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
1481	2025-04-25	Deep Learning for Contrast Enhanced Mammography - A Systematic Review 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.035 PMID:39643464	系统综述	本文系统综述了深度学习在对比增强乳腺摄影（CEM）中的应用，探讨了这些模型如何进一步提升CEM的诊断潜力	首次系统性地回顾了深度学习在CEM中的应用，并总结了不同模型的性能表现	研究数量相对较少且多为回顾性研究，缺乏前瞻性临床验证	评估深度学习算法在CEM图像自动分析中的应用效果	对比增强乳腺摄影（CEM）图像	数字病理学	乳腺癌	深度学习	CNN	医学影像	16项研究（2018-2024年）
1482	2025-04-25	Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.011 PMID:39730250	research paper	本研究开发了一种基于CT图像的深度学习模型，用于区分鼻腔息肉和倒置性乳头状瘤，并通过多中心研究验证其性能	首次利用深度学习模型（3D Xception）在CT图像上区分鼻腔息肉和倒置性乳头状瘤，并通过蛋白质组学分析揭示模型预测与上皮细胞分化的关联	研究样本来自两家医院，可能存在选择偏差；蛋白质组学分析的样本量较小（70例）	开发并验证一种深度学习模型，以提高鼻腔良性肿瘤（鼻腔息肉和倒置性乳头状瘤）的鉴别诊断准确性	鼻腔良性肿瘤患者（鼻腔息肉和倒置性乳头状瘤）	digital pathology	nasal cavity tumors	CT imaging, proteomics analysis	3D ResNet, 3D Xception, HRNet	CT images	1791名患者（来自两家医院），其中70名进行了蛋白质组学分析
1483	2025-04-25	Dynamic Hierarchical Convolutional Attention Network for Recognizing Motor Imagery Intention 2025-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3549583 PMID:40131750	研究论文	提出了一种动态分层卷积注意力网络（DH-CAN），用于从EEG信号中全面学习全局和局部空间域以及时频域的判别信息，以识别运动想象意图	设计了多尺度卷积块动态捕捉时频信息，将EEG信号通道映射到不同脑区，分层提取全局和局部空间特征，并利用图注意力网络建立区域连接性，共享对称脑区间的网络参数以更好地捕捉不对称运动想象模式	NA	提高EEG信号解码的准确性，特别是在运动想象意图识别方面	EEG信号	脑机接口	NA	EEG信号分析	动态分层卷积注意力网络（DH-CAN）	EEG信号	两个数据集
1484	2025-04-25	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	介绍了一个名为PackPPI的集成框架，用于蛋白质复合物的侧链包装和ΔΔG预测，基于扩散模型	结合了扩散模型和近端优化算法，改进了蛋白质复合物的侧链预测，并利用学习到的表示预测ΔΔG	未提及具体限制	提高蛋白质复合物的侧链包装和ΔΔG预测的准确性和效率	蛋白质复合物	生物信息学	NA	扩散模型，近端优化算法	扩散模型	蛋白质结构数据	CASP15数据集和SKEMPI v2.0数据集
1485	2025-04-24	Detection of Pulmonary Nodules on Ultra-low Dose Chest Computed Tomography With Deep-learning Image Reconstruction Algorithm 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000806 PMID:39267547	研究论文	评估使用深度学习图像重建（DLIR）算法在超低剂量（ULD）胸部计算机断层扫描（CT）中检测肺结节的准确性	首次在ULD CT中应用DLIR算法进行肺结节检测，并与传统ASIR-V重建方法进行比较	样本量较小（60例患者），且仅评估了固体肺结节的检测	探索ULD CT结合DLIR在肺结节检测中的临床应用价值	60例转诊评估或随访固体肺结节的患者	数字病理学	肺癌	深度学习图像重建（DLIR）和自适应统计迭代重建-V（ASIR-V）	DLIR	CT图像	60例患者，共检测733个结节
1486	2025-04-24	Predicting Gene Comutation of EGFR and TP53 by Radiomics and Deep Learning in Patients With Lung Adenocarcinomas 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000817 PMID:39319553	研究论文	本研究基于放射组学和深度学习构建了预测EGFR和TP53共突变的二元分类模型，并评估了这些模型在识别适合TKI靶向治疗和预后不良患者方面的能力	结合放射组学和深度学习构建渐进式二元分类模型，用于预测EGFR和TP53共突变，并评估模型在临床识别TKI响应者和预后不良患者中的潜力	研究样本量较小（267例患者），且为单中心回顾性研究，可能存在选择偏倚	构建预测EGFR和TP53共突变的分类模型，以辅助临床识别适合TKI靶向治疗和预后不良的肺腺癌患者	267例接受基因检测和非增强胸部CT检查的肺腺癌患者	数字病理学	肺癌	放射组学特征提取和深度学习	临床模型、放射组学模型、深度学习模型以及多种组合模型（如DL-rad-clin模型）	影像数据（非增强胸部CT）和临床数据	267例肺腺癌患者
1487	2025-04-24	Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density 2025-May, Protoplasma IF:2.5Q2 DOI:10.1007/s00709-024-02019-9 PMID:39692866	研究论文	本研究探讨了基于深度学习的细胞骨架分割方法在定量评估细胞骨架组织中的效用	采用深度学习技术显著提高了细胞骨架密度测量的准确性，并验证了该方法在不同生理模型中的适用性	未提及具体的技术局限性	开发一种高精度、高通量的细胞骨架密度测量方法	烟草BY-2细胞的皮层微管、拟南芥保卫细胞和受精卵	数字病理学	NA	共聚焦显微镜成像	深度学习模型	图像	未明确提及具体样本数量
