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
3381	2025-04-24	Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000000904 PMID:38768142	研究论文	本文提出了一种深度学习模型，用于预测脂肪肝病患者发展为肝细胞癌（HCC）的风险	利用深度学习模型从H&E染色的全切片图像中预测HCC发展，能够捕捉纤维化阶段之外的细微病理特征	样本量较小，尤其是HCC类患者仅46例	预测脂肪肝病患者发展为HCC的风险	脂肪肝病患者	数字病理学	肝癌	深度学习	CNN	图像	639名非HCC患者和46名HCC患者
3382	2025-04-24	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	提出了一种基于术中对比增强超声（CEUS）视频自动分析的实时IDH状态诊断方法ATAN	首次利用自动CEUS视频分析方法实现术中实时IDH诊断，无需肿瘤样本，且诊断准确率较现有方法平均提高15%	主要队列样本量较小（60例胶质瘤患者）	开发一种术中实时诊断胶质瘤IDH状态的方法	胶质瘤患者	数字病理学	胶质瘤	对比增强超声（CEUS）视频分析	ATAN（Automatic TIC Analysis Network）	视频	60例胶质瘤患者（主队列）+258例患者（两个辅助队列）
3383	2025-04-24	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究首次尝试使用深度学习模型自动分割早产儿脑部超声图像中的Sylvian裂	首次在早产儿脑部超声图像中应用深度学习模型进行Sylvian裂的自动分割，并比较了U-Net和ResU-Net的性能	模型在不同厂商设备获取的图像上性能有所下降，且目前仅针对单一平面(C3)的Sylvian裂进行分割	开发自动分割早产儿脑部超声图像中脑沟的方法，以监测其脑部发育情况	早产儿的脑部超声图像	数字病理学	儿科疾病	深度学习	U-Net, ResU-Net	超声图像	未明确说明样本数量，但涉及多个超声设备采集的图像数据
3384	2025-04-24	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	研究论文	提出一种基于注意力机制的多模态超声图像融合网络，用于乳腺癌的分割和分类	提出了一种新颖的深度学习模型MMF-U-Net，通过融合B模式和SE模式超声图像信息进行病灶分割和分类	使用的真实临床数据样本量未明确说明，可能影响模型泛化能力评估	开发可靠的乳腺癌早期计算机辅助诊断系统	乳腺超声图像中的良恶性病灶	数字病理	乳腺癌	深度学习	MMF-U-Net（改进的U-Net架构）	多模态超声图像（B模式和SE模式）	NA
3385	2025-04-24	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	研究论文	本研究提出了一种结合CNN和ViT的深度学习方法CTMF-Net，用于乳腺超声图像的良恶性分类	通过CNN和ViT的多阶段融合网络，实现了中间特征的交互和更新，提高了分类准确率	未提及具体的数据集偏差或模型泛化能力的详细分析	开发一种高精度的乳腺超声图像自动分类方法	乳腺超声图像	计算机视觉	乳腺癌	深度学习	CNN和ViT融合网络（CTMF-Net）	图像	三个公共乳腺超声数据集（SYSU、UDIAT和BUSI）
3386	2025-04-24	Categorizing high-grade serous ovarian carcinoma into clinically relevant subgroups using deep learning-based histomic clusters 2025-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2024.10.23 PMID:39962925	research paper	本研究利用深度学习技术对高级别浆液性卵巢癌进行组织学聚类，将其分为临床相关的亚组	首次应用深度学习模型对HGSC进行组织学聚类，揭示了线粒体动力学和能量代谢在疾病进展中的关键作用	研究基于TCGA数据集，样本来源可能有限，未涉及其他独立验证队列	改善高级别浆液性卵巢癌的预后分层和个性化治疗策略	高级别浆液性卵巢癌(HGSC)患者	digital pathology	ovarian cancer	RNA sequencing	deep learning	whole slide images	TCGA数据集中的卵巢癌样本
3387	2025-04-24	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究旨在探讨深度学习衍生的影像特征结合剂量体积指标在预测局部晚期非小细胞肺癌患者放射性肺炎中的能力	结合3D深度学习衍生的影像特征与剂量体积指标，提高了放射性肺炎的预测准确性	研究样本量相对较小，且仅来自两个中心	预测局部晚期非小细胞肺癌患者的放射性肺炎	局部晚期非小细胞肺癌患者	数字病理	肺癌	3D深度学习	多层感知机	CT影像	149名患者（90名来自复旦大学附属肿瘤医院，59名来自江南大学附属医院）
3388	2025-04-24	Deep Learning for Automated Measurement of Total Cardiac Volume for Heart Transplantation Size Matching 2025-Mar, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03470-4 PMID:38570368	research paper	本研究开发了一种基于深度学习的自动测量总心脏体积（TCV）的方法，用于儿科心脏移植中的尺寸匹配	首次使用3D-CNN深度学习模型自动计算TCV，取代了传统的手动分割方法	单中心研究，未来需要通过多中心研究和更丰富的心脏病理数据来提高模型的泛化能力	开发快速准确的TCV自动测量方法，促进心脏移植中供受体尺寸匹配的广泛应用	0-30岁受试者的CT扫描图像	digital pathology	cardiovascular disease	CT扫描	3D-CNN（结合DenseNet和ResNet架构）	医学影像（CT图像）	训练队列270例，验证队列44例（36例正常心脏，8例心脏病）
