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
201	2025-06-19	Research progress in predicting the conversion from mild cognitive impairment to Alzheimer's disease via multimodal MRI and artificial intelligence 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1596632 PMID:40529431	综述	本文系统回顾了多模态MRI技术和人工智能在预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化中的研究进展	结合多模态MRI技术和人工智能方法，挖掘MCI向AD转化的脑部特征并构建预测模型	当前研究面临的技术挑战未具体说明	为MCI转化的早期准确预测和干预策略制定提供科学参考	轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	数字病理学	老年疾病	多模态MRI（结构MRI、功能MRI、脑灌注MRI）	深度学习和机器学习	MRI图像	NA
202	2025-06-19	Reducing unnecessary biopsies of BI-RADS 4 lesions based on a deep learning model for mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543553 PMID:40530010	研究论文	本研究探讨了基于乳腺X线摄影的深度学习模型在BI-RADS 4类病变中的诊断价值，以减少不必要的乳腺活检	开发了一个深度学习模型，能够准确识别不需要活检的良性及高风险BI-RADS 4类病变，减少40.6%的不必要活检	研究为回顾性设计，且样本仅来自两家医院，可能存在选择偏差	评估深度学习模型在减少BI-RADS 4类病变不必要活检中的诊断价值	BI-RADS 4类乳腺病变	数字病理学	乳腺癌	深度学习	DL模型	乳腺X线图像	557例BI-RADS 4类病变（304例良性，195例恶性，58例高风险）
203	2025-06-19	ST-YOLO: a deep learning based intelligent identification model for salt tolerance of wild rice seedlings 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1595386 PMID:40530276	研究论文	提出了一种基于深度学习的ST-YOLO模型，用于野生稻幼苗耐盐表型的评估与识别	使用多分支结构DBB替换C2f模块中的卷积层，引入CAFM卷积和注意力融合模块增强特征表示能力，设计了更灵活的空间金字塔池化层	未提及具体的数据集规模或模型在更广泛条件下的泛化能力	提高野生稻幼苗耐盐表型识别的准确率和效率	野生稻幼苗	计算机视觉	NA	深度学习	ST-YOLO (改进的YOLO模型)	图像	筛选出2个极耐盐品种和7个耐盐品种（具体实验样本量未明确说明）
204	2025-06-19	Optimizing Mask R-CNN for enhanced quinoa panicle detection and segmentation in precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1472688 PMID:40530286	研究论文	本研究提出了一种基于改进Mask R-CNN的深度学习方法，用于藜麦穗的检测和分割，以提高精准农业中的产量估计	首次将实例分割技术应用于藜麦穗分析，并采用EfficientNet-B7骨干网络和Mish激活函数优化模型性能	NA	开发自动化藜麦产量估计方法	藜麦穗	计算机视觉	NA	实例分割	Mask R-CNN (改进版)	图像	NA
205	2025-06-19	PRGminer: harnessing deep learning for the prediction of resistance genes involved in plant defense mechanisms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1411525 PMID:40530297	研究论文	介绍了一种基于深度学习的植物抗性基因预测工具PRGminer，用于加速新抗性基因的发现	开发了PRGminer工具，利用深度学习技术高效预测植物抗性基因，并分类为八种不同类型	未提及具体样本量或数据来源的局限性	预测植物抗性基因以促进抗病育种	植物抗性基因（Rgenes）	生物信息学	植物病害	深度学习	NA	蛋白质序列	NA
206	2025-06-19	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	research paper	开发一种高度通用的弱监督模型，用于自动检测和定位图像级别的颅内出血（ICH），使用研究级别的标签	提出了一种基于注意力机制的双向LSTM网络模型，能够在研究级别标签上进行训练，实现高通用性和高阳性预测值的ICH检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发自动检测和定位颅内出血的深度学习模型，以提高诊断效率和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	attention-based bidirectional LSTM, CNN	image	10,699非对比头部CT扫描（来自7,469名患者），外部测试集491例（178名女性）
207	2025-06-19	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究探讨了深度学习AI在乳腺X光筛查中替代双读的可行性和准确性	比较了三种AI集成筛查方案与标准双读加仲裁的差异，发现AI替代部分或全部读者是可行的	研究为回顾性设计，AI阈值选择部分基于先前验证，可能影响结果普适性	评估AI在乳腺X光筛查工作流中不同部署位置的准确性和可行性	249402张来自代表性筛查人群的乳腺X光片	数字病理	乳腺癌	深度学习	CNN	医学影像	249402张乳腺X光片
208	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
209	2025-06-19	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种利用自发荧光显微镜和深度学习技术，对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法	使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，未涉及其他器官或组织类型	开发一种无需化学染色的淀粉样沉积物可视化方法，以克服传统刚果红染色的局限性	人体组织中的淀粉样沉积物	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及具体样本数量，仅提到心脏组织
210	2025-06-19	Automated design of multi-target ligands by generative deep learning 2024-09-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	research paper	本文探讨了使用化学语言模型（CLM）生成多靶点配体以设计多药理学的方法	利用CLM从小规模微调分子集中学习，成功偏向设计具有与目标对已知配体相似性的药物样分子	仅测试了12个CLM设计分子对6个目标对的效果，样本量有限	探索生成深度学习模型在设计多靶点配体中的应用	多靶点配体	machine learning	NA	化学语言模型（CLM）	CLM	分子字符串表示（如SMILES）	12个CLM设计分子针对6个目标对
