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
681	2025-05-23	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumor marker prognostic study 2025-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	research paper	开发了一种基于深度学习的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂(ICIs)为基础转化治疗的持久临床获益(DCB)	结合放射组学特征、深度学习评分和临床变量构建集成模型，首次在预测ICIs治疗反应中展现出高准确度，并与多种免疫相关机制相关联	研究样本量未明确说明，且模型性能需在更大规模队列中进一步验证	预测肝细胞癌患者对ICIs为基础转化治疗的持久临床获益	潜在可转化的肝细胞癌患者	digital pathology	hepatocellular carcinoma	CT影像分析，bulk RNA和DNA测序	深度学习模型(具体架构未说明)	医学影像(CT)，基因组数据	训练集和测试集(具体数量未说明)
682	2025-05-23	Diagnostic Accuracy of a Deep Learning Algorithm for Detecting Unruptured Intracranial Aneurysms in Magnetic Resonance Angiography: A Multicenter Pivotal Trial 2025-May, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123882 PMID:40086726	research paper	评估深度学习算法在磁共振血管造影中检测未破裂颅内动脉瘤的准确性	使用3D U-Net模型在TOF MRA数据上实现高灵敏度和低假阳性率	对于小于3毫米的动脉瘤检测灵敏度较低，仍需专家复核	评估深度学习算法在未破裂颅内动脉瘤早期检测中的效果	675名参与者（189名动脉瘤阳性，486名阴性）的TOF MRA数据	digital pathology	cardiovascular disease	time-of-flight (TOF) magnetic resonance angiography (MRA)	3D U-Net	image	675名参与者（包含221个未破裂颅内动脉瘤）
683	2025-05-23	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	research paper	提出了一种基于深度学习的高效评分框架，用于评估蛋白质-配体结合结构的结合强度	通过高分辨率原子图描述结合结构，并专注于分子间相互作用，以合理方式学习图结构	未明确提及具体局限性	开发一种深度学习框架，用于评分蛋白质-配体结合结构以预测结合强度	蛋白质-配体结合复合物	生物分子科学	NA	深度学习	原子图学习模型	原子图数据	未明确提及样本数量
684	2025-05-23	Multi-instance learning with attention mechanism for coronary artery stenosis detection on coronary computed tomography angiography 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf029 PMID:40395409	研究论文	本研究提出了一种基于多实例学习和注意力机制的深度学习模型，用于在冠状动脉计算机断层扫描血管成像中检测冠状动脉狭窄	采用多实例学习和注意力机制，通过量化每个切片的贡献来提高诊断的准确性和可解释性	模型在右冠状动脉和左回旋支的校准精度较低	开发一种自动化检测冠状动脉狭窄的方法，以提高诊断准确性和患者预后	冠状动脉狭窄（CAS）检测	数字病理	心血管疾病	深度学习	MIL（多实例学习）模型	图像	900例病例，包括776例左前降支、694例右冠状动脉和600例左回旋支重建
685	2025-05-23	Identifying heart failure dynamics using multi-point electrocardiograms and deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf016 PMID:40395416	research paper	本研究开发了一种基于Transformer的深度学习模型，利用12导联心电图在不同时间点的变化来评估心力衰竭状态的变化	首次使用12导联心电图在两个不同时间点的数据，通过Transformer模型对心力衰竭状态变化进行分类	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	开发一种非侵入性、高效的心力衰竭监测工具	6531名成年患者的心电图数据	machine learning	cardiovascular disease	ECG	Transformer	ECG波形信号	30,171份心电图（来自6,531名患者）
686	2025-05-23	Comprehensive full-vessel segmentation and volumetric plaque quantification for intracoronary optical coherence tomography using deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf021 PMID:40395415	research paper	本研究开发并验证了一种基于深度学习的多类语义分割算法（OCT-AID），用于冠状动脉光学相干断层扫描（OCT）图像的全血管分割和斑块体积量化	提出了一种新的深度学习方法，能够处理OCT图像中的多种复杂类别，包括伪影和不稳定斑块，实现了标准化和全面的图像解释	尽管在内部和外部测试集上表现良好，但某些类别的Dice分数较低（如最低为0.281），表明算法在某些特定类别上的分割效果有待提升	开发一种能够自动分割和量化冠状动脉OCT图像中多种结构的算法，以减少人工解释的时间和变异性	冠状动脉OCT图像中的多种结构，包括导丝伪影、管腔、侧支、内膜、中膜、脂质斑块、钙化斑块、血栓、斑块破裂和背景	digital pathology	cardiovascular disease	deep learning-based multiclass semantic segmentation	NA	image	训练集2808帧，内部测试集218帧，外部测试集392帧