3389	2025-04-24	Recent advances and issues in imaging modalities for hepatocellular carcinoma surveillance 2025-Mar, Journal of liver cancer DOI:10.17998/jlc.2025.02.16 PMID:40007309	综述	本文综述了肝细胞癌（HCC）监测中影像学技术的最新进展及其存在的问题	探讨了低剂量CT结合深度学习重建等新技术在提高HCC监测安全性和可行性方面的潜力，以及基于个体风险特征的定制化监测策略	MRI虽然具有优越的组织对比度和敏感性，但其可及性和成本仍是挑战	提高肝细胞癌（HCC）早期检测的敏感性和成本效益	肝细胞癌（HCC）患者	数字病理学	肝癌	超声（US）、对比增强计算机断层扫描（CT）、磁共振成像（MRI）、深度学习重建	NA	影像数据	NA
3390	2025-04-24	DER-GCN: Dialog and Event Relation-Aware Graph Convolutional Neural Network for Multimodal Dialog Emotion Recognition 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367940 PMID:38437139	研究论文	提出了一种新型的对话和事件关系感知图卷积神经网络（DER-GCN），用于多模态对话情感识别	首次同时建模说话者间的对话关系和潜在事件关系信息，并引入了自监督掩码图自编码器（SMGAE）和多信息Transformer（MIT）来增强特征和结构的融合表示能力	未提及模型在更大规模数据集上的泛化能力	提高多模态对话情感识别的准确性和情感识别值	多模态对话数据（文本、视频和音频）	自然语言处理	NA	图卷积神经网络（GCN）、自监督掩码图自编码器（SMGAE）、多信息Transformer（MIT）	DER-GCN	多模态数据（文本、视频、音频）	两个基准数据集（IEMOCAP和MELD）
3391	2025-04-24	Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation 2025-Mar-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae215 PMID:38597875	研究论文	本文开发并验证了一种名为AuRA的深度学习算法，用于自动检测类风湿性关节炎患者关节损伤的进展	首次提出并外部验证了AuRA算法，展示了其在真实临床环境中监测放射学进展的实用性	样本量相对有限，且仅验证于特定医院的数据	开发并验证能够自动检测类风湿性关节炎关节损伤进展的算法	类风湿性关节炎患者的关节损伤	数字病理学	类风湿性关节炎	深度学习	CNN	X光图像	初始训练集367例，外部验证集205例，纵向研究54例
3392	2025-04-24	BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375025 PMID:38457318	research paper	提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别	结合双向意图网络和ACmix混合模型，创新性地融合药物和蛋白质特征，提高了DTI预测的准确性	未提及具体的数据集规模限制或模型计算复杂度问题	开发一种高效的药物-靶点相互作用预测方法以加速药物发现过程	药物分子和蛋白质靶点	machine learning	NA	graph convolutional networks, self-attention mechanism, convolution	BINDTI (Bi-Directional Intention network), ACmix, multilayer perceptron	2D molecular graph (SMILES), amino acid sequence	BindingDB, BioSNAP, DrugBank, Human datasets (具体数量未提及)
3393	2025-04-24	Rapid discrimination and ratio quantification of mixed antibiotics in aqueous solution through integrative analysis of SERS spectra via CNN combined with NN-EN model 2025-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.03.016 PMID:38531495	研究论文	该研究提出了一种基于深度学习算法的SERS光谱智能分析模型，用于快速识别混合物中的抗生素成分并定量测定这些成分的比例	结合CNN和NN-EN模型，实现了对混合物中抗生素成分的高精度识别和比例定量	研究仅针对三种抗生素（环丙沙星、多西环素和左氧氟沙星）进行了测试，未涵盖更多种类的抗生素	开发一种快速、高精度的抗生素残留检测技术，以维护水生环境中的抗生素安全	水环境中的抗生素残留（环丙沙星、多西环素和左氧氟沙星）	机器学习	NA	表面增强拉曼光谱（SERS）	CNN和NN-EN	光谱数据	NA
3394	2025-04-24	Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3381896 PMID:38536684	research paper	提出了一种名为PG-DERN的新型少样本学习模型，用于分子属性预测，通过双视角编码器和关系图学习网络提高预测准确性	引入了双视角编码器学习分子表示，提出关系图学习模块构建分子间相似性关系图，采用MAML元学习策略优化参数，设计了属性引导的特征增强模块	未明确提及具体局限性	解决药物发现中分子属性预测任务在数据稀缺情况下的准确性问题	药物分子	machine learning	NA	few-shot learning, meta-learning	PG-DERN (包含dual-view encoder和relation graph learning network)	分子结构数据	四个基准数据集（未明确样本数量）
