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
2401	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
2402	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）
2403	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)
2404	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
2405	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
2406	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
2407	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
2408	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)
2409	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
2410	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
2411	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)
2412	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）
2413	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
2414	2025-05-23	Multi-instance learning with attention mechanism for coronary artery stenosis detection on coronary computed tomography angiography 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf029 PMID:40395409	研究论文	本研究提出了一种基于多实例学习和注意力机制的深度学习模型，用于在冠状动脉计算机断层扫描血管成像中检测冠状动脉狭窄	采用多实例学习和注意力机制，通过量化每个切片的贡献来提高诊断的准确性和可解释性	模型在右冠状动脉和左回旋支的校准精度较低	开发一种自动化检测冠状动脉狭窄的方法，以提高诊断准确性和患者预后	冠状动脉狭窄（CAS）检测	数字病理	心血管疾病	深度学习	MIL（多实例学习）模型	图像	900例病例，包括776例左前降支、694例右冠状动脉和600例左回旋支重建
2415	2025-05-23	Identifying heart failure dynamics using multi-point electrocardiograms and deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf016 PMID:40395416	research paper	本研究开发了一种基于Transformer的深度学习模型，利用12导联心电图在不同时间点的变化来评估心力衰竭状态的变化	首次使用12导联心电图在两个不同时间点的数据，通过Transformer模型对心力衰竭状态变化进行分类	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	开发一种非侵入性、高效的心力衰竭监测工具	6531名成年患者的心电图数据	machine learning	cardiovascular disease	ECG	Transformer	ECG波形信号	30,171份心电图（来自6,531名患者）
2416	2025-05-23	Comprehensive full-vessel segmentation and volumetric plaque quantification for intracoronary optical coherence tomography using deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf021 PMID:40395415	research paper	本研究开发并验证了一种基于深度学习的多类语义分割算法（OCT-AID），用于冠状动脉光学相干断层扫描（OCT）图像的全血管分割和斑块体积量化	提出了一种新的深度学习方法，能够处理OCT图像中的多种复杂类别，包括伪影和不稳定斑块，实现了标准化和全面的图像解释	尽管在内部和外部测试集上表现良好，但某些类别的Dice分数较低（如最低为0.281），表明算法在某些特定类别上的分割效果有待提升	开发一种能够自动分割和量化冠状动脉OCT图像中多种结构的算法，以减少人工解释的时间和变异性	冠状动脉OCT图像中的多种结构，包括导丝伪影、管腔、侧支、内膜、中膜、脂质斑块、钙化斑块、血栓、斑块破裂和背景	digital pathology	cardiovascular disease	deep learning-based multiclass semantic segmentation	NA	image	训练集2808帧，内部测试集218帧，外部测试集392帧
2417	2025-05-23	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的潜力	整合深度学习模型与WSIs，探索和挖掘超出病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学分级、预测临床结果及发现新的形态学生物标志物	讨论了将基于深度学习的数字病理学转化为临床实践的机遇与挑战，但未具体提及技术实施的具体障碍	提高组织病理学评估的精确性和效率，支持癌症患者的个性化治疗	全幻灯片图像(WSI)及其在癌症病理学中的应用	数字病理学	癌症	全幻灯片成像技术	CNN, Graph Convolutional Network, Transformer	图像	NA
2418	2025-05-23	"Amide - amine + alcohol = carboxylic acid." chemical reactions as linear algebraic analogies in graph neural networks 2025-Apr-23, Chemical science IF:7.6Q1 DOI:10.1039/d4sc05655h PMID:40395375	研究论文	本文探讨了图神经网络在化学计算数据中的应用，揭示了原子嵌入的算术性质如何代表有效的化学反应公式	展示了原子嵌入在化学图神经网络中表现出的算术性质，类似于自然语言处理中的词嵌入类比，为化学反应的表示提供了解释性	NA	揭示图神经网络在化学计算中的学习机制，解释原子嵌入的算术性质如何对应化学反应	化学计算数据中的原子嵌入和化学反应	机器学习	NA	图神经网络	GNN	化学计算数据	NA
2419	2025-05-23	Estimating hair density with XGBoost 2025-Apr, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.13030 PMID:39551627	研究论文	本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法	采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究	研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况	开发一种更准确和通用的头发密度估计方法	头皮图像	计算机视觉	NA	图像处理	XGBoost	图像	895张头皮图像（745张用于训练，150张用于测试）
2420	2025-05-23	Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	开发了一种利用主动学习和无源域适应的深度学习方法，用于鼻咽癌（NPC）大体肿瘤体积的勾画，以解决在多中心和多位评估者环境中部署分割模型时的变异性和不准确性问题	结合主动学习和无源域适应技术，显著减少了对目标域标记样本的需求，同时在多中心和多位评估者环境中实现了与全监督模型相当的性能	虽然减少了标记样本的需求，但仍需要一定量的目标域标记数据（20%）进行适应	开发一种能够准确且可推广的鼻咽癌大体肿瘤体积分割方法，以克服多中心和多位评估者环境中的变异性和不准确性	鼻咽癌患者的磁共振成像（MRI）扫描	数字病理	鼻咽癌	主动学习，无源域适应	U-Net	MRI图像	1057例来自5家医院的鼻咽癌患者MRI扫描，以及另外170例由4位独立专家标注的患者数据