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
61	2025-06-26	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models to predict microvascular invasion in hepatocellular carcinoma: a multicenter study 2025-Mar-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01646-9 PMID:40165094	研究论文	本研究开发了一种基于Gd-EOB-DTPA增强MRI图像的放射组学模型，结合双区域特征和两种机器学习算法，用于预测肝细胞癌的微血管侵犯	结合双区域特征和两种机器学习算法（CR和DLR）的新型放射组学模型，提高了预测微血管侵犯的准确性	所有模型之间的AUC差异无统计学意义（P>0.005）	术前预测肝细胞癌的微血管侵犯	304名肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	支持向量机、3D ResNet-18	MRI图像	304名患者（训练队列216名，测试队列88名）
62	2025-06-26	Effectiveness and clinical impact of using deep learning for first-trimester fetal ultrasound image quality auditing 2025-Mar-31, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07485-4 PMID:40165135	研究论文	开发并验证了一种基于人工智能的超声图像质量审核系统（AI-IQA），用于自动审核孕早期超声扫描中四个关键平面的图像质量	首次将YOLOv7结构检测网络与多分支图像质量回归网络结合，构建了一个高效且准确的自动审核系统，并验证了其在不同经验水平放射科医师中的临床效果	研究仅基于多中心内部数据集进行验证，尚未在更广泛的外部数据集中测试其泛化能力	开发一个高效准确的自动超声图像质量审核系统，以替代耗时且不一致的人工审核	孕早期超声扫描中的四个关键平面图像	计算机视觉	产科超声	YOLOv7结构检测网络与多分支图像质量回归网络	CNN	图像	567例由四位不同经验水平的放射科医师扫描的案例（其中349例未使用AI-IQA反馈，218例使用2-3轮AI-IQA反馈）
63	2025-06-26	Detection of cotton crops diseases using customized deep learning model 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94636-4 PMID:40155421	研究论文	本文提出了一种定制的深度学习模型，用于检测棉花作物病害	比较了多种最先进的深度学习模型（如VGG16、DenseNet、EfficientNet等）在棉花病害识别中的表现，并发现ResNet152模型优于其他模型	未提及模型在真实田间环境中的泛化能力或对不同病害类型的识别效果	开发高效的棉花病害检测方法以减少农业经济损失	棉花作物及其病害	计算机视觉	棉花病害	深度学习	VGG16, DenseNet, EfficientNet, InceptionV3, MobileNet, NasNet, ResNet	图像	未明确提及具体样本数量，但使用了从田间采集的真实棉花病害数据
64	2025-06-26	Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.004 PMID:39438175	研究论文	本研究基于多参数MRI的深度学习模型，用于预测直肠癌患者的肿瘤沉积及预后结果	结合多参数MRI的深度放射组学特征和临床特征，构建了预测直肠癌肿瘤沉积的列线图模型，并验证了其在预后分层中的有效性	回顾性研究设计可能存在选择偏倚，且样本量相对有限	预测直肠癌患者的肿瘤沉积状态并分析其预后	529例接受根治性手术的直肠癌患者	数字病理	直肠癌	多参数MRI	ResNet-101	图像	529例患者（中心1：379例，中心2：150例）
65	2025-06-26	Detection of Auto-Immune Disease using Deep Learning Techniques 2025-Mar, Mediterranean journal of rheumatology DOI:10.31138/mjr.060624.doa PMID:40557183	研究论文	本研究提出了一种结合深度学习和先进图像处理的自动化方法，用于通过HEp-2细胞间接免疫荧光测试诊断自身免疫性疾病	创新性地整合了深度学习、图像处理、HEp-2细胞和有丝分裂细胞实例分割技术，提供了一种自动化的诊断方法	初始数据集存在不平衡问题，有丝分裂细胞数量显著少于HEp-2同质细胞	开发可靠的自动化方法用于自身免疫性疾病的诊断	HEp-2细胞和有丝分裂细胞	数字病理学	自身免疫性疾病	间接免疫荧光测试(IIF)	Detectron2, YOLOv8n	图像	ICPR 2016数据集
