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
4741	2025-03-06	Multimodal histopathologic models stratify hormone receptor-positive early breast cancer 2025-Mar-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57283-x PMID:40025017	研究论文	本文开发了一种名为Orpheus的多模态深度学习工具，用于从H&E全切片图像中推断激素受体阳性早期乳腺癌的Oncotype DX®复发评分（RS）	Orpheus模型能够更准确地识别高风险病例（RS > 25），并在RS ≤ 25的患者中比RS本身更准确地确定转移性复发的风险	模型的全球采用可能受到成本和滞后时间的限制	开发一种深度学习工具以改进激素受体阳性早期乳腺癌的复发评分预测	激素受体阳性早期乳腺癌患者	数字病理学	乳腺癌	深度学习	多模态深度学习模型	H&E全切片图像	6172例来自三个机构的病例
4742	2025-03-06	GNINA 1.3: the next increment in molecular docking with deep learning 2025-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00973-x PMID:40025560	研究论文	本文介绍了开源分子对接软件GNINA的1.3版本，该版本更新了深度学习框架并引入了新的功能	GNINA 1.3更新了深度学习框架至PyTorch，提高了计算效率，并引入了知识蒸馏的CNN评分函数，支持共价对接	未明确提及具体限制	提高分子对接的计算效率和准确性，支持共价对接	分子对接软件GNINA	计算机辅助药物设计	NA	分子对接，深度学习	CNN	分子结构数据	使用CrossDocked2020 v1.3数据集进行训练
4743	2025-03-06	Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study 2025-Mar-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01355-y PMID:40025592	研究论文	本研究开发并验证了一个结合临床数据、深度学习放射组学和放射组学特征的模型，用于预测腰椎融合术后高风险患者发生笼沉降（CS）的情况	结合了临床数据、深度学习放射组学和传统放射组学特征，开发了一个预测模型，并在多中心数据上进行了验证，模型表现优于经验丰富的外科医生的预测	研究为回顾性研究，可能存在选择偏倚，且样本量相对较小	预测腰椎融合术后高风险患者发生笼沉降（CS）的情况	305名接受腰椎融合手术的患者	数字病理学	腰椎疾病	深度学习、LASSO回归、逻辑回归	3D视觉变换模型	CT、MRI、临床数据	305名患者（训练组214名，验证组61名，测试组30名）
4744	2025-03-06	Converting dose-area product to effective dose in dental cone-beam computed tomography using organ-specific deep learning 2025-Mar-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae067 PMID:39607772	研究论文	本文开发了一种使用深度学习将剂量面积积（DAP）转换为患者剂量的准确方法，应用于牙科锥形束计算机断层扫描（CBCT）	使用深度学习模型（神经网络）来估计每个器官的等效剂量，相较于传统的多元线性回归模型和直接转换系数，显著提高了剂量估计的准确性	研究仅基于成人体模的模拟数据，未涉及真实患者数据，可能影响模型的泛化能力	开发一种准确的方法，将剂量面积积（DAP）转换为患者剂量，用于牙科锥形束计算机断层扫描（CBCT）	成人体模的CBCT曝光数据	数字病理	NA	深度学习	神经网络（NN）	模拟数据	24,384次CBCT曝光
4745	2025-03-06	Magnetic resonance image denoising for Rician noise using a novel hybrid transformer-CNN network (HTC-net) and self-supervised pretraining 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17562 PMID:39641989	研究论文	本文提出了一种结合Transformer和卷积神经网络（CNN）的混合网络（HTC-net）及自监督预训练策略，用于提高磁共振图像（MRI）的去噪性能	提出了一种新的混合Transformer-CNN网络（HTC-net），结合自监督预训练策略，有效利用长程信息并减少对配对MRI图像的需求	样本量有限，特别是配对的有噪和无噪MRI图像的数量限制了去噪性能	开发一种有效的深度学习方法，通过利用长程信息和预训练来提高MRI图像的去噪性能	磁共振图像（MRI）	计算机视觉	NA	深度学习	Transformer-CNN混合网络（HTC-net）	图像	肺部HP 129Xe MRI数据集（1059张图像）和IXI数据集（5000张图像）
