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
381	2025-05-31	On-patient medical record and mRNA therapeutics using intradermal microneedles 2025-May, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-02115-4 PMID:39994390	研究论文	本文介绍了一种不可见的皮肤内微针技术，用于在患者皮肤上准确存储医疗信息，同时递送mRNA治疗药物	开发了一种结合医疗记录存储和mRNA治疗的皮肤内微针技术，并采用深度学习图像处理进行信息编码解码	研究仅在猪模型中进行长期验证，尚未进行人体临床试验	开发可靠的即时医疗记录保存技术以改善全球医疗公平性	皮肤内微针技术及其在医疗记录保存和mRNA治疗中的应用	生物医学工程	SARS-CoV-2感染	mRNA治疗技术、近红外荧光微粒标记、深度学习图像处理	深度学习模型	图像数据	猪模型长期研究
382	2025-05-31	Aligning, Autoencoding and Prompting Large Language Models for Novel Disease Reporting 2025-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3534586 PMID:40031357	research paper	提出了一种基于提示的深度学习框架PromptLLM，用于准确高效地生成新疾病的放射学报告	通过视觉图像与文本报告的对齐、无标签数据的自编码以及提示LLM学习新疾病的知识和写作风格，减少对大量标注数据的依赖	实验仅针对COVID-19和多种胸部疾病进行验证，可能在其他疾病上的泛化能力有限	开发一种能够在新疾病数据有限的情况下生成准确放射学报告的方法	放射学图像和新疾病的报告生成	natural language processing	COVID-19, thorax diseases	prompt-based deep learning	LLM	image, text	仅使用1%的训练数据
383	2025-05-31	Deep learning reconstruction for accelerated 3-D magnetic resonance cholangiopancreatography 2025-May, La Radiologia medica DOI:10.1007/s11547-025-01987-z PMID:40100541	研究论文	本研究比较了传统的三维磁共振胰胆管造影（MRCP）序列与深度学习加速的MRCP序列（MRCPDL）在采集时间和图像质量方面的表现	使用深度学习技术加速MRCP序列，显著减少采集时间并保持图像质量	研究样本量较小（30名参与者），且仅在单一三级中心进行	比较传统MRCP序列与深度学习加速MRCP序列的性能	接受MRCP检查的连续患者	医学影像	NA	深度学习加速的磁共振胰胆管造影	深度学习	医学影像	30名参与者（16名男性，14名女性，平均年龄63±15岁）
384	2025-05-31	Deep learning-based segmentation of ultra-low-dose CT images using an optimized nnU-Net model 2025-May, La Radiologia medica DOI:10.1007/s11547-025-01989-x PMID:40100539	研究论文	本研究开发了一种基于深度学习的管道，用于在超低剂量CT图像上进行器官分割	针对低剂量CT图像开发了专用的LD-nnU-Net模型，相较于传统FD-nnU-Net模型在低剂量图像上表现更优	研究仅使用了274个CT原始数据集，样本量可能不足以覆盖所有临床场景	开发适用于超低剂量CT图像的器官分割深度学习模型	低剂量CT图像中的22个器官	数字病理	NA	CT成像	nnU-Net	图像	274个CT原始数据集
385	2025-05-31	Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110052 PMID:40127518	研究论文	开发并验证了一种基于深度学习的全身18F-FDG PET/CT图像病灶分割AI模型，适用于多种临床队列	提出了一种不依赖病灶位置和部位的深度学习自动分割模型，并在多种未见过的临床队列中进行了验证	模型在测试集和PHEO队列中遗漏了小体积和低摄取病灶，且在OS和ST队列中假阳性和假阴性病灶的体积和摄取无显著差异	开发一种适用于全身18F-FDG PET/CT图像的自动病灶分割AI模型	全身18F-FDG PET/CT图像中的病灶	数字病理学	多种癌症（骨肉瘤、神经母细胞瘤、儿童实体瘤、成人嗜铬细胞瘤/副神经节瘤）	18F-FDG PET/CT成像	3D U-Net（特别是3D full resolution nnUNet）	3D医学影像	训练、验证和测试集共1014例全身FDG-PET/CT图像，外加3个未见过的临床队列（OS队列13例，ST队列14例，PHEO队列40例）
386	2025-05-31	IR-GPT: AI Foundation Models to Optimize Interventional Radiology 2025-May, Cardiovascular and interventional radiology IF:2.8Q2 DOI:10.1007/s00270-024-03945-0 PMID:40140092	研究论文	本文探讨了如何为介入放射学（IR）定制基础人工智能（AI）模型，提出了IR-GPT的设计理念	首次提出为介入放射学定制基础AI模型IR-GPT，旨在提供一个统一的AI平台	未具体说明模型实现细节及实际应用效果	优化介入放射学中的AI应用	介入放射学相关的AI基础模型	数字病理学	NA	深度学习	GPT	文本、医学图像	NA