66	2025-06-24	The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance 2025-Mar, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.10.070 PMID:39522568	research paper	本研究探讨了在腹主动脉瘤（AAA）修复术后监测中，自动测量囊体积相较于最大直径评估是否能提供更细致的囊行为信息	首次比较了自动AAA囊体积测量与传统最大直径评估在EVAR术后监测中的差异，发现体积测量能识别更多的囊收缩或增长情况	样本量较小（89例患者），且为回顾性研究	评估自动AAA囊体积测量在EVAR术后监测中的附加价值	接受标准或开窗EVAR治疗的AAA患者	数字病理	心血管疾病	深度学习	Augmented Reality for Vascular Aneurysm	医学影像	89例患者（标准EVAR 46例，开窗EVAR 43例）
67	2025-06-24	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发并验证了一种基于MRI拓扑深度学习的模型，用于术前预测肝细胞癌（HCC）的微血管侵犯（MVI）并辅助预后分层	结合拓扑学改进深度学习模型，提高了预测性能和可解释性，并首次在HCC的MVI预测中应用	研究为回顾性设计，可能存在选择偏倚；外部验证集样本量相对较小	开发非侵入性预测HCC微血管侵犯的深度学习模型并验证其预后分层价值	接受手术治疗的HCC患者	数字病理	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	医学影像	589例患者（292例病理证实MVI）
68	2025-06-20	Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95530-9 PMID:40148559	研究论文	结合深度学习和传统计算机辅助药物设计方法，筛选LOXL2选择性抑制剂，并验证其抗癌效果	首次采用深度学习与传统计算机辅助药物设计相结合的方法，筛选出天然产物Forsythoside A作为强效LOXL2抑制剂	研究仅针对CT26细胞进行验证，未涉及其他癌细胞或体内实验	开发针对LOXL2的选择性天然抑制剂，为癌症治疗提供新方法	LOXL2蛋白及CT26癌细胞	计算机辅助药物设计	癌症	深度学习、分子对接、虚拟筛选	深度学习模型	分子结构数据、生物活性数据	未明确说明样本数量，仅提及CT26细胞
69	2025-06-20	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	本研究利用深度学习和数字病理学技术，基于肝活检全切片图像预测脂肪肝病患者发展为肝细胞癌（HCC）的风险	开发了一种深度学习模型，能够捕捉纤维化阶段以外的细微病理特征，预测HCC的发展，并在轻度纤维化患者中也能检测出HCC发展病例	样本量相对较小，HCC类患者仅46例，且研究为回顾性设计	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	肝细胞癌	深度学习	CNN	图像	639名未发展为HCC的患者和46名发展为HCC的患者
70	2025-06-20	Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence 2025-03, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.06.059 PMID:39322483	研究论文	使用基于人工智能的模型预测肝内胆管癌患者手术无效的风险	开发了一个集成多层感知器和梯度提升分类器的人工智能模型，用于术前预测手术无效的风险	模型在测试队列中的准确性略低于训练队列，且敏感性为64.5%，存在一定的误判可能	识别肝内胆管癌患者手术无效的风险，避免不必要的手术	肝内胆管癌患者	数字病理	肝内胆管癌	机器学习和深度学习技术	多层感知器和梯度提升分类器的集成模型	临床数据	827名肝内胆管癌患者
71	2025-02-19	Deep learning: Cracking the metabolic code 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001220 PMID:39960202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
72	2025-06-18	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究探讨了通过消除对比剂注射变异性带来的偏差，提高定量血管造影（QA）和深度神经网络（DNNs）在颅内动脉瘤（IA）闭塞预测中的准确性，并利用可解释AI（XAI）增强模型的可靠性和可解释性	提出了一种注射偏差去除算法以减少QA变异性，并利用LIME方法增强深度学习模型的可解释性	研究仅针对使用流动转向装置治疗的动脉瘤，样本量为458例，可能限制结果的普遍性	提高流动转向装置治疗的颅内动脉瘤闭塞预测的准确性和可解释性	使用流动转向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影（QA），深度神经网络（DNNs），局部可解释模型无关解释（LIME）	DNN	图像	458例患者的血管造影图像
73	2025-06-16	Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms 2025-Mar-03, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.01.253 PMID:40043857	research paper	本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用及其潜力	利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下	训练数据集的多样性受限且多来自专业中心，可能影响AI模型在不同临床环境中的普适性；部分AI系统的'黑箱'特性可能阻碍其可解释性和临床医生的信任	探索人工智能在上消化道疾病管理中的应用，特别是在早期癌症检测和治疗规划中的潜力	巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病	digital pathology	esophageal cancer, gastric cancer	deep learning, convolutional neural networks	CNN	image	NA
