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
2021	2025-05-23	Deep learning models based on multiparametric magnetic resonance imaging and clinical parameters for identifying synchronous liver metastases from rectal cancer 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01692-3 PMID:40389920	research paper	该研究基于多参数磁共振成像和临床参数建立并验证了深度学习模型，用于预测直肠癌患者的同步肝转移	结合多参数MRI和临床数据构建的深度学习模型在预测同步肝转移方面表现出最佳性能	样本量相对较小，外部验证队列仅有31例患者	预测直肠癌患者的同步肝转移风险	直肠癌患者	digital pathology	rectal cancer	multiparametric MRI	Residual Network	image and clinical data	176例主要研究队列患者和31例外部队列患者
2022	2025-05-23	Deep learning-powered radiotherapy dose prediction: clinical insights from 622 patients across multiple sites tumor at a single institution 2025-May-19, Radiation oncology (London, England) DOI:10.1186/s13014-025-02634-7 PMID:40390053	研究论文	本研究评估了深度学习模型在多种肿瘤类型放疗剂量预测中的应用，结合了客观和主观评价方法	首次在多种肿瘤类型中综合评估深度学习模型的剂量预测能力，并提出了结合多种模型优势的'最佳选择'方法	研究仅基于单一机构的数据，可能限制了结果的普遍适用性	提高放疗前剂量预测的准确性，优化放疗计划制定流程	622名不同肿瘤部位患者（包括鼻咽癌、食管癌、乳腺癌、宫颈癌和直肠癌）	数字病理	多种癌症（鼻咽癌、食管癌、乳腺癌、宫颈癌、直肠癌）	深度学习	U-Net, Flex-Net, Highres-Net	放疗计划数据	622名患者（训练集60%，验证集20%，测试集20%）
2023	2025-05-23	Diagnosis of early idiopathic pulmonary fibrosis: current status and future perspective 2025-May-19, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03270-1 PMID:40390073	综述	本文综述了早期特发性肺纤维化（IPF）的诊断现状与未来展望，强调了早期诊断的紧迫性，并探讨了当前诊断策略及未来前景	提出早期IPF的定义，强调AI（特别是ML和DL）在标准化和加速胸部影像解读中的革命性作用，以及创新性支气管镜技术如TBLC、基因组分类器和EB-OCT的应用	手动解读肺部影像的局限性、相关知识的缺乏以及非特异性症状阻碍了IPF的及时诊断	探讨早期IPF的诊断方法及未来发展方向	早期特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	HRCT、TBLC、EB-OCT、基因组分类器、血清生物标志物分析	ML、DL	影像、基因组数据、血清标志物	NA
2024	2025-05-23	S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context 2025-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107590 PMID:40398182	research paper	提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文（ACGC）的学习图像压缩方法，以提高速率-失真性能和解码速度	引入了ACGC熵模型，实现了切片间和切片内的双重特征聚合，并采用可变形注意力动态调整权重，同时在主变换结构中引入Residual SwinV2 Transformer模型以捕获全局特征信息	未提及具体在低计算资源设备上的性能表现或实际应用场景中的限制	提升学习图像压缩的速率-失真性能和解码效率	图像数据	computer vision	NA	深度学习	Residual SwinV2 Transformer, ACGC	image	三个数据集（Kodak, Tecnick, CLIC Pro）
2025	2025-05-23	Influence of Robotic versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate Retaining and Medial Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助全膝关节置换术（raTKA）与手动全膝关节置换术（mTKA）在实现矢状面目标上的差异	开发了一种基于U-Net架构的深度学习模型，用于计算膝关节侧位X光片上的后髁偏移（PCO）和胫骨斜率（TS）	未来研究需要确定这些差异是否具有临床相关性	比较raTKA和mTKA在实现术前矢状面目标上的差异	280名接受mTKA或raTKA的患者	数字病理	骨关节疾病	深度学习	U-Net	X光图像	280名患者（mTKA 132名，raTKA 148名）
2026	2025-05-23	Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis 2025-May-19, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124096 PMID:40398809	meta-analysis	本研究通过系统综述和荟萃分析评估了基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	首次系统评估了机器学习模型在脊柱神经鞘瘤和脑膜瘤术前鉴别诊断中的表现	纳入研究数量有限（6项研究），样本量相对较小（644例患者）	评估机器学习模型在脊柱肿瘤术前鉴别诊断中的准确性	脊柱神经鞘瘤和脑膜瘤患者	digital pathology	spinal tumors	machine learning	deep learning, ML-based models	medical imaging data	644例患者（364例神经鞘瘤，258例脑膜瘤）