387	2025-05-31	Unsupervised Test-Time Adaptation for Hepatic Steatosis Grading Using Ultrasound B-Mode Images 2025-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3555180 PMID:40138246	研究论文	本文提出了一种无监督的测试时间自适应方法，用于超声B模式图像的肝脏脂肪变性分级	提出了一种测试时间批量归一化（TTN）技术，专门针对标签分布变化引起的域偏移，通过调整训练好的卷积神经网络模型中批量归一化层的选定特征来实现无监督自适应	方法仅在两个不同机构收集的腹部超声数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力	解决肝脏脂肪变性分级中因临床环境差异导致的域偏移问题，提高模型在不同临床环境中的泛化能力	超声B模式图像中的肝脏脂肪变性分级	数字病理学	肝脏疾病	无监督域适应技术	CNN	图像	两个不同机构收集的腹部超声数据集
388	2025-05-31	DeepRNA-Twist: language-model-guided RNA torsion angle prediction with attention-inception network 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf199 PMID:40315431	研究论文	提出了一种名为DeepRNA-Twist的新型深度学习框架，用于直接从序列预测RNA的扭转角和伪扭转角	结合了RNA语言模型嵌入和2A3IDC模块（注意力增强的Inception网络与扩张卷积和多头注意力机制），显著提高了预测准确性	未提及具体的数据集规模限制或计算资源需求	解决RNA结构预测中扭转角和伪扭转角准确预测的挑战	RNA分子的扭转角和伪扭转角	自然语言处理	NA	RNA语言模型嵌入，扩张卷积，多头注意力机制	Attention-inception network	RNA序列	在RNA-Puzzles、CASP-RNA和SPOT-RNA-1D等基准数据集上进行了评估
389	2025-05-31	Deep scSTAR: leveraging deep learning for the extraction and enhancement of phenotype-associated features from single-cell RNA sequencing and spatial transcriptomics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf160 PMID:40315434	研究论文	介绍了一种基于深度学习的工具Deep scSTAR，用于增强单细胞RNA测序和空间转录组数据中与表型相关的特征	开发了Deep scSTAR工具，能够识别与疾病表型相关的细胞特征，并在多种癌症中验证其应用	未提及具体的技术限制或数据处理的挑战	提高从单细胞RNA测序和空间转录组数据中提取与表型相关特征的能力	单细胞RNA测序和空间转录组数据	生物信息学	非小细胞肺癌、肾细胞癌、肝细胞癌	单细胞RNA测序、空间转录组学	深度学习	基因表达数据	NA
390	2025-05-31	An overview of computational methods in single-cell transcriptomic cell type annotation 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf207 PMID:40347979	综述	本文系统回顾了基于单细胞RNA测序数据的细胞类型注释计算方法	全面比较和分类了现有的细胞类型注释方法，并探讨了深度学习技术在解决数据不平衡和罕见细胞类型识别中的潜力	未提及具体方法的性能比较或实验验证结果	总结和比较单细胞转录组数据中的细胞类型注释方法	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	监督学习、深度学习	基因表达数据	NA
391	2025-05-31	Predicting the structures of cyclic peptides containing unnatural amino acids by HighFold2 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf202 PMID:40350698	research paper	本文介绍了一种名为HighFold2的新模型，用于预测含有非天然氨基酸的环肽的三维结构	HighFold2基于AlphaFold-Multimer框架，首次将预定义的刚性基团及其初始原子坐标从天然氨基酸扩展到非天然氨基酸，并引入额外的神经网络来表征肽的原子级特征，同时构建了基于不同环化约束的环肽相对位置编码矩阵	NA	准确预测含有非天然氨基酸的环肽的三维结构，以促进基于环肽的药物发现	含有非天然氨基酸的环肽及其与蛋白质的复合物	machine learning	NA	deep learning	HighFold2 (基于AlphaFold-Multimer框架)	3D结构数据	NA
392	2025-05-31	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	research paper	该研究提出了一种名为MMSurv的多模态深度学习模型，用于整合病理图像、临床信息和测序数据以预测多种癌症患者的生存率	提出了一种基于紧凑双线性池化和Transformer的新型多模态融合方法，并采用双层多实例学习模型剔除与预后无关的图像块	模型仅在TCGA的六种癌症类型上进行了验证，未在其他独立数据集上测试	开发一个可解释的多模态深度学习模型以提高癌症患者生存率预测的准确性	癌症患者的病理图像、临床信息和测序数据	digital pathology	multi-cancer	deep learning, word embedding, cell segmentation	Transformer, multi-instance learning model	image, text, sequencing data	TCGA数据库中的六种癌症类型数据
