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
4941	2025-04-19	An Overview and Comparative Analysis of CRISPR-SpCas9 gRNA Activity Prediction Tools 2025-Apr, The CRISPR journal DOI:10.1089/crispr.2024.0058 PMID:40151952	综述	本文综述并比较了基于机器学习和深度学习的CRISPR-SpCas9 gRNA活性预测工具的性能	系统评估了多种预测工具的性能，并创建了GuideNet资源门户网站以促进CRISPR数据集的共享	仅评估了七种工具，可能未涵盖所有现有方法	评估和比较CRISPR-SpCas9 gRNA活性预测工具的准确性和性能	CRISPR-SpCas9 gRNA活性预测工具	机器学习	NA	CRISPR-Cas9基因编辑技术	ML和DL模型	CRISPR数据集	九个CRISPR数据集，涵盖六种细胞类型和三个物种
4942	2025-04-19	Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study 2025-Apr-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002220 PMID:39764584	研究论文	提出一种基于深度学习的算法(BBMIL)，直接从乳腺癌组织病理学图像预测分子标志物和亚型	首次使用深度学习直接从H&E染色图像预测多种分子标志物和亚型，避免了额外的检测成本和样本负担	NA	开发能够直接从组织病理学图像预测乳腺癌分子特征的AI算法	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	BBMIL(一种新型深度学习算法)	组织病理学图像(H&E染色)	多中心回顾性研究(具体样本量未说明)
4943	2025-04-19	Rethinking Domain-Specific Pretraining by Supervised or Self-Supervised Learning for Chest Radiograph Classification: A Comparative Study Against ImageNet Counterparts in Cold-Start Active Learning 2025-Apr, Health care science DOI:10.1002/hcs2.70009 PMID:40241982	research paper	比较监督学习和自监督学习的领域特定预训练在胸部X光分类中的效果，以及在冷启动主动学习中的表现	首次探索领域特定预训练模型在冷启动主动学习中的潜力，并比较其与通用预训练模型的性能	领域特定预训练模型在多数情况下未能超越通用预训练模型，且无法替代原始图像作为模型输入	评估领域特定预训练模型在冷启动主动学习中的效果	胸部X光图像	computer vision	psychiatric pneumonia, COVID-19	supervised learning, self-supervised learning	TXRV, REMEDIS	image	NA
4944	2025-04-19	Development and external multicentric validation of a deep learning-based clinical target volume segmentation model for whole-breast radiotherapy 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100749 PMID:40242807	研究论文	开发并外部多中心验证了一种基于深度学习的全乳放疗临床靶区分割模型	利用大型单中心数据集结合多中心数据进行模型开发和验证，实现了高精度的临床靶区分割	在其中一个中心（Inst 9）的数据上模型表现不佳，显示模型在特定条件下的泛化能力有限	优化放疗治疗并减少毒性，通过自动分割临床靶区和风险器官	1822名患者的计划CT数据（861例来自单一中心用于训练，961例来自8个中心用于验证）	数字病理	乳腺癌	深度学习	3D-Unet	CT图像	1822名患者的计划CT数据
4945	2025-04-19	[Three-Dimensional Reconstruction Technique and Its Application of Binocular Endoscopic Images Based on Deep Learning] 2025-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240293 PMID:40246717	研究论文	探讨基于深度学习的双目内窥镜图像三维重建关键技术及实现方法	应用深度学习技术显著提升三维重建的准确性和实时性	未提及具体实验数据或样本量	提升内窥镜图像三维重建质量，指导临床双目内窥镜图像重建技术的可持续发展	双目内窥镜图像	计算机视觉	NA	深度学习	NA	图像	NA