2027	2025-05-23	Deep learning model based on ultrasound images predicts BRAF V600E mutation in papillary thyroid carcinoma 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112482 PMID:40395668	research paper	开发了一种基于超声图像的深度学习模型，用于预测甲状腺乳头状癌中的BRAF V600E突变状态	结合了Swin Transformer骨干网络、放射组学特征分支和临床参数分支，构建了集成模型BrafSwinT，其性能优于其他模型	模型在外部测试集上的AUC为0.869，虽然优于其他模型，但仍有提升空间	预测甲状腺乳头状癌中的BRAF V600E突变状态，以促进风险分层	甲状腺乳头状癌患者	digital pathology	thyroid cancer	deep learning	Swin Transformer V2 (SwinT), ResNeSt-50, Vision Transformer	ultrasound images	1624 patients (1341 training, 148 validation, 135 external test)
2028	2025-05-23	Improving image quality and diagnostic performance using deep learning image reconstruction in 100-kVp CT enterography for patients with wide-range body mass index 2025-May-14, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112167 PMID:40398003	research paper	评估深度学习图像重建算法在100-kVp CT肠造影中对不同BMI患者图像质量、诊断信心及肠道病变检测的临床价值	首次在100-kVp双期CT肠造影中比较DLIR与传统ASiR-V算法，并证明DLIR-M在图像质量和诊断信心方面的优越性	炎症病变检测的敏感性提升未达到统计学显著性，需要进一步研究	评估深度学习图像重建算法在CT肠造影中的临床应用价值	84名接受100-kVp双期CT肠造影检查的患者	digital pathology	intestinal disease	CT enterography	DLIR (deep learning image reconstruction)	medical image	84名患者
2029	2025-05-23	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一个全自动的三阶段神经影像处理和机器学习流程，用于预测成人缺血性卒中患者的个性化结果	首次开发了一个结合卒中病灶位置信息用于结果预测的临床工具，并利用深度学习模型自动分割卒中病灶	仅在概念验证应用中展示了预测选择性认知结果的能力，尚未广泛验证	预测卒中患者的长期功能结果，以改善卒中管理和个性化康复策略	成人缺血性卒中患者	数字病理学	心血管疾病	深度学习，机器学习	深度学习模型，统计模型，大型语言模型	影像数据（DICOM，MRI）	预训练模型使用604名局灶性脑损伤患者的数据，独立缺血性卒中队列包含153名患者
2030	2025-05-23	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-May-10, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	开发一种基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段	首次使用公开可用的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，进行胚胎形态动力学参数预测	模型在敏感度方面表现一般（0.59），可能影响对某些胚胎阶段的识别准确性	开发人工智能模型以优化体外受精过程中胚胎形态动力学的评估	人类胚胎的延时成像视频	digital pathology	infertility	time-lapse imaging (TLI)	CNN, EfficientNetB4	video	704个视频（来自716对不孕夫妇），包含240万张图像
2031	2025-05-23	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-May-06, Research square DOI:10.21203/rs.3.rs-6443303/v1 PMID:40386420	research paper	该研究通过整合多组学和多模态数据，构建了一个炎症性肠病(IBD)的综合图谱，旨在提高对IBD的理解、诊断和治疗策略	结合全外显子测序、RNA测序、血清蛋白质组学和组织病理学评估，开发了炎症蛋白严重性特征，并利用基础模型深度学习预测组织学疾病活动评分	样本量相对有限(1,002例)，且仅针对IBD患者和非IBD对照	提高对炎症性肠病(IBD)的理解、诊断和治疗策略	1,002例临床注释的IBD患者和非IBD对照	digital pathology	inflammatory bowel diseases	whole-exome sequencing, RNA sequencing, serum proteomics, histopathological assessments	foundation model-based deep learning	genomic data, proteomic data, histopathological images	1,002 clinically annotated patients with IBD and non-IBD controls
