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
541	2025-06-05	CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf126 PMID:40178283	研究论文	本文提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据	CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的细胞状态转换	NA	预测单细胞扰动响应，以理解生物体的功能和行为	单细胞RNA测序数据	计算生物学	NA	单细胞RNA测序	VAE（变分自编码器）	RNA测序数据	三个真实数据集（感染、刺激和跨物种预测）
542	2025-06-05	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	提出了一种基于术中对比增强超声(CEUS)视频自动分析的实时IDH状态诊断方法ATAN	首次将自动TIC分析网络(ATAN)应用于术中实时IDH诊断，无需肿瘤样本，诊断准确率比现有深度学习方法平均提高15%	术中胶质瘤数据样本量较小	开发胶质瘤IDH状态的术中实时诊断方法	胶质瘤患者	数字病理	胶质瘤	对比增强超声(CEUS)	ATAN(Automatic TIC Analysis Network)	视频	主要队列60例胶质瘤患者(平均年龄50±14岁，男性28例)，预训练队列258例
543	2025-06-05	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究利用深度学习模型（U-Net和ResU-Net）实现了早产儿脑部超声图像中Sylvian裂的自动分割	首次尝试在早产儿脑部超声图像中实现脑沟自动分割，并比较了U-Net和ResU-Net的性能	模型在不同厂商设备获取的图像上性能有所下降，且目前仅针对单一平面（C3）的Sylvian裂进行分割	开发自动分割早产儿脑部超声图像中脑沟的方法，以监测其脑部发育情况	早产儿的脑部超声图像	数字病理学	儿科疾病	深度学习	U-Net, ResU-Net	图像	未明确提及具体样本数量
544	2025-06-05	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	research paper	提出了一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	引入了多模态融合U-Net（MMF-U-Net），通过融合块混合B模式和SE模式信息进行病灶分割，并利用预训练模型对病灶进行分类	未提及模型在不同数据集上的泛化能力或与其他先进方法的比较	提高乳腺癌的早期检测和诊断准确性	乳腺癌病灶	digital pathology	breast cancer	deep learning	MMF-U-Net	multi-modal ultrasound images	NA
545	2025-06-05	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-03, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	research paper	本研究提出了一种名为CTMF-Net的深度学习方法，通过交互融合CNN和ViT的中间特征，实现了乳腺超声图像良恶性分类的高准确率	提出了CNN和Transformer多阶段融合网络（CTMF-Net），通过特征交互模块实现两种网络结构的中间特征交互与更新	未提及具体的数据集样本量差异对模型性能的影响，也未讨论模型在不同设备采集图像上的泛化能力	开发能够交互融合全局和局部特征的深度学习方法，提高乳腺超声图像分类准确率	乳腺超声图像中的良性和恶性肿瘤	digital pathology	breast cancer	deep learning	CNN and ViT hybrid model (CTMF-Net)	image	三个公开乳腺超声数据集（SYSU、UDIAT和BUSI）
546	2025-06-05	MRI-derived radiomics and end-to-end deep learning models for predicting glioma ATRX status: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110386 PMID:39742798	系统综述与荟萃分析	本文系统综述和荟萃分析了MRI衍生的放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的诊断准确性	首次通过系统综述和荟萃分析评估了放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的综合表现	纳入研究的异质性较高，可能影响结果的稳定性	评估MRI衍生的放射组学和深度学习模型预测神经胶质瘤ATRX状态的诊断准确性	神经胶质瘤患者的MRI影像数据	数字病理学	神经胶质瘤	MRI	端到端深度学习模型	影像	17项研究纳入系统综述，11项研究纳入荟萃分析
547	2025-06-05	Predicting lymph node metastasis in thyroid cancer: systematic review and meta-analysis on the CT/MRI-based radiomics and deep learning models 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110392 PMID:39742800	meta-analysis	该论文通过系统综述和荟萃分析评估了基于CT/MRI的放射组学和深度学习模型在预测甲状腺癌淋巴结转移中的表现	首次系统评估并比较了放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断准确性	研究间存在异质性，需要进一步研究优化这些影像工具	评估CT/MRI为基础的放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断价值	甲状腺癌患者的淋巴结转移情况	digital pathology	thyroid cancer	CT/MRI-based radiomics, deep learning	DL models	medical imaging	16项研究的数据
