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
801	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）
802	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）
803	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
804	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）
805	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）
806	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
807	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
808	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
809	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）
810	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）
811	2025-04-23	Evaluating the Impact of Attention Mechanisms on a Fine-Tuned Neural Network for Magnetic Resonance Imaging Tumor Classification: A Comparative Analysis 2025-Mar, Cureus DOI:10.7759/cureus.80872 PMID:40255713	研究论文	本研究评估了不同注意力机制对基于ResNet50V2的MRI肿瘤分类模型的影响	比较了五种注意力机制在MRI肿瘤分类中的效果，发现SE机制表现最佳	未探索混合注意力机制（如基于Transformer的模型）的应用	评估注意力机制对MRI肿瘤分类模型性能的影响	脑部MRI扫描中的脑膜瘤、胶质瘤、垂体瘤和无肿瘤病例	计算机视觉	脑肿瘤	深度学习	ResNet50V2, SE, CBAM, SA, AGNet	MRI图像	3,096个标注的MRI扫描
812	2025-04-22	Computational methods for binding site prediction on macromolecules 2025-Mar-12, Quarterly reviews of biophysics IF:7.2Q1 DOI:10.1017/S003358352500006X PMID:40071518	综述	本文综述了利用机器学习方法预测大分子结合位点的最新进展	分类了基于大分子序列、结构、模板知识、几何和能量特性的编码方法，并根据相互作用分子类型（小分子、肽和离子）对方法进行了分类	强调了基于深度学习方法的最新技术的局限性	推进药物发现，通过识别药理学靶点中的新结合位点，促进基于结构的命中识别和先导优化	蛋白质和RNA等生物分子结构	计算生物学	NA	机器学习	深度学习	序列、结构、模板知识、几何和能量特性数据	NA
813	2025-04-22	DMGAT: predicting ncRNA-drug resistance associations based on diffusion map and heterogeneous graph attention network 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf179 PMID:40251829	research paper	该研究提出了一种名为DMGAT的新型深度学习模型，用于预测非编码RNA（ncRNA）与药物抗性之间的关联	DMGAT整合了扩散映射进行序列嵌入、图卷积网络进行特征提取以及图注意力网络（GAT）进行异质信息融合，同时采用随机森林分类器选择可靠的负样本以解决数据集不平衡问题	模型性能可能受到数据集不平衡和稀疏性的限制	预测ncRNA与药物抗性之间的关联，以识别潜在的生物标志物和治疗靶点	非编码RNA（ncRNA）和药物	machine learning	NA	word2vec, 扩散映射, 图卷积网络, 图注意力网络（GAT）	DMGAT（基于扩散映射和异质图注意力网络的深度学习模型）	序列数据（ncRNA序列和药物SMILES）	来自NoncoRNA和ncDR的精选数据集
814	2025-04-22	A graph neural network approach for accurate prediction of pathogenicity in multi-type variants 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf151 PMID:40251830	research paper	提出了一种基于图神经网络的多模态注释致病性预测方法GNN-MAP，用于准确预测人类疾病相关基因中的致病性变异	GNN-MAP能够有效整合多模态注释和变异间的相似性关系，准确预测多种类型变异的致病性，尤其在罕见变异和高度不平衡数据集上表现优异	NA	提高人类疾病相关基因中致病性变异的预测准确性，以辅助临床决策	人类疾病相关基因中的多类型变异	machine learning	inherited retinal disease	graph neural network	GNN	multimodal annotations	ClinVar数据集
815	2025-04-20	Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis 2025-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03449-1 PMID:39179652	meta-analysis	本文通过系统综述和荟萃分析评估深度学习模型在前庭神经鞘瘤分割中的准确性	填补了深度学习在前庭神经鞘瘤自动分割领域的知识空白	仅针对MR图像进行分析，未涉及其他影像学数据	评估深度学习算法在前庭神经鞘瘤MR图像分割中的应用现状	前庭神经鞘瘤（VS）患者	digital pathology	vestibular schwannoma	深度学习	DL	MR图像	NA
816	2025-04-19	[Three-Dimensional Reconstruction Technique and Its Application of Binocular Endoscopic Images Based on Deep Learning] 2025-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240293 PMID:40246717	研究论文	探讨基于深度学习的双目内窥镜图像三维重建关键技术及实现方法	应用深度学习技术显著提升三维重建的准确性和实时性	未提及具体实验数据或样本量	提升内窥镜图像三维重建质量，指导临床双目内窥镜图像重建技术的可持续发展	双目内窥镜图像	计算机视觉	NA	深度学习	NA	图像	NA
817	2025-04-19	The Real-World Impact of Vestibular Schwannoma Fully Automated Volume Measures on the Evaluation of Size Change and Clinical Management Outcomes in a Multidisciplinary Meeting Setting 2025-Mar-25, The journal of international advanced otology IF:1.0Q3 DOI:10.5152/iao.2025.241693 PMID:40208025	research paper	研究探讨了在跨学科会议（MDM）准备阶段提供全自动化前庭神经鞘瘤体积测量对放射学结果和临床管理决策的影响	首次在真实世界的MDM环境中评估全自动化深度学习体积测量与线性尺寸测量对前庭神经鞘瘤大小变化分类和临床管理决策的影响	样本量较小（50名患者），且未证明自动化测量对临床管理决策有显著影响	评估全自动化体积测量在MDM准备阶段的应用效果	50名成人单侧散发性前庭神经鞘瘤患者	digital pathology	vestibular schwannoma	deep learning-based volume measurements	NA	MRI images	50名患者（24男，26女，平均年龄64.6岁），共57次MRI比较
818	2025-04-19	Artificial intelligence-based diagnosis of breast cancer by mammography microcalcification 2025-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2023.04.018 PMID:40242534	研究论文	本文展示了一种基于深度学习的自动化管道，用于乳腺X光摄影中微钙化的检测和分类，以促进乳腺癌的早期诊断	该技术不仅能提供乳腺X光摄影的分类结果，还能标注特定的钙化区域，并探索了基于深度学习的病理亚型和雌激素受体分类的有效性	训练集和测试集的分类准确率分别为0.8124和0.7237，显示模型在测试集上的性能有所下降	开发一种自动化的人工智能系统，以辅助临床医生在乳腺癌筛查、诊断和治疗中做出判断并提高效率	乳腺X光摄影中的微钙化病变	数字病理学	乳腺癌	深度学习	深度学习管道	图像	4,810张乳腺X光片，包含6,663个基于活检结果的微钙化病变（3,301个恶性，3,362个良性）
819	2025-04-18	Lit-OTAR framework for extracting biological evidences from literature 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf113 PMID:40097274	研究论文	介绍了一种名为lit-OTAR的框架，该框架利用深度学习从科学文献中提取证据，以加速药物发现过程	结合命名实体识别和实体归一化技术，从大量科学文献中提取并标准化基因/蛋白质、疾病、生物体和化学/药物信息	未提及具体的技术性能指标或与其他方法的比较	加速药物发现过程和科学研究，通过从文献中提取生物医学证据	科学文献中的基因/蛋白质、疾病、生物体和化学/药物	自然语言处理	NA	深度学习	NA	文本	超过3900万篇摘要和450万篇全文文章及预印本
820	2025-03-29	Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94090-2 PMID:40148386	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA