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
301	2025-06-23	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	research paper	该研究探讨了在非小细胞肺癌预后预测中，利用机器学习算法从健康器官提取的放射组学信息的附加价值	首次提出并验证了健康器官放射组学（Organomics）在非小细胞肺癌预后预测中的重要性，突破了传统仅关注恶性病灶的研究模式	样本量较小（154例），且数据来源于在线数据库，可能影响模型的泛化能力	探索健康器官放射组学信息对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT图像	digital pathology	lung cancer	PET/CT成像	nnU-Net, random survival forest, CoxPH	医学影像（PET/CT）	154例患者PET/CT图像
302	2025-06-23	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	该研究结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的深度学习流程，用于快速术中检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他CNS肿瘤区分	首次将SRH与深度学习结合，实现了在3分钟内完成PCNSL的检测与鉴别，且准确率优于传统冰冻切片分析	研究样本主要来自四个国际医疗中心，可能存在一定的选择偏差	开发一种快速准确的术中诊断方法，以区分PCNSL和其他CNS肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）及其他CNS肿瘤/非肿瘤病变	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习（具体架构未明确说明）	图像	训练集：54,000个SRH图像块；测试集：三个独立队列（n=160, n=420, n=59）
303	2025-06-23	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	research paper	本研究利用卷积神经网络（CNN）从平衡放射性核素心血管造影数据集中生成深度学习驱动的感兴趣区域（ROIs），用于左心室射血分数（LVEF）测量	采用2D U-Net卷积神经网络架构自动生成ROIs，减少了观察者间的变异性，提高了LVEF测量的便利性和可重复性	研究依赖于手动绘制的ROIs作为预处理基础，可能存在初始偏差；样本量虽大但未说明是否涵盖多样化的临床场景	开发基于深度学习的自动化方法以提升LVEF测量的准确性和效率	平衡放射性核素心血管造影数据集中的左心室ROIs	digital pathology	cardiovascular disease	equilibrium radionuclide angiography	2D U-Net CNN	medical imaging	41,462次扫描（来自19,309名患者）
304	2025-06-23	Clinical Feasibility of Deep Learning-Based Attenuation Correction Models for Tl-201 Myocardial Perfusion SPECT 2024-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005129 PMID:38409758	研究论文	本研究旨在开发基于深度学习的Tl-201心肌灌注SPECT图像的衰减校正模型，并评估其临床可行性	提出了一种基于深度学习的图像到图像转换技术，用于将未经衰减校正的图像转换为基于CT的衰减校正图像，并采用改进的U-Net模型进行训练	研究为回顾性研究，样本来源仅限于疑似或已知冠状动脉疾病的患者	开发并评估基于深度学习的Tl-201心肌灌注SPECT图像衰减校正模型的临床可行性	疑似或已知冠状动脉疾病的患者	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	657名男性和328名女性（年龄65±11岁）
305	2025-06-23	A Convolutional Neural Network for Automated Detection of Cervical Ossification of the Posterior Longitudinal Ligament using Magnetic Resonance Imaging 2024-04-01, Clinical spine surgery IF:1.6Q3 DOI:10.1097/BSD.0000000000001547 PMID:37941120	研究论文	开发并验证了一个基于卷积神经网络（CNN）的模型，用于通过磁共振成像（MRI）自动检测颈椎后纵韧带骨化（OPLL）	首次尝试开发深度学习模型用于MRI图像中颈椎OPLL的检测	回顾性研究设计可能限制了结果的普遍性	区分颈椎OPLL和多节段退变性椎管狭窄	颈椎OPLL和退变性椎管狭窄患者	数字病理	颈椎病	MRI	CNN（ResNet34, ResNet50, ResNet101）	图像	684例（272例OPLL和412例退变性患者）
306	2025-06-23	Distinct chemical environments in biomolecular condensates 2024-Mar, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01432-0 PMID:37770698	research paper	该研究探讨了无膜生物分子凝聚体中不同化学环境对分子选择性分布的影响	利用小分子探针揭示不同凝聚体具有独特的化学溶解特性，并通过深度学习预测探针在凝聚体中的选择性分配	未具体说明实验所用凝聚体类型和数量的局限性	研究无膜生物分子凝聚体中化学环境对分子分布的调控机制	生物分子凝聚体和小分子探针	machine learning	NA	深度学习	deep learning	化学探针数据	NA
