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
2201	2025-05-02	Automated classification of coronary LEsions fRom coronary computed Tomography angiography scans with an updated deep learning model: ALERT study 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11308-z PMID:39792162	研究论文	本研究评估了更新后的深度学习模型CorEx-2.0在冠状动脉CT血管造影（CCTA）中定量测量冠状动脉狭窄的诊断性能	使用更新的深度学习模型CorEx-2.0进行冠状动脉狭窄定量测量，以减少读者间差异并提高临床报告效率	单中心回顾性研究，样本量较小（50名患者和150条血管）	评估深度学习模型在冠状动脉狭窄分级和报告中的客观性	冠状动脉CT血管造影（CCTA）扫描	数字病理学	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习模型（CorEx-2.0）	医学影像	50名患者和150条血管
2202	2025-05-02	Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408451 PMID:39792693	研究论文	该研究开发了一种名为HER2Net的深度学习模型，用于基于全切片组织病理学图像预测胃癌的HER2状态	创新性地开发了HER2Net模型，通过定量计算HER2高表达区域的比例来预测HER2状态	研究为回顾性多中心研究，可能存在数据偏差	开发一种经济可行且易于使用的工具，用于区分胃癌患者的HER2状态	胃癌患者的全切片组织病理学图像	数字病理学	胃癌	深度学习	CNN	图像	内部训练集520名患者的531张H&E全切片图像，内部测试集111名患者的115张图像，外部多中心测试集101名患者的102张图像
2203	2025-05-02	A novel lightweight deep learning based approaches for the automatic diagnosis of gastrointestinal disease using image processing and knowledge distillation techniques 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108579 PMID:39798279	研究论文	提出了一种基于轻量级深度学习的自动诊断胃肠道疾病的方法，结合图像处理和知识蒸馏技术	通过集成模型压缩技术、ConvLSTM层和ConvNext Blocks，并利用知识蒸馏优化，提出了一种计算高效的轻量级模型	研究仅基于6000张内窥镜图像，可能缺乏更大规模或多样化的数据验证	解决深度神经网络在临床环境中的计算效率问题，提高胃肠道疾病的自动诊断效率	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	知识蒸馏（KD）、图像预处理技术（自适应降噪和图像细节增强）	ConvLSTM、ConvNext Blocks	图像	6000张内窥镜图像
2204	2025-05-02	Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109649 PMID:39798507	研究论文	本研究利用深度学习技术，通过弱标注的组织病理学全切片图像（WSIs）研究结直肠癌（CRC）分类问题	提出WSI标签预测函数与多实例学习（MIL）算法结合，显著提升了WSI级别分类的性能，并在仅使用弱标注WSIs的情况下超越了基于强标注数据集预训练的基线结果	仅针对结直肠癌分类进行研究，未涉及其他癌症类型	开发高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类	结直肠癌的组织病理学全切片图像（WSIs）	数字病理学	结直肠癌	深度学习	MIL（多实例学习）	图像	NA
2205	2025-05-02	Automatic medical imaging segmentation via self-supervising large-scale convolutional neural networks 2025-Mar, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110711 PMID:39798701	研究论文	本研究开发了一种基于自监督学习的大规模深度学习模型，用于医学图像分割，旨在克服监督学习和临床数据变异性的限制	利用自监督学习和稀疏子流形卷积进行预训练，设计了一系列不同规模的稀疏子流形U-Net（SS-UNets），在多个未见数据集上表现出优越性能	未提及具体的数据集规模限制或模型在不同医疗中心间的泛化能力验证	开发一种鲁棒的医学图像分割模型，减少对大量标注数据的依赖，提高模型的泛化能力	医学图像（CT、MRI和PET）中的器官和病变分割	数字病理	癌症	自监督学习，稀疏子流形卷积	SS-UNets（基于U-Net的变体）	医学影像（CT、MRI和PET）	多中心CT数据集，TotalSegmentator数据集，四个未见数据集和三个额外数据集用于评估
2206	2025-05-02	Artificial intelligence for left ventricular hypertrophy detection and differentiation on echocardiography, cardiac magnetic resonance and cardiac computed tomography: A systematic review 2025-Mar-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.132979 PMID:39798885	系统综述	本文系统综述了人工智能在心脏影像学中检测和区分左心室肥厚（LVH）及其病因的诊断性能	探讨了AI在LVH检测和病因区分中的应用，展示了深度学习与传统机器学习在不同心脏影像技术中的表现	需要更多研究进行实际验证和成本效益分析	研究AI模型在心脏影像学中检测和区分LVH及其常见病因的诊断性能	左心室肥厚（LVH）及其病因	数字病理学	心血管疾病	超声心动图、心脏磁共振（CMR）、心脏计算机断层扫描（CT）	深度学习（DL）、卷积神经网络（CNN）、传统机器学习（ML）	影像数据	30项研究（14项超声心动图、15项CMR、1项心脏CT）