687	2025-05-22	Brain age prediction from MRI scans in neurodegenerative diseases 2025-May-22, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文综述了利用MRI扫描进行脑龄估计作为脑健康生物标志物的应用	探讨了脑龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的应用	存在标准化实施、人口统计学偏差和可解释性等挑战	探索脑龄估计作为神经退行性疾病早期检测工具的潜力	阿尔茨海默病、轻度认知障碍和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描	深度学习	图像	NA
688	2025-05-22	An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study 2025-May-21, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.24058 PMID:40396203	研究论文	开发并验证基于术前超声图像和临床特征的深度学习放射组学列线图（DLRN），用于预测细胞学不确定（Bethesda III）甲状腺结节的恶性程度	整合了从预训练Resnet34网络提取的512个DTL特征、超声放射组学特征和临床特征，构建了一个综合诊断模型	研究为回顾性设计，样本量相对较小（训练集155例，内部验证集39例，外部验证集80例）	区分细胞学不确定（Bethesda III）甲状腺结节的良恶性	194例经手术确诊的细胞学不确定（Bethesda III）甲状腺结节患者	数字病理	甲状腺结节	深度学习放射组学	Resnet34	超声图像	训练集155例，内部验证集39例，外部验证集80例
689	2025-05-22	Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa 2025-May-21, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17518 PMID:40396533	research paper	该研究验证了一种基于深度学习的模型，用于自动检测和量化视网膜色素变性患者光学相干断层扫描中的囊样黄斑水肿	开发并验证了一种基于nnU-Net架构的深度学习模型，用于自动检测和量化囊样黄斑水肿，其性能与人类评分者相当	研究样本量相对较小，仅使用了112个OCT体积进行训练和验证，外部测试集仅包含37个SD-OCT扫描	验证深度学习模型在自动检测和量化视网膜色素变性患者囊样黄斑水肿方面的准确性和效率	视网膜色素变性患者的囊样黄斑水肿	digital pathology	retinitis pigmentosa	spectral-domain optical coherence tomography (SD-OCT)	nnU-Net	image	112个OCT体积（70个用于训练，42个用于验证）和37个SD-OCT扫描用于外部测试
690	2025-05-22	Deep Learning with Domain Randomization in Image and Feature Spaces for Abdominal Multiorgan Segmentation on CT and MRI Scans 2025-May-21, Radiology. Artificial intelligence DOI:10.1148/ryai.240586 PMID:40396895	research paper	开发一种深度学习分割模型，用于在CT和MR图像上高精度且具有良好泛化能力地分割腹部器官	提出了一种在图像和特征空间中进行域随机化的方法，以提高跨站点和跨模态设置下的泛化能力	未提及具体的研究局限性	提高腹部器官在CT和MR图像上的分割准确性和泛化能力	腹部多器官分割	computer vision	NA	domain randomization	nnU-Net	image	公共前列腺MRI数据集和腹部CT及MRI数据集，具体样本数量未提及
691	2025-05-22	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-May-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	本文系统综述了基于深度学习的放射科工作列表分诊对工作流程和临床结果的影响	评估了深度学习分诊系统在不同临床环境中对报告周转时间和患者预后的影响，并比较了不同集成模式的效率差异	需要进一步研究和可靠指标来提供关于假阴性检查和多条件优先排序的具体建议	评估基于深度学习的工作列表优化对诊断影像分诊的影响	放射科工作流程和患者临床结果	医学影像分析	肺栓塞、中风、颅内出血和胸部疾病	深度学习	DL	医学影像	38项研究，涉及138,423张影像
692	2025-05-22	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-May-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	meta-analysis	该研究通过系统综述和荟萃分析评估了AI算法（包括机器学习和深度学习）在预测创伤性脑损伤后血肿进展中的性能	首次通过荟萃分析评估多种AI模型在预测创伤性脑损伤后血肿进展中的表现，并发现XGBoost模型具有最佳预测性能	纳入研究数量有限（仅5项），且需要进一步标准化数据集和多样化患者群体以提高模型的适用性和可靠性	评估AI算法在预测创伤性脑损伤后血肿进展风险中的性能	创伤性脑损伤患者的血肿进展	machine learning	traumatic brain injury	machine learning, deep learning	XGBoost, AI algorithms	clinical data, radiomics features	5项研究（具体患者数量未明确说明）