307	2025-06-23	Crossing the 'Cookie Theft' Corpus Chasm: Applying what BERT Learns from Outside Data to the ADReSS Challenge Dementia Detection Task 2021-Apr, Frontiers in computer science IF:2.4Q3 DOI:10.3389/fcomp.2021.642517 PMID:40535703	research paper	该研究探讨了如何利用外部数据提升深度学习模型在ADReSS挑战赛中的痴呆检测任务性能	通过整合Wisconsin Longitudinal Study (WLS)的新语料库，显著增加了训练数据量，并探索了基于推断认知状态选择规范数据的方法	WLS转录本的元数据中缺乏痴呆诊断信息，需依赖认知测试结果推断认知状态	提升深度学习模型在阿尔茨海默病(AD)患者语言特征分类中的性能	阿尔茨海默病患者和健康对照者的自发语音样本	natural language processing	geriatric disease	BERT模型	BERT	text	1366份来自WLS的Cookie Theft Task转录本，加上DementiaBank的数据
308	2025-06-22	MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10277-3 PMID:40538970	research paper	提出了一种名为MBRSTCformer的知识嵌入局部-全局时空变换器，用于基于EEG的情绪识别	结合大脑认知机制，提出了多脑区协作网络和级联金字塔空间融合时间卷积网络，以更好地提取脑区局部特征	NA	开发一种鲁棒的基于EEG的情绪识别模型	EEG信号	machine learning	NA	EEG	transformer (MBRSTCformer), CNN	EEG信号	两个主流情绪识别数据集（DEAP和DREAMER）
309	2025-06-22	Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset 2025-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3537868 PMID:40031386	research paper	该研究通过光学相干断层扫描（OCT）图像数据集，探索了耳蜗植入后纤维化的量化方法，旨在减少纤维化负担并改善耳蜗植入患者的治疗效果	首次将计算机视觉技术应用于植入耳蜗纤维化的OCT数据集，并开发了一种改进的UNET架构（2D-OCT-UNET）用于高分辨率图像分割	研究基于豚鼠模型，结果可能需要进一步验证才能推广到人类	研究耳蜗纤维化的形成机制，以减少纤维化负担并提高耳蜗植入患者的治疗效果	慢性植入豚鼠的耳蜗OCT图像	digital pathology	hearing loss	optical coherence tomography (OCT)	UNET (2D-OCT-UNET)	image	豚鼠OCT图像数据集（具体数量未提及）
310	2025-06-22	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	review	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景，特别是在癌症诊断、预后评估和治疗策略中的作用	探讨了AI在肿瘤病理学中的创新应用，包括自动肿瘤检测、分子生物标志物识别以及治疗反应预测，并展望了基础模型和通用模型等AI算法的未来发展	目前尚无基于IA或IB级别证据的AI预后或预测性生物标志物，且数据可用性、可解释性和监管问题仍是临床应用的障碍	评估AI在癌症病理学中的当前应用并探讨其未来发展方向	肿瘤诊断、分子生物标志物检测和癌症预后评估	digital pathology	oncology	AI-based algorithms, transformer-based deep learning	foundation models, generalist models	image, multi-omics data	NA
311	2025-06-22	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2025-Jun-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	research paper	提出一种基于深度学习的多任务模型，用于自动分割和分类颈动脉斑块在CEUS图像和视频中的IPN等级	开发了一个多任务深度学习模型，用于自动分割和IPN等级分类，并在CEUS图像和视频上表现优于单独训练的模型和部分放射科医生	未明确提及具体局限性，但可能包括模型在更广泛数据集上的泛化能力或对高级放射科医生表现的比较不足	提升颈动脉斑块易损性评估的自动化和准确性	颈动脉斑块在CEUS图像和视频中的IPN等级	digital pathology	cardiovascular disease	contrast-enhanced ultrasound (CEUS)	multi-task deep learning model	image, video	未明确提及具体样本数量，但涉及CEUS图像和视频
312	2025-06-22	Accurate de novo design of high-affinity protein-binding macrocycles using deep learning 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01929-w PMID:40542165	研究论文	介绍了一种基于深度学习的去噪扩散管道RFpeptides，用于设计针对特定蛋白质靶点的大环结合物	首次提出了一个稳健的从头设计蛋白质结合大环的方法，无需依赖大规模筛选	仅测试了四种蛋白质靶点，样本量相对较小	开发一种高效且可定制的大环肽设计方法，用于诊断和治疗应用	蛋白质靶点和大环结合物	机器学习	NA	深度学习	去噪扩散模型	蛋白质结构数据	针对四种蛋白质靶点设计了20个或更少的大环结合物
313	2025-06-22	Deep learning-designed dynamics 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01963-8 PMID:40542166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
314	2025-06-22	Advancing atomic electron tomography with neural networks 2025-Jun-19, Applied microscopy DOI:10.1186/s42649-025-00113-7 PMID:40533670	综述	本文综述了神经网络在原子电子断层扫描（AET）中的应用进展	将深度学习特别是卷积神经网络（CNN）整合到AET工作流程中，显著提高了重建保真度	重建伪影由几何限制和电子剂量约束引起，可能阻碍可靠的原子结构确定	提高三维原子成像的准确性，推动纳米科学前沿发展	纳米材料的三维原子结构	计算机视觉	NA	原子电子断层扫描（AET）	CNN	图像	NA
315	2025-06-22	A primer on variational inference for physics-informed deep generative modelling 2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2024.0324 PMID:40534291	review	本文提供了关于变分推断（VI）在物理信息深度生成建模中的技术介绍，包括其在前向和逆问题中的应用	统一并回顾了近期关于VI灵活性的文献，特别强调了其在物理相关问题中的不确定性量化能力	NA	解决基于物理的问题，特别强调不确定性量化	变分推断（VI）在物理信息深度生成建模中的应用	machine learning	NA	变分推断（VI）	deep learning	NA	NA
316	2025-06-22	Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms 2025-Jun-19, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110478 PMID:40541073	研究论文	开发了两种深度学习模型MRANet和MLRANet，用于从不完全川崎病和肺炎的超声心动图中区分冠状动脉异常	提出了MRANet和MLRANet两种新型深度学习模型，通过多感受野注意力机制提高诊断准确性，MLRANet在检测冠状动脉异常方面表现超过专家水平	研究样本量较小（203个超声心动图数据集），且未提及模型在其他疾病或更大数据集上的泛化能力	开发能够辅助诊断不完全川崎病的计算机辅助诊断工具	不完全川崎病和肺炎患者的超声心动图数据	数字病理	川崎病	深度学习	MRANet, MLRANet	超声心动图图像	203个超声心动图数据集
317	2025-06-22	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Jun-19, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发并验证了一种基于U-Net的深度学习模型，用于在乳腺X光片中检测、分割和量化乳腺动脉钙化（BAC），以提高心血管风险评估的筛查准确性	采用改进的U-Net架构，结合Hausdorff损失、Dice损失和二元交叉熵（BCE）损失进行分割和量化，显著提高了BAC的检测和量化准确性	研究为回顾性研究，样本量相对较小（369名患者），可能影响模型的泛化能力	提高乳腺X光片中BAC的检测和量化准确性，以改进心血管风险评估	乳腺X光片中的乳腺动脉钙化（BAC）	数字病理学	心血管疾病	深度学习	U-Net	图像	369名患者的乳腺X光片
318	2025-06-20	Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging 2025-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61097-2 PMID:40533457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
319	2025-06-22	Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer 2025-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00971-0 PMID:40533499	research paper	该研究提出了一种结合多任务学习（MTL）和多实例学习（MIL）的深度学习框架，用于预测乳腺癌患者的腋窝淋巴结转移状态	首次将MTL和MIL框架应用于乳腺癌腋窝淋巴结转移预测，模拟真实临床诊断场景，并采用Transformer模型Segformer作为网络骨干	未明确说明样本选择的潜在偏差以及模型在其他癌症类型中的泛化能力	开发一个能够辅助临床医生评估乳腺癌患者腋窝淋巴结状态的深度学习模型	乳腺癌患者的超声图像（原发肿瘤和腋窝淋巴结区域）	digital pathology	breast cancer	deep learning	Segformer (Transformer-based)	ultrasound images	训练队列和内外测试队列（具体数量未说明）
320	2025-06-22	Quality appraisal of radiomics-based studies on chondrosarcoma using METhodological RadiomICs Score (METRICS) and Radiomics Quality Score (RQS) 2025-Jun-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02016-3 PMID:40533701	研究论文	评估基于放射组学的骨软骨肉瘤研究方法学质量，使用METRICS和RQS评分工具	首次使用METRICS和RQS评分工具系统评估骨软骨肉瘤放射组学研究的方法学质量	纳入研究均为回顾性设计，缺乏前瞻性研究和基于深度学习的分析	评估骨软骨肉瘤放射组学研究的质量并促进临床转化	骨软骨肉瘤的放射组学研究	数字病理	骨软骨肉瘤	放射组学分析	NA	医学影像（MRI、CT）	18篇研究论文