4946	2025-04-19	The Real-World Impact of Vestibular Schwannoma Fully Automated Volume Measures on the Evaluation of Size Change and Clinical Management Outcomes in a Multidisciplinary Meeting Setting 2025-Mar-25, The journal of international advanced otology IF:1.0Q3 DOI:10.5152/iao.2025.241693 PMID:40208025	research paper	研究探讨了在跨学科会议（MDM）准备阶段提供全自动化前庭神经鞘瘤体积测量对放射学结果和临床管理决策的影响	首次在真实世界的MDM环境中评估全自动化深度学习体积测量与线性尺寸测量对前庭神经鞘瘤大小变化分类和临床管理决策的影响	样本量较小（50名患者），且未证明自动化测量对临床管理决策有显著影响	评估全自动化体积测量在MDM准备阶段的应用效果	50名成人单侧散发性前庭神经鞘瘤患者	digital pathology	vestibular schwannoma	deep learning-based volume measurements	NA	MRI images	50名患者（24男，26女，平均年龄64.6岁），共57次MRI比较
4947	2025-04-19	Artificial intelligence-based diagnosis of breast cancer by mammography microcalcification 2025-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2023.04.018 PMID:40242534	研究论文	本文展示了一种基于深度学习的自动化管道，用于乳腺X光摄影中微钙化的检测和分类，以促进乳腺癌的早期诊断	该技术不仅能提供乳腺X光摄影的分类结果，还能标注特定的钙化区域，并探索了基于深度学习的病理亚型和雌激素受体分类的有效性	训练集和测试集的分类准确率分别为0.8124和0.7237，显示模型在测试集上的性能有所下降	开发一种自动化的人工智能系统，以辅助临床医生在乳腺癌筛查、诊断和治疗中做出判断并提高效率	乳腺X光摄影中的微钙化病变	数字病理学	乳腺癌	深度学习	深度学习管道	图像	4,810张乳腺X光片，包含6,663个基于活检结果的微钙化病变（3,301个恶性，3,362个良性）
4948	2025-04-19	Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis 2025-01, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240176 PMID:39700040	research paper	该研究探讨了非侵入性定量CT在弥漫性肝病（脂肪变性、铁过载和纤维化）检测和量化中的应用	提出了非对比CT在肝脏脂肪和铁过载量化中的近似MRI性能，以及AI深度学习算法在自动化定量CT评估中的应用	对比后CT在肝脏脂肪量化中的精确度较低，仅能提供分类评估	研究非侵入性CT技术在弥漫性肝病检测和量化中的临床应用	弥漫性肝病（脂肪变性、铁过载和纤维化）患者	digital pathology	liver disease	CT, MRI, AI deep learning	deep learning	image	NA
4949	2025-04-19	Faster Acquisition and Improved Image Quality of T2-Weighted Dixon Breast MRI at 3T Using Deep Learning: A Prospective Study 2025-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1303 PMID:39780629	research paper	本研究比较了深度学习重建的T2加权Dixon序列与传统T2加权Dixon序列在乳腺MRI中的图像质量和病灶特征	使用深度学习重建的T2加权Dixon序列（T2DL）在减少采集时间的同时提高了图像质量	研究仅在一台3T扫描仪上进行，且样本量相对有限	比较深度学习重建的T2加权Dixon序列与传统序列在乳腺MRI中的表现	乳腺MRI图像	digital pathology	breast cancer	MRI, deep learning	deep learning	image	140名女性（85个囊肿和31个乳腺癌病例）
4950	2025-04-19	UMamba Adjustment: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and NnU-Net ResEnc Planner 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_9 PMID:40236615	research paper	该研究提出了一种名为UMambaAdj的新方法，用于在MRI引导的放疗中更精确地分割头颈癌的肿瘤体积	结合UMamba和nnU-Net ResEnc的优势，提出了一种新的肿瘤分割方法UMambaAdj	研究仅在HNTS-MRG 2024挑战测试集上进行了评估，可能需要更多数据验证	提高头颈癌MRI引导放疗中肿瘤体积分割的准确性	头颈癌患者的MRI图像中的肿瘤体积（GTVp和GTVn）	digital pathology	head and neck cancer	MRI	UMamba, nnU-Net ResEnc	image	HNTS-MRG 2024挑战测试集中的MRI图像
4951	2025-04-19	VMamba for plant leaf disease identification: design and experiment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1515021 PMID:40241820	research paper	该研究将VMamba视觉骨干模型引入农业植物病害检测任务，结合扩散模型和迁移学习技术，提出DDHTLVMamba方法，用于小样本农业数据集的植物病害检测	引入VMamba模型，通过选择性扫描机制降低计算复杂度，同时保持全局感受野和利用动态加权优势显著提高分类精度	研究主要针对小样本农业数据集，可能在大规模多样化数据集上的泛化能力有待验证	提高农业植物病害识别的准确性和效率，推动智能农业病害防控技术的发展	农业植物病害	computer vision	plant disease	diffusion models, transfer learning	VMamba, ResNet50, Vision Transformer, Swin Transformer	image	小样本农业数据集和大规模数据集如PlantVillage
4952	2025-04-19	Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574413 PMID:40241894	research paper	开发和验证了一种基于卷积神经网络（CNN）的工具，用于自动评分指甲银屑病的严重程度，使用改良的指甲银屑病严重程度指数（mNAPSI）	提出了一种不依赖标准化条件、能够准确评估所有严重程度等级的自动化评分工具	尽管在独立验证数据集中表现稳健，但成像条件的变异性可能影响模型性能	开发并验证一个自动化评分指甲银屑病严重程度的深度学习模型	银屑病（PsO）、银屑病关节炎（PsA）患者及非银屑病对照（包括健康个体和类风湿关节炎患者）	digital pathology	psoriasis	CNN, BEiT architecture, ImageNet-22k pre-training	CNN	image	训练数据集包括460名患者的4,400张指甲照片，独立验证数据集包括118名患者的929张指甲照片
4953	2025-04-19	A lightweight multi-deep learning framework for accurate diabetic retinopathy detection and multi-level severity identification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551315 PMID:40241910	research paper	提出了一种轻量级深度学习框架，用于准确检测糖尿病视网膜病变（DR）及其多级严重程度识别	设计了一个两阶段的轻量级深度学习网络，第一阶段检测DR存在与否，第二阶段通过迁移学习进一步分类DR严重程度	仅使用了在线数据集进行验证，未涉及临床实际应用验证	提高糖尿病视网膜病变检测的准确性和及时性，以改善患者预后	糖尿病视网膜病变患者的眼底图像	digital pathology	diabetic retinopathy	deep learning, transfer learning	CNN	image	APTOS 2019数据集
4954	2025-04-19	Construction of the preoperative staging prediction model for cervical cancer based on deep learning and MRI: a retrospective study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1557486 PMID:40242247	研究论文	基于深度学习和MRI构建宫颈癌术前分期预测模型	利用深度学习模型自动化宫颈癌术前分期，提高准确性和效率	样本量较小（112例患者），可能影响模型的泛化能力	开发自动化宫颈癌术前分期模型以辅助临床决策	宫颈癌患者	数字病理	宫颈癌	MRI扫描	DenseNet, FBNet, HRNet, RegNet, ResNet50, ShuffleNet, ViT	图像	112例宫颈癌患者的术前MRI扫描
4955	2025-04-19	Advancements in one-dimensional protein structure prediction using machine learning and deep learning 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.005 PMID:40242292	综述	本文综述了机器学习和深度学习在一维蛋白质结构预测中的最新进展	介绍了从早期机器学习模型到整合序列嵌入和预训练语言模型的复杂深度学习框架的演变，以及AlphaFold和蛋白质语言模型（PLMs）在序列-结构关系捕捉中的突破性进展	面临数据质量、可扩展性、可解释性和任务特定优化等挑战	探讨机器学习和深度学习在蛋白质结构预测领域的应用及未来发展方向	一维蛋白质结构注释，包括二级结构、溶剂可及性和内在无序性	结构生物信息学	NA	机器学习和深度学习	AlphaFold, 蛋白质语言模型（PLMs）	蛋白质序列和结构数据	NA
4956	2025-04-19	Structural studies of Parvoviridae capsid assembly and evolution: implications for novel AAV vector design 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1559461 PMID:40242328	综述	本文综述了细小病毒科（Parvoviridae）衣壳的组装与进化结构研究，及其对新型AAV载体设计的启示	结合现代结构研究技术和计算方法，探索AAV衣壳的定制化设计，以提高基因治疗的效率和安全性	AAV载体设计仍面临挑战，未来需进一步开发增强的计算工具	探讨细小病毒科衣壳的结构生物学及其在基因治疗中的应用	细小病毒科衣壳，特别是AAV（腺相关病毒）载体	结构生物学与基因治疗	遗传性疾病	冷冻电子显微镜、X射线晶体学、比较分析、结构引导设计、定向进化、计算预测	AI/机器学习、深度学习	结构数据、序列数据	NA
4957	2025-04-19	Diagnostic Accuracy and Interobserver Reliability of Rotator Cuff Tear Detection With Ultrasonography Are Improved With Attentional Deep Learning 2024-Dec-25, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.12.024 PMID:39725049	research paper	该研究通过改进YOLOv7模型，加入卷积块注意力模块（CBAM），开发了YOLOv7-CBAM模型，用于自动识别撕裂或完整的肩袖肌腱，以辅助医生通过超声诊断肩袖病变	提出了一种改进的YOLOv7-CBAM模型，结合了注意力机制，提高了肩袖肌腱撕裂检测的准确性和医生间诊断的一致性	样本量相对较小（280名患者），且仅针对特定类型的肩袖病变进行测试	提高超声诊断肩袖肌腱撕裂的准确性和医生间诊断的一致性	肩袖肌腱撕裂或完整的患者	computer vision	肩袖病变	超声成像	YOLOv7-CBAM	image	280名患者，840张超声图像
4958	2025-04-19	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	利用深度学习方法检测和分类AlphaFold蛋白质结构数据库中的每个结构域，创建了结构域百科全书	通过深度学习检测和分类了超过3.65亿个结构域，发现了超过1万个新的结构相互作用和数千个新的折叠方式	未提及具体限制	探索蛋白质结构域的结构多样性	AlphaFold蛋白质结构数据库中的结构域	生物信息学	NA	深度学习	NA	蛋白质结构数据	超过2.14亿个预测蛋白质结构和3.65亿个检测到的结构域
4959	2025-04-19	On machine learning analysis of atomic force microscopy images for image classification, sample surface recognition 2024-Apr-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d3cp05673b PMID:38477533	研究论文	本文探讨了机器学习在原子力显微镜图像分类和样品表面识别中的应用	提出了一种适用于AFM图像的机器学习分析通用模板，并特别关注了统计显著性的分析	AFM成像速度较慢，限制了深度学习在图像识别中的广泛应用	探讨机器学习在AFM图像分析中的应用	原子力显微镜图像	机器学习	NA	原子力显微镜(AFM)	非深度学习神经网络	图像	相对较少的AFM图像，小型数据库
4960	2025-04-19	Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound 2024-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-023-01390-z PMID:38051461	研究论文	本研究提出了一种深度学习模型，用于利用对比增强超声（CEUS）的九个时间相图像来区分肝脏病变	提出了一种并行排列三个ResNet50迁移学习模型的新型深度学习模型，能够同步输入九个不同时间相的CEUS图像并进行图像增强	样本量相对较小（181例肝脏病变），且特异性有待提高	评估深度学习模型在肝脏结节特征诊断中的性能	181例肝脏病变（48例良性，78例肝细胞癌，55例非肝细胞癌恶性）	数字病理	肝癌	对比增强超声（CEUS）	ResNet50	图像	181例肝脏病变