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
221	2025-07-20	Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05169-0 PMID:37558767	研究论文	开发并验证了一种基于深度学习的m6A修饰模型，用于肾细胞癌患者的临床预后预测	首次报道了基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索了METTL14在肾细胞癌中的重要作用	未提及模型在其他癌症类型中的泛化能力	开发一种深度学习模型用于肾细胞癌患者的预后预测，并探索METTL14的生物学功能	肾细胞癌患者及癌细胞	数字病理	肾细胞癌	Western blotting, qRT-PCR, 免疫组化, RNA免疫沉淀	深度学习神经网络	临床数据、实验数据	两个独立患者队列和一个泛癌患者队列
222	2025-07-20	Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data 2023-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104820 PMID:37806288	研究论文	本研究提出了一种名为Circular-SWAT的新方法，用于基于深度学习的阿尔茨海默病诊断分类，应用于代谢组数据	引入了Circular-Sliding Window Association Test (c-SWAT)方法，显著提高了阿尔茨海默病的分类准确率，并识别出与疾病相关的关键脂质	研究仅基于ADNI数据库的997名参与者，可能需要更大样本量验证结果的普适性	提高阿尔茨海默病的诊断分类准确率并识别潜在生物标志物	阿尔茨海默病患者与认知正常老年人的血清代谢组数据	机器学习	阿尔茨海默病	代谢组学分析，脂质组学	CNN, Random Forest	代谢组数据	997名来自ADNI的参与者
223	2025-07-20	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出了一种名为MISPEL的监督式深度学习协调方法，用于处理多扫描仪神经影像数据	MISPEL是一种可自然扩展到两个以上扫描仪的监督式多扫描仪协调方法，并设计了一套标准来调查扫描仪相关的技术变异性和评估协调技术	NA	解决多扫描仪神经影像数据中的技术变异性问题，以提高下游分析的准确性	多扫描仪神经影像数据	神经影像	NA	深度学习	监督式学习	3T T1图像	一个跨四个扫描仪的多扫描仪匹配数据集
224	2025-07-20	Deep learning model for predicting the survival of patients with primary gastrointestinal lymphoma based on the SEER database and a multicentre external validation cohort 2023-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05123-0 PMID:37428248	research paper	本研究基于SEER数据库和多中心外部验证队列，开发了一个深度学习模型用于预测原发性胃肠道淋巴瘤（PGIL）患者的生存率	首次使用深度学习算法（DeepSurv模型）预测PGIL患者的生存率，并通过多中心外部验证队列验证其性能	样本量中外部验证队列的病例数较少（82例），可能影响模型的泛化能力	建立预测PGIL患者生存率的预后模型	原发性胃肠道淋巴瘤（PGIL）患者	digital pathology	gastrointestinal lymphoma	deep learning algorithm	DeepSurv, RSF, CoxPH	clinical data	11,168例来自SEER数据库的患者和82例来自三个医疗中心的外部验证患者
225	2025-07-20	Affine image registration of arterial spin labeling MRI using deep learning networks 2023-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120303 PMID:37536525	研究论文	本研究探讨了基于卷积神经网络（CNN）的仿射配准网络（ARN）在低信噪比（SNR）三维动脉自旋标记（ASL）灌注图像时间序列配准中的可行性，并与最先进的统计参数映射（SPM）算法进行了性能比较	首次将CNN应用于低SNR的ASL灌注图像配准，并展示了在配准精度、速度和泛化能力上的显著优势	未提及对极端运动或异常图像的处理能力	探索深度学习在低SNR功能磁共振图像配准中的应用效果	ASL灌注fMRI图像时间序列	医学图像处理	双相情感障碍及老龄化相关研究	动脉自旋标记（ASL）灌注fMRI	CNN（卷积神经网络）	三维医学图像时间序列	多中心数据集（冥想研究10人×2，双相障碍研究26名对照+19名患者，老龄化研究27名年轻人+33名老年人）
226	2025-07-20	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	本文提出了一种自监督对比学习方法SMoCo，用于基于3D淀粉样蛋白-PET预测轻度认知障碍(MCI)向阿尔茨海默病(AD)的转化	提出了SMoCo方法，结合有标签和无标签数据捕捉图像的一般语义表示，并在预训练中利用标签信息，不同于一般的自监督学习	研究仅基于ADNI数据集，未在其他独立数据集上验证	预测轻度认知障碍(MCI)向阿尔茨海默病(AD)的转化	轻度认知障碍(MCI)患者	计算机视觉	阿尔茨海默病	3D淀粉样蛋白-PET	自监督对比学习模型SMoCo	3D图像	ADNI数据集中的样本
227	2025-07-20	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	research paper	本研究提出了一种基于Swin-Transformer和Focal Loss的FL-STNet模型，用于高相似性和类别不平衡的肺腺癌病理亚型图像识别	首次开发了基于11类分类器的深度学习模型，结合Swin-Transformer和Focal Loss，解决了CNN和Vit的不足	研究仅基于360名患者的样本，可能无法涵盖所有肺腺癌亚型的多样性	提高肺腺癌病理亚型的分类准确性，辅助临床诊断	肺腺癌病理亚型的图像数据	digital pathology	lung cancer	WSI histopathology	Swin-Transformer, FL-STNet	image	360名患者的肺腺癌和其他肺部疾病亚型样本
