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
1621	2025-05-10	Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16 2025-Jul, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.03.025 PMID:40340157	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1622	2025-06-24	Assessment of the efficacy and accuracy of cervical cytology screening with the Hologic Genius Digital Diagnostics System 2025-Jul, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70022 PMID:40543043	research paper	评估Hologic Genius数字诊断系统在宫颈细胞学筛查中的效果和准确性	利用人工智能技术和大数据分析，验证了Hologic Genius数字诊断系统在临床实践中的高效性和准确性	研究仅基于890例样本，可能无法完全代表所有临床情况	验证Hologic Genius数字诊断系统在宫颈细胞学筛查中的临床应用效果	890例已诊断的ThinPrep Papanicolaou (Pap)测试样本	digital pathology	cervical cancer	deep learning	NA	image	890例ThinPrep Pap测试样本
1623	2025-06-22	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	review	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景，特别是在癌症诊断、预后评估和治疗策略中的作用	探讨了AI在肿瘤病理学中的创新应用，包括自动肿瘤检测、分子生物标志物识别以及治疗反应预测，并展望了基础模型和通用模型等AI算法的未来发展	目前尚无基于IA或IB级别证据的AI预后或预测性生物标志物，且数据可用性、可解释性和监管问题仍是临床应用的障碍	评估AI在癌症病理学中的当前应用并探讨其未来发展方向	肿瘤诊断、分子生物标志物检测和癌症预后评估	digital pathology	oncology	AI-based algorithms, transformer-based deep learning	foundation models, generalist models	image, multi-omics data	NA
1624	2025-06-21	Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence 2025-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29708 PMID:39781607	研究论文	本文探讨了多参数磁共振成像（mpMRI）结合人工智能（AI）在评估胰腺导管腺癌（PDAC）生物学侵袭性和预后中的应用	结合AI的mpMRI能够提供形态和功能信息，量化肿瘤内特征，预测PDAC的生物学特性和预后	当前基于AI的PDAC模型主要基于单一模态，样本量较小，技术可重复性和生物学解释存在挑战	评估PDAC的生物学侵袭性和预后，推动个性化医疗	胰腺导管腺癌（PDAC）	数字病理	胰腺癌	多参数磁共振成像（mpMRI）	深度学习	图像	相对较小的样本量
1625	2025-06-21	Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms 2025-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29710 PMID:39792443	综述	本文综述了基于超短回波时间的MRI技术和深度学习算法在骨关节炎早期检测中的应用	结合超短回波时间MRI和深度学习算法，革新了MRI分析方式，实现了对短T2组织的直接可视化和定量评估	证据等级为5级，技术效能处于第2阶段，表明研究尚处于早期阶段	探索骨关节炎早期检测和管理的先进成像技术和分析方法	骨关节炎相关的短T2组织，如软骨、半月板/唇、韧带和肌腱	数字病理学	骨关节炎	超短回波时间MRI (UTE-MRI)	深度学习 (DL)	MRI图像	NA
1626	2025-06-21	AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers 2025-Jul, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.14164 PMID:40195567	研究论文	本文评估了一种深度学习模型在牙科照片中检测角化牙龈的能力，并使用参考保持器验证其临床适用性	首次提出能够可靠识别全口角化牙龈的AI模型，并通过参考保持器进行了全面验证	对后牙区域的预测需要进一步改进	评估深度学习模型在牙科照片中检测角化牙龈的准确性及其临床应用价值	角化牙龈的检测与测量	数字病理	牙科疾病	深度学习	DeepLabv3 with ResNet50 backbone	图像	32名受试者的576张六分照片
1627	2025-06-21	Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens 2025-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-025-01612-y PMID:40232558	研究论文	开发并评估了一种用于诊断胃内镜黏膜下剥离术(ESD)标本的深度学习模型	首次将深度学习模型应用于ESD标本的肿瘤和黏膜下浸润检测，显著提高了诊断效率和准确性	研究仅基于366个ESD标本，样本量相对有限	开发一种能够准确诊断胃ESD标本的深度学习模型	胃ESD标本中的腺癌组织	数字病理学	胃癌	深度学习	CNN	图像	366个ESD标本，包含2257个标注区域和83,839个图像块
