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
3961	2025-03-21	A Two stage deep learning network for automated femoral segmentation in bilateral lower limb CT scans 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94180-1 PMID:40097821	研究论文	本研究开发了一种基于深度学习的两阶段网络，用于在双侧下肢CT扫描中自动分割股骨	提出了一种双阶段方法，包括快速划定感兴趣区域和股骨的语义分割，相比单阶段SegResNet架构，具有更快的收敛速度、更短的推理时间和更高的分割精度	样本量相对较小，仅包含100个样本	开发一种高效且精确的股骨分割方法，以支持大规模和复杂的医学影像数据集	双侧下肢CT扫描中的股骨	计算机视觉	NA	深度学习	两阶段网络	CT图像	100个样本（85个用于训练，8个用于验证，7个用于测试）
3962	2025-03-21	LI-RADS-based hepatocellular carcinoma risk mapping using contrast-enhanced MRI and self-configuring deep learning 2025-Mar-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00844-6 PMID:40097992	研究论文	本研究旨在使用nnU-Net框架创建和评估一种基于LI-RADS v2018的自动分割模型，用于肝细胞癌（HCC）风险评估	利用nnU-Net框架实现自动分割和分类，生成HCC风险图，提高了LI-RADS分类的自动化水平	自动LI-RADS分类仍需改进，例如通过大型多中心研究进一步优化	开发并评估一种基于深度学习的自动分割模型，用于HCC风险评估	602名有HCC风险的患者，他们进行了动态EOB-MRI检查	计算机视觉	肝细胞癌	nnU-Net	U-Net	MRI图像	602名患者（383名训练集，219名内部测试集，16名外部测试集）
3963	2025-03-21	Deep learning-based fully automated detection and segmentation of pelvic lymph nodes on diffusion-weighted images for prostate cancer: a multicenter study 2025-Mar-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00840-w PMID:40098034	研究论文	本研究利用3D V-Net模型，基于盆腔扩散加权成像（DWI）扫描，实现了前列腺癌患者盆腔淋巴结的自动检测和分割	首次将3D V-Net模型应用于前列腺癌患者盆腔淋巴结的自动检测和分割，提高了效率和准确性	外部验证数据集规模相对较小，可能影响模型的泛化能力	提高前列腺癌患者盆腔淋巴结检测和分割的效率和准确性	前列腺癌患者的盆腔淋巴结	数字病理	前列腺癌	扩散加权成像（DWI）	3D V-Net	图像	1,151名患者（训练集），401名患者（外部验证集），共32,507个标注淋巴结
3964	2025-03-21	TransGeneSelector: using a transformer approach to mine key genes from small transcriptomic datasets in plant responses to various environments 2025-Mar-17, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11434-y PMID:40098114	研究论文	本研究介绍了TransGeneSelector，一个专门设计用于从小型转录组数据集中挖掘关键基因的深度学习框架	首次将Wasserstein生成对抗网络与梯度惩罚（WGAN-GP）和基于Transformer的分类网络结合，用于小样本转录组数据的基因挖掘	主要局限在于其应用仅限于小型转录组数据集，可能不适用于大规模数据集	开发一个深度学习框架，用于从小型转录组数据集中挖掘关键基因，以理解植物对环境条件的响应机制	拟南芥（Arabidopsis thaliana）的种子萌发和热应激条件下的基因表达数据	机器学习	NA	RNA-seq	WGAN-GP, Transformer	转录组数据	小型转录组数据集