228	2025-07-20	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本研究提出了一种基于深度学习的注意力模块架构，用于从H&E染色的病理图像中分类子宫内膜癌的微卫星不稳定性状态	提出了一种新的基于注意力模块的深度学习架构，用于从病理图像中提取特征，并通过词袋方法聚合预测概率，实现切片水平的微卫星状态分类	研究仅使用了TCGA子宫内膜癌队列的数据，未在其他独立数据集上进行验证	开发一种快速、低成本的自动化工具，用于子宫内膜癌微卫星不稳定性状态的检测	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	基于注意力模块的CNN	图像	来自TCGA子宫内膜癌队列的H&E染色全切片图像
229	2025-07-20	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	research paper	开发了一种基于深度学习的系统DeepSurv，用于预测食管鳞状细胞癌（ESCC）患者的总生存期（OS），并通过多队列数据验证和可视化新的分期系统	提出了一种基于深度学习的新的分期系统，该系统在预测ESCC患者生存期方面优于传统的nomogram方法，并开发了一个易于使用的基于网络的工具	研究依赖于SEER数据库的数据，可能无法涵盖所有相关临床因素，且外部验证的广泛性未明确说明	开发并验证一种基于深度学习的预测模型和分期系统，以提高ESCC患者生存预测的准确性和实用性	6020名2010年1月至2018年12月诊断为ESCC的患者	digital pathology	esophageal squamous cell carcinoma	deep learning	DeepSurv	clinical data	6020名ESCC患者
230	2025-07-20	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	本文提出了一种结合模糊3D高亮方法和机器学习算法（GOA-SVM和GA-DNN）的脑肿瘤分割与分类方法	采用模糊3D高亮方法进行脑肿瘤分割，并结合两种优化机器学习算法（GOA-SVM和GA-DNN）进行分类	未提及具体数据集规模或临床验证的广泛性	提高脑肿瘤诊断的准确性和效率	脑肿瘤的MRI影像	数字病理学	脑肿瘤	MRI扫描、模糊3D高亮方法、grasshopper优化算法、遗传算法	GOA-SVM、GA-DNN	MRI影像	NA
231	2025-07-20	Differential diagnosis of hepatocellular carcinoma and intrahepatic cholangiocarcinoma based on spatial and channel attention mechanisms 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04935-4 PMID:37268850	研究论文	本研究开发了一种基于通道和空间注意力机制的深度学习模型CSAM-Net，用于术前非侵入性区分肝细胞癌和肝内胆管癌	提出了一种新型的基于通道和空间注意力机制的深度学习模型CSAM-Net，显著提高了肝细胞癌和肝内胆管癌的区分准确率	研究为回顾性研究，样本量相对有限，未来需要更多前瞻性研究验证模型的泛化能力	开发一种有效的非侵入性术前诊断方法，用于区分肝细胞癌和肝内胆管癌	肝细胞癌和肝内胆管癌患者	数字病理	肝癌	CT成像	CSAM-Net（基于通道和空间注意力机制的深度学习模型）	图像	395例肝细胞癌患者和99例肝内胆管癌患者的CT图像
232	2025-07-20	A deep-learning-based clinical risk stratification for overall survival in adolescent and young adult women with breast cancer 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04955-0 PMID:37277578	research paper	本研究构建了一种基于深度学习的临床风险分层模型，用于预测青少年和年轻成年女性乳腺癌患者的总生存期	使用DeepSurv深度学习算法构建预后预测模型，并基于该模型构建了一种新的临床风险分层方法	研究数据仅来自SEER数据库，可能无法代表所有人群	构建乳腺癌青少年和年轻成年女性患者的预后预测模型	青少年和年轻成年女性乳腺癌患者	digital pathology	breast cancer	deep learning	DeepSurv	clinical data	14,243名青少年和年轻成年女性乳腺癌患者
233	2025-07-20	Machine learning and deep learning techniques for breast cancer diagnosis and classification: a comprehensive review of medical imaging studies 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04956-z PMID:37278831	review	本文综述了机器学习和深度学习技术在乳腺癌诊断和分类中的应用，重点关注五种医学影像	全面回顾了五种医学影像（乳腺X光、超声、MRI、组织学和热成像）在乳腺癌诊断中的应用，并讨论了五种流行的机器学习技术和深度学习架构	NA	探讨机器学习和深度学习技术在乳腺癌分类和诊断中的应用及其潜力	乳腺癌的医学影像数据	digital pathology	breast cancer	machine learning, deep learning	Nearest Neighbor, SVM, Naive Bayesian Network, DT, ANN, CNN	medical imaging (mammography, ultrasound, MRI, histology, thermography)	NA