1628	2025-06-21	Deep learning-assisted detection of meniscus and anterior cruciate ligament combined tears in adult knee magnetic resonance imaging: a crossover study with arthroscopy correlation 2025-Jul, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-025-06531-2 PMID:40293511	研究论文	本研究比较了医生在使用和不使用深度学习模型辅助下，对膝关节MRI中半月板和前交叉韧带撕裂的诊断性能	使用深度学习模型辅助医生提高对膝关节MRI中半月板和前交叉韧带撕裂的诊断准确性	样本量相对较小（186例MRI检查），且仅评估了Keros®算法	比较医生在使用和不使用深度学习模型辅助下对膝关节MRI中半月板和前交叉韧带撕裂的诊断性能	膝关节MRI图像	数字病理	膝关节损伤	MRI	深度学习模型（Keros®算法）	图像	186例MRI检查（88例来自患者，98例来自公开数据库）
1629	2025-06-21	Radiomics for lung cancer diagnosis, management, and future prospects 2025-Jul, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106926 PMID:40344812	综述	本文综述了放射组学在肺癌诊断和管理中的作用，探讨了从手工放射组学到深度学习技术的多种方法及其在肺癌护理各阶段的关键应用	强调了放射组学在提高诊断准确性、预测治疗反应和个性化患者护理方面的潜力，并探讨了未来整合大型语言模型、可解释AI和超分辨率成像技术的发展方向	NA	探讨放射组学在肺癌诊断和管理中的应用及其未来发展前景	肺癌	数字病理学	肺癌	放射组学、深度学习	AI模型	医学影像	NA
1630	2025-06-21	Breast tumour classification in DCE-MRI via cross-attention and discriminant correlation analysis enhanced feature fusion 2025-Jul, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106941 PMID:40403340	研究论文	本文提出了一种基于动态对比增强磁共振成像（DCE-MRI）的乳腺肿瘤分类方法，通过融合深度特征和交叉注意力编码的放射组学特征，利用判别相关分析（DCA）提高分类准确性	提出了一种新颖的特征融合方法eFF-DCA，结合了深度特征和交叉注意力编码的放射组学特征，利用DCA优化特征相关性，提高了乳腺肿瘤分类的准确性	非端到端的设计限制了多模态特征的融合效果	开发并验证一种基于DCE-MRI的乳腺肿瘤分类方法，以提高良性和恶性肿瘤的鉴别诊断准确性	乳腺肿瘤	数字病理学	乳腺癌	DCE-MRI	eFF-DCA	医学影像	261名个体，包括137个良性肿瘤和163个恶性肿瘤
1631	2025-06-20	NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation 2025-Jul, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2394510 PMID:39189206	研究论文	本文提出了一种基于NLP的人体工程学MSD风险根因分析及风险控制建议的整体工作改进流程	利用深度学习NLP技术（如词性标注和依存句法分析）对工作动作进行自动根因分析，并结合专家ML系统提供风险控制建议	未提及具体实验验证效果或系统实施难度	通过AI技术改进工作场所人体工程学风险评估流程	工作场所中导致肌肉骨骼疾病(MSD)的物理风险因素	自然语言处理	肌肉骨骼疾病	NLP（词性标注、依存句法分析）	深度学习	文本	NA
1632	2025-06-20	Comparison of different dental age estimation methods with deep learning: Willems, Cameriere-European, London Atlas 2025-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03452-y PMID:39969569	研究论文	比较使用Willems、Cameriere-Europe、London Atlas和深度学习方法在土耳其儿童全景X光片上进行牙齿年龄估计的效果	首次在土耳其儿童中比较多种牙齿年龄估计方法，并引入深度学习方法进行对比	研究仅针对土耳其儿童，结果可能不适用于其他人群	比较不同牙齿年龄估计方法的准确性	1169名土耳其儿童(613名女孩，556名男孩)的全景X光片	计算机视觉	NA	深度学习	CNN	医学影像	1169名儿童(613名女孩，556名男孩)
1633	2025-06-20	Comparison of CNNs and Transformer Models in Diagnosing Bone Metastases in Bone Scans Using Grad-CAM 2025-Jul-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005898 PMID:40237349	研究论文	比较CNN和Transformer模型在骨扫描中诊断骨转移的性能，并使用Grad-CAM进行可视化	首次探索了ConvNeXt和Transformer模型在骨扫描中诊断骨转移的应用，并比较了多种深度学习模型的性能	研究仅基于两家医院的数据，可能缺乏普适性	评估不同深度学习模型在骨扫描中诊断转移性病变的性能	癌症患者的骨扫描图像	医学图像分析	骨转移	深度学习	ResNet18, DeiT, ViT Large 16, Swin Base, ConvNeXt Large	图像	训练和验证集4626例（医院1），测试集1428例（医院2）