393	2025-05-31	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-May, Journal of inherited metabolic disease IF:4.2Q2 DOI:10.1002/jimd.70042 PMID:40375095	研究论文	本研究探讨了深度学习在罕见病碱尿症（AKU）脊柱疾病中的应用，评估了脊柱整体和区域严重程度，并检测了隐匿的治疗状态	首次将深度学习应用于罕见病碱尿症的脊柱影像分析，能够准确评估脊柱严重程度并预测患者是否接受尼替西农治疗	真空盘现象预测一致性较低（41%-90%）	评估深度学习在罕见病医学影像分析中的表现	碱尿症患者的颈椎和腰椎X光片	数字病理	碱尿症	深度学习	DL模型	影像	颈椎和腰椎X光片（具体数量未提及）
394	2025-05-31	Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf020 PMID:40395417	research paper	本研究开发并验证了一种利用心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性冠状动脉疾病风险	结合心电图波形和临床特征的多模态深度学习模型，相比传统基于风险因素的模型，显著提高了阻塞性冠状动脉疾病的预测准确性	需要在外部队列中进行前瞻性研究以验证该深度学习模型在临床实践中的诊断效果和患者预后改善情况	提高阻塞性冠状动脉疾病（oCAD）在慢性冠状动脉疾病（CCD）患者中的预测准确性	接受侵入性血管造影评估慢性冠状动脉疾病的患者	machine learning	cardiovascular disease	深度学习	DL-ECG, DL-Clinical, DL-MM	ECG波形和临床特征	四年期间在四级医疗中心接受评估的患者队列
395	2025-05-31	Grading of Foveal Hypoplasia Using Deep Learning on Retinal Fundus Images 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.18 PMID:40402544	research paper	本研究开发并评估了一种基于深度学习的模型，用于使用视网膜眼底图像对中心凹发育不全进行分级	该研究首次使用深度学习模型对中心凹发育不全进行六级分类，并在准确性和效率上优于资深和初级临床医生的评估	研究为回顾性研究，样本量相对有限（303名患者），且数据来源于单一时间段（2001年至2021年）	开发并评估一种深度学习模型，用于中心凹发育不全的分级诊断	中心凹发育不全患者	digital pathology	眼科疾病	深度学习	EfficientNet_b1	image	605张视网膜眼底图像（来自303名患者，其中男性55.1%，女性44.9%）
396	2025-05-31	UCS: A Unified Approach to Cell Segmentation for Subcellular Spatial Transcriptomics 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400975 PMID:39763408	研究论文	提出了一种针对亚细胞空间转录组学数据的统一细胞分割方法UCS	UCS方法通过整合核染色和转录数据，利用深度学习技术，提高了细胞分割的准确性，并适用于多种SST平台	未提及具体的数据集规模或验证范围	开发一种统一的细胞分割方法，以更准确地将转录本分配到单个细胞，支持亚细胞水平的基因表达分析	亚细胞空间转录组学(SST)数据	数字病理学	NA	深度学习	NA	图像和转录数据	NA
397	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者
398	2025-05-30	An Explainable Multimodal Artificial Intelligence Model Integrating Histopathological Microenvironment and EHR Phenotypes for Germline Genetic Testing in Breast Cancer 2025-May-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502833 PMID:40439693	研究论文	提出了一种可解释的多模态人工智能模型MAIGGT，整合组织病理学微环境特征和电子健康记录表型，用于乳腺癌胚系基因检测	MAIGGT模型通过多尺度Transformer架构和跨模态潜在表示统一机制，首次整合了组织病理学微环境和临床表型数据，实现了对BRCA1/2突变的精确预筛查	研究仅在三个独立队列中验证，需要更大规模的外部验证	开发一种成本效益高、可扩展且具有生物学解释性的遗传性乳腺癌预筛查方法	乳腺癌患者的组织病理学微环境特征和电子健康记录表型	数字病理学	乳腺癌	多模态深度学习	Transformer-based架构	全切片图像和电子健康记录	三个独立队列（具体数量未明确说明）
399	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）
400	2025-05-30	Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy 2025-May-29, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03421-1 PMID:40439827	research paper	提出了一种保留鼻窦解剖结构的面部去识别方法，并开发了两种自动化工作流程以处理大规模数据集	该方法在去识别过程中保留了鼻窦、鼻甲等耳鼻喉科相关解剖结构，同时提供了两种自动化工作流程（分割传播和nnU-Net深度学习模型）	需要进一步使用活体患者照片进行研究以全面验证其有效性	开发可靠的面部去识别方法以保护患者隐私，同时保留鼻窦相关解剖结构	成人头部CT扫描图像	digital pathology	NA	3D Slicer种子生长技术、分割传播、nnU-Net深度学习模型	nnU-Net	CT图像	20例成人头部CT扫描（来自新墨西哥州死者影像数据库）