4746	2025-03-06	Learning soft tissue deformation from incremental simulations 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17554 PMID:39642013	研究论文	本研究探讨了使用时空增量建模进行面部软组织生物力学模拟的方法	提出了结合时空特征的增量学习方法，显著减少了模拟时间，并提高了模拟精度	研究仅基于17名接受正颌手术的受试者数据，样本量较小	加速面部软组织生物力学模拟，以支持正颌手术的临床规划	面部软组织	生物力学模拟	NA	有限元方法（FEM）和深度学习（DL）	图神经网络（GNN）	模拟数据	17名接受正颌手术的受试者
4747	2025-03-06	A dual-decoder banded convolutional attention network for bone segmentation in ultrasound images 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17545 PMID:39651711	研究论文	本文提出了一种双解码器带状卷积注意力网络（BCA-Net），用于超声图像中的骨骼分割，旨在提高计算机辅助骨科手术（CAOS）中骨骼结构提取的精确性和效率	提出了一种新的双解码器带状卷积注意力网络（BCA-Net），利用多尺度带状卷积核和任务一致性损失，显著提高了骨骼分割的准确性和效率	研究依赖于特定数据集（1623组超声图像），可能限制了模型的泛化能力	系统研究骨骼超声图像的特征提取和分割方法，提出一种创新的卷积神经网络以满足CAOS中精确和高效的骨骼结构提取需求	超声图像中的骨骼结构	计算机视觉	骨科疾病	卷积神经网络（CNN）	BCA-Net	图像	1623组超声图像
4748	2025-03-06	Establishment of cancer cell radiosensitivity database linked to multi-layer omics data 2025-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.16334 PMID:39668120	研究论文	本文旨在建立一个与多层组学数据相关联的癌细胞放射敏感性数据库，以探索癌症放射敏感性	通过深度学习筛选大量文献，建立了一个包含285个细胞系的放射敏感性数据库，并与多层组学数据相关联	数据库的建立依赖于文献数据，可能存在数据质量和一致性的问题	探索癌症放射敏感性，并建立一个与多层组学数据相关联的放射敏感性数据库	癌细胞系	数字病理学	癌症	深度学习	NA	文献数据、组学数据	285个细胞系，来自28种癌症类型
4749	2025-03-06	Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer 2025-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.16426 PMID:39692707	研究论文	本研究利用深度学习技术探索早期食管癌中浸润区与非浸润区的组织学差异	首次使用AI模型（CLAM）分析早期食管癌的浸润区与非浸润区的组织学差异，并发现浸润区血管数量和大小显著增加	样本量较小（75例），且仅针对食管鳞状细胞癌（ESCC）进行研究，未涵盖其他类型的食管癌	探索早期食管癌中浸润区与非浸润区的形态学差异，以揭示浸润机制	75例食管鳞状细胞癌（ESCC）患者的组织样本	数字病理学	食管癌	内镜黏膜下剥离术（ESD）	CLAM（聚类约束注意力多实例学习模型）	图像	75例食管鳞状细胞癌（ESCC）患者的组织样本
4750	2025-03-06	Deep denoising approach to improve shear wave phase velocity map reconstruction in ultrasound elastography 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17581 PMID:39714072	研究论文	本研究开发了一种深度学习方法来去噪超声剪切波弹性成像中的剪切波场，以改进剪切波相速度图像的重建	提出了一种基于深度学习的去噪方法，通过将粒子速度数据转换为时频表示，并使用编码器和解码器卷积块的神经网络来提取信号，显著提高了高噪声场景下的信噪比	研究主要基于模拟和实验数据，尚未在临床环境中进行大规模验证	改进超声剪切波弹性成像中的剪切波相速度图像重建	模拟体模和离体山羊肝组织数据	医学影像处理	NA	深度学习	卷积神经网络（CNN）	超声图像	185,570个样本，其中80%用于训练，20%用于验证