548	2025-06-05	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	研究论文	本文介绍了一个用于联邦学习的多模态数据集创建平台，利用DICOM结构化报告实现数据标准化和集成	开发了一个具有交互式过滤功能的开放平台，简化了跨多个站点创建具有一致多模态数据的患者队列的过程	研究仅在德国八所大学医院组成的联盟内进行，可能限制了结果的普适性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	数字病理学	心血管疾病	DICOM结构化报告	NA	影像、波形数据、注释和元数据	德国八所大学医院的数据
549	2025-06-05	Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16 2025-Mar, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.1177/18758592241311184 PMID:40183298	research paper	本研究探讨了使用卷积神经网络（CNN）和VGG16在MRI图像中自动检测和分类脑肿瘤的方法	提出了一种能够预测分割性能并检测失败事件的深度学习模型，通过mIoU指标提高语义分割的准确性和失败检测	未提及具体的数据集大小或多样性限制，也未讨论模型在不同类型脑肿瘤上的泛化能力	开发一个自动化的脑肿瘤检测系统，以提高诊断速度和准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, image processing	CNN, VGG16	image	NA
550	2025-06-05	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2025-Feb-15, The American journal of cardiology DOI:10.1016/j.amjcard.2024.11.028 PMID:39581517	研究论文	评估AI-ECG在监测肥厚型心肌病（HCM）治疗反应中的应用	首次使用AI-ECG模型评估SRT和mavacamten对HCM的生物反应	研究样本来自特定医疗中心，可能限制结果的普遍性	评估AI-ECG作为监测HCM治疗反应的工具	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS）
551	2025-06-05	Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement 2025-Feb, Journal of the Air & Waste Management Association (1995) DOI:10.1080/10962247.2024.2412708 PMID:39440842	research paper	本研究通过改进U-Net卷积神经网络，结合边缘信息扩展和联合损失函数，提高了农业塑料大棚（APGs）在遥感图像中的提取精度	提出了一种改进的U-Net模型，结合边缘信息扩展和联合损失函数，显著提高了APGs的提取精度	未提及模型在其他类型遥感数据或不同地理环境下的泛化能力	提高农业塑料大棚（APGs）的提取精度，以支持农业管理和环境监测	农业塑料大棚（APGs）	computer vision	NA	遥感技术	U-Net CNN	遥感图像	使用GF-7卫星图像数据
552	2025-06-05	A CT-based deep learning for segmenting tumors and predicting microsatellite instability in patients with colorectal cancers: a multicenter cohort study 2025-Feb, La Radiologia medica DOI:10.1007/s11547-024-01909-5 PMID:39586941	研究论文	开发并验证基于术前增强CT图像的深度学习模型，用于结直肠癌肿瘤自动分割和微卫星不稳定性预测	结合增强CT图像和临床病理因素，利用深度学习模型预测微卫星不稳定性，提高了诊断性能	研究为回顾性设计，可能存在选择偏倚	开发深度学习模型用于结直肠癌肿瘤分割和微卫星不稳定性预测	结直肠癌患者	数字病理	结直肠癌	免疫组织化学、荧光多重聚合酶链反应-毛细管电泳	nnU-Net、ViT、CNN	CT图像	2180名患者（训练组1159名，验证组289名，外部测试组732名）
553	2025-06-05	Weakly Supervised Multiple Instance Learning Model With Generalization Ability for Clinical Adenocarcinoma Screening on Serous Cavity Effusion Pathology 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.2024.100648 PMID:39515585	研究论文	本研究提出了一种弱监督多实例学习模型，用于浆膜腔积液中腺癌细胞的快速筛查	首次将细胞块技术与弱监督深度学习模型结合用于浆膜腺癌筛查，并构建了首个基于细胞块切片的浆膜腔积液全切片成像公开数据集	NA	提高浆膜腔积液中腺癌细胞的筛查效率和准确性	浆膜腔积液中的腺癌细胞	数字病理学	腺癌	全切片成像，细胞块技术	弱监督多实例学习模型	图像	2个真实世界病理数据集