1488	2025-04-24	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta-analysis	对当前用于诊断骨质疏松症的放射组学模型的诊断性能进行荟萃分析，并评估这些放射组学研究的方法学和报告质量	首次通过荟萃分析评估放射组学模型在骨质疏松症诊断中的表现，并使用QUADAS-2和RQS工具全面评估研究质量	纳入研究的方法学质量参差不齐，RQS评分平均仅为31.89%的依从率	评估放射组学模型在骨质疏松症诊断中的准确性和质量	骨质疏松症患者和非骨质疏松症患者	digital pathology	osteoporosis	radiomics	deep learning algorithms	medical imaging (CT images)	25项研究(1553名骨质疏松患者和2200名非骨质疏松患者)
1489	2025-04-24	PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms 2025-May, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07065-2 PMID:39865180	research paper	开发并验证了一种基于PSMA PET/CT的多模态深度学习模型，用于预测前列腺癌患者盆腔淋巴结转移	结合了PSMA PET/CT深度学习特征、定量PET参数和临床参数，构建的多模态模型在预测淋巴结侵犯方面表现出更高的准确性	样本量相对较小（116例患者），且仅在特定患者群体中验证	提高前列腺癌患者盆腔淋巴结转移的预测准确性，以减少不必要的盆腔淋巴结清扫术	前列腺癌患者	digital pathology	prostate cancer	PSMA PET/CT	Med3D, Multi kernel Support Vector Machine	image, clinical parameters	116例前列腺癌患者（82例训练队列，34例测试队列）
1490	2025-04-24	Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer 2025-May, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07099-0 PMID:39871017	research paper	本研究探讨了多模态成像技术在预测前列腺癌ISUP分级中的作用，旨在通过整合先进成像技术与临床变量提高诊断准确性和临床决策	应用少样本学习解决前列腺癌成像数据有限的问题，并比较了不同模态数据融合在深度学习网络中的性能	研究为回顾性分析，可能存在选择偏差，且样本量相对较小	提高前列腺癌ISUP分级的诊断准确性，优化临床决策	341名前列腺癌患者的多模态成像数据	digital pathology	prostate cancer	[18F]F-PSMA-1007 PET/CT, multiparametric MRI (mpMRI), Diffusion Weighted Imaging (DWI), T2 Weighted Imaging (T2WI), Apparent Diffusion Coefficient (ADC)	few-shot deep learning network	image	341名前列腺癌患者
1491	2025-04-24	Artificial Intelligence in CT for Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Cancer Patients: A Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.007 PMID:40000328	meta-analysis	评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能	深度学习模型在敏感性方面优于机器学习方法	研究间存在高度异质性，且在不同人群中的外部验证不足	评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能	甲状腺乳头状癌患者颈部淋巴结转移	digital pathology	thyroid cancer	CT	deep learning, machine learning	image	内部验证集1778名患者，外部验证集4072名患者
1492	2025-04-24	Evaluation of AI-based nerve segmentation on ultrasound: relevance of standard metrics in the clinical setting 2025-May, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2024.12.040 PMID:40016039	research paper	评估基于AI的超声神经分割在临床环境中的相关性，探讨客观像素指标与主观临床评估之间的关系	首次研究了客观像素指标与主观临床评估在神经分割中的关系，并尝试确定临床可接受的像素重叠阈值	研究样本量有限（173帧图像），且仅分析了被主观评为优秀的案例	评估AI神经分割工具在超声引导区域麻醉中的临床应用价值	超声图像中的神经结构（臂丛神经、股神经和坐骨神经）	digital pathology	NA	超声成像	deep learning	image	173帧超声图像
1493	2025-04-24	Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy: A Diagnostic Study 2025-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17015-3 PMID:40050483	研究论文	本研究评估了HRNetV2深度学习模型在膀胱镜检查中智能检测膀胱病变的有效性，重点关注其在不同图像分辨率下的性能	首次将HRNetV2模型应用于膀胱病变的实时智能检测，并分析了不同图像分辨率对模型性能的影响	研究样本量相对较小（94名患者），且需要在更大规模的多中心数据集上进行进一步验证	提高膀胱镜检查中膀胱病变的检测准确率	膀胱病变患者	数字病理学	膀胱癌	深度学习	HRNetV2	视频	94名患者，102个白光膀胱镜检查视频，33,657帧标注图像