3965	2025-03-21	Presenting a prediction model for HELLP syndrome through data mining 2025-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02904-0 PMID:40098129	研究论文	本研究旨在通过数据挖掘技术提出一个用于诊断HELLP综合征的机器学习模型	首次使用机器学习方法基于非侵入性参数诊断HELLP综合征，并比较了多种机器学习算法的性能	研究样本仅来自一家医院，可能限制了模型的泛化能力	开发一个有效的HELLP综合征诊断模型	384名在2010-2021年间在Tajrish医院就诊的患者	机器学习	妊娠相关疾病	数据挖掘	多层感知器、深度学习、KNN、随机森林、AdaBoost、XGBoost、逻辑回归、支持向量机、决策树	医疗记录	384名患者
3966	2025-03-21	A multimodal framework for assessing the link between pathomics, transcriptomics, and pancreatic cancer mutations 2025-Mar-15, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102526 PMID:40107149	研究论文	本研究开发了一个可解释的多模态框架，用于预测胰腺导管腺癌（PDAC）中的关键基因突变，结合了病理组学和转录组学数据	创新点在于结合了病理组学和转录组学数据，使用多模态深度学习模型预测PDAC中的基因突变，并通过注意力机制和SHAP方法解释模型结果	研究的外部验证集仅使用了CPTAC-PDA数据集，样本量可能有限，且对于SMAD4和CDKN2A基因的预测性能较低	研究目的是开发一个可解释的多模态框架，用于预测PDAC中的关键基因突变	研究对象是胰腺导管腺癌（PDAC）中的KRAS、TP53、SMAD4和CDKN2A基因突变	数字病理学	胰腺癌	RNA-seq	CLAM（Clustering-constrained Attention Multiple Instance Learning）、ResNet50、UNI、CONCH、自动编码器	图像、RNA-seq数据	两个独立数据集：TCGA-PAAD（训练集）和CPTAC-PDA（外部验证集）
3967	2025-03-21	CQENet: A segmentation model for nasopharyngeal carcinoma based on confidence quantitative evaluation 2025-Mar-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102525 PMID:40107148	研究论文	本文提出了一种基于置信度定量评估的鼻咽癌自动分割模型CQENet，旨在提高鼻咽癌肿瘤区域的精确分割	引入了置信度评估模块（CAM）以输出分割结果的置信度，提出肿瘤特征调整模块（FAM）用于精确定位肿瘤位置和范围，以及方差注意力机制（VAM）用于辅助模糊边界的精细分割	未提及具体的局限性	提高鼻咽癌肿瘤区域的自动分割精度，增强模型输出结果的置信度量化	鼻咽癌肿瘤区域	计算机视觉	鼻咽癌	深度学习	CQENet	图像	多中心鼻咽癌数据集
3968	2025-03-21	Assessing Public Interest in Mammography, Computed Tomography Lung Cancer Screening, and Computed Tomography Colonography Screening Examinations Using Internet Search Data: Cross-Sectional Study 2025-Mar-11, JMIR cancer IF:3.3Q2 DOI:10.2196/53328 PMID:40068175	研究论文	本研究利用Google搜索数据评估公众对乳腺X线摄影（MG）、低剂量CT肺癌筛查（LCS）和CT结肠成像（CTC）筛查技术的兴趣，并确定最常见的搜索主题	利用互联网搜索数据量化公众对三种常见癌症筛查技术的兴趣，并分析相关搜索主题，为制定公众意识策略提供依据	研究依赖于Google搜索数据，可能无法完全代表所有公众的兴趣和关注点	比较MG、LCS和CTC的历史Google搜索量，并确定最常见的搜索主题	公众对MG、LCS和CTC筛查技术的兴趣	数字病理	肺癌	Google Trends数据分析	NA	文本	过去20年的Google搜索数据
3969	2025-03-21	Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection 2025-Mar-08, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104552 PMID:40064432	研究论文	本研究提出了一种结合生成对抗网络（GANs）、去噪自编码器和EfficientNetB0的深度学习框架，用于糖尿病视网膜病变（DR）的检测	该研究创新性地整合了GANs用于数据增强、去噪自编码器用于降噪以及EfficientNetB0用于分类模型，显著提升了DR分类模型的性能	未来研究方向包括整合可解释性工具以增强临床采用，并探索其他成像模态以进一步提高泛化能力	提升糖尿病视网膜病变（DR）的早期检测和准确诊断能力	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	GANs, 去噪自编码器, EfficientNetB0	GAN, 自编码器, EfficientNetB0	图像	自定义的高分辨率OCT数据集