74	2025-06-15	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用保形预测技术于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian保形预测（MCP）增强深度学习模型，使其能够识别具有挑战性的病例	研究基于回顾性数据，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning, Mondrian conformal prediction	CNN	CT图像	491例非对比头部CT扫描（来自146名患者）
75	2025-06-15	NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230579 PMID:39812584	research paper	开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化	提出了一种自监督深度学习方法NNFit，用于加速高分辨率短回波时间MR光谱数据集的量化，解决了传统光谱量化方法在临床工作流程中的计算瓶颈	研究为回顾性研究，样本量相对较小，且仅针对特定疾病（胶质母细胞瘤和重度抑郁症）进行了测试	开发一种快速、高效的光谱量化方法，以优化临床工作流程	高分辨率短回波时间MR光谱数据集	医学影像分析	胶质母细胞瘤, 重度抑郁症	短回波时间回波平面光谱成像（EPSI）	自监督深度学习	MR光谱数据	89次扫描（来自胶质母细胞瘤和重度抑郁症临床试验），训练数据集包含685,000个光谱（20名参与者，60次扫描），测试数据集包含260,000个光谱（12名参与者，29次扫描）
76	2025-06-15	Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240353 PMID:39812583	研究论文	本研究探讨了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算量	首次将Tucker分解应用于医学图像分割模型的压缩，显著减少了模型参数和计算量，同时保持分割精度	不同GPU架构上的实际加速效果存在差异，在性能较低的硬件上加速效果更明显	降低医学图像分割模型的计算需求	TotalSegmentator模型（基于nnU-Net的117个解剖结构自动分割模型）	数字病理	NA	Tucker分解	nnU-Net	3D CT图像	1228个分割CT扫描（训练集）+89个CT扫描（测试集）
77	2025-06-14	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-03-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	提出了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶(ALP)活性值预测植入物表面成骨能力，性能指标超过0.98	NA	开发高效筛选骨科植入物表面成骨能力的方法	钛及其合金植入物表面	数字病理	骨科疾病	深度学习	OIODNet	图像	NA
78	2025-06-14	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化方面的效果	首次比较了结合结构化数据与临床笔记信息的多种深度学习方法在预测临床恶化方面的性能	添加临床笔记信息并未显著提升模型性能	评估多模态深度学习模型预测病房患者临床恶化的效果	病房患者	机器学习	NA	深度循环神经网络	RNN	结构化数据和非结构化文本数据	506,076名病房患者
79	2025-06-14	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	开发了一种名为REMED-T2D的集成机器学习模型，用于早期检测2型糖尿病	首次使用Pima数据集进行综合分析，整合多种机器学习算法，并开发了公开可访问的网页服务器	模型主要针对亚洲女性，可能在其他人群中的适用性有限	提高2型糖尿病的早期检测准确性和鲁棒性	Pima Indian Diabetes数据集、RTML1和Pabna数据集	机器学习	2型糖尿病	集成学习、欠采样方法	集成ML模型	医疗数据集	Pima Indian Diabetes数据集生成的五个平衡数据集，以及RTML1、Pabna和RTML2数据集
80	2025-06-14	Segment Anything for Microscopy 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02580-4 PMID:39939717	研究论文	本文介绍了一种名为Segment Anything for Microscopy (μSAM)的工具，用于多维显微镜数据的分割和跟踪	通过微调通用模型，显著提高了在广泛成像条件下的分割质量，并实现了交互式和自动分割	NA	解决显微镜图像中对象准确分割的瓶颈问题	显微镜图像中的对象	数字病理学	NA	NA	vision foundation model	图像	NA