4751	2025-03-06	Artificial intelligence-based tissue segmentation and cell identification in multiplex-stained histological endometriosis sections 2025-Mar-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/deae267 PMID:39724530	研究论文	本文探讨了如何通过人工智能技术对多重染色子宫内膜异位症切片进行组织分割和细胞识别，以理解组织组成	结合机器学习组织分析软件和深度学习算法，实现了对子宫内膜异位症切片的自动化组织分割和细胞识别	研究样本数量有限，未来需要增加样本量以细化亚型特异性差异，并应包含胶原丰富的无细胞区域的量化	实现子宫内膜异位症切片的自动化组织分割和细胞识别，以理解组织组成	子宫内膜异位症组织切片	数字病理学	子宫内膜异位症	多重免疫荧光染色	机器学习、深度学习	图像	8名不同亚型患者的子宫内膜异位症组织样本
4752	2025-03-06	Breast cancer classification based on breast tissue structures using the Jigsaw puzzle task in self-supervised learning 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00874-y PMID:39760975	研究论文	本研究探讨了自监督学习中的拼图任务在乳腺组织结构表征及乳腺癌分类中的有效性	首次将自监督学习中的拼图任务应用于乳腺癌分类，模拟放射科医生的诊断方法，通过图像特征和位置关系学习提升分类效果	研究仅基于中国乳腺X线数据库（CMMD），未验证在其他数据集上的泛化能力	评估拼图任务在乳腺X线图像中表征乳腺组织结构和乳腺癌分类的有效性	乳腺X线图像	计算机视觉	乳腺癌	自监督学习（SSL）	深度学习模型	图像	中国乳腺X线数据库（CMMD）中的乳腺X线图像
4753	2025-03-06	A novel hybrid deep learning framework based on biplanar X-ray radiography images for bone density prediction and classification 2025-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07378-w PMID:39812675	研究论文	本研究利用深度学习技术，基于双平面X射线摄影图像进行骨密度预测和分类	提出了一种基于双平面X射线摄影图像的混合深度学习框架，用于骨密度预测和分类	未提及具体样本量及模型泛化能力	开发一种用于骨密度预测和分类的深度学习模型，以筛查骨质疏松高风险患者	来自华山医院体检中心的双平面X射线摄影图像	计算机视觉	骨质疏松	深度学习	混合深度学习框架	图像	NA
4754	2025-03-06	Natural language processing of electronic health records for early detection of cognitive decline: a systematic review 2025-Mar-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01527-z PMID:40025194	系统综述	本文系统评估了自然语言处理（NLP）方法在电子健康记录临床笔记中检测认知障碍的应用	本文首次系统性地评估了NLP在电子健康记录中检测认知障碍的性能，并比较了不同算法（规则基础、传统机器学习和深度学习）的效果	主要挑战包括电子健康记录数据捕获不完整、临床文档实践不一致以及外部验证有限	评估NLP在电子健康记录中检测认知障碍的有效性	电子健康记录中的临床笔记	自然语言处理	认知障碍	自然语言处理（NLP）	规则基础算法、传统机器学习、深度学习	文本	1,064,530份临床笔记
4755	2025-03-06	Pre-trained convolutional neural networks identify Parkinson's disease from spectrogram images of voice samples 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92105-6 PMID:40025201	研究论文	本文提出了一种使用预训练卷积神经网络从语音样本的频谱图图像中识别帕金森病的新方法	首次在智能手机采集的宽带宽语音数据集上测试了该方法的性能，并比较了线性尺度和梅尔尺度频谱图图像的分类性能	NA	自动检测帕金森病	语音样本的频谱图图像	计算机视觉	帕金森病	深度学习	卷积神经网络（CNN）	图像	两个不同录音平台生成的语音数据集
