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
361	2025-07-24	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537196 PMID:37131600	research paper	介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通桌面上进行连接组学分割	开发了一个用户友好的开源工具，集成了多种功能，支持无需编码的神经重建	仅兼容Linux和Windows系统，未提及对其他操作系统的支持	推动对神经系统组织的理解，提供便捷的连接组学分析工具	电子显微镜数据集中的细胞和连接图	digital pathology	NA	volume electron microscopy (EM)	deep neural networks	image	4种不同动物的5个数据集，约180小时的专家标注，超过1.2GB的标注EM图像
362	2025-07-24	Deep Learning-Based Model for Identifying Tumors in Endoscopic Images From Patients With Locally Advanced Rectal Cancer Treated With Total Neoadjuvant Therapy 2023-03-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002295 PMID:35358109	research paper	开发了一种基于深度卷积神经网络的自动分类方法，用于识别内窥镜图像中肿瘤的存在与否	使用深度卷积神经网络进行内窥镜图像的自动分类，以识别肿瘤的存在与否	研究中的图像数量有限，且仅在一个机构进行	开发一种新方法来识别内窥镜图像中肿瘤的存在与否，并评估该方法的准确性	109名被诊断为局部晚期直肠癌并接受全新生辅助治疗的患者的内窥镜图像	digital pathology	rectal cancer	deep convolutional neural network	CNN	image	1392张内窥镜图像（1099张用于训练，293张用于测试）
363	2025-07-24	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023, Frontiers in neural circuits IF:3.4Q2 DOI:10.3389/fncir.2023.952921 PMID:37396399	研究论文	介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通桌面上进行连接组学分割	开发了一个用户友好的开源工具，集成了多种功能，包括地面真实生成、图像预处理、深度神经网络训练和即时预测，旨在加速手动标记工作并利用半自动方法进行实例分割	需要MATLAB环境，可能限制了部分用户的使用	为神经科学研究提供一种无需编码的实验室级神经重建解决方案，推动连接组学的发展	电子显微镜数据集	数字病理	NA	深度学习	深度神经网络	图像	来自四种不同动物和五个数据集的电子显微镜图像，包含约180小时的专家标注和超过1.2 GB的标注图像
364	2025-07-24	Uncovering additional predictors of urothelial carcinoma from voided urothelial cell clusters through a deep learning-based image preprocessing technique 2023-01, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.22633 PMID:35997513	研究论文	本文开发了一种基于深度学习的图像预处理技术，用于从尿路上皮细胞簇中提取额外的预测因子，以辅助尿路上皮癌的诊断	提出了一种自动化的尿路上皮细胞簇预处理工具，能够将细胞簇分割为有意义的组成部分，用于下游评估	当前尿液细胞学报告系统的半主观性可能影响结果的可重复性	提高尿路上皮癌的诊断准确性和效率	尿路上皮细胞簇	数字病理学	尿路上皮癌	深度学习	NA	图像	NA
365	2025-07-24	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究探讨了通过MRI影像组学特征识别三叉神经痛患者中受影响的神经	首次使用影像组学特征结合深度学习网络来区分三叉神经痛患者中受影响的神经与无痛神经	研究为回顾性设计，样本量相对较小	探索MRI影像组学特征在三叉神经痛诊断中的应用	三叉神经痛患者的MRI影像数据	数字病理学	三叉神经痛	MRI影像组学分析	U-net CNN和浅层神经网络	MRI影像	134名患者（共268条神经）
366	2025-07-24	MRI-based Identification and Classification of Major Intracranial Tumor Types by Using a 3D Convolutional Neural Network: A Retrospective Multi-institutional Analysis 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200301 PMID:34617029	研究论文	开发一种基于3D卷积神经网络的算法，用于分类增强T1加权MRI扫描中的颅内肿瘤类型和健康组织	使用多机构数据集训练3D CNN模型，实现对多种颅内肿瘤类型的自动分类及与健康组织的区分	研究为回顾性分析，需要前瞻性验证；外部测试集性能略低于内部测试集	开发颅内肿瘤MRI图像的自动分类算法	增强T1加权MRI扫描图像	数字病理	脑肿瘤（包括高级别胶质瘤、低级别胶质瘤、脑转移瘤、脑膜瘤、垂体腺瘤、听神经瘤）	MRI成像	3D CNN	医学影像	2105张MRI图像（来自5个数据集）
367	2025-07-24	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	提出了一种新型深度学习方法来稳健且加速地重建定量且无B0不均匀性伪影的R2*图像	采用自监督学习策略，无需真实R2*图像，且在训练后应用阶段无需F函数，同时提高了计算速度和抗噪性	未提及具体临床验证结果或大规模数据集的应用效果	开发一种快速、抗噪的定量R2*图像重建方法	多梯度回波(mGRE) MRI数据	医学影像分析	NA	mGRE MRI	CNN	MRI图像	未提及具体样本量
368	2025-07-24	The Role and Promise of Artificial Intelligence in Medical Toxicology 2020-10, Journal of medical toxicology : official journal of the American College of Medical Toxicology IF:2.5Q3 DOI:10.1007/s13181-020-00769-5 PMID:32215849	综述	本文综述了人工智能在医学毒理学中的角色和前景，重点讨论了深度学习和知识表示在扩展毒物控制中心覆盖范围及增强社交媒体症状监测方面的潜力	探讨了AI如何通过深度学习和知识表示整合跨学科知识，实时应用医学知识于患者，并挖掘难以触及的知识	未提及具体实施案例或实证研究结果	探讨人工智能在医学毒理学中的应用及其潜力	医学毒理学领域，特别是毒物控制中心和社交媒体症状监测	人工智能	NA	深度学习和知识表示	NA	文本和图像数据（如社交媒体和医学影像）	NA
369	2025-07-24	Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science 2020-09-01, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2020.1743761 PMID:32200647	research paper	介绍了一个公开可用的语音录音数据库SEED，用于语音学和临床语音障碍课程的教学与研究	开发了一个公开的语音录音数据库，包含成人和儿童的典型与障碍语音样本，填补了公开数据的空白	数据收集受限于IRB协议，可能无法涵盖所有障碍类型或广泛人群	改善语音学和临床语音障碍领域的教学与研究，缩小理论与实践之间的差距	成人和儿童的典型与障碍语音样本	语音学	语音障碍	高质设备录音	NA	语音录音	成人和儿童的典型与障碍语音样本
370	2025-07-23	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	研究论文	本文提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化能力	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	实验主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提高成像质量和临床决策支持	光声成像中的外源性染料	医学影像处理	NA	光声成像，深度学习	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管的3D扫描实验
371	2025-07-23	AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2534626 PMID:40693434	研究论文	本文介绍了AlphaBind，一种特定领域的模型，用于预测和优化抗体-抗原结合亲和力	AlphaBind利用蛋白质语言模型嵌入和基于数百万抗体-抗原结合强度定量实验室测量的预训练，实现了在指导亲本抗体亲和力优化方面的最先进性能	仅针对四种亲本抗体进行了验证，且每种亲本抗体仅进行了一轮数据生成	通过深度学习预测和优化抗体序列，以设计具有最佳特性的抗体	抗体-抗原结合亲和力	机器学习	NA	深度学习	蛋白质语言模型	定量实验室测量数据	四种亲本抗体
372	2025-07-23	Identification and validation of synergistic drug strategies targeting macrophage polarization in triple-negative breast cancer via single-cell transcriptomics and deep learning 2025-Sep, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102457 PMID:40580873	研究论文	通过单细胞转录组学和深度学习，识别并验证针对三阴性乳腺癌中巨噬细胞极化的协同药物策略	开发了一个基于巨噬细胞分化的分类器（MMDCSS），并发现非那雄胺可作为ZBTB20调节剂，逆转肿瘤诱导的M2巨噬细胞极化	研究样本量较小，仅涉及24名TNBC患者	探索三阴性乳腺癌中巨噬细胞极化的调控机制及其潜在治疗策略	三阴性乳腺癌患者和巨噬细胞极化	数字病理学	乳腺癌	单细胞RNA测序（scRNA-seq）、机器学习、伪时间轨迹映射	深度学习	转录组数据	24名三阴性乳腺癌患者
373	2025-07-23	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Sep, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	该研究通过机器学习指导的单细胞多组学分析，揭示了非小细胞肺癌中GDF15驱动的免疫抑制微环境，并提出了克服抗PD-1耐药的转化框架	首次将机器学习与单细胞多组学结合，系统性地识别了免疫检查点阻断疗效的决定因素，并发现GDF15作为预测ICB耐药的一类新型生物标志物	研究样本量相对较小（n=156），且外部验证仅限于黑色素瘤队列	探索非小细胞肺癌免疫治疗耐药的分子机制并开发预测生物标志物	非小细胞肺癌患者样本和Lewis肺癌细胞系	数字病理学	肺癌	单细胞RNA测序、机器学习算法	Accelerated Oblique Random Survival Forest	多组学数据（包括转录组数据）	156例NSCLC患者样本（四个队列）
374	2025-07-23	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-Aug-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	系统综述	本文系统综述了脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的研究现状	利用深度学习技术预测脑年龄，并通过脑年龄差距（BAG）作为阿尔茨海默病的早期诊断生物标志物	存在场地效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等关键挑战	探索脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	阿尔茨海默病患者和健康个体的脑部结构变化	数字病理学	阿尔茨海默病	深度学习	深度学习模型	神经影像数据	NA
375	2025-07-23	A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.048 PMID:40221285	研究论文	本研究构建了一个基于高分辨率T2加权图像的深度学习模型，用于术前区分T2和T3期直肠癌，并与经验丰富的放射科医生进行了性能比较	开发了一个基于DenseNet的深度学习模型，在区分T2和T3期直肠癌方面表现优于放射科医生	研究为回顾性设计，样本量相对较小，外部测试集仅包含26名患者	提高直肠癌术前分期的准确性，支持临床治疗决策	281名经病理证实的直肠癌患者	数字病理	直肠癌	高分辨率T2加权成像	DenseNet	医学影像	281名患者（来自四个中心）
376	2025-07-23	Prediction of Tumor Budding Grading in Rectal Cancer Using a Multiparametric MRI Radiomics Combined with a 3D Vision Transformer Deep Learning Approach 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.046 PMID:40246672	研究论文	评估多参数MRI放射组学结合3D Vision Transformer深度学习模型在预测直肠癌患者肿瘤萌芽分级中的有效性	首次结合多参数MRI放射组学和3D Vision Transformer深度学习模型预测直肠癌肿瘤萌芽分级	回顾性研究设计可能引入选择偏倚，且未建立临床模型	开发非侵入性方法预测直肠癌肿瘤萌芽分级，以辅助个性化治疗和预后评估	349例直肠腺癌患者（来自两家医院）	数字病理	直肠癌	多参数MRI（T2WI、DWI、T1CE）	3D Vision Transformer (ViT)	医学影像	349例患者（187例训练集，80例内部测试集，82例外部测试集）
377	2025-05-02	Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.022 PMID:40307112	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
378	2025-07-23	Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images: A Comparative Study of Intratumoral and Peritumoral Radiomics, Deep Learning, and Fusion Models 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.029 PMID:40328536	研究论文	本研究通过CT图像的放射组学和深度学习方法分析肺腺癌患者的肿瘤内和肿瘤周围特征，并开发验证了一种多模型融合策略来预测表皮生长因子受体（EGFR）突变状态	结合肿瘤内和肿瘤周围区域的放射组学与深度学习模型，采用软投票策略的多模态融合方法，显著提高了预测性能	研究基于回顾性数据，可能存在选择偏差	预测肺腺癌患者的EGFR突变状态	826名肺腺癌患者的CT图像数据	数字病理	肺腺癌	放射组学特征提取、深度学习	Lasso、多种机器学习算法、nnUNet、2D/2.5D/3D深度学习模型	CT图像	826名患者（来自两家医院）
379	2025-07-23	Renal Transplant Survival Prediction From Unsupervised Deep Learning-Based Radiomics on Early Dynamic Contrast-Enhanced MRI 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.001 PMID:40413148	研究论文	本研究探讨了利用无监督深度学习算法从早期动态对比增强MRI数据中提取与肾移植存活相关的放射组学特征	首次将无监督对比学习应用于肾移植存活预测，从MRI数据中提取放射组学特征	需要进一步研究验证该技术的稳健性，并确定如何将其整合到多模态和临床环境中	预测肾移植存活率	肾移植患者	数字病理	终末期肾病	动态对比增强MRI	CNN	图像	108名患者用于训练，48名患者用于验证
380	2025-07-23	Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction 2025-Aug, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00911-7 PMID:40686829	research paper	本研究旨在通过[18F]florapronol PET成像和深度学习自动量化软件，建立一个可靠的SUVR截止阈值来区分阿尔茨海默病（AD）患者与正常对照（NC）个体	结合部分体积校正（PVC）与SUVR分析以提高AD诊断准确性，并通过深度学习自动量化软件建立标准化的SUVR阈值	研究排除了轻度认知障碍（MCI）患者，样本量相对较小（n=141）	建立可靠的SUVR截止阈值以区分AD患者与NC个体，并评估PVC对诊断准确性的影响	55名AD患者（排除MCI）和86名NC对照	digital pathology	Alzheimer's disease	[18F]florapronol PET imaging, deep learning-based automated quantification	deep learning	PET imaging data	141 participants (55 AD patients and 86 NC controls)