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
321	2025-05-22	An Ultrasound Image-Based Deep Learning Radiomics Nomogram for Differentiating Between Benign and Malignant Indeterminate Cytology (Bethesda III) Thyroid Nodules: A Retrospective Study 2025-May-21, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.24058 PMID:40396203	研究论文	开发并验证基于术前超声图像和临床特征的深度学习放射组学列线图（DLRN），用于预测细胞学不确定（Bethesda III）甲状腺结节的恶性程度	整合了从预训练Resnet34网络提取的512个DTL特征、超声放射组学特征和临床特征，构建了一个综合诊断模型	研究为回顾性设计，样本量相对较小（训练集155例，内部验证集39例，外部验证集80例）	区分细胞学不确定（Bethesda III）甲状腺结节的良恶性	194例经手术确诊的细胞学不确定（Bethesda III）甲状腺结节患者	数字病理	甲状腺结节	深度学习放射组学	Resnet34	超声图像	训练集155例，内部验证集39例，外部验证集80例
322	2025-05-22	Validation of a deep learning model for the automated detection and quantification of cystoid macular oedema on optical coherence tomography in patients with retinitis pigmentosa 2025-May-21, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.17518 PMID:40396533	research paper	该研究验证了一种基于深度学习的模型，用于自动检测和量化视网膜色素变性患者光学相干断层扫描中的囊样黄斑水肿	开发并验证了一种基于nnU-Net架构的深度学习模型，用于自动检测和量化囊样黄斑水肿，其性能与人类评分者相当	研究样本量相对较小，仅使用了112个OCT体积进行训练和验证，外部测试集仅包含37个SD-OCT扫描	验证深度学习模型在自动检测和量化视网膜色素变性患者囊样黄斑水肿方面的准确性和效率	视网膜色素变性患者的囊样黄斑水肿	digital pathology	retinitis pigmentosa	spectral-domain optical coherence tomography (SD-OCT)	nnU-Net	image	112个OCT体积（70个用于训练，42个用于验证）和37个SD-OCT扫描用于外部测试
323	2025-05-22	Deep Learning with Domain Randomization in Image and Feature Spaces for Abdominal Multiorgan Segmentation on CT and MRI Scans 2025-May-21, Radiology. Artificial intelligence DOI:10.1148/ryai.240586 PMID:40396895	research paper	开发一种深度学习分割模型，用于在CT和MR图像上高精度且具有良好泛化能力地分割腹部器官	提出了一种在图像和特征空间中进行域随机化的方法，以提高跨站点和跨模态设置下的泛化能力	未提及具体的研究局限性	提高腹部器官在CT和MR图像上的分割准确性和泛化能力	腹部多器官分割	computer vision	NA	domain randomization	nnU-Net	image	公共前列腺MRI数据集和腹部CT及MRI数据集，具体样本数量未提及
324	2025-05-22	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-May-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	本文系统综述了基于深度学习的放射科工作列表分诊对工作流程和临床结果的影响	评估了深度学习分诊系统在不同临床环境中对报告周转时间和患者预后的影响，并比较了不同集成模式的效率差异	需要进一步研究和可靠指标来提供关于假阴性检查和多条件优先排序的具体建议	评估基于深度学习的工作列表优化对诊断影像分诊的影响	放射科工作流程和患者临床结果	医学影像分析	肺栓塞、中风、颅内出血和胸部疾病	深度学习	DL	医学影像	38项研究，涉及138,423张影像
325	2025-05-22	Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis 2025-May-21, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03657-3 PMID:40397134	meta-analysis	该研究通过系统综述和荟萃分析评估了AI算法（包括机器学习和深度学习）在预测创伤性脑损伤后血肿进展中的性能	首次通过荟萃分析评估多种AI模型在预测创伤性脑损伤后血肿进展中的表现，并发现XGBoost模型具有最佳预测性能	纳入研究数量有限（仅5项），且需要进一步标准化数据集和多样化患者群体以提高模型的适用性和可靠性	评估AI算法在预测创伤性脑损伤后血肿进展风险中的性能	创伤性脑损伤患者的血肿进展	machine learning	traumatic brain injury	machine learning, deep learning	XGBoost, AI algorithms	clinical data, radiomics features	5项研究（具体患者数量未明确说明）
326	2025-05-22	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-May-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	利用GRU循环神经网络构建分子生成模型，并通过转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习和药物发现	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接和分子动力学模拟	GRU	分子数据	1,854,484个药物样分子
327	2025-05-22	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-May-21, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号来预测癌细胞对药物的敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	实现精准肿瘤学中的药物敏感性预测	癌细胞系和实体肿瘤样本	数字病理学	癌症	深度学习	自监督神经网络	遗传和药物敏感性数据	多个数据集和来自The Cancer Genome Atlas的实体肿瘤样本
328	2025-05-22	A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17882 PMID:40391614	research paper	本研究开发了一种基于MRI的3D深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	利用3D深度学习模型（3D GPTV10）结合肿瘤及其周围10像素的边缘区域作为感兴趣区域，显著提高了预测淋巴血管侵犯的准确性	研究样本量相对较小（训练队列233例，验证队列101例），可能影响模型的泛化能力	开发并验证一种基于术前MRI的深度学习模型，用于预测直肠癌患者的淋巴血管侵犯	直肠癌患者	digital pathology	rectal cancer	MRI T2WI轴向图像	DenseNet121	image	训练队列233例，验证队列101例
329	2025-05-22	Fusing radiomics and deep learning features for automated classification of multi-type pulmonary nodule 2025-May-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17901 PMID:40391634	研究论文	本研究提出了一种融合放射组学和深度学习特征的方法，用于自动分类多种类型的肺结节	通过引入判别相关分析特征融合算法，最大化两类特征的互补性和不同类别间的差异，有效利用特征的互补特性	NA	提高肺结节分类的准确性，实现个性化肺癌治疗和预后预测	多种类型的肺结节（如恶性、钙化、毛刺、分叶、边缘和纹理）	数字病理学	肺癌	CT放射组学	深度学习神经网络	CT图像	LIDC-IDRI数据集
330	2025-05-22	Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study 2025-May-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416161 PMID:40391846	研究论文	本研究开发了一种基于CT图像的非侵入性深度学习模型，用于评估膀胱癌患者的肿瘤萌芽状态，并探讨其与新辅助化疗免疫治疗反应及疾病预后的相关性	首次开发了基于深度学习的非侵入性肿瘤萌芽评估方法，并在多中心队列中验证了其预测治疗反应和预后的能力	研究样本虽然较大但来自特定时间段，且外部验证队列的样本量相对较小	探索膀胱癌患者肿瘤萌芽状态与治疗反应及预后的关系，开发非侵入性评估工具	2322例经病理确诊的膀胱癌患者	数字病理	膀胱癌	深度学习	深度学习模型（未指定具体架构）	CT图像	2322例膀胱癌患者（2014-2023年多中心队列）
331	2025-05-22	Deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study 2025-May-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002488 PMID:40391963	research paper	本研究构建并验证了一种基于放射组学的机器学习模型，用于预测IDH野生型胶质母细胞瘤在最大安全手术切除后的总体生存期	利用深度学习分割网络提取放射组学特征，并结合先进的机器学习算法构建预测模型，为个性化预后评估提供非侵入性工具	研究为回顾性设计，可能存在选择偏倚，且外部验证队列样本量相对较小	预测IDH野生型胶质母细胞瘤患者的总体生存期	582名IDH野生型胶质母细胞瘤患者	digital pathology	glioblastoma	磁共振成像（MRI）	ResNet, LASSO-Cox回归, RSF模型	医学影像	582名患者（301名训练队列，128名内部验证队列，153名外部验证队列）
332	2025-05-22	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	research paper	本研究探讨了在多位临床专家注释的前列腺腺体解剖结构MRI图像上使用深度神经网络（DNN）进行分割时面临的读者间变异性问题，并提出量化DNN性能差异及训练策略	通过结合不同专家的注释数据训练3D U-Net模型，提高了模型在不同读者间的可重复性，并分析了腺体体积对模型性能的影响	小腺体尺寸的分割性能相对较差，Dice系数降至0.8左右	解决医学图像分割中深度神经网络面临的读者间变异性问题，提升模型泛化能力	前列腺腺体的MRI图像分割	digital pathology	prostate cancer	MRI (T2-weighted)	3D U-Net	image	R#1的342个样本和R#2的204个样本，训练时使用了R#1的100个样本和R#2的150个样本
333	2025-05-22	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-May-20, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习在预测小分子-miRNA关联中的应用	对32种基于机器学习的SMA预测方法进行了详尽分类和趋势分析，提供了未来研究的宝贵见解	未提及具体方法的性能比较或实际应用中的局限性	增强对小分子-miRNA相互作用的理解，促进诊断和治疗靶点的发现	小分子(SMs)与miRNA的关联(SMAs)	机器学习	NA	机器学习算法	包括经典ML、深度学习、矩阵分解、网络传播、图学习和集成学习方法	生物分子相互作用数据	NA