4756	2025-03-06	Evaluation by dental professionals of an artificial intelligence-based application to measure alveolar bone loss 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05677-0 PMID:40025477	研究论文	本文评估了一种基于人工智能的应用程序，用于测量牙槽骨丧失，并调查了牙科专业人员对其接受度和可用性的看法	开发并实施了一种深度学习模型，结合语义分割神经网络和对象检测网络，精确识别牙槽骨嵴水平和牙骨质-釉质交界处，以测量牙槽嵴高度的变化	样本量较小，仅涉及56名牙科专业人员和35个可计算的牙槽嵴高度测量值	评估人工智能应用程序在牙槽骨丧失测量中的准确性和效率，并调查牙科专业人员对其接受度和可用性	牙科专业人员	数字病理	牙周病	深度学习	语义分割神经网络和对象检测网络	X光片	56名牙科专业人员和550张咬翼X光片数据集
4757	2025-03-06	Data-driven AI platform for dens evaginatus detection on orthodontic intraoral photographs 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05231-4 PMID:40025464	研究论文	本研究开发并评估了一种深度学习模型（BiStageNet），用于在正畸口内照片上自动检测dens evaginatus（DE）前磨牙，并基于训练结果开发了一个DE检测平台用于正畸临床应用	开发了BiStageNet模型和DE检测平台，显著提高了DE检测的特异性，减少了假阳性，同时保持了高灵敏度	研究中使用的数据集可能有限，未提及模型在其他数据集上的泛化能力	开发并评估用于自动检测dens evaginatus（DE）前磨牙的深度学习模型及临床应用平台	正畸口内照片中的前磨牙	计算机视觉	NA	深度学习	BiStageNet	图像	1,400张高质量口内照片用于前磨牙识别训练，2,128张图像用于DE检测训练
4758	2025-03-06	Automatic Calculation of Cervical Spine Parameters Using Deep Learning: Development and Validation on an External Dataset 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231205352 PMID:37811580	研究论文	本研究开发了一种深度学习模型，用于从颈椎侧位X光片中自动计算重要的脊柱参数	开发了一种能够从不同机构获取的图像中进行准确预测的深度学习模型，展示了其鲁棒性和高度泛化能力	研究仅使用了两个数据集进行训练和验证，样本量相对较小，可能影响模型的广泛适用性	开发并验证一种深度学习模型，用于自动计算颈椎侧位X光片中的脊柱参数	颈椎侧位X光片	计算机视觉	颈椎疾病	深度学习	深度学习模型	图像	1498张图像用于训练，79张图像用于外部验证
4759	2025-03-06	Predicting Progression in Adolescent Idiopathic Scoliosis at the First Visit by Integrating 2D Imaging and 1D Clinical Information 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231211273 PMID:37903546	研究论文	本研究旨在通过整合患者首次就诊时的1D临床信息和2D影像数据，预测青少年特发性脊柱侧弯（AIS）的进展	首次提出了一种多维输入模型，结合了1D临床数据和2D影像数据，用于预测AIS的进展，并采用了改进的CapsuleNet架构	研究样本量相对较小，且仅限于接受支具治疗的患者	预测青少年特发性脊柱侧弯（AIS）的进展，以辅助临床医生个性化治疗	青少年特发性脊柱侧弯（AIS）患者	数字病理	脊柱侧弯	深度学习	CapsuleNet	1D临床数据和2D影像数据	463名AIS患者
4760	2025-03-06	Urban fabric decoded: High-precision building material identification via deep learning and remote sensing 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100538 PMID:40034611	研究论文	本文介绍了一种利用深度学习和遥感技术进行高精度建筑材料识别的新框架	该框架结合了最新的传感技术和深度学习，能够利用遥感数据和Google街景图像识别屋顶和外墙材料，展示了模型在不同地理环境和建筑风格中的可扩展性和适应性	模型的训练和验证主要基于丹麦城市的数据，可能在其他地区的适用性需要进一步验证	旨在通过高精度建筑材料识别为城市环境中的碳减排、建筑改造和循环经济策略提供信息	丹麦城市（如欧登塞、哥本哈根、奥胡斯和奥尔堡）的建筑材料	计算机视觉	NA	深度学习	深度学习模型	遥感数据和Google街景图像	丹麦多个城市的建筑数据集