1634	2025-06-20	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	研究论文	开发了一种针对非ICU环境的深度学习模型，用于早期脓毒症诊断	结合深度学习与保形预测框架处理不确定性，显著减少假阳性并提高特异性	模型在非ICU环境中的泛化能力仍需进一步验证	提高非ICU住院患者的脓毒症早期诊断准确性	非ICU住院患者	机器学习	脓毒症	深度学习	DL	时间序列数据	83,813名患者（训练集），eICU-CRD数据集（验证集）
1635	2025-06-19	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	开发并验证了使用常规临床非对比腹部T1加权和T2加权数据的深度学习模型，用于预测MR弹性成像(MRE)衍生的肝脏硬度	首次在多机构和多厂商的儿科和成人患者数据上开发和验证了基于深度学习的肝脏硬度预测模型	模型性能仍有提升空间，可能需要结合临床特征进一步优化以减少对MRE的需求	开发能够准确预测肝脏硬度的深度学习模型，以替代或减少对MR弹性成像(MRE)的需求	儿科和成人慢性肝病(CLD)患者	数字病理学	慢性肝病	MRI (T1w和T2w)	DeepLiverNet2.0 (深度学习模型)	医学影像	4295名患者(包括428名儿科患者)的4695次MRI检查
1636	2025-06-19	ReorderBench: A Benchmark for Matrix Reordering 2025-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3560345 PMID:40227900	research paper	该论文构建了一个名为ReorderBench的矩阵重排序基准，用于评估和改进矩阵重排序技术	提出了一个全面的矩阵重排序基准，包含大量代表性矩阵和基于卷积与熵的评分方法	NA	评估和改进矩阵重排序技术	矩阵重排序算法和视觉模式	machine learning	NA	卷积和熵基评分方法	deep learning model	binary matrices, continuous matrices	2,835,000 binary matrices, 5,670,000 continuous matrices, 450 real-world matrices
1637	2025-06-19	Agreement between Routine-Dose and Lower-Dose CT with and without Deep Learning-based Denoising for Active Surveillance of Solid Small Renal Masses: A Multiobserver Study 2025-Jul, Radiology. Imaging cancer DOI:10.1148/rycan.240250 PMID:40512032	研究论文	评估常规剂量和低剂量CT扫描在深度学习去噪技术辅助下对小肾肿块主动监测中的一致性	研究首次评估了深度学习去噪技术在低剂量CT扫描中对小肾肿块评估的影响，并验证了75%剂量降低的可行性	研究为回顾性设计，样本量相对较小(70例患者)，且仅评估了特定两种剂量降低水平	评估不同剂量CT扫描在肾肿块主动监测中的诊断一致性	接受小肾肿块主动监测的患者	数字病理	肾癌	CT扫描、深度学习去噪(DLD)	深度学习	医学影像	70例患者(48男22女，平均年龄73.2岁)的350次CT扫描
1638	2025-06-19	ConsAMPHemo: A computational framework for predicting hemolysis of antimicrobial peptides based on machine learning approaches 2025-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70087 PMID:40519190	research paper	提出了一种基于深度学习的计算框架ConsAMPHemo，用于预测抗菌肽的溶血活性	开发了一个两阶段的深度学习框架，既能进行抗菌肽溶血活性的二元分类，也能预测其溶血浓度，并通过特征分析揭示了溶血活性的物理基础	NA	降低评估抗菌肽作为药物安全性的成本	抗菌肽（AMPs）	machine learning	NA	deep learning	NA	NA	三个不同的数据集
1639	2025-06-19	PCKRF: Point Cloud Completion and Keypoint Refinement With Fusion Data for 6D Pose Estimation 2025-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3390122 PMID:38630565	research paper	提出了一种名为PCKRF的新姿态细化流程，用于6D姿态估计，通过点云补全和关键点细化融合数据来提高姿态估计的准确性	PCKRF流程结合了姿态敏感的点补全网络和引入颜色信息的CIKP方法，有效提升了姿态估计的稳定性和准确性	在纹理较少和对称物体的挑战性场景中，方法的性能可能仍有提升空间	提高6D姿态估计的准确性和稳定性	点云数据	computer vision	NA	点云补全、关键点细化	pose-sensitive point completion network, CIKP	point cloud	NA
1640	2025-06-19	Automated segmentation of target volumes in breast cancer radiotherapy, impact on target size and dose to organs at risk 2025-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100986 PMID:40529410	研究论文	本研究比较了深度学习模型与临床标准在乳腺癌放疗目标体积划分上的差异，评估了对危险器官剂量的影响	首次将深度学习模型应用于乳腺癌放疗目标体积划分，并考虑了临床数据如肿瘤位置和患者合并症	深度学习模型在仅针对乳房的放疗中可能导致心脏剂量增加，且样本量有限	评估深度学习模型在乳腺癌放疗目标体积划分中的效果及其对危险器官剂量的影响	乳腺癌放疗的目标体积和危险器官剂量	数字病理	乳腺癌	深度学习	DL-models (Raystation 和 MVision)	医学影像	10-14个放疗中心的数据