3970	2025-03-21	Incorporating radiomic MRI models for presurgical response assessment in patients with early breast cancer undergoing neoadjuvant systemic therapy: Collaborative insights from breast oncologists and radiologists 2025-Mar-07, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104681 PMID:40058742	综述	本文讨论了在早期乳腺癌患者接受术前治疗时，使用放射组学MRI模型进行术前反应评估的最新进展	结合机器学习和深度学习方法，提高放射组学MRI的准确性和预测能力，用于分析乳腺癌的不同亚型及治疗前后的具体变化	放射科医生的评估具有定性和主观性，可能不足以决定是否放弃额外的局部治疗措施	提高乳腺癌患者术前治疗反应的评估准确性，以减少侵入性局部治疗的需求	早期乳腺癌患者	数字病理学	乳腺癌	MRI	机器学习和深度学习方法	图像	NA
3971	2025-03-21	Deep profiling of gene expression across 18 human cancers 2025-Mar, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01290-8 PMID:39690287	研究论文	本文介绍了一种名为DeepProfile的无监督深度学习框架，用于生成18种人类癌症的50,211个转录组的低维潜在空间	DeepProfile框架在生物可解释性方面优于降维方法，并揭示了跨癌症类型定义潜在空间的普遍重要基因控制免疫细胞激活，而癌症类型特异性基因和途径定义分子疾病亚型	NA	利用无监督深度学习挖掘跨癌症基因表达大数据集中的临床和生物学信息	18种人类癌症的50,211个转录组	机器学习	癌症	无监督深度学习	DeepProfile	基因表达数据	50,211个转录组
3972	2025-03-21	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	本研究提出了一个全面的流程，用于训练和比较多种机器学习和深度学习脑龄预测模型，结合了多种预处理策略和校正项	提出了一个统计框架来评估年龄预测性能、跨队列变异性的鲁棒性及其作为神经退行性疾病生物标志物的潜力	NA	开发通用的脑龄预测模型，并评估其作为神经退行性疾病生物标志物的潜力	健康个体和神经退行性疾病患者	机器学习	神经退行性疾病	T1加权MRI扫描	惩罚线性机器学习模型	图像	UK Biobank、ADNI和NACC数据集
3973	2025-03-21	A deep learning detection method for pancreatic cystic neoplasm based on Mamba architecture 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251313719 PMID:39973786	研究论文	本研究提出了一种基于Mamba架构和YOLO的新型模型M-YOLO，用于提高胰腺囊性肿瘤的检测性能	结合Mamba架构和YOLOv10的优势，开发了M-YOLO模型，用于处理医学图像中的复杂形态特征	NA	提高胰腺囊性肿瘤的检测准确性和效率	胰腺囊性肿瘤	计算机视觉	胰腺癌	深度学习	M-YOLO (Mamba YOLOv10)	医学图像	由长海医院提供的数据集
3974	2025-03-21	A novel detail-enhanced wavelet domain feature compensation network for sparse-view X-ray computed laminography 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251319183 PMID:39973784	研究论文	本文提出了一种新颖的细节增强小波域特征补偿网络，用于稀疏视角X射线计算机断层成像（CL）重建	设计了一种编码器-解码器网络，能够在空间域特征提取过程中在小波域补偿缺失信息，并开发了细节增强模块以突出细节，同时结合了Swin Transformer和卷积算子以更好地捕捉特征	NA	构建一个深度学习网络用于稀疏视角CL重建	焊点的CL图像	计算机视觉	NA	深度学习	编码器-解码器网络	图像	3200对16视角和1024视角的CL图像（2880对用于训练，160对用于验证，160对用于测试）