1494	2025-03-13	ASO Visual Abstract: Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy-A Diagnostic Study 2025-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17143-w PMID:40069466	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1495	2025-04-24	Deep learning in nuclear medicine: from imaging to therapy 2025-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02031-w PMID:40080372	review	本文综述了深度学习在核医学领域的最新应用进展，特别是在成像、病灶检测和放射性药物治疗方面	深度学习与功能成像技术（如PET和SPECT）的结合，实现了更精确的诊断和个性化治疗策略的开发	模型可解释性不足、跨多样化数据集的泛化能力有限、多模态数据融合的挑战以及应用中面临的伦理和法律问题	探讨深度学习在核医学中的应用及其对精准医疗、实时治疗监测和临床决策的影响	核医学成像、病灶检测和放射性药物治疗	machine learning	NA	PET, SPECT	neural network	image	NA
1496	2025-04-24	[Frozen section in oncologic endocrine surgery] 2025-May, Chirurgie (Heidelberg, Germany) DOI:10.1007/s00104-025-02266-3 PMID:40131405	review	本文讨论了术中冰冻切片在内分泌肿瘤手术管理中的益处	探讨了深度学习在克服冰冻切片技术问题上的潜力，并提供了关于甲状腺手术中冰冻切片应用的最新证据	对于甲状旁腺和肾上腺癌的手术治疗，缺乏相关文献支持冰冻切片的作用	评估术中冰冻切片在内分泌肿瘤手术中的应用及其效果	甲状腺结节、分化型甲状腺癌、髓样甲状腺癌、甲状旁腺和肾上腺癌	digital pathology	thyroid cancer	frozen section, deep learning	deep learning	image	NA
1497	2025-04-24	Evaluating Performance of a Deep Learning Multilabel Segmentation Model to Quantify Acute and Chronic Brain Lesions at MRI after Stroke and Predict Prognosis 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240072 PMID:40136026	研究论文	开发并评估了一个多标签深度学习网络，用于识别和量化急性缺血性卒中后多序列MRI中的急性和慢性脑损伤，并评估病变的临床和模型提取的放射学特征与患者预后的关系	提出了一种基于SegResNet的深度学习模型，用于分割核心梗死和白质高信号负担，并结合临床变量预测患者7天预后	研究为回顾性设计，可能受到选择偏倚的影响，且样本量相对有限	评估深度学习模型在识别和量化脑损伤以及预测急性缺血性卒中患者预后方面的性能	急性缺血性卒中患者	数字病理学	卒中	MRI	SegResNet, CNN, 支持向量机	图像	1008名患者（训练和验证数据集702名，外部测试数据集306名）
1498	2025-04-24	Fully Automated Agatston Score Calculation From Electrocardiography-Gated Cardiac Computed Tomography Using Deep Learning and Multi-Organ Segmentation: A Validation Study 2025-May, Angiology IF:2.6Q2 DOI:10.1177/00033197231225286 PMID:38166442	研究论文	评估基于深度学习的钙分割和量化在ECG门控心脏CT扫描中的应用，并与手动评估进行比较	使用基于mask R-CNN的神经网络进行多器官分割，实现全自动钙评分计算	研究为回顾性研究，样本量相对较小（训练集40例，验证集110例）	开发并验证一种全自动的冠状动脉钙化评分计算方法	ECG门控心脏CT扫描图像	数字病理学	心血管疾病	深度学习	mask R-CNN	医学影像	训练集40例患者，验证集110例患者
1499	2025-04-24	Rapid and accurate identification and quantification of Lycium barbarum L. components: Integrating deep learning and NMR for nutritional assessment 2025-May, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116246 PMID:40263805	研究论文	本研究提出了一种结合深度学习和核磁共振光谱的创新方法IQ-LC模型，用于快速准确识别和量化枸杞成分，并评估不同食用方式的营养价值	整合NMR光谱与一维卷积神经网络，开发了IQ-LC模型，实现了枸杞成分的高精度识别与量化	未提及模型在其他植物成分分析中的泛化能力	开发快速准确的枸杞成分分析方法并评估不同食用方式的营养价值	枸杞及其制品（鲜果、果泥和茶）	食品科学与营养分析	NA	NMR光谱	一维CNN	光谱数据	25种已知浓度混合物+10个商业品牌枸杞果泥
1500	2025-04-23	AI-driven approaches for air pollution modelling: A comprehensive systematic review 2025-May-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125937 PMID:40058557	综述	本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾	不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响	探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法	比较和评估不同方法在预测空气污染物浓度水平方面的效果	空气污染预测模型	机器学习	NA	机器学习和深度学习技术	时间模型和时空模型	气象数据、交通信息、土地利用等多源数据	NA