234	2025-07-20	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种基于提示的机器阅读理解（MRC）架构的自然语言处理系统，用于临床概念提取和关系提取，并具有良好的跨机构应用通用性	提出了一种统一的基于提示的MRC架构，用于临床概念提取和关系提取，并在跨机构应用中表现出良好的性能	未明确提及具体限制，但可能包括对特定数据集或任务的依赖性	开发一个统一的自然语言处理系统，用于临床概念和关系提取	临床概念和关系提取	自然语言处理	NA	prompt-based machine reading comprehension (MRC), transformer models	GatorTron-MRC, BERT-MIMIC-MRC	text	2 benchmark datasets from 2018 and 2022 n2c2 challenges
235	2025-07-20	The Objective Dementia Severity Scale Based on MRI with Contrastive Learning: A Whole Brain Neuroimaging Perspective 2023-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s23156871 PMID:37571654	研究论文	提出了一种基于MRI和对比学习的客观痴呆严重程度评分量表（ODSS-MRI），用于自动评估阿尔茨海默病患者的神经功能	利用对比学习策略从结构磁共振图像中挖掘相关信息，提供全面且客观的神经功能评估，无需医生或患者的主观干预	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	开发一种客观评估阿尔茨海默病严重程度的方法，以改进诊断和治疗	阿尔茨海默病患者的神经功能评估	数字病理学	老年病	MRI，对比学习	深度学习框架	图像	阿尔茨海默病神经影像倡议（ADNI）数据集
236	2025-07-20	Knowledge graph aids comprehensive explanation of drug and chemical toxicity 2023-08, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.12975 PMID:37475158	research paper	介绍了一种可解释的深度学习模型AIDTox，用于预测药物和化学物质的细胞毒性，并提供全面的毒性解释	结合了化学-基因连接、基因-通路注释和通路层次结构的专业知识，提高了预测准确性并增强了模型的可解释性	仅针对HepG2和HEK293细胞的细胞毒性进行了验证，未涉及其他细胞类型或体内毒性	开发一个可解释的计算毒理学模型，用于预测和解释复杂毒性终点	药物和化学物质的细胞毒性	computational toxicology	NA	deep learning	AIDTox	chemical-gene connections, gene-pathway annotations, pathway hierarchy	HepG2和HEK293细胞
237	2025-07-20	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究探讨了人工智能算法在评估肺结节恶性和侵袭性方面的性能，并与术中冰冻切片检查进行了比较	使用基于3D卷积神经网络的深度学习系统预测肺结节的恶性和侵袭性，并在多中心队列中验证其性能	AI系统在直径大于1厘米的实性结节中误诊率较高（10.4%）	评估AI算法在肺结节恶性和侵袭性诊断中的性能	直径不超过3厘米的肺结节	数字病理	肺癌	深度学习	3D CNN	CT图像和病理信息	466个切除的肺结节
238	2025-07-20	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种整合临床、基因组和组织病理学的多模态复发评分系统，用于预测局部肾细胞癌术后复发	首次结合临床、基因组和组织病理学三种模态数据，构建多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理	肾细胞癌	全切片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
239	2025-07-20	The 2022 n2c2/UW shared task on extracting social determinants of health 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad012 PMID:36795066	研究论文	本文介绍了2022年n2c2/UW共享任务，旨在从临床记录中提取社会健康决定因素(SDOH)信息	探索了自然语言处理技术在SDOH和更广泛临床信息提取中的应用，并比较了不同技术的性能	提取性能因SDOH类型而异，对于增加健康风险的因素(如物质使用和无家可归)表现较差	推进自然语言处理技术在健康社会决定因素信息提取中的应用	临床文本中的社会健康决定因素信息	自然语言处理	NA	规则、知识库、n-grams、词嵌入和预训练语言模型	序列到序列模型	文本	15个团队参与，使用Social History Annotated Corpus (SHAC)数据集
240	2025-07-20	Noise Suppression With Similarity-Based Self-Supervised Deep Learning 2023-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231428 PMID:37015446	研究论文	提出了一种基于相似性的自监督深度学习去噪方法Noise2Sim，用于抑制CT图像中的独立和相关噪声	首次提出非局部和非线性方式的自监督去噪方法，能够处理CT图像中的相关噪声，理论证明在温和条件下与监督学习方法渐近等价	未提及具体在哪些实际应用场景中可能存在限制	优化低剂量和光子计数CT图像的去噪性能，在最小化辐射剂量的同时提高诊断性能	低剂量CT和光子计数CT图像	计算机视觉	NA	深度学习	自监督深度学习	CT图像	未提及具体样本数量