693	2025-05-22	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-May-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	利用GRU循环神经网络构建分子生成模型，并通过转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习和药物发现	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接和分子动力学模拟	GRU	分子数据	1,854,484个药物样分子
694	2025-05-22	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-May-21, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号来预测癌细胞对药物的敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	实现精准肿瘤学中的药物敏感性预测	癌细胞系和实体肿瘤样本	数字病理学	癌症	深度学习	自监督神经网络	遗传和药物敏感性数据	多个数据集和来自The Cancer Genome Atlas的实体肿瘤样本
695	2025-05-22	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	research paper	本研究开发了一种基于MRI的3D深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	利用3D深度学习模型（3D GPTV10）结合肿瘤及其周围10像素的边缘区域作为感兴趣区域，显著提高了预测淋巴血管侵犯的准确性	研究样本量相对较小（训练队列233例，验证队列101例），可能影响模型的泛化能力	开发并验证一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	直肠癌患者	digital pathology	rectal cancer	MRI T2WI轴向图像	DenseNet121	image	训练队列233例，验证队列101例
696	2025-05-22	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	本研究提出了一种融合放射组学和深度学习特征的方法，用于自动分类多种类型的肺结节	通过引入判别相关分析特征融合算法，最大化两类特征的互补性和不同类别间的差异，有效利用特征的互补特性	NA	提高肺结节分类的准确性，实现个性化肺癌治疗和预后预测	多种类型的肺结节（如恶性、钙化、毛刺、分叶、边缘和纹理）	数字病理学	肺癌	CT放射组学	深度学习神经网络	CT图像	LIDC-IDRI数据集
697	2025-05-22	Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study 2025-May-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416161 PMID:40391846	研究论文	本研究开发了一种基于CT图像的非侵入性深度学习模型，用于评估膀胱癌患者的肿瘤萌芽状态，并探讨其与新辅助化疗免疫治疗反应及疾病预后的相关性	首次开发了基于深度学习的非侵入性肿瘤萌芽评估方法，并在多中心队列中验证了其预测治疗反应和预后的能力	研究样本虽然较大但来自特定时间段，且外部验证队列的样本量相对较小	探索膀胱癌患者肿瘤萌芽状态与治疗反应及预后的关系，开发非侵入性评估工具	2322例经病理确诊的膀胱癌患者	数字病理	膀胱癌	深度学习	深度学习模型（未指定具体架构）	CT图像	2322例膀胱癌患者（2014-2023年多中心队列）
698	2025-05-22	Deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study 2025-May-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002488 PMID:40391963	research paper	本研究构建并验证了一种基于放射组学的机器学习模型，用于预测IDH野生型胶质母细胞瘤在最大安全手术切除后的总体生存期	利用深度学习分割网络提取放射组学特征，并结合先进的机器学习算法构建预测模型，为个性化预后评估提供非侵入性工具	研究为回顾性设计，可能存在选择偏倚，且外部验证队列样本量相对较小	预测IDH野生型胶质母细胞瘤患者的总体生存期	582名IDH野生型胶质母细胞瘤患者	digital pathology	glioblastoma	磁共振成像（MRI）	ResNet, LASSO-Cox回归, RSF模型	医学影像	582名患者（301名训练队列，128名内部验证队列，153名外部验证队列）
699	2025-05-22	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	research paper	本研究探讨了在多位临床专家注释的前列腺腺体解剖结构MRI图像上使用深度神经网络（DNN）进行分割时面临的读者间变异性问题，并提出量化DNN性能差异及训练策略	通过结合不同专家的注释数据训练3D U-Net模型，提高了模型在不同读者间的可重复性，并分析了腺体体积对模型性能的影响	小腺体尺寸的分割性能相对较差，Dice系数降至0.8左右	解决医学图像分割中深度神经网络面临的读者间变异性问题，提升模型泛化能力	前列腺腺体的MRI图像分割	digital pathology	prostate cancer	MRI (T2-weighted)	3D U-Net	image	R#1的342个样本和R#2的204个样本，训练时使用了R#1的100个样本和R#2的150个样本
700	2025-05-22	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-May-20, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习在预测小分子-miRNA关联中的应用	对32种基于机器学习的SMA预测方法进行了详尽分类和趋势分析，提供了未来研究的宝贵见解	未提及具体方法的性能比较或实际应用中的局限性	增强对小分子-miRNA相互作用的理解，促进诊断和治疗靶点的发现	小分子(SMs)与miRNA的关联(SMAs)	机器学习	NA	机器学习算法	包括经典ML、深度学习、矩阵分解、网络传播、图学习和集成学习方法	生物分子相互作用数据	NA