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
3701	2025-03-22	Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.033 PMID:38614826	系统综述与荟萃分析	本文系统评估了放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	首次系统性地结合放射组学和深度学习技术，对良恶性软组织肿瘤进行鉴别诊断，并通过荟萃分析提供了综合的敏感性和特异性数据	研究设计和方法学质量存在异质性，未来需要更多多中心前瞻性验证以提高研究严谨性	评估放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	良性和恶性软组织肿瘤	数字病理学	软组织肿瘤	放射组学和深度学习	深度学习模型	影像数据	21项研究，涉及3866名患者
3702	2025-03-22	Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.010 PMID:38658211	研究论文	本研究旨在开发一种基于B型超声和彩色多普勒血流成像图像的深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	结合深度学习和手工放射组学特征，开发了一种新的深度学习放射组学列线图，用于评估浸润性乳腺癌的淋巴血管侵犯状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	浸润性乳腺癌患者	数字病理学	乳腺癌	B型超声和彩色多普勒血流成像	深度学习放射组学列线图	图像	832名病理确诊的浸润性乳腺癌患者
3703	2025-03-22	Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.041 PMID:38664146	研究论文	本研究探讨了使用深度学习加速的3D T1加权VISTA序列进行血管壁磁共振成像的可行性，并与传统的压缩感知技术进行比较	首次将深度学习约束的压缩感知技术（CS-AI）应用于3D T1 VISTA序列，以优化加速因子（AF），提高血管壁磁共振成像的质量	研究样本量较小（40例患者），且仅限于颅内或颈动脉粥样硬化斑块患者	探索深度学习加速的3D T1 VISTA序列在血管壁磁共振成像中的可行性，并优化加速因子以获得高质量的临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像	动脉粥样硬化	深度学习约束的压缩感知技术（CS-AI）	深度学习	磁共振图像	40例患者
3704	2025-03-22	Automated Detection and Grading of Extraprostatic Extension of Prostate Cancer at MRI via Cascaded Deep Learning and Random Forest Classification 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.011 PMID:38670874	研究论文	本文提出了一种基于深度学习和随机森林分类的自动化工作流程，用于从前列腺T2W MRI、ADC图和High B DWI中自动检测和分级前列腺癌的包膜外侵犯（EPE）	结合深度学习模型和随机森林分类器，自动化评估前列腺癌的EPE分级，接近医生的准确度	模型的平衡准确率较低（0.390 ± 0.078），且ROC AUCs在不同EPE分级中表现不一	开发一种自动化AI工作流程，用于预测前列腺癌的包膜外侵犯（EPE）分级，以辅助医生决策	634名患者的MRI扫描数据	数字病理学	前列腺癌	深度学习、随机森林分类	CNN、随机森林	MRI图像	634名患者（507名训练集，127名测试集）
3705	2025-03-22	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	本文开发并验证了一种基于增强CT的深度学习放射组学模型，用于识别肝转移的原发来源	提出了一种新的深度学习放射组学模型，通过逐步分类方法提高了模型分类效率	样本来源仅限于特定临床中心，可能影响模型的泛化能力	开发并验证一种深度学习放射组学模型，用于识别肝转移的原发来源	肝转移病灶	数字病理学	肝转移	增强CT	深度学习放射组学模型	图像	657个肝转移病灶，来自428名患者，外加112个病灶作为外部测试集
3706	2025-03-22	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	本文提出了一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现特定受试者的脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提高了计算效率	NA	提高肌肉水T2映射的处理速度和准确性，以便在临床和研究中更有效地利用定量水T2图	肌肉水T2映射	医学影像处理	NA	多自旋回波采集	全连接神经网络	MRI图像	使用了两家不同MRI供应商的体内实验数据
3707	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）
3708	2025-03-22	Nuclear morphology is a deep learning biomarker of cellular senescence 2022-08, Nature aging IF:17.0Q1 DOI:10.1038/s43587-022-00263-3 PMID:37118134	研究论文	本文利用神经网络从人类成纤维细胞的核形态预测细胞衰老，准确率高达95%，并研究了小鼠星形胶质细胞、小鼠神经元和培养中的早衰成纤维细胞	首次证明核形态可以作为跨组织和物种的细胞衰老深度学习预测指标，并与人类健康结果相关联	研究主要基于体外培养细胞和小鼠组织，需要进一步验证在人类组织中的普适性	探索细胞衰老的深度学习预测指标及其与健康结果的关系	人类成纤维细胞、小鼠星形胶质细胞、小鼠神经元、早衰成纤维细胞、H&E染色的小鼠肝组织和人类皮肤活检样本	数字病理学	老年疾病	深度学习	神经网络	图像	未明确样本数量，涉及多种细胞类型和组织样本