211	2025-06-19	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	评估深度学习模型在亚洲人群中预测基于胸部X光片的生物年龄（CXR-Age）的预后价值	首次在大型亚洲人群外部测试队列中验证深度学习模型预测的生物年龄与多种生存结果的关联	单中心回顾性研究，结果可能受限于特定人群和机构	验证基于胸部X光片的深度学习模型预测生物年龄的预后价值	50-80岁无症状亚洲人群的胸部X光片	数字病理学	多种疾病（心血管疾病、肺癌、呼吸系统疾病）	深度学习	CNN	图像（胸部X光片）	36,924名个体
212	2025-06-19	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	research paper	开发一种深度学习算法，利用MRI和基本临床数据预测缺氧缺血性脑病新生儿2年神经发育结果	使用多序列MRI和基本临床变量训练深度学习分类器，预测新生儿2年神经发育结果	样本量相对较小，且仅来自17个机构	预测缺氧缺血性脑病新生儿2年神经发育结果	患有缺氧缺血性脑病的足月新生儿	digital pathology	geriatric disease	MRI, diffusion tensor imaging	CNN	image	414名新生儿（232名男性，182名女性）
213	2025-06-19	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	research paper	评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，与专家评估结果高度一致	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发并评估一种自动化深度学习方法，用于腹水的检测和体积量化	肝硬化患者和卵巢癌患者的腹部-盆腔CT扫描图像	digital pathology	肝硬化和卵巢癌	深度学习	CNN	CT扫描图像	共315名患者（NIH-LC 25名，NIH-OV 166名，UofW-LC 124名）
214	2025-06-19	Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects 2024-04-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi5794 PMID:38598626	research paper	开发了一种微米级精度配准方法，将2D H&E切片与3D OCT图像对应，并利用条件生成对抗网络实现OCT图像到虚拟H&E切片的转换	提出微米级精度配准方法，实现非侵入性OCT图像到虚拟H&E切片的高保真转换	未提及在临床应用中的具体验证结果	开发非侵入性虚拟活检技术，减少不必要的活检程序	人类组织样本	digital pathology	cancer	optical coherence tomography (OCT)	conditional generative adversarial network	image	NA
215	2025-06-19	Three-dimensional assessments are necessary to determine the true, spatially-resolved composition of tissues 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.04.569986 PMID:38106231	research paper	该研究应用深度学习平台CODA重建人类胰腺标本的三维微解剖结构，比较了二维和三维评估方法在组织成分分析中的差异	首次通过三维重建技术揭示二维组织切片在评估组织异质性方面的不足，并提出需要更多样本才能准确反映组织成分	研究仅针对胰腺组织，未验证其他器官的适用性	评估三维组织成像在准确分析正常和异常组织成分方面的必要性	人类胰腺切除标本（正常组织和癌组织）	digital pathology	pancreatic cancer	CODA深度学习平台，三维重建技术	deep learning	image	未明确说明具体样本数量，但涉及多个胰腺切除标本的二维全切片图像和三维重建厚切片
216	2025-06-19	Deep learning-based accurate diagnosis and quantitative evaluation of microvascular invasion in hepatocellular carcinoma on whole-slide histopathology images 2024-03, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7104 PMID:38488408	research paper	开发了一种基于深度学习的模型，用于在肝细胞癌全切片组织病理学图像上准确诊断和定量评估微血管侵犯	提出的MVI-AIDM模型在独立外部验证集上准确率达到94.25%，显著高于病理学家的检测率，并能自动量化癌细胞数量和提供MVI的空间信息	研究依赖于特定医院和TCGA数据库的数据，可能限制了模型的泛化能力	提高微血管侵犯（MVI）诊断的效率和准确性	肝细胞癌（HCC）患者	digital pathology	liver cancer	H&E染色	deep-learning model	image	753名HCC患者的H&E染色切片，外加TCGA数据库中的358名患者作为外部验证集
217	2025-06-19	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	research paper	本文提出了一种使用深度学习技术增强MRI图像中脑肿瘤检测和分割的方法	采用二进制卷积神经网络（BCNN）进行分割，能够处理10种最常见的脑肿瘤类型，显著优于现有仅能分割4种类型的模型	NA	提高脑肿瘤的早期精确检测和分割，以支持有效治疗	脑肿瘤	digital pathology	brain tumor	deep learning	BCNN	MRI images	6,600张脑部MRI图像
218	2025-06-19	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-07, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02889-9 PMID:37253900	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
219	2025-06-18	Asymmetric scatter kernel estimation neural network for digital breast tomosynthesis 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22008 PMID:40520916	research paper	提出了一种基于非对称散射核叠加的深度学习方法，用于数字乳腺断层合成（DBT）中的散射估计	该方法考虑了散射形成的物理基础，通过生成散射振幅分布、散射核宽度和非对称因子图，改进了现有端到端训练方法的不足	NA	改进数字乳腺断层合成中的散射估计方法	数字乳腺断层合成（DBT）投影数据	digital pathology	breast cancer	deep learning	CNN	image	数值模拟体模数据和物理实验数据
220	2025-06-18	Comparing percent breast density assessments of an AI-based method with expert reader estimates: inter-observer variability 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22011 PMID:40520917	research paper	比较基于AI的方法与专家评估的乳腺密度百分比，研究观察者间变异性	使用深度学习模型MAI-VAS进行乳腺密度评估，相比专家评估具有更低观察者间变异性	研究仅基于1328名女性的数据，可能无法代表更广泛人群	评估AI方法与专家在乳腺密度评估和乳腺癌风险预测方面的一致性和准确性	1328名女性的乳腺筛查数据	digital pathology	breast cancer	deep learning	MAI-VAS	image	1328名女性