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
3721	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
3722	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）
3723	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
3724	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)
3725	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
3726	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）
3727	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
3728	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）
3729	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）
3730	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
3731	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
3732	2025-04-24	Deep learning model based on contrast-enhanced ultrasound for predicting vessels encapsulating tumor clusters in hepatocellular carcinoma 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10985-0 PMID:39066894	研究论文	基于对比增强超声的深度学习模型用于预测肝细胞癌中的血管包裹肿瘤簇模式	提出了一种非侵入性的深度学习方法，利用对比增强超声图像预测肝细胞癌中的VETC模式，并评估其对术后早期复发的预测价值	研究为回顾性设计，样本量相对较小（242例患者）	开发并验证一种非侵入性工具，用于预测肝细胞癌中的VETC模式和术后早期复发风险	肝细胞癌患者	数字病理	肝细胞癌	对比增强超声(CEUS)	ResNet-18 CNN	图像	242例肝细胞癌患者（训练组195例，测试组47例）
3733	2025-04-24	Comparison of the Efficacy of Artificial Intelligence-Powered Software in Crown Design: An In Vitro Study 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.023 PMID:39069456	research paper	比较两种AI驱动的牙冠设计软件与传统计算机辅助设计软件在时间和形态准确性上的表现	首次比较AI驱动软件与传统计算机辅助设计软件在牙冠设计中的效率和形态准确性	AI软件在形态准确性上未能超越经验丰富的技术人员，且样本量较小	评估AI驱动软件在牙冠设计中的时间效率和形态准确性	33颗临床适应的后牙牙冠	digital pathology	NA	三维几何计算	NA	三维图像数据	33颗后牙牙冠
3734	2025-04-24	RadImageNet and ImageNet as Datasets for Transfer Learning in the Assessment of Dental Radiographs: A Comparative Study 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01204-9 PMID:39048809	研究论文	比较RadImageNet和ImageNet在牙科放射影像评估中作为迁移学习数据集的性能	评估了RadImageNet（大规模医学影像数据集）在牙科影像分类任务中的表现，并与常用的ImageNet数据集进行了比较	研究仅针对两种特定的牙科影像分类任务，可能无法推广到其他医学影像分析场景	评估不同预训练数据集（RadImageNet vs ImageNet）在牙科影像分类任务中的迁移学习效果	牙科放射影像（全景放射影像和侧位头影测量影像）	计算机视觉	牙科疾病	迁移学习	深度学习模型（未指定具体类型）	影像	两个牙科影像数据集（具体数量未说明）
3735	2025-04-24	Multi-reader multiparametric DECT study evaluating different strengths of iterative and deep learning-based image reconstruction techniques 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10974-3 PMID:39046499	research paper	本研究通过多读者比较，评估了深度学习图像重建（DLIR）与标准自适应统计迭代重建-V（ASIR-V）在多参数双能CT（DECT）图像重建中的表现	首次在多参数DECT图像重建中比较了DLIR与ASIR-V的不同强度，并发现DLIR在图像质量上具有优势	研究为回顾性设计，样本量相对较小（100例患者）	比较DLIR与ASIR-V在多参数DECT图像重建中的性能差异	接受门静脉期腹部CT扫描的100例患者	医学影像处理	NA	双能CT（DECT）扫描	深度学习图像重建（DLIR）	CT图像	100例患者
3736	2025-04-24	Deep Learning for Predicting the Difficulty Level of Removing the Impacted Mandibular Third Molar 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.021 PMID:39043529	研究论文	开发并评估了一种基于计算机辅助可视化的深度学习系统，用于预测下颌阻生第三磨牙手术移除的难度等级	整合了三种不同的深度学习模型（ResNet101V2、RetinaNet和Vision Transformer）来预测手术难度等级	样本量相对较小（1367张图像来自784名患者），且数据为回顾性收集	开发一个深度学习系统，用于术前评估下颌阻生第三磨牙的手术移除难度	下颌阻生第三磨牙（LM3）的全景放射影像	计算机视觉	口腔疾病	深度学习	ResNet101V2, RetinaNet, Vision Transformer	图像	1367张LM3图像来自784名患者
3737	2025-04-24	AutoCorNN: An Unsupervised Physics-Aware Deep Learning Model for Geometric Distortion Correction of Brain MRI Images Towards MR-Only Stereotactic Radiosurgery 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01171-1 PMID:39080159	research paper	开发了一种名为AutoCorNN的无监督物理感知深度学习模型，用于校正脑MRI图像的几何畸变，以提高立体定向放射手术的精度	AutoCorNN结合了两个2D卷积编码器-解码器神经网络与MRI信号生成的前向物理模型，无需地面真实图像即可进行无监督训练	研究主要针对前庭神经鞘瘤病例，可能在其他类型的脑部疾病中表现未经验证	开发一种高效准确的脑MRI图像几何畸变校正方法，以支持高精度放射治疗	脑MRI图像的几何畸变校正	digital pathology	vestibular schwannoma	MRI	CNN	image	两个公开数据集，包括318名受试者和242名患者
3738	2025-04-24	3D Features Fusion for Automated Segmentation of Fluid Regions in CSCR Patients: An OCT-based Photodynamic Therapy Response Analysis 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01190-y PMID:39075249	research paper	提出了一种基于深度学习的自动化3D分割方法，用于光学相干断层扫描（OCT）图像中液体区域的识别，并分析CSCR患者对光动力疗法（PDT）的反应	利用OCT扫描中的丰富3D上下文信息训练模型，准确分割液体区域，并预测PDT治疗反应，为个性化治疗策略提供支持	研究主要针对CSCR患者，可能不适用于其他视网膜病变	开发一种自动化方法，用于CSCR患者OCT图像中液体区域的精确分割和PDT治疗反应预测	CSCR患者的OCT扫描图像	digital pathology	retinal pathologies	OCT, deep learning	DL	3D OCT scans	2769张OCT扫描（124个3D体积）
3739	2025-04-24	Developing an Effective Off-the-job Training Model and an Automated Evaluation System for Thoracoscopic Esophageal Atresia Surgery 2025-Feb, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.023 PMID:39054116	research paper	开发了一种基于深度学习的自动化评估系统，用于评估胸腔镜食管闭锁手术中的手术技能	利用深度学习技术自动评估手术技能，并通过钳子运动识别手术技术质量	样本量较小，仅有45名参与者，且自动化系统的精确度为75%，仍有提升空间	构建一个自动化系统，用于客观评估胸腔镜食管闭锁手术中的手术技能	参与胸腔镜食管闭锁手术训练的医生	digital pathology	esophageal atresia	deep learning	DL	image	45名参与者（13名技能优秀，32名技能较差）
3740	2025-04-24	A Boundary-Enhanced Decouple Fusion Segmentation Network for Diagnosis of Adenomatous Polyps 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01195-7 PMID:39037669	研究论文	本研究开发了一种基于深度学习的边界增强解耦融合分割网络，用于腺瘤性息肉的定位和分类	提出了一种新的边界增强解耦融合分割网络，结合了SBE模块、GAB和BEM模块，分别增强身体和边缘特征，提高了分类精度	仅在两个私有数据集上进行了实验，未在公开数据集上验证	开发一种精确的腺瘤性息肉分类方法，以支持个性化治疗	腺瘤性息肉（绒毛状腺瘤和管状腺瘤）	数字病理学	腺瘤性息肉	深度学习	EGE-UNet, PPM, SBE, GAB, BEM	内窥镜图像	两个私有数据集（具体样本数量未提及）