）	踝关节外侧和内侧韧带损伤	digital pathology	chronic ankle instability	MRI	Transformer-based multilabel DL model (AnkleNet) and CNN	image	回顾性收集的踝关节MRI数据（2016年4月至2022年3月，来自3个中心）
767	2025-04-24	Melanoma classification using generative adversarial network and proximal policy optimization 2025 Mar-Apr, Photochemistry and photobiology IF:2.6Q3 DOI:10.1111/php.14006 PMID:39080818	research paper	提出了一种结合生成对抗网络和近端策略优化的新型深度学习框架，用于黑色素瘤分类	引入了Off-policy PPO算法处理数据不平衡问题，并结合GAN进行数据增强以提高模型的泛化能力	未提及模型在外部验证集上的表现或计算资源需求	提高黑色素瘤的早期检测准确率以改善临床治疗效果	黑色素瘤皮肤病变图像	digital pathology	melanoma	deep learning	GAN, Off-policy PPO	image	SIIM-ISIC Melanoma Classification Challenge-ISIC-2020数据集（具体数量未说明）
768	2025-04-24	Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29499 PMID:39010746	research paper	该研究利用深度学习模型从常规T1-MR图像中分类基于T1ρ-MR的椎间盘退变阶段	提出了一种深度学习模型，能够从常规T1-MR图像中预测T1ρ-MR的椎间盘退变阶段，克服了T1ρ-MR扫描时间长和费用高的问题	样本量较小（60名患者），且研究为回顾性设计	开发一种方法，通过常规T1-MR图像预测T1ρ-MR的椎间盘退变阶段，以促进T1ρ-MR在椎间盘退变中的应用	椎间盘退变（IDD）患者	digital pathology	geriatric disease	T1-, T2-, and T1ρ-MR sequence (spin echo)	deep learning model	image	60名患者（35男/25女），分为训练集（50人）和测试集（10人）
769	2025-04-24	Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000000904 PMID:38768142	研究论文	本文提出了一种深度学习模型，用于预测脂肪肝病患者发展为肝细胞癌（HCC）的风险	利用深度学习模型从H&E染色的全切片图像中预测HCC发展，能够捕捉纤维化阶段之外的细微病理特征	样本量较小，尤其是HCC类患者仅46例	预测脂肪肝病患者发展为HCC的风险	脂肪肝病患者	数字病理学	肝癌	深度学习	CNN	图像	639名非HCC患者和46名HCC患者
770	2025-04-24	Categorizing high-grade serous ovarian carcinoma into clinically relevant subgroups using deep learning-based histomic clusters 2025-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2024.10.23 PMID:39962925	research paper	本研究利用深度学习技术对高级别浆液性卵巢癌进行组织学聚类，将其分为临床相关的亚组	首次应用深度学习模型对HGSC进行组织学聚类，揭示了线粒体动力学和能量代谢在疾病进展中的关键作用	研究基于TCGA数据集，样本来源可能有限，未涉及其他独立验证队列	改善高级别浆液性卵巢癌的预后分层和个性化治疗策略	高级别浆液性卵巢癌(HGSC)患者	digital pathology	ovarian cancer	RNA sequencing	deep learning	whole slide images	TCGA数据集中的卵巢癌样本
771	2025-04-24	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究旨在探讨深度学习衍生的影像特征结合剂量体积指标在预测局部晚期非小细胞肺癌患者放射性肺炎中的能力	结合3D深度学习衍生的影像特征与剂量体积指标，提高了放射性肺炎的预测准确性	研究样本量相对较小，且仅来自两个中心	预测局部晚期非小细胞肺癌患者的放射性肺炎	局部晚期非小细胞肺癌患者	数字病理	肺癌	3D深度学习	多层感知机	CT影像	149名患者（90名来自复旦大学附属肿瘤医院，59名来自江南大学附属医院）
772	2025-04-24	Deep Learning for Automated Measurement of Total Cardiac Volume for Heart Transplantation Size Matching 2025-Mar, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03470-4 PMID:38570368	research paper	本研究开发了一种基于深度学习的自动测量总心脏体积（TCV）的方法，用于儿科心脏移植中的尺寸匹配	首次使用3D-CNN深度学习模型自动计算TCV，取代了传统的手动分割方法	单中心研究，未来需要通过多中心研究和更丰富的心脏病理数据来提高模型的泛化能力	开发快速准确的TCV自动测量方法，促进心脏移植中供受体尺寸匹配的广泛应用	0-30岁受试者的CT扫描图像	digital pathology	cardiovascular disease	CT扫描	3D-CNN（结合DenseNet和ResNet架构）	医学影像（CT图像）	训练队列270例，验证队列44例（36例正常心脏，8例心脏病）
773	2025-04-24	Recent advances and issues in imaging modalities for hepatocellular carcinoma surveillance 2025-Mar, Journal of liver cancer DOI:10.17998/jlc.2025.02.16 PMID:40007309	综述	本文综述了肝细胞癌（HCC）监测中影像学技术的最新进展及其存在的问题	探讨了低剂量CT结合深度学习重建等新技术在提高HCC监测安全性和可行性方面的潜力，以及基于个体风险特征的定制化监测策略	MRI虽然具有优越的组织对比度和敏感性，但其可及性和成本仍是挑战	提高肝细胞癌（HCC）早期检测的敏感性和成本效益	肝细胞癌（HCC）患者	数字病理学	肝癌	超声（US）、对比增强计算机断层扫描（CT）、磁共振成像（MRI）、深度学习重建	NA	影像数据	NA