2207	2025-05-02	An efficient deep learning system for automatic detection of Acute Lymphoblastic Leukemia 2025-Mar, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.12.043 PMID:39799077	research paper	提出了一种基于深度学习的急性淋巴细胞白血病自动检测系统，结合MobileNetV2和ShuffleNet以提高检测性能	结合MobileNetV2和ShuffleNet，引入建议的权重因子和最优阈值以平衡计算效率和分类性能	未提及模型在其他数据集上的泛化能力	开发高效的急性淋巴细胞白血病自动检测系统	急性淋巴细胞白血病（ALL）的检测	digital pathology	leukemia	deep learning, transfer learning	MobileNetV2, ShuffleNet	image	ALLIDB1和ALLIDB2数据集
2208	2025-05-02	Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109670 PMID:39799830	研究论文	提出了一种名为Glo-Net的深度学习模型，用于肾病理学中多类肾小球的精确分割和分类	Glo-Net通过将传统语义分割网络分为分割和分类两个分支，并引入创新的损失函数来解决类别不平衡问题，提高了小类肾小球的分类准确性和分割性能	NA	提高肾病理学中肾小球的分割和分类准确性	数字化病理切片中的肾小球	数字病理学	肾脏疾病	深度学习	Glo-Net（基于双任务分支的神经网络）	图像	多机构数据集（包括外部验证集）
2209	2025-05-02	Application of deep learning in automated localization and interpretation of coronary artery calcification in oncological PET/CT scans 2025-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03327-8 PMID:39804436	研究论文	本研究开发了一种基于DLA-3D模型的AI方法，用于在非门控PET/CT扫描中自动检测冠状动脉钙化（CAC）	首次将DLA-3D模型应用于非门控、自由呼吸、低剂量CT图像的CAC自动检测，实现了专家级别的性能	研究仅基于单一医疗中心的回顾性数据，样本量为677例PET/CT扫描	开发AI方法用于自动检测癌症患者PET/CT扫描中的冠状动脉钙化	677例来自医疗中心的PET/CT扫描数据	数字病理学	心血管疾病	PET/CT扫描	DLA-3D	医学影像	677例PET/CT扫描（训练集88%，测试集12%）
2210	2025-05-02	MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410981 PMID:39804866	research paper	开发了一个基于多模态深度学习框架的深度学习模型MMFuncPhos，用于预测功能性磷酸化位点及其调控类型	首次开发了基于迁移学习的EFuncType模型，用于预测磷酸化残基是否上调或下调酶活性	NA	理解磷酸化的功能调控机制，并为精准医学、酶工程和药物发现提供有价值的工具	蛋白质磷酸化位点及其调控类型	machine learning	NA	deep learning, transfer learning	MMFuncPhos, EFuncType	protein phosphorylation data	NA
2211	2025-05-02	Artificial intelligence in clinical genetics 2025-Mar, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-024-01782-w PMID:39806188	review	本文综述了人工智能在临床遗传学中的应用及其未来发展	探讨了AI在临床遗传学中的新兴应用，包括临床诊断、管理与治疗以及临床支持	AI在临床遗传学中的具体影响速度和整体后果尚不明确	研究人工智能在临床遗传学领域的应用及其潜在影响	临床遗传学的各个方面，包括诊断、治疗和临床支持	machine learning	NA	NA	NA	NA	NA
2212	2025-05-02	Metastatic Lung Lesion Changes in Follow-up Chest CT: The Advantage of Deep Learning Simultaneous Analysis of Prior and Current Scans With SimU-Net 2025-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000808 PMID:39808543	研究论文	本文评估了SimU-Net这一新型深度学习方法在自动分析转移性肺部病变及其在胸部CT扫描中的时间变化方面的效果	提出SimU-Net，一种同时多通道3D U-Net模型，用于成对注册的先前和当前患者扫描，实现了转移性肺部病变的自动检测、分割、匹配和分类	样本量相对较小，仅包含79名患者的344对扫描	评估SimU-Net在自动分析转移性肺部病变及其时间变化方面的性能	转移性肺部病变	数字病理	肺癌	胸部CT扫描	SimU-Net（基于3D U-Net）	3D医学影像	79名患者的344对胸部CT扫描，共5040个转移性肺部病变
2213	2025-05-02	Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102475 PMID:39808868	research paper	提出了一种名为A-LIKNet的新型深度学习网络，用于MRI重建，通过嵌入低秩、图像和k空间等多域信息，实现单次屏气心脏电影成像	采用并行分支结构实现k空间和图像域的独立学习，引入注意力机制为关键线圈或重要时间帧分配更大权重，通过耦合信息共享层实现域间信息交换	仅在内部数据集和OCMR数据集上进行了验证，需要进一步扩大样本量验证泛化能力	加速心脏电影MRI成像并提高重建质量	心脏动态MRI图像	digital pathology	cardiovascular disease	MRI	A-LIKNet（基于注意力的深度学习网络）	图像	91例心血管患者和38例健康受试者的2D心脏电影数据，以及OCMR数据集的实时前瞻性欠采样数据