334	2025-05-22	Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait 2025-May-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71560 PMID:40392578	综述	本文通过文献计量分析和范围综述，评估了帕金森病数字生物标志物的研究现状、热点及未来趋势，并系统回顾了深度学习在冻结步态数字生物标志物中的应用	结合文献计量分析和范围综述方法，全面评估帕金森病数字生物标志物研究的多维景观，并聚焦深度学习在冻结步态监测中的应用	跨学科和跨机构合作不足，相关项目缺乏企业资助，深度学习模型缺乏外部验证和标准化性能报告	评估全球帕金森病生物标志物研究的现状、热点和未来趋势，系统回顾深度学习模型在冻结步态数字生物标志物中的应用	帕金森病数字生物标志物及冻结步态	数字病理学	帕金森病	深度学习	CNN或基于CNN的架构	数字生物标志物数据	文献计量分析包含750项研究，范围综述包含40项研究
335	2025-05-22	XVir: A Transformer-Based Architecture for Identifying Viral Reads from Cancer Samples 2025-May-20, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2025.0075 PMID:40392695	研究论文	本文介绍了一种基于Transformer的深度学习架构XVir，用于从癌症样本中可靠地识别病毒DNA	XVir采用Transformer架构，能够高效识别人类肿瘤中的病毒DNA，并在多样化的病毒群体中保持高准确性，训练速度显著快于其他大型深度学习分类器	未提及具体样本量或实际临床应用验证	开发一种计算工具来识别与癌症相关的病毒DNA	人类肿瘤中的病毒DNA	数字病理学	癌症	DNA测序	Transformer	DNA序列数据	NA
336	2025-05-22	Deep-Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors 2025-May-20, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8841 PMID:40393739	研究论文	本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的应用，与传统压缩感知和并行成像技术相比，显著提高了图像质量	首次在7T超高清场MRI中应用深度学习重建技术，实现了高加速因子下的图像质量提升	研究为回顾性设计，样本量相对有限（60例患者）	评估深度学习重建技术在超高场7T MRI中的性能表现	7T脑部MRI图像（MP2RAGE和SPACE FLAIR序列）	医学影像分析	NA	MP2RAGE和SPACE MRI序列	深度学习（DL）	医学影像	60例患者（30例MP2RAGE数据，30例SPACE FLAIR数据）
337	2025-05-22	Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa 2025-May-20, Journal of clinical pathology IF:2.5Q2 DOI:10.1136/jcp-2025-210053 PMID:40393786	研究论文	本研究评估了深度学习模型在南非多民族人群中预测结直肠癌微卫星不稳定状态的性能	首次在非洲样本中验证深度学习模型对结直肠癌dMMR状态的预测能力，并进行了地区特异性校准	假阴性病例主要位于左侧结肠且不显示典型dMMR组织学表型，对PMS2或MSH6单独缺失的病例敏感性较低	评估深度学习模型在资源有限环境下作为dMMR预筛查工具的可行性	197例结直肠癌切除标本	数字病理学	结直肠癌	全切片图像分析	transformer-based DL模型	病理图像	197例来自南非多民族人群的结直肠癌标本
338	2025-05-22	Enhancing pathological myopia diagnosis: a bimodal artificial intelligence approach integrating fundus and optical coherence tomography imaging for precise atrophy, traction and neovascularisation grading 2025-May-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-326252 PMID:40393796	研究论文	本研究构建了一个包含眼底和光学相干断层扫描（OCT）图像的病理性近视（PM）综合数据集，并开发了一种双模态人工智能（AI）分类模型，用于PM的萎缩、牵引和新生血管（ATN）分级	采用双模态AI模型（结合眼底和OCT图像）进行PM的ATN分级，提高了分级的准确性	单中心回顾性研究，样本量有限（2760对图像）	提高病理性近视（PM）的诊断准确性，实现ATN系统的精确分级	病理性近视（PM）患者	数字病理学	眼科疾病	光学相干断层扫描（OCT）	ResNet-50和多模态多实例学习模块	图像（眼底和OCT图像）	2760对眼底和OCT图像
339	2025-05-22	Detection of maxillary sinus pathologies using deep learning algorithms 2025-May-20, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09451-4 PMID:40394252	研究论文	本研究利用深度学习算法从CBCT扫描中自动检测上颌窦病理	开发了一种基于CNN的机器学习模型，用于自动分割CBCT图像中的上颌窦病理，实现了高精度的分割结果	研究样本量有限，仅包含500名患者的1000个上颌窦数据	评估人工智能算法在CBCT扫描中检测上颌窦病理的准确性	上颌窦病理	数字病理	上颌窦疾病	CBCT	CNN	图像	500名患者的1000个上颌窦数据
340	2025-05-22	Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis 2025-May-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01543-1 PMID:40394318	研究论文	使用ResNet50深度学习模型对前列腺癌组织病理学图像进行分类	采用ResNet50模型在前列腺癌分类中表现出色，准确率达0.98，性能优于MobileNet和CNN-RNN	研究样本量相对较小（1276张图像），且未提及模型在其他数据集上的泛化能力	优化前列腺癌诊断流程，提高分类准确性	前列腺组织病理学图像	数字病理学	前列腺癌	深度学习图像分类	ResNet50	图像	1276张前列腺活检图像