774	2025-04-24	Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation 2025-Mar-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae215 PMID:38597875	研究论文	本文开发并验证了一种名为AuRA的深度学习算法，用于自动检测类风湿性关节炎患者关节损伤的进展	首次提出并外部验证了AuRA算法，展示了其在真实临床环境中监测放射学进展的实用性	样本量相对有限，且仅验证于特定医院的数据	开发并验证能够自动检测类风湿性关节炎关节损伤进展的算法	类风湿性关节炎患者的关节损伤	数字病理学	类风湿性关节炎	深度学习	CNN	X光图像	初始训练集367例，外部验证集205例，纵向研究54例
775	2025-04-24	BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375025 PMID:38457318	research paper	提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别	结合双向意图网络和ACmix混合模型，创新性地融合药物和蛋白质特征，提高了DTI预测的准确性	未提及具体的数据集规模限制或模型计算复杂度问题	开发一种高效的药物-靶点相互作用预测方法以加速药物发现过程	药物分子和蛋白质靶点	machine learning	NA	graph convolutional networks, self-attention mechanism, convolution	BINDTI (Bi-Directional Intention network), ACmix, multilayer perceptron	2D molecular graph (SMILES), amino acid sequence	BindingDB, BioSNAP, DrugBank, Human datasets (具体数量未提及)
776	2025-04-24	Rapid discrimination and ratio quantification of mixed antibiotics in aqueous solution through integrative analysis of SERS spectra via CNN combined with NN-EN model 2025-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.03.016 PMID:38531495	研究论文	该研究提出了一种基于深度学习算法的SERS光谱智能分析模型，用于快速识别混合物中的抗生素成分并定量测定这些成分的比例	结合CNN和NN-EN模型，实现了对混合物中抗生素成分的高精度识别和比例定量	研究仅针对三种抗生素（环丙沙星、多西环素和左氧氟沙星）进行了测试，未涵盖更多种类的抗生素	开发一种快速、高精度的抗生素残留检测技术，以维护水生环境中的抗生素安全	水环境中的抗生素残留（环丙沙星、多西环素和左氧氟沙星）	机器学习	NA	表面增强拉曼光谱（SERS）	CNN和NN-EN	光谱数据	NA
777	2025-04-24	Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3381896 PMID:38536684	research paper	提出了一种名为PG-DERN的新型少样本学习模型，用于分子属性预测，通过双视角编码器和关系图学习网络提高预测准确性	引入了双视角编码器学习分子表示，提出关系图学习模块构建分子间相似性关系图，采用MAML元学习策略优化参数，设计了属性引导的特征增强模块	未明确提及具体局限性	解决药物发现中分子属性预测任务在数据稀缺情况下的准确性问题	药物分子	machine learning	NA	few-shot learning, meta-learning	PG-DERN (包含dual-view encoder和relation graph learning network)	分子结构数据	四个基准数据集（未明确样本数量）
778	2025-04-24	Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386815 PMID:38598378	研究论文	提出了一种基于图局部子结构的多模态药物靶点结合亲和力预测模型MLSDTA	综合整合药物和靶点的图和序列模态信息，通过交叉注意力方法实现多模态特征融合，并应用自适应结构感知池化生成包含局部子结构信息的图	未提及具体的数据集规模限制或模型在其他类型药物靶点上的泛化能力	降低药物开发成本和周期，提高药物靶点结合亲和力预测的准确性	药物和靶点的结合亲和力	机器学习	NA	深度学习	MLSDTA（基于图局部子结构的多模态模型）	图和序列数据	在两个基准数据集上进行实验
779	2025-04-24	Real-Time Typical Urodynamic Signal Recognition System Using Deep Learning 2025-Mar, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2448430.215 PMID:40211837	research paper	本研究开发了一种基于深度学习的实时尿动力学信号识别系统，用于辅助医生完成高质量的尿动力学检查	首次将深度学习算法应用于典型尿动力学信号的实时识别，提高了尿动力学检查的解读质量和效率	这是一项回顾性单中心研究，模型的泛化能力尚未得到验证	通过深度学习算法标准化尿动力学检查并确保其临床参考价值	神经源性膀胱成年患者的尿动力学图像数据	digital pathology	neurogenic bladder	deep learning	Yolov5l	image	400名神经源性膀胱患者（共2655张图像）
780	2025-04-23	Development and validation of a semi-automatic radiomics ensemble model for preoperative evaluation of breast masses in mammotome-assisted minimally invasive resection 2025-Mar-31, Gland surgery IF:1.5Q3 DOI:10.21037/gs-24-440 PMID:40256481	研究论文	开发并验证了一种基于超声的半自动分割集成模型，用于在乳腺微创旋切术前评估乳腺肿块	提出了一种基于半自动分割的集成学习模型，减少了手动勾画的主观性和时间消耗，提高了术前评估的准确性	研究为回顾性分析，可能存在选择偏倚；模型性能在测试队列中的AUC相对训练队列有所下降	提高乳腺肿块术前评估的准确性，指导个体化治疗策略	773例患者的术前超声图像（543例肿瘤，230例非肿瘤）	数字病理	乳腺癌	超声成像，深度迁移学习（DTL）	DeepLabv3_ResNet50, FCN_ResNet50, 集成模型	超声图像	773例患者（543例肿瘤，230例非肿瘤）