2214	2025-05-02	PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102490 PMID:39808869	研究论文	提出了一种基于GAN的多任务网络PADS-Net，用于超声图像的去噪和分割，以提高帕金森病的诊断准确性	PADS-Net结合了生成对抗网络和多任务深度学习框架，同时优化超声图像的去噪和分割任务，并采用复合损失函数和放射组学技术提高诊断准确性	NA	提高帕金森病的超声诊断准确性	经颅超声中脑图像	医学影像分析	帕金森病	放射组学技术	GAN, 多任务深度学习网络	超声图像	NA
2215	2025-05-02	Sirolimus as a repurposed drug for tendinopathy: A systems biology approach combining computational and experimental methods 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109665 PMID:39809087	研究论文	本研究通过系统生物学方法结合计算和实验手段，探索西罗莫司作为肌腱病再用途药物的潜力	首次提出基于系统生物学的药物预测策略，整合多组学数据和深度学习技术，发现西罗莫司对肌腱病的治疗潜力	研究主要基于临床前模型，需要进一步临床试验验证	探索现有药物在肌腱病治疗中的再用途潜力	肌腱病相关基因和信号通路	系统生物学	肌腱病	转录组学分析、深度学习、孟德尔随机化、基因敲除	深度学习模型	基因表达数据	154例临床肌腱样本
2216	2025-05-02	Weakly-supervised thyroid ultrasound segmentation: Leveraging multi-scale consistency, contextual features, and bounding box supervision for accurate target delineation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109669 PMID:39809086	research paper	提出一种新颖的弱监督分割框架，用于甲状腺超声图像的分割，通过多尺度一致性、上下文特征和边界框监督来提高分割准确性	结合了空间排列一致性分支、层次预测一致性分支、上下文特征集成分支和多尺度原型细化模块，显著减少了对像素级标注的依赖	在低对比度和噪声背景的甲状腺超声图像中，边界分割仍面临挑战	提高甲状腺超声图像分割的准确性，减少标注时间	甲状腺超声图像	digital pathology	thyroid disease	weakly-supervised learning	CNN	image	两个甲状腺超声数据集（TG3K和TN3K）
2217	2025-05-02	NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.230579 PMID:39812584	研究论文	开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化	提出了一种自监督深度学习方法NNFit，显著提高了光谱量化的计算效率	研究为回顾性分析，需要在前瞻性研究中进一步验证	解决传统光谱量化方法在临床工作流程中的计算瓶颈问题	胶质母细胞瘤和重度抑郁症患者的短回波时间全脑EPSI/GRAPPA扫描数据	医学影像分析	胶质母细胞瘤, 重度抑郁症	短回波时间回波平面光谱成像(EPSI), 广义自动校准部分并行采集(GRAPPA)	自监督深度学习	MR光谱数据	89次扫描（胶质母细胞瘤试验60次+抑郁症试验29次），共945,000个光谱
2218	2025-05-02	A novel hybrid deep learning framework based on biplanar X-ray radiography images for bone density prediction and classification 2025-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07378-w PMID:39812675	research paper	该研究利用深度学习基于双平面X射线摄影图像进行骨密度预测和分类	提出了一种新型混合深度学习框架，用于骨密度预测和分类，具有高准确性和与QCT结果的强相关性	未提及样本量的具体大小及多样性，可能影响模型的泛化能力	开发一种基于深度学习的骨密度预测和分类方法，用于骨质疏松高风险患者的筛查	来自华山医院体检中心的双平面X射线摄影图像	digital pathology	geriatric disease	BPX	hybrid deep learning	image	NA
2219	2025-05-02	Artificial Intelligence-Guided Lung Ultrasound by Nonexperts 2025-Mar-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.4991 PMID:39813064	research paper	评估AI辅助训练医疗专业人员获取诊断质量肺部超声图像的能力	首次验证AI辅助非专家获取诊断质量肺部超声图像的有效性	样本量相对较小（176名参与者），且仅针对特定呼吸系统症状患者	验证AI在辅助非专家获取诊断质量肺部超声图像方面的有效性	21岁及以上呼吸急促患者	digital pathology	cardiogenic pulmonary edema	deep learning	深度学习算法	超声图像	176名参与者（81名女性，平均年龄63岁）
2220	2025-02-14	Comment on "An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models" 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36087-y PMID:39939571	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA