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
101	2025-06-05	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究利用深度学习模型（U-Net和ResU-Net）实现了早产儿脑部超声图像中Sylvian裂的自动分割	首次尝试在早产儿脑部超声图像中实现脑沟自动分割，并比较了U-Net和ResU-Net的性能	模型在不同厂商设备获取的图像上性能有所下降，且目前仅针对单一平面（C3）的Sylvian裂进行分割	开发自动分割早产儿脑部超声图像中脑沟的方法，以监测其脑部发育情况	早产儿的脑部超声图像	数字病理学	儿科疾病	深度学习	U-Net, ResU-Net	图像	未明确提及具体样本数量
102	2025-06-05	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	research paper	提出了一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	引入了多模态融合U-Net（MMF-U-Net），通过融合块混合B模式和SE模式信息进行病灶分割，并利用预训练模型对病灶进行分类	未提及模型在不同数据集上的泛化能力或与其他先进方法的比较	提高乳腺癌的早期检测和诊断准确性	乳腺癌病灶	digital pathology	breast cancer	deep learning	MMF-U-Net	multi-modal ultrasound images	NA
103	2025-06-05	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	research paper	本研究提出了一种名为CTMF-Net的深度学习方法，通过交互融合CNN和ViT的中间特征，实现了乳腺超声图像良恶性分类的高准确率	提出了CNN和Transformer多阶段融合网络（CTMF-Net），通过特征交互模块实现两种网络结构的中间特征交互与更新	未提及具体的数据集样本量差异对模型性能的影响，也未讨论模型在不同设备采集图像上的泛化能力	开发能够交互融合全局和局部特征的深度学习方法，提高乳腺超声图像分类准确率	乳腺超声图像中的良性和恶性肿瘤	digital pathology	breast cancer	deep learning	CNN and ViT hybrid model (CTMF-Net)	image	三个公开乳腺超声数据集（SYSU、UDIAT和BUSI）
104	2025-06-05	MRI-derived radiomics and end-to-end deep learning models for predicting glioma ATRX status: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110386 PMID:39742798	系统综述与荟萃分析	本文系统综述和荟萃分析了MRI衍生的放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的诊断准确性	首次通过系统综述和荟萃分析评估了放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的综合表现	纳入研究的异质性较高，可能影响结果的稳定性	评估MRI衍生的放射组学和深度学习模型预测神经胶质瘤ATRX状态的诊断准确性	神经胶质瘤患者的MRI影像数据	数字病理学	神经胶质瘤	MRI	端到端深度学习模型	影像	17项研究纳入系统综述，11项研究纳入荟萃分析
105	2025-06-05	Predicting lymph node metastasis in thyroid cancer: systematic review and meta-analysis on the CT/MRI-based radiomics and deep learning models 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110392 PMID:39742800	meta-analysis	该论文通过系统综述和荟萃分析评估了基于CT/MRI的放射组学和深度学习模型在预测甲状腺癌淋巴结转移中的表现	首次系统评估并比较了放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断准确性	研究间存在异质性，需要进一步研究优化这些影像工具	评估CT/MRI为基础的放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断价值	甲状腺癌患者的淋巴结转移情况	digital pathology	thyroid cancer	CT/MRI-based radiomics, deep learning	DL models	medical imaging	16项研究的数据
106	2025-06-05	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	研究论文	本文介绍了一个用于联邦学习的多模态数据集创建平台，利用DICOM结构化报告实现数据标准化和集成	开发了一个具有交互式过滤功能的开放平台，简化了跨多个站点创建具有一致多模态数据的患者队列的过程	研究仅在德国八所大学医院组成的联盟内进行，可能限制了结果的普适性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	数字病理学	心血管疾病	DICOM结构化报告	NA	影像、波形数据、注释和元数据	德国八所大学医院的数据
107	2025-06-05	Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16 2025-Mar, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.1177/18758592241311184 PMID:40183298	research paper	本研究探讨了使用卷积神经网络（CNN）和VGG16在MRI图像中自动检测和分类脑肿瘤的方法	提出了一种能够预测分割性能并检测失败事件的深度学习模型，通过mIoU指标提高语义分割的准确性和失败检测	未提及具体的数据集大小或多样性限制，也未讨论模型在不同类型脑肿瘤上的泛化能力	开发一个自动化的脑肿瘤检测系统，以提高诊断速度和准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, image processing	CNN, VGG16	image	NA