2032	2025-05-23	The Application Status of Radiomics-Based Machine Learning in Intrahepatic Cholangiocarcinoma: Systematic Review and Meta-Analysis 2025-May-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69906 PMID:40323647	系统性综述与荟萃分析	本文系统回顾和荟萃分析了基于放射组学的机器学习在肝内胆管癌（ICC）中的应用现状和价值	首次系统评估了放射组学在ICC诊断、预后预测等多个任务中的准确性和应用价值，并比较了不同模型（如结合临床特征的模型、深度学习模型）的性能差异	针对某些特定任务（如神经周围浸润和三级淋巴结构诊断）的研究较少，深度学习相关研究有限，数据异质性和可解释性问题仍需优化	评估放射组学在ICC领域的应用现状，为其系统化应用提供循证依据	肝内胆管癌（ICC）患者	数字病理	肝内胆管癌	放射组学	机器学习（ML）、深度学习	医学影像	58项研究，共12,903名患者
2033	2025-05-23	Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning 2025-May-05, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105264 PMID:40398294	研究论文	本研究评估了三种深度学习分类模型在检测鸡翅膀骨折和淤伤方面的适用性，基于CT扫描和照片	首次将深度学习应用于结合CT扫描和摄影技术，客观识别鸡翅膀骨折和淤伤	淤伤检测模型的准确率相对较低（82%）	开发更客观和自动化的动物福利监测技术	鸡翅膀的骨折和淤伤	计算机视觉	NA	CT扫描和摄影	3D ResNet34和2D EfficientNetV2_s	图像（CT扫描和照片）	306张CT扫描和285张照片
2034	2025-05-23	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	该研究开发并验证了一种基于深度学习的脑微出血（CMB）自动分割模型，并探讨了CMB与认知功能障碍及血管风险因素之间的关系	首次使用nnU-Net框架开发了针对SWI序列的CMB自动分割模型，并系统分析了CMB分布与认知功能的多维度关联	外部验证集的模型性能相对较低（Dice评分0.46），且研究为单中心回顾性设计	建立可靠的CMB自动量化方法并探索其临床关联	脑微出血（CMB）患者	数字病理学	脑血管疾病	SWI（磁敏感加权成像）	nnU-Net	MRI图像	训练集287例，内部验证67例，外部验证68例，临床数据集448例
2035	2025-05-23	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	研究论文	本研究开发并验证了一种基于深度学习的自动量化黑质高信号及神经退行性帕金森病分类算法	首次利用深度学习模型同时检测和量化黑质1区异常，并应用于帕金森病的诊断和症状严重程度预测	需要进一步研究以验证该模型在不同临床环境中的适用性	开发并验证一种基于深度学习的自动量化黑质高信号及帕金森病分类算法	特发性帕金森病(IPD)患者和对照组个体	数字病理学	帕金森病	磁敏感加权成像(SMwI)	深度学习模型(Heuron NI和Heuron IPD)	MRI图像	训练数据450人(210名IPD患者和240名对照组)，验证数据237人(168名IPD患者、58名特发性震颤患者和11名药物性帕金森病患者)
2036	2025-05-23	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	research paper	开发了一种基于深度学习的自动去标识工具，用于儿科脑部MRI图像的去面部特征处理，以促进神经科学数据共享	针对儿科病例和多种MRI序列定制开发的去标识工具，填补了现有工具在儿科病例和多样化图像类型上的不足	在去除耳朵区域的准确性较低（73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	digital pathology	brain tumor	MRI (T1W, T1W-contrast-enhanced, T2W, T2W-FLAIR)	nnU-Net	image	208名脑肿瘤患者和36名临床对照患者，共976张图像
2037	2025-05-23	A Review of ChatGPT as a Reliable Source of Scientific Information Regarding Endodontic Local Anesthesia 2025-May, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2025.02.002 PMID:39952316	review	评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力	首次评估ChatGPT在牙髓病局部麻醉领域的回答准确性和引用可靠性	仅评估了16个问题，样本量有限，且仅针对牙髓病局部麻醉这一细分领域	评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力	ChatGPT生成的关于牙髓病局部麻醉的回答和引用	natural language processing	NA	自然语言处理	Deep Learning	text	16个关于牙髓病局部麻醉的问题
2038	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)
2039	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）
2040	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