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
381	2025-04-27	CellCircLoc: Deep Neural Network for Predicting and Explaining Cell Line-Specific CircRNA Subcellular Localization 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491732 PMID:39495689	research paper	提出了一种基于深度学习的模型CellCircLoc，用于预测和解释细胞系特异性circRNA的亚细胞定位	首次开发了考虑细胞系特异性的circRNA亚细胞定位预测模型，结合了CNN、Transformer和双向LSTM来捕捉序列特征	未明确提及模型在跨细胞系泛化能力方面的表现	开发细胞系特异性的circRNA亚细胞定位预测工具	circRNA的亚细胞定位	生物信息学	NA	深度学习	CNN+Transformer+BiLSTM	RNA序列数据	未明确提及具体样本量
382	2025-04-27	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	本研究开发了一种多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著性前列腺癌，并与临床和放射组学模型进行了比较	采用混合融合方法整合多模态数据构建组合模型，显著提高了诊断性能	回顾性研究设计可能引入选择偏倚，样本量相对较小（303例患者）	建立预测灰区PSA水平患者临床显著性前列腺癌的诊断模型	2018年1月至2022年12月期间经病理证实的303例前列腺癌患者	数字病理	前列腺癌	bp-MRI影像分析	深度学习模型（具体架构未说明）、SVM、XGBoost	多模态数据（临床变量、PI-RADS评分、放射组学特征、深度学习特征）	303例经病理证实的前列腺癌患者
383	2025-04-27	Automatic 3-dimensional quantification of orthodontically induced root resorption in cone-beam computed tomography images based on deep learning 2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2024.09.009 PMID:39503671	research paper	本研究提出了一种基于深度学习的自动方法，用于从CBCT图像中提取牙根体积信息并定位牙根吸收	首次使用深度学习方法自动量化正畸引起的牙根吸收，提高了评估的客观性和效率	研究为回顾性设计，样本量相对有限	开发自动工具用于正畸治疗中牙根吸收的评估	正畸治疗引起的牙根吸收(OIRR)	digital pathology	dental disease	cone-beam computed tomography (CBCT)	Dynamic Graph Convolutional Neural Network	3D medical images	4534颗牙齿来自105名患者
384	2025-04-27	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本研究通过结合症状严重程度和多任务深度学习模型，利用神经解剖图像改进首发精神分裂症患者的识别	首次将精神病症状严重程度回归与标准病例/对照识别结合在多任务深度学习模型中，提高了诊断准确性	样本量相对有限，且仅针对首发未用药精神分裂症患者	探索精神分裂症患者脑部改变与症状严重程度的关系，并开发高诊断价值的MRI模型	286例未用药首发精神分裂症患者和330例健康对照，以及40例独立验证样本	数字病理学	精神分裂症	MRI、基于体素的形态测量学(VBM)、基于表面的形态测量学(SBM)	多任务深度学习模型	神经解剖图像	616例(286患者+330对照)+40例独立验证样本
385	2025-04-27	M-NET: Transforming Single Nucleotide Variations Into Patient Feature Images for the Prediction of Prostate Cancer Metastasis and Identification of Significant Pathways 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3493618 PMID:39509309	research paper	提出了一种名为M-NET的新型生物信息深度学习框架，用于基于单核苷酸变异预测前列腺癌转移	将单核苷酸变异转化为适合卷积神经网络的病人特征图像，并识别与转移状态相关的重要通路	NA	提高基于单核苷酸变异的前列腺癌转移预测性能	前列腺癌患者	digital pathology	prostate cancer	deep learning	CNN	genomic data (single nucleotide variations)	NA
386	2025-04-27	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	研究论文	本研究开发了一个深度学习框架，用于从多参数MR图像合成表观扩散系数(ADC)图	提出了多参数残差视觉变换器模型(MPR-ViT)，结合了视觉变换器(ViT)层的长距离上下文和卷积算子的精确性	研究依赖于公开数据集，可能无法涵盖所有临床场景	开发一个深度学习框架，用于从多参数MR图像合成ADC图	弥漫性胶质瘤患者的多参数MR图像	数字病理	胶质瘤	深度学习	MPR-ViT, VCT, ResViT	MR图像	501例胶质瘤病例，分为训练集(400例)、验证集(50例)和测试集(51例)
387	2025-04-27	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本研究探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用效果	开发了一种新的深度学习分割算法用于脑部CT骨去除，显著提高了硬膜下血肿的检测准确率	研究样本量相对较小，且主要针对初级放射科医生进行测试	提高非增强脑部CT扫描中硬膜下血肿的检测准确率	脑部CT扫描图像和硬膜下血肿检测	数字病理学	硬膜下血肿	深度学习分割算法	深度学习	医学影像	100例NCCTH用于训练，15例内部测试和22例外部测试数据
388	2025-04-27	Attention 3D UNET for dose distribution prediction of high-dose-rate brachytherapy of cervical cancer: Intracavitary applicators 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14568 PMID:39545816	研究论文	本研究提出了一种基于注意力门控机制和3D UNET的剂量预测模型，用于宫颈癌高剂量率腔内近距离放射治疗计划	首次将注意力门控机制与3D UNET结合应用于近距离放射治疗的剂量分布预测	研究样本量相对较小（77个原始计划），且仅针对特定类型（腔内）近距离放射治疗	开发高效准确的剂量预测模型以优化宫颈癌近距离放射治疗计划流程	宫颈癌患者的高剂量率腔内近距离放射治疗计划	数字病理	宫颈癌	深度学习	3D UNET with attention gates	3D医学影像数据	77个原始临床近距离放射治疗计划（经数据增强扩展至252个）
389	2025-04-27	Efficient labeling for fine-tuning chest X-ray bone-suppression networks for pediatric patients 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17516 PMID:39546640	research paper	提出了一种高效的标注方法，用于微调针对儿科患者的胸部X光片骨抑制网络	开发了一种无需专业设备和技术人员培训的全自动儿科CXR骨抑制网络	研究样本量较小，仅使用了40张标注的儿科CXR图像进行微调和验证	提高儿科胸部X光片中骨结构的自动抑制能力，以辅助儿童肺炎诊断	儿科患者的胸部X光片	digital pathology	pneumonia	distance transform-based bone-edge detection, traditional image processing-based bone suppression	CNN	image	240张成人CXR图像（A240）和260张儿科CXR图像（P260，其中40张标注用于微调和验证，220张未标注用于测试）
390	2025-04-27	Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning 2025-Feb, Cancer science IF:4.5Q1 DOI:10.1111/cas.16374 PMID:39555724	research paper	该研究利用深度学习技术，通过单个外周血细胞进行白血病的诊断和分型	提出了一种基于分割的增强残差网络，采用渐进多粒度训练与拼图补丁方法，能够在单个外周血细胞上区分良恶性细胞并进行白血病分型	对于非急性早幼粒细胞白血病的召回率较低（74.63%），模型性能在不同白血病类型间存在差异	开发一种非侵入性、快速准确的白血病诊断和分型方法	外周血细胞图像（包括5种良性白细胞和8种白血病细胞）	digital pathology	leukemia	deep learning	segmentation-based enhanced residual network	image	21,208张图像（来自237名患者）
391	2025-04-27	Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100652 PMID:39522644	研究论文	通过单细胞分辨率的成像质谱流式细胞术数据，研究三阴性乳腺癌肿瘤微环境的空间结构及其与临床结果的关系	利用多尺度计算算法深入量化肿瘤微环境的异质性，识别出10个复发性细胞邻域，并发现这些邻域与血管密度及周围免疫特征的组合能显著区分长期存活者	研究样本量相对较小（71例TNBC患者标本），且需要进一步验证深度学习模型在更大队列中的预测能力	探索三阴性乳腺癌肿瘤微环境的细胞组成、空间组织与临床结果之间的关联，以发现新的治疗靶点和生物标志物	三阴性乳腺癌患者的肿瘤微环境	数字病理学	三阴性乳腺癌	成像质谱流式细胞术	深度学习模型	图像	71例TNBC患者标本
392	2025-04-27	Current status and future direction of cancer research using artificial intelligence for clinical application 2025-Feb, Cancer science IF:4.5Q1 DOI:10.1111/cas.16395 PMID:39557634	review	本文综述了人工智能在癌症研究中的现状、挑战及未来方向，特别关注临床应用	探讨了生成式AI技术（如ChatGPT）在医学领域的应用及其社会影响	未具体说明研究中使用的AI技术或模型的局限性	促进利用有效AI技术进行癌症研究	AI技术在癌症研究中的应用	digital pathology	cancer	NA	NA	NA	NA
393	2025-04-27	Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach 2025-Feb, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06961-x PMID:39557690	research paper	该研究开发了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	首次使用CycleGAN实现PET到SPECT图像的跨模态转换，并保留了疾病特异性信息	合成SPECT图像的对比度噪声比较低，且在合成图像上观察到诊断性能有所降低	开发一种深度学习方法，促进多中心研究和克服数据稀缺问题，支持帕金森病和非典型帕金森综合征的诊断	帕金森病(PD)和非帕金森病对照(NC)受试者的[11C]CFT PET和[123I]FP-CIT SPECT图像	digital pathology	Parkinson's disease, atypical parkinsonian syndromes	PET, SPECT, CycleGAN	CycleGAN	image	602例[11C]CFT PET图像(72%PD)和1152例[123I]FP-CIT SPECT图像(85%PD)，以及67例PET测试集(75%PD)
394	2025-04-27	Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics 2025-Feb, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04875-0 PMID:39560696	研究论文	本研究探讨了利用深度学习和MRI预测低级别胶质瘤术中5-ALA诱导荧光的能力	结合U-Net模型和随机森林分类器，首次实现了基于术前MRI的术中荧光预测	模型性能仍有提升空间，且样本量相对有限	预测低级别胶质瘤的术中5-ALA诱导荧光情况	163例胶质瘤患者（83例荧光阳性，80例阴性）	数字病理	胶质瘤	MRI（T1、T1-post gadolinium、FLAIR序列）	U-Net + 随机森林	医学影像	163例胶质瘤患者
395	2025-04-27	Preparing for downstream tasks in artificial intelligence for dental radiology: a baseline performance comparison of deep learning models 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae056 PMID:39563402	research paper	比较卷积神经网络（CNN）、视觉变换器（ViT）和门控多层感知器（gMLP）在牙科放射影像分类中的性能	首次在牙科放射影像分类任务中比较了CNN、ViT和gMLP的性能，并发现ViT在某些任务中表现优于CNN	研究仅基于回顾性收集的二维影像数据，样本来源和多样性可能存在限制	评估不同深度学习模型在牙科放射影像分类任务中的性能	牙科放射影像中的上颌窦、上下颌切牙、颏孔的存在与否以及下颌第三磨牙与下牙槽神经管的位置关系	computer vision	dental disease	cone beam computed tomography	CNN, ViT, gMLP	image	NA
396	2025-04-27	Comparative Genomics and Epigenomics of Transcriptional Regulation 2025-Feb, Annual review of animal biosciences IF:8.7Q1 DOI:10.1146/annurev-animal-111523-102217 PMID:39565835	研究论文	本文探讨了转录调控的比较基因组学和表观基因组学研究	利用比较基因组学和表观基因组学数据识别进化上受限的调控变异，并揭示影响不同物种组织和发育阶段转录的非编码元件	大多数表观基因组数据来自特定发育阶段的健康受试者，缺乏多样化生理条件下的多维数据	理解转录基因调控的复杂生物过程	转录调控及其在基因组和表观基因组层面的比较分析	基因组学	NA	全基因组测序、深度学习建模、测序和功能筛选验证技术	深度学习模型	基因组和表观基因组数据	NA
397	2025-04-27	Medical meteorological forecast for ischemic stroke: random forest regression vs long short-term memory model 2025-Feb, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02818-y PMID:39567379	research paper	本研究比较了随机森林回归和长短期记忆模型在缺血性卒中医学气象预测中的性能	首次将LSTM模型应用于缺血性卒中的医学气象预测，并证明其优于随机森林回归模型	研究仅基于海口市的数据，可能不具有全国代表性	开发基于机器学习的缺血性卒中医学气象预测模型	缺血性卒中发作事件与气象数据的关系	machine learning	cardiovascular disease	NA	RF regression, LSTM	时间序列数据(气象数据和住院数据)	42849例缺血性卒中发作事件(2016年9月18日至2020年12月31日海口市数据)
398	2025-04-27	An automated toolbox for microcalcification cluster modeling for mammographic imaging 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17521 PMID:39569820	research paper	开发了一个自动化工具箱，用于生成定制的微钙化簇模型，以支持乳腺X线摄影成像技术的研究和优化	工具箱提供了两种生成微钙化簇模型的方法，包括基于几何形状和变换的三维模型生成，以及基于放射组学分析的二维模型生成，能够根据特定任务定制模型	虽然工具箱能够生成多样化的微钙化簇模型，但其实际应用效果仍需进一步验证	开发和优化乳腺X线摄影成像技术，提高对微钙化簇的正确解读能力	微钙化簇模型	digital pathology	breast cancer	radiomics analysis	NA	image	NA
399	2025-04-27	Synthesis of pseudo-PET/CT fusion images in radiotherapy based on a new transformer model 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17512 PMID:39569842	研究论文	提出一种基于新型Transformer模型的伪PET/CT融合图像合成方法，用于食管癌和鼻咽癌的放射治疗	采用带有'聚焦-分散'注意力机制和多一致性损失约束的Transformer模型，有效捕获PET和CT图像中的特征信息，合成具有增强肿瘤区域成像的伪PET/CT融合图像	研究仅针对食管癌和鼻咽癌，样本量相对有限（129例食管癌和141例鼻咽癌）	改进食管癌和鼻咽癌放射治疗中的多模态图像处理方法，减少患者接受的辐射剂量和配准误差	食管癌和鼻咽癌患者的PET和CT图像	数字病理	食管癌, 鼻咽癌	医学影像融合	Transformer	医学图像（PET和CT）	129例食管癌和141例鼻咽癌患者的回顾性数据，以及2例前瞻性病例
400	2025-04-27	A personalized periodontitis risk based on nonimage electronic dental records by machine learning 2025-Feb, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105469 PMID:39571782	research paper	本研究开发了一种基于非图像电子牙科记录（EDRs）的机器学习模型，用于预测牙周病（PD）的风险	利用机器学习模型从非图像电子牙科记录中预测牙周病风险，并识别关键预测因素	模型在验证集中对对照组的预测特异性较低（54%），需要进一步改进内部和外部验证	开发一种机器学习模型，用于早期检测和预防牙周病	来自美国的牙科患者，基于牙周病诊断、治疗和牙周袋情况的病例和对照组	machine learning	periodontal disease	machine learning	Random Forest	electronic dental records	43,331名参与者