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
261	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)
262	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）
263	2025-05-23	Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240271 PMID:40202416	research paper	开发了一种自适应双任务深度学习模型（ThyNet-S），用于在超声筛查中检测和分类甲状腺病变	通过动态整合像素级特征分析和深度语义特征分析，实现了甲状腺病变的自动检测和分类，同时优化了临床决策	研究为回顾性研究，可能受到数据选择偏差的影响	提高甲状腺癌筛查的效率和准确性	甲状腺超声图像	digital pathology	thyroid cancer	ultrasound screening	adaptive dual-task deep learning model (ThyNet-S)	image	35,008张甲状腺超声图像，来自23,294次检查
264	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
265	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
266	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）
267	2025-05-23	Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf020 PMID:40395417	研究论文	开发并验证了一种结合心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性稳定冠状动脉疾病风险	提出了一种多模态深度学习模型（DL-MM），结合心电图波形和临床风险因素，显著提高了阻塞性冠状动脉疾病的预测准确性	需要前瞻性研究来验证深度学习方法在心电图分析中对阻塞性冠状动脉疾病诊断和预后的实际改善效果	提高阻塞性稳定冠状动脉疾病（oCAD）的诊断准确性	疑似慢性冠状动脉疾病（CCD）患者	机器学习	心血管疾病	深度学习	DL-ECG, DL-Clinical, DL-MM	心电图波形和临床特征	四年期间在一家四级医疗中心接受侵入性血管造影评估的患者
268	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
269	2025-05-23	Grading of Foveal Hypoplasia Using Deep Learning on Retinal Fundus Images 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.18 PMID:40402544	research paper	本研究开发并评估了一种基于深度学习的模型，用于通过视网膜眼底图像对中心凹发育不全进行分级	使用深度学习模型对中心凹发育不全进行二分类和六等级分类，其表现优于资深和初级临床医生的评估	研究为回顾性研究，可能受到数据收集时间跨度和样本量的限制	开发并评估一种深度学习模型，用于自动分级中心凹发育不全	303名中心凹发育障碍患者的605张视网膜眼底图像	digital pathology	眼科疾病	光学相干断层扫描	EfficientNet_b1	image	605张视网膜眼底图像（来自303名患者）
270	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
271	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
272	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）
273	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
274	2025-05-23	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究利用人工智能技术对前段光学相干断层扫描（AS-OCT）图像进行深度学习分类，自动分析AS-OCT图像的角结构并分类前房角，以提高AS-OCT图像分析的效率	开发了一种基于深度学习的AS-OCT图像自动前房角分析软件，并应用迁移学习于ResNet-50架构，实现了高效的前房角闭合检测	样本主要来自上海社区的老年人青光眼筛查项目，可能限制了结果的普适性	提高AS-OCT图像分析的效率，自动化前房角的临床评估	AS-OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ResNet-50	图像	687名参与者的94895张AS-OCT图像
275	2025-05-23	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	research paper	该研究通过深度学习模型的多尺度特征融合，提高了糖尿病视网膜病变和黄斑水肿的自动检测准确率	采用独特的融合技术结合高级语义输入和低级纹理特征，提升了诊断准确性	研究仅使用了MESSIDOR数据集，可能在其他数据集上的泛化能力未经验证	提高糖尿病视网膜病变和黄斑水肿的早期自动检测准确率	糖尿病视网膜病变和黄斑水肿的视网膜图像	digital pathology	diabetic retinopathy	deep learning	CNN	image	MESSIDOR数据集中的视网膜图像
276	2025-05-23	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果	首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用	样本量较小（53名儿童），且为单中心研究	优化儿童超广角眼底成像技术以提高周边视网膜病变检出率	53名儿童（106只眼）的超广角眼底图像	数字病理	视网膜病变	超广角Optos成像系统（Daytona P200T）	基于深度学习的图像分割工具	图像	53名儿童（106只眼）
277	2025-05-23	LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images 2025-Mar-31, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02645-y PMID:40164925	研究论文	介绍了一种名为LEyes的轻量级框架，用于通过合成眼图进行基于深度学习的眼动追踪	LEyes框架采用简单的合成图像生成器而非传统的光照真实方法，提高了训练神经网络的效率，并适应任何记录设备	合成图像可能无法完全捕捉真实眼图的复杂性和多样性	克服眼动追踪技术中训练数据不足和模型泛化能力差的问题	眼动追踪中的瞳孔和角膜反射检测	计算机视觉	NA	深度学习	神经网络	图像	多样化的数据集
278	2025-05-23	Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56505-6 PMID:40050617	research paper	提出了一种名为HiPaS的深度学习方法，用于在非对比CT和CTPA上实现肺动脉和静脉的精确分割	HiPaS方法首次在非对比CT上实现了肺动脉和静脉的精确分割，无需使用对比剂，且性能不劣于传统CTPA方法	NA	开发一种无需对比剂的肺动脉和静脉分割方法，用于疾病诊断和手术规划	肺动脉和静脉的解剖结构	digital pathology	lung cancer	deep learning	CNN	CT图像	1073个CT体积（训练集）和11,784名参与者（大规模分析）
279	2025-05-23	EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00667-2 PMID:39578307	研究论文	提出了一种名为EfficientNet-resDDSC的混合深度学习模型，用于从单细胞数据中推断基因间的因果关系	结合了残差块和扩张卷积，增强了模型在初级阶段的低层次特征提取能力，并通过深度可分离卷积和扩张卷积在不增加计算量的情况下扩大了模型的感受野	未提及具体局限性	构建基因调控网络（GRNs）以揭示基因间的因果关系	单细胞RNA测序（scRNA-seq）数据	机器学习	乳腺癌	scRNA-seq	EfficientNet-resDDSC（结合了残差块和扩张卷积的深度学习模型）	单细胞RNA测序数据	四个数据集
280	2025-05-23	Preoperative diagnosis of meningioma sinus invasion based on MRI radiomics and deep learning: a multicenter study 2025-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00845-5 PMID:40022261	研究论文	本研究通过结合放射组学和深度学习特征构建融合模型，用于脑膜瘤窦侵犯的术前精确诊断	首次构建了结合放射组学和多种深度学习特征（VGG、ResNet、DenseNet）的融合模型，并在多中心数据集中验证了其优越的诊断性能	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性	开发脑膜瘤窦侵犯的术前精确诊断方法	601例经手术病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI影像分析	随机森林（RF）、VGG、ResNet、DenseNet	医学影像	601例患者（训练集、内部验证集和独立外部验证集）