108	2025-06-04	Global output of clinical application research on artificial intelligence in the past decade: a scientometric study and science mapping 2025-03-15, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-025-02779-2 PMID:40089747	研究论文	通过科学计量学和科学图谱分析过去十年人工智能在临床应用中发表的研究现状、热点和趋势	首次对人工智能在临床研究中的应用进行了全面的科学计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的数据，可能未涵盖所有相关研究	分析人工智能在临床应用中发表研究的现状、热点和趋势	735篇人工智能临床研究相关文章	人工智能	NA	科学计量学、可视化分析	NA	文献数据	22,583篇文章中的735篇人工智能临床研究相关文章
109	2025-06-04	A systematic review on the impact of artificial intelligence on electrocardiograms in cardiology 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105753 PMID:39674006	系统综述	本文系统综述了人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	探讨了AI、机器学习和深度学习在心电图分析中的整合及其对预测诊断和治疗支持的潜在影响	仅包括2014年至2024年的英文期刊文章和研究论文，可能遗漏非英语文献或其他时间段的重要研究	评估人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	心电图数据及其在心脏病学中的应用	机器学习	心血管疾病	AI、机器学习（ML）、深度学习（DL）	CNN、RNN、混合模型	心电图数据	46项符合纳入标准的研究
110	2025-06-04	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	research paper	提出了一种基于深度学习的自动化骨盆测量工作流程，用于术前评估全直肠系膜切除术（TME）的难度	首次使用深度学习在MRI体积中自动化骨盆测量，提高了测量效率和准确性	尽管自动化测量准确性高，但与手动标注相比仍存在一定误差（平均5.6 mm）	开发一个自动化工作流程，用于术前评估TME手术的难度	骨盆MRI体积	digital pathology	NA	MRI	3D U-Net	image	1707名患者的MRI体积数据，来自8个TME中心
111	2025-06-04	DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102489 PMID:39787735	research paper	本研究开发了一种基于深度学习和扩散MRI的DDEvENet模型，用于解剖学上的脑部分割	DDEvENet的关键创新在于设计了一个证据深度学习框架，能够在单次推理中量化每个体素的预测不确定性	NA	开发一个不确定性感知的脑部分割方法，以提高分割的准确性和可靠性	健康人群和临床患者（包括精神分裂症、双相情感障碍、注意力缺陷多动障碍、帕金森病、脑小血管病和脑肿瘤患者）的脑部MRI数据	digital pathology	brain diseases	diffusion MRI	CNN	image	大规模数据集，包括健康成人和多种脑部疾病患者的高质量和临床扩散MRI数据
112	2025-06-04	An in-depth review of AI-powered advancements in cancer drug discovery 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167680 PMID:39837431	review	本文综述了人工智能在癌症药物发现中的进展，包括其在靶点识别、药物设计、临床试验优化和药物反应预测等关键阶段的应用	探讨了AI技术如深度学习和高级数据分析在癌症药物发现中的变革性作用，以及如DrugnomeAI和PandaOmics等前沿工具的应用	面临大规模基因组数据管理和AI在医疗保健中部署的伦理问题等挑战	探索人工智能和基因组学在癌症药物发现中的融合及其对个性化治疗策略的推动作用	癌症药物发现过程中的关键阶段	machine learning	cancer	deep learning, advanced data analytics	NA	genomic datasets	NA
113	2025-06-04	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了一种基于网络的亚型特异性药物重定位框架NetSDR，用于优先考虑针对特定癌症亚型的重定位药物	结合癌症亚型信息和网络扰动分析，开发了一种新的药物重定位框架，利用深度学习构建加权药物响应网络	研究仅应用于胃癌，未在其他癌症类型中验证	开发一种系统生物学框架，用于癌症和其他复杂疾病的精确药物重定位	癌症亚型及其特异性蛋白特征和网络扰动	系统生物学	胃癌	网络医学方法、深度学习	深度学习模型	蛋白质组学数据	NA
114	2025-06-03	A systematic review of deep learning in MRI-based cerebral vascular occlusion-based brain diseases 2025-Mar-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.01.020 PMID:39805420	综述	本文系统回顾了2020年至2024年间发表的61项基于MRI的研究，探讨深度学习在诊断脑血管闭塞相关疾病中的作用	比较了基于CNN和ViT的方法，强调了U-Net变体和基于transformer的模型在提高临床应用中可靠性的潜力	讨论了数据隐私和算法可解释性等挑战，以及数据集的充分性和多样性问题	评估深度学习在MRI诊断脑血管闭塞相关疾病中的成功与局限	脑血管闭塞和中风等神经系统疾病	医学影像	脑血管疾病	MRI	CNN, Vision Transformer (ViT), U-Net	MRI图像	61项研究
115	2025-06-03	Artificial intelligence in early screening for esophageal squamous cell carcinoma 2025-Mar, Best practice & research. Clinical gastroenterology DOI:10.1016/j.bpg.2025.102004 PMID:40451647	review	本文综述了人工智能在食管鳞状细胞癌早期筛查中的变革性作用	AI技术（如机器学习、深度学习和迁移学习）在优化筛查方式、提高成本效益及整合多源数据方面展现出显著潜力	数据集变异性、模型泛化能力、算法透明度及伦理法律问题仍需解决	探讨AI如何革新食管鳞状细胞癌的早期筛查	食管鳞状细胞癌（ESCC）高风险人群	digital pathology	esophageal squamous cell carcinoma	machine learning, deep learning, transfer learning, liquid biopsy	NA	imaging, genomic, clinical data	NA
116	2025-06-01	Voxel-level radiomics and deep learning for predicting pathologic complete response in esophageal squamous cell carcinoma after neoadjuvant immunotherapy and chemotherapy 2025-Mar-15, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-011149 PMID:40090670	research paper	本研究开发并验证了一种基于体素级放射组学和深度学习的模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解	采用新型体素级放射组学方法结合深度学习模型Vision-Mamba，显著提高了预测病理完全缓解的准确性和稳健性	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性	开发高精度预测模型以指导食管鳞状细胞癌患者的个体化治疗决策	接受新辅助免疫治疗联合化疗的食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	CT imaging	Vision-Mamba, 3D-ResNet, Vision Transformer	CT images	741例患者（469例训练集，118例内部验证集，154例外部验证集）
117	2025-06-01	A comprehensive dataset of magnetic resonance enterography images with intestinal segment annotations 2025-Mar-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04760-z PMID:40069172	研究论文	本文介绍了一个包含肠道分段注释的磁共振小肠造影(MRE)图像的综合数据集，旨在支持炎症性肠病(IBD)的AI研究	创建了一个高质量、公开可用的全肠道分段MR数据集，并验证了几种最先进的分割方法在该数据集上的效率	数据集仅包含114名IBD患者的MRE数据，样本量相对有限	为IBD的AI研究提供高质量的数据集和基准结果	炎症性肠病(IBD)患者的磁共振小肠造影(MRE)图像	数字病理	炎症性肠病	磁共振小肠造影(MRE)	深度学习分割方法	图像	114名IBD患者的MRE数据
118	2025-06-01	Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02731-3 PMID:40055237	研究论文	评估机器学习方法在预测Arylsulfatase A基因未知意义变异(VUS)酶活性方面的能力	展示了使用标准机器学习工具训练的模型在预测VUS功能效应方面的优越性能，并发现深度学习方法的预测性能有显著提升	仅评估了ARSA基因的219个错义VUS，样本量有限	评估机器学习方法在预测基因变异功能效应方面的准确性	Arylsulfatase A (ARSA)基因的219个错义VUS	机器学习	遗传病	机器学习	深度学习	基因变异数据	219个错义VUS
119	2025-05-31	NLP-enriched social determinants of health improve prediction of suicide death among the Veterans 2025-Mar-31, Research square DOI:10.21203/rs.3.rs-5067562/v1 PMID:40235516	研究论文	本研究探讨了通过自然语言处理（NLP）提取的社会和行为健康决定因素（SBDH）如何提高退伍军人精神病出院后自杀死亡的预测准确性	结合NLP提取的SBDH和ICD编码的SBDH，显著提升了自杀死亡预测模型的性能、校准和公平性	研究仅针对美国退伍军人群体，可能无法推广到其他人群	提高精神病出院患者自杀死亡的预测准确性	197,581名美国退伍军人，共414,043次精神病出院记录	自然语言处理	精神疾病	NLP, ICD编码	集成机器学习模型, TransformEHR（基于transformer的深度学习模型）	文本（临床笔记）, 结构化数据（ICD编码）	197,581名退伍军人，414,043次出院记录
120	2025-05-31	Deep Learning of Proteins with Local and Global Regions of Disorder 2025-Mar-29, ArXiv PMID:40034137	研究论文	提出了一种新的机器学习方法IDPForge，用于生成全原子水平的内在无序蛋白质（IDPs）和内在无序区域（IDRs）的结构集合	IDPForge利用transformer蛋白质语言扩散模型，无需序列特异性训练或从粗粒度表示进行反向转换，即可生成与实验数据良好一致的IDP/IDR构象集合	未明确提及具体局限性	改进对内在无序蛋白质和区域的结构预测	内在无序蛋白质（IDPs）和内在无序区域（IDRs）	机器学习	NA	transformer蛋白质语言扩散模型	transformer	蛋白质序列	NA