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
5521	2025-03-06	Deep learning framework for interpretable quality control of echocardiography video 2025-Mar-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17722 PMID:40038091	研究论文	本文介绍了一种用于超声心动图视频自动质量控制的深度学习框架，旨在实时监测关键成像参数，减少手动质量控制过程的变异性	提出了一种多任务网络，结合了CNN、Bi-LSTM和面向对象检测头，用于心脏周期完整性、解剖结构、深度、心脏轴角度和增益的分析，并生成易于解释的综合评分	研究仅基于1331个超声心动图视频进行训练和测试，样本量相对较小，可能影响模型的泛化能力	开发一种自动化系统，用于超声心动图视频的质量控制，以提高临床评估的效率和一致性	超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN, Bi-LSTM	视频	1331个超声心动图视频
5522	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA
5523	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集
5524	2025-03-06	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种新的肾上腺分割流程，通过集成先进的预处理技术和强大的后处理框架，显著提高了左右肾上腺的分割精度	该研究创新性地结合了测试时间增强（TTA）和针对未连接区域的定向移除技术，显著提升了分割的准确性和鲁棒性	NA	提高CT图像中肾上腺的分割精度，以增强计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	NA	测试时间增强（TTA），未连接区域定向移除	2D UNet, VGG16, ResNet34, InceptionV3	CT图像	AMOS数据集
5525	2025-03-06	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma 2025-Mar-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	本研究通过空间转录组学在患者来源的异种移植模型中捕捉了治疗期间的克隆谱系演化，揭示了BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态	利用空间转录组学和深度学习技术，揭示了黑色素瘤在治疗期间的克隆谱系演化和耐药机制，并识别了潜在的治疗易感时间窗口	研究依赖于患者来源的异种移植模型，可能无法完全反映人类肿瘤的复杂性	研究BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态，以识别防止治疗失败的策略	BRAF突变黑色素瘤细胞	数字病理学	黑色素瘤	空间转录组学，深度学习	深度学习模型	转录组数据，组织病理学图像	患者来源的异种移植模型
5526	2025-03-06	Explainable handcrafted features for mitotic event detection and classification 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87180-8 PMID:40025100	研究论文	本文开发了一种全自动的细胞有丝分裂事件检测方法，旨在减少处理时间并提高细胞增殖率估计的准确性	该方法结合了传统图像处理和机器学习技术，通过特征选择和分类器减少误报，同时提供了可解释的特征	尽管性能与深度学习方法相当，但该方法在特征选择和处理高密度细胞图像时可能存在局限性	开发一种自动化的细胞有丝分裂事件检测方法，以提高细胞增殖率估计的准确性和效率	细胞有丝分裂事件	数字病理学	癌症	机器学习	树分类器和随机森林分类器	图像	两个大型数据集，一个包含相位对比图像，另一个包含无透镜图像
5527	2025-03-06	A Feature Fusion Attention-based Deep Learning Algorithm for Mammographic Architectural Distortion Classification 2025-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547263 PMID:40031706	研究论文	本文提出了一种基于特征融合和注意力机制的深度学习算法，用于乳腺X线摄影中结构扭曲的分类	结合了Vision Transformer (ViT)注意力网络和VGG-16，提高了结构扭曲检测的准确性和效率	未提及具体局限性	提高乳腺X线摄影中结构扭曲检测的准确性和效率	乳腺X线摄影中的结构扭曲	计算机视觉	乳腺癌	深度学习	Vision Transformer (ViT) + VGG-16	图像	PINUM和DDSM数据集
5528	2025-03-06	Deep Point Cloud Edge Reconstruction Via Surface Patch Segmentation 2025-Mar-03, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3547411 PMID:40031714	研究论文	本文提出了一种通过表面补丁分割进行点云边缘重建的新方法，旨在解决现有方法在边缘点稀疏和非均匀分布情况下的拟合误差问题	引入了一种新颖的两阶段框架，通过表面补丁分割来精确和完整地重建边缘，并提出了PCER-Net网络同时进行表面补丁分割、边缘点检测和法线预测	虽然方法在实验中表现出色，但未提及在实际应用中的计算效率和资源消耗情况	解决点云数据参数化边缘重建中的拟合误差问题，提高重建精度和完整性	点云数据	计算机视觉	NA	深度学习	PCER-Net	点云数据	包括CAD和日常模型（家具）的多样化补丁-边缘数据集
5529	2025-03-06	PICASO Set Operator for Computational Nephropathology 2025-Mar-03, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000668 PMID:40029711	研究论文	本文介绍了一种名为PICASO的新型排列不变集合操作符，用于动态聚合病理学特征，并在两种肾病场景中进行了应用	PICASO是一种基于Transformer的集合操作符，能够动态聚合实例集合中的特征，显著提升了肾病病理诊断的性能	研究仅在两种肾病场景中进行了验证，尚未在其他病理学领域进行广泛测试	通过引入PICASO集合操作符，提升肾病病理诊断的准确性和性能	IgA肾病中的活动性新月体病变检测和肾移植中的抗体介导排斥反应（AMR）分类	数字病理学	肾病	深度学习	Transformer	图像	IgA肾病数据集包含6206个PAS染色的肾小球图像（5792个无活动性新月体，414个有活动性新月体），AMR分类数据集包含1655个PAS染色的肾小球图像（769个AMR，886个非AMR）
5530	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
5531	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
5532	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）
5533	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）
5534	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
5535	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
5536	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
5537	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
5538	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
5539	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
5540	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