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
341	2025-06-23	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-Jun-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	research paper	该研究通过整合单细胞RNA测序和空间转录组分析，识别了一种触发肝转移的恶性细胞类型（LMTMCs），并开发了一个基于深度学习的结直肠肝转移病理组学模型，用于预测结直肠癌患者的肝转移风险	识别了新的肝转移触发恶性细胞类型（LMTMCs），并通过多组学细胞通讯分析揭示了成纤维细胞与LMTMCs之间的相互作用机制，开发了无需人工标注的弱监督深度学习模型	模型在外部验证集中的性能存在差异（AUC分别为0.89和0.72），可能需要进一步优化和验证	提高结直肠癌肝转移风险的识别和预测能力	结直肠癌患者及其肝转移风险	digital pathology	colorectal cancer	single-cell RNA sequencing, spatial transcriptome analysis, bulk RNA-sequencing	ResNet18	RNA-seq数据、全切片图像	内部测试集来自The Cancer Genome Atlas-CRC组织学图像，外部验证集来自西南医科大学附属医院和西南医科大学附属中医医院的队列
342	2025-06-23	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	research paper	该研究通过引入OCTAVE数据集和自配置nnU-Net框架，展示了在视网膜疾病诊断中深度学习的应用潜力	提出了一个包含高质量像素级注释的3D OCT数据集OCTAVE，并利用自配置nnU-Net框架实现了跨数据集的高性能分割	数据集的规模可能仍然有限，且依赖于人工标注的质量	解决视网膜疾病诊断中缺乏标注OCT数据集的问题，推动AI诊断工具的发展	视网膜的解剖和病理结构	digital pathology	视网膜疾病	OCT成像	nnU-Net	3D OCT图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证
343	2025-06-23	Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images 2025-May-27, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.022 PMID:40441501	研究论文	开发并评估了一种可解释的深度学习系统，用于通过面部图像自动检测甲状腺眼病	提出了一种结合眼周标志定位网络和甲状腺眼病检测网络的可解释深度学习系统，具有高准确性和可解释性	需要在非专科环境下进一步评估，特别是在Graves病患者队列中	开发自动检测甲状腺眼病的深度学习系统	甲状腺眼病患者和健康受试者的面部图像	计算机视觉	甲状腺眼病	深度学习	XDL（可解释深度学习系统）	图像	591张面部图像（302张患者，289张健康对照），外加100张独立验证图像
344	2025-06-23	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术技能水平进行分类	数据集可能受限于模拟环境，未涉及真实手术场景	通过AI技术提高手术技能评估的自动化水平，减少对人工专家评估的依赖	模拟腹腔镜手术视频数据	计算机视觉	NA	深度学习	3DCNN	视频	包含不同技能水平（新手、学员、专家）的手术模拟视频
345	2025-06-23	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究利用人工智能在计算病理学中的应用，评估乳腺癌中的缺氧状态	提出了一种基于弱监督深度学习的模型HypOxNet，能够仅通过常规H&E染色全切片图像检测缺氧相关的形态学变化	研究样本仅来自TCGA数据库，可能限制了模型的泛化能力	开发一种快速、经济有效的替代分子检测的方法，用于评估肿瘤缺氧微环境	乳腺癌组织	数字病理学	乳腺癌	弱监督深度学习	HypOxNet	H&E染色全切片图像	1016例乳腺癌原发灶样本
346	2025-06-22	Expression of Concern: Real-time recognition of spraying area for UAV sprayers using a deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326610 PMID:40540481	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
347	2025-06-23	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	研究论文	本章探讨了人工智能和机器学习在预测lncRNA功能、识别疾病关联和注释蛋白质相互作用中的应用	详细描述了用于lncRNA结合蛋白功能注释的深度学习流程，并强调了实验验证与计算预测的整合	数据集准备、模型设计和可用性方面存在挑战	推进长链非编码RNA（lncRNA）的研究	长链非编码RNA（lncRNAs）及其结合蛋白（lncRBPs）	分子生物学	NA	机器学习（ML）、深度学习（DL）	RNN、CNN、transformer-based模型	NA	NA
348	2025-06-23	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片
349	2025-06-23	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	research paper	本研究比较了半自动放射组学模型和自动3D-CNN模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发了一种全自动3D-CNN模型，能够自动诊断神经退行性帕金森综合征，并在经验不足的医院中减少6%的诊断错误	研究为回顾性设计，且仅在两个医疗中心进行	比较放射组学模型和3D-CNN模型在诊断神经退行性帕金森综合征上的性能及临床价值	687名具有帕金森综合征运动症状的患者	digital pathology	geriatric disease	18 F-FDOPA PET扫描	3D-CNN, SVM	image	687名患者（训练集417名，内部测试集100名，外部测试集170名）
350	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
351	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）
352	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）
353	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）
354	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）
355	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
356	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
357	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）
358	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）
359	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
360	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