3709	2025-03-21	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	本研究通过大规模代谢组学连接组分析，揭示了重度抑郁症（MDD）患者与健康对照组之间的核心差异代谢网络特征	首次采用bootstrap推断分析和机器学习方法构建代谢相关网络，识别MDD与健康对照组之间的核心差异代谢网络特征，并整合网络特征和基线特征进行MDD诊断	研究仅基于血浆代谢组学数据，未考虑其他生物标志物或临床数据	揭示MDD患者与健康对照组之间的代谢网络差异，探索MDD的病理生理机制和诊断生物标志物	182,053名UK Biobank参与者（9,425名MDD患者和172,628名健康对照组）	机器学习	重度抑郁症	代谢组学分析、bootstrap推断分析	极端梯度提升模型（XGBoost）	血浆代谢组学数据	182,053名参与者（9,425名MDD患者和172,628名健康对照组）
3710	2025-03-20	Sex Differences in Age-Related Changes in Retinal Arteriovenous Area Based on Deep Learning Segmentation Model 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100719 PMID:40103835	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3711	2025-03-21	Trends in Research of Odontogenic Keratocyst and Ameloblastoma 2025-Apr, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241282256 PMID:39876078	review	本文综述了牙源性角化囊肿（OKC）和成釉细胞瘤（AM）的研究趋势，重点介绍了单细胞和空间组学、三维培养技术以及人工智能在诊断和治疗中的应用	利用单细胞和空间组学技术揭示了OKC和AM的肿瘤微环境和细胞异质性，三维培养技术如类器官模型用于分析AM亚型和测试潜在疗法，人工智能提高了基于放射组学和病理组学的诊断准确性	尽管AM已有临床前模型，但OKC的可靠体外和体内模型仍然稀缺	总结和推动OKC和AM研究领域的最新进展和趋势	牙源性角化囊肿（OKC）和成釉细胞瘤（AM）	digital pathology	NA	单细胞组学、空间组学、三维培养技术、人工智能（机器学习和深度学习）	NA	NA	NA
3712	2025-03-21	Deep learning initialized compressed sensing (Deli-CS) in volumetric spatio-temporal subspace reconstruction 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01222-2 PMID:39891798	研究论文	本研究提出了一种名为Deli-CS的深度学习方法，用于加速体积多轴螺旋投影MRF的重建，旨在实现全脑T1和T2映射	引入了深度学习初始化的压缩感知（Deli-CS）方法，通过DL生成的种子点启动迭代重建，减少收敛所需的迭代次数	NA	减少MRI重建时间，提高全脑多参数映射的效率	体积多轴螺旋投影MRF数据	医学影像处理	NA	深度学习，压缩感知	深度学习模型	MRI图像	NA
3713	2025-02-05	Direct estimation of fetal biometry measurements from ultrasound video scans through deep learning 2025-Apr, American journal of obstetrics & gynecology MFM IF:3.8Q1 DOI:10.1016/j.ajogmf.2025.101623 PMID:39900243	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3714	2025-03-21	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-Apr, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本研究开发了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态	提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态，并在分类性能上优于医生	NA	开发一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态	幽门螺杆菌感染状态的分类	计算机视觉	胃癌	深度学习	多阶段深度学习	图像	训练集538名受试者，验证集146名受试者