3395	2025-04-24	Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386815 PMID:38598378	研究论文	提出了一种基于图局部子结构的多模态药物靶点结合亲和力预测模型MLSDTA	综合整合药物和靶点的图和序列模态信息，通过交叉注意力方法实现多模态特征融合，并应用自适应结构感知池化生成包含局部子结构信息的图	未提及具体的数据集规模限制或模型在其他类型药物靶点上的泛化能力	降低药物开发成本和周期，提高药物靶点结合亲和力预测的准确性	药物和靶点的结合亲和力	机器学习	NA	深度学习	MLSDTA（基于图局部子结构的多模态模型）	图和序列数据	在两个基准数据集上进行实验
3396	2025-04-24	Real-Time Typical Urodynamic Signal Recognition System Using Deep Learning 2025-Mar, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2448430.215 PMID:40211837	research paper	本研究开发了一种基于深度学习的实时尿动力学信号识别系统，用于辅助医生完成高质量的尿动力学检查	首次将深度学习算法应用于典型尿动力学信号的实时识别，提高了尿动力学检查的解读质量和效率	这是一项回顾性单中心研究，模型的泛化能力尚未得到验证	通过深度学习算法标准化尿动力学检查并确保其临床参考价值	神经源性膀胱成年患者的尿动力学图像数据	digital pathology	neurogenic bladder	deep learning	Yolov5l	image	400名神经源性膀胱患者（共2655张图像）
3397	2025-04-24	Deep learning on pre-procedural computed tomography and clinical data predicts outcome following stroke thrombectomy 2025-Feb-14, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021154 PMID:38527795	research paper	该研究利用深度学习和临床数据预测缺血性卒中患者接受血管内血栓切除术后的功能恢复结果	结合基线CT和临床数据的深度学习模型在预测3个月功能恢复结果方面表现出色，与仅使用临床数据的逻辑回归模型性能相当	研究未纳入手术中和术后数据，未来研究需探讨这些数据是否能显著提升模型性能	提高缺血性卒中患者接受血管内血栓切除术前的预后预测准确性	接受血管内血栓切除术的缺血性卒中患者	machine learning	cardiovascular disease	CT head, CT angiography	deep learning, logistic regression, random forest	image, clinical data	975名患者（778名用于模型开发，197名用于外部验证）
3398	2025-04-24	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	comments	本文是一篇受邀评论，探讨了深度学习在流行病学数据收集和分析中的应用及其潜力	讨论了深度学习如何扩展流行病学研究的范围和能力，包括增加研究的地理覆盖、纳入更多研究对象以及处理大规模或高维数据	深度学习方法的工具对流行病学家来说不如传统回归方法那样直接或普遍可用	探讨深度学习在流行病学数据收集和分析中的应用及其潜力	流行病学研究中的数据收集和分析	machine learning	NA	deep learning, neural networks, attention algorithms	NA	text, audio, images, video	NA
3399	2025-04-24	Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10960-9 PMID:39060495	research paper	本研究开发了一种基于深度学习的自动ASPECTS计算系统，用于提高急性缺血性卒中患者的诊断效率	提出了一种基于深度学习的自动ASPECTS评估系统，显著提高了诊断效率和一致性	在临床应用时仍需医生验证	开发一种临床适用的自动ASPECTS系统，以提高急性缺血性卒中的诊断效率和一致性	急性缺血性卒中患者的非对比计算机断层扫描（NCCT）图像	digital pathology	cardiovascular disease	deep learning	DL	image	开发队列1767例，独立测试队列220例，前瞻性临床应用研究13399例患者
3400	2025-04-24	Estimating the Severity of Oral Lesions Via Analysis of Cone Beam Computed Tomography Reports: A Proposed Deep Learning Model 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.015 PMID:39068121	研究论文	本研究提出了一种基于深度学习的模型，用于通过分析锥形束计算机断层扫描（CBCT）报告来估计口腔病变的严重程度	提出的CNN-LSTM模型利用密集向量表示嵌入的单词，有效捕捉语义相似性，优于传统模型	研究仅基于单一机构的1134份CBCT报告，可能缺乏广泛代表性	区分口腔病变的高风险和低风险等级，以促进及时治疗	口腔病变的CBCT放射学报告	自然语言处理	口腔疾病	CBCT	CNN-LSTM	文本	1134份CBCT放射学报告