554	2025-06-05	Protein-protein interaction detection using deep learning: A survey, comparative analysis, and experimental evaluation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109449 PMID:39644584	综述	本文全面分析了用于检测蛋白质-蛋白质相互作用（PPIs）的各种深度学习技术，并进行了详细的实验评估	对多种深度学习技术在PPI检测中的性能进行了比较分析，并提出了未来改进方向	DNN存在过拟合和可解释性低的问题，LSTM网络存在可扩展性挑战	评估深度学习技术在蛋白质-蛋白质相互作用检测中的应用效果	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	DNN, CNN, GSN, LSTM	生物序列数据	NA
555	2025-06-05	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	该研究通过系统综述评估机器学习模型在预测常见精神障碍中的应用，重点关注生活方式数据的作用	首次评估诊断性机器学习在常见精神障碍中的效用，并评估预测变量类型	研究存在高度异质性和偏倚风险，生活方式数据利用不足	评估机器学习模型预测常见精神障碍的性能，并确定生活方式数据在模型中的潜在益处	成年人常见精神障碍	机器学习	精神障碍	机器学习	深度学习	多模态数据（包括生活方式、生物、人口统计-环境数据）	117项研究（111项仅模型开发，16项开发与验证）
556	2025-06-05	Detection of periodontal bone loss and periodontitis from 2D dental radiographs via machine learning and deep learning: systematic review employing APPRAISE-AI and meta-analysis 2025-02-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae070 PMID:39656957	系统综述	本文通过系统综述和荟萃分析评估了人工智能在牙科全景和根尖周X光片上评估牙槽骨丢失和牙周炎的应用	使用APPRAISE-AI工具对AI研究进行定量评估，并通过荟萃分析综合评估模型性能	纳入研究的质量参差不齐，缺乏非常高质量的研究，且AI研究的透明度和报告标准有待提高	评估人工智能在牙周炎和牙槽骨丢失诊断中的应用效果	牙科全景和根尖周X光片	数字病理	牙周炎	深度学习	NA	图像	30篇论文（其中10篇符合荟萃分析条件）
557	2025-06-05	Challenges and compromises: Predicting unbound antibody structures with deep learning 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102983 PMID:39862761	研究论文	本文探讨了利用深度学习预测未结合抗体结构的挑战与妥协	讨论了生成模型可能解决未结合抗体结构预测中的问题，并评估了构象异质性对结合动力学的影响	由于结构数据偏向抗体-抗原复合物，深度学习模型在未结合形式上的泛化能力可能受限	改进抗体开发流程中未结合结构的预测	未结合抗体，特别是CDRH3环	机器学习	NA	深度学习	生成模型	结构数据	NA
558	2025-06-05	Radiomics-guided generative adversarial network for automatic primary target volume segmentation for nasopharyngeal carcinoma using computed tomography images 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17493 PMID:39535436	研究论文	提出了一种基于放射组学引导的生成对抗网络（PRG-GAN），用于自动分割鼻咽癌（NPC）的主要靶体积（GTVp）	结合放射组学特征与生成对抗网络（GAN），通过形态学扩张和特征融合提高分割准确性	研究样本量较小（157例患者），且仅基于CT图像，未涉及其他影像模态	解决鼻咽癌主要靶体积（GTVp）在CT图像上因低对比度分辨率导致的自动分割难题	鼻咽癌（NPC）患者的CT图像	数字病理	鼻咽癌	放射组学特征提取、生成对抗网络（GAN）	GAN（生成对抗网络）	CT图像	157例鼻咽癌患者（训练集108例，验证集9例，测试集30例）
559	2025-06-05	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	系统综述	本文系统回顾了2011年至2023年间利用ECG信号自动预测心源性猝死（SCD）的研究进展	全面分析了机器学习和深度学习模型在SCD预测中的应用，并指出了当前技术的局限性和未来研究方向	大多数预测模型依赖小规模数据库，且主要使用ECG和HRV信号，忽略了其他生理信号的潜在贡献	评估自动预测心源性猝死的技术现状和发展趋势	心源性猝死的预测模型	机器学习	心血管疾病	ECG信号分析、HRV信号分析	KNN、SVM、决策树、随机森林、朴素贝叶斯、CNN	ECG信号、HRV信号	使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm，包含大量24小时SCD患者记录
560	2025-06-05	Benchmarking protein language models for protein crystallization 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86519-5 PMID:39827171	research paper	本文通过TRILL平台评估了开放蛋白质语言模型（PLMs）在预测蛋白质结晶倾向方面的性能，并比较了不同PLMs与现有方法的优劣	使用TRILL平台对多种开放PLMs进行系统评估，并发现ESM2模型在预测蛋白质结晶倾向方面表现最佳，性能提升显著	研究仅基于序列信息进行预测，未考虑蛋白质的三维结构和其他可能影响结晶的因素	评估和比较不同蛋白质语言模型在预测蛋白质结晶倾向方面的性能	蛋白质序列及其结晶倾向	machine learning	NA	蛋白质语言模型（PLMs），如ESM2、Ankh、ProtT5-XL等	LightGBM/XGBoost, ESM2, ProtGPT2	蛋白质序列	3000个生成的蛋白质，最终筛选出5个潜在可结晶蛋白质