3715	2025-03-21	Mining the UniProtKB/Swiss-Prot database for antimicrobial peptides 2025-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70083 PMID:40100125	研究论文	本研究提出了一种从UniProtKB/Swiss-Prot数据库中挖掘抗菌肽（AMPs）的工作流程，并利用AMPlify工具预测新型AMPs	首次大规模利用现代深度学习技术从公共蛋白质序列数据库中挖掘新型抗菌肽，并开发了公开可用的AMPlify工具及其配套脚本	研究中仅对38种成功合成的肽进行了抗菌活性测试，样本量相对较小	探索抗菌肽作为传统抗生素的替代品，特别是在家禽行业中的应用	UniProtKB/Swiss-Prot数据库中的所有真核生物序列	生物信息学	NA	深度学习	AMPlify	蛋白质序列	8008个新型预测AMPs，其中40个优先考虑，38个成功合成并测试
3716	2025-03-21	CommRad RF: A dataset of communication radio signals for detection, identification and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111387 PMID:40103755	研究论文	本文介绍了一个创新的通信无线电信号数据集CommRad RF，旨在提高通信信道的安全性，并提出了两种深度学习模型用于高效处理和学习复杂无线电信号数据	填补了目前没有公开的步话机/商用无线电数据集的空白，并提出了两种新的深度学习模型Light Weight 1DCNN和Light Weight Bivariate 1DCNN	数据集仅包含室内多径环境下的无线电信号，可能不适用于其他环境	提高通信信道的安全性，检测和识别未经授权的传输源	无线电信号	机器学习	NA	深度学习	Light Weight 1DCNN, Light Weight Bivariate 1DCNN	无线电信号	超过2700个无线电信号，来自27个无线电设备
3717	2025-03-21	A novel rotation and scale-invariant deep learning framework leveraging conical transformers for precise differentiation between meningioma and solitary fibrous tumor 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100422 PMID:40104410	研究论文	本文提出了一种新颖的旋转和尺度不变的深度学习框架，利用锥形变换器从全切片图像中捕捉全局和局部成像标记，以准确区分脑膜瘤和孤立性纤维瘤	采用了锥形变换器的新架构，结合加权多数投票方案，提高了诊断的准确性和鲁棒性	数据集规模较小，仅包含92名患者，可能影响模型的泛化能力	开发一种基于AI的诊断工具，用于精确区分脑膜瘤和孤立性纤维瘤	脑膜瘤和孤立性纤维瘤	数字病理学	脑膜瘤	深度学习	锥形变换器	图像	92名患者（46名脑膜瘤患者和46名孤立性纤维瘤患者）
3718	2025-03-21	Deep Learning-Driven Computational Approaches for Studying Intrinsically Disordered Regions in S100-A9 2025-Mar-20, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/7651_2025_617 PMID:40106150	研究论文	本文介绍了使用深度学习方法研究S100-A9蛋白中内在无序区域（IDRs）的计算方法	利用人工智能预测、分析和建模内在无序区域，提供了一种初步识别蛋白质IDRs的简单协议	仅以S100-A9蛋白为例，未涉及其他蛋白质或更广泛的应用	研究S100-A9蛋白中内在无序区域的特征，以揭示其在银屑病中的复杂分子相互作用	S100-A9蛋白的内在无序区域	机器学习	银屑病	深度学习	NA	蛋白质序列数据	NA
3719	2025-03-21	Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases 2025-Mar-20, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001179 PMID:40106831	综述	本文总结了胸部影像学领域的关键发展，包括成像模式、计算工具和临床应用，重点介绍了在肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞等疾病中的重大突破，并展望了未来方向	本文强调了人工智能驱动的计算机辅助检测系统和放射组学分析在肺结节检测和分类中的显著改进，以及光子计数探测器CT和低场MRI在提高分辨率或无辐射策略方面的应用	本文主要集中于已有研究的总结，未涉及具体实验数据或新方法的详细验证	总结胸部影像学领域的最新进展，并展望未来发展方向	胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞	数字病理学	肺癌	光子计数探测器CT（PCD-CT）、低场MRI、CT纹理分析、灌注成像、双能CT、暗场X线摄影、深度学习	人工智能（AI）	影像数据	NA
3720	2025-03-21	Influence of deep learning-based super-resolution reconstruction on Agatston score 2025-Mar-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11506-3 PMID:40108013	研究论文	本文评估了基于深度学习的超分辨率重建（DLSRR）对图像质量和Agatston评分的影响	首次系统评估了DLSRR在心脏CT图像中的应用，特别是其对Agatston评分的影响	研究中观察到一些CAC-DRS重新分类的情况，需谨慎在临床中使用DLSRR	评估DLSRR对图像质量和Agatston评分的影响	接受心脏CT检查的连续患者	计算机视觉	心血管疾病	深度学习超分辨率重建（DLSRR）	NA	CT图像	111名患者