3975	2025-03-21	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	研究论文	本研究提出了一种综合机器学习框架，通过整合临床特征和深度学习衍生的影像特征来评估乳腺癌的恶性程度	创新点在于结合了临床数据和影像数据，并开发了三种预测配置，包括仅影像模型、混合模型和基于堆叠的集成模型，以增强预测准确性	研究中未明确提及样本的多样性和外部验证，可能影响模型的泛化能力	研究目的是开发一种可靠的乳腺癌恶性风险评估工具	研究对象为1668名有乳腺病变记录的患者	机器学习	乳腺癌	深度学习	CNN（EfficientNet, ResNet, DenseNet, InceptionNet）	图像和临床数据	1668名患者
3976	2025-03-21	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	研究论文	本文提出了一种新的深度学习框架，用于在X射线图像中有效分类COVID-19	提出了一种混合深度学习方法，结合了多种特征提取技术和优化算法，以提高分类准确性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发一种基于AI的方法，快速识别COVID-19在胸部X射线图像中的表现	胸部X射线图像	计算机视觉	COVID-19	深度学习	MhA-Bi-GRU with DSAN	图像	未明确提及具体样本数量
3977	2025-03-21	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究评估了一种结合3D自编码器和注意力机制的混合深度学习模型在CT扫描图像中早期检测肺癌的有效性	结合3D自编码器和注意力机制，通过关注CT扫描中的关键特征来提高诊断准确性、敏感性和特异性	未提及具体的研究局限性	提高肺癌早期检测的诊断准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	深度学习	3D Auto-encoders, 注意力机制, SVM, RF, GBM, MLP, LightGBM, XGBoost, Stacking, Voting	CT扫描图像	未提及具体样本数量
3978	2025-03-21	Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays 2025-Mar, Journal of extracellular vesicles IF:15.5Q1 DOI:10.1002/jev2.70052 PMID:40098346	研究论文	本文通过大规模无偏分析，使用邻近延伸测定法识别脑源性细胞外囊泡在脑脊液中的标志物	首次使用Olink筛选技术对脑脊液中的5416种独特蛋白质进行无偏分析，识别出具有明显EV分馏模式的蛋白质，并创建了可搜索的候选EV相关标志物数据集	研究中仅10%的预测跨膜蛋白质具有明显的EV分馏模式，表明需要进一步验证候选蛋白质的EV关联性	识别脑源性细胞外囊泡的标志物，并验证其细胞来源	脑脊液中的细胞外囊泡	生物信息学	NA	邻近延伸测定法（Olink筛选）、尺寸排阻色谱法	DeepTMHMM深度学习模型	蛋白质数据	5416种独特蛋白质
3979	2025-03-21	Individualized prediction of atrial fibrillation onset risk based on lifelogs 2025-Mar, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.100951 PMID:40103686	研究论文	本研究旨在利用Apple Watch的持续生命日志数据预测个体化的心房颤动（AF）发病风险，以促进及时的心电图（ECG）获取	结合梯度提升决策树和深度学习的机器学习模型，利用Apple Watch数据预测AF发病风险，并优化ECG获取时机	样本量相对较小，且仅在日本进行全国性分析，可能限制了模型的普适性	预测个体化的AF发病风险，优化ECG获取时机	AF患者和Apple Watch用户	机器学习	心血管疾病	机器学习	梯度提升决策树和深度学习	生命日志数据（包括心率、步数、睡眠模式等）	Keio分析：100名AF患者；全国性分析：8,935名Apple Watch用户
3980	2025-03-21	SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation 2025-Feb-26, ArXiv PMID:40061120	研究论文	本文介绍了一种名为DeepTernary的新型深度学习方法，用于预测目标蛋白质降解中的三元复合物结构	DeepTernary利用SE(3)-等变图神经网络和三元图间注意力机制，直接从高质量训练数据集TernaryDB中捕获复杂的三元相互作用，无需已知PROTAC的先验知识	三元结构预测仍面临交互机制不明确和训练数据不足的挑战	开发一种能够有效预测目标蛋白质降解中三元复合物结构的深度学习方法	蛋白质和小分子	机器学习	NA	深度学习	SE(3)-等变图神经网络（GNN）	3D结构数据	高质量训练数据集TernaryDB