深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
5581	2025-10-06	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment 2023-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.05.14.23289960 PMID:37293008	研究论文	开发并评估用于皮肤鳞状细胞癌术中冰冻切片实时切缘分析的深度学习算法	首次针对皮肤鳞状细胞癌的冰冻切片开发实时切缘分析AI算法，并探讨肿瘤分化状态对算法性能的影响	回顾性研究，需要进一步算法改进以更好区分高分化肿瘤与表皮组织，并解决炎症等混杂病理因素的影响	提高皮肤鳞状细胞癌Mohs显微手术中实时切缘分析的效率和准确性	接受Mohs显微手术的皮肤鳞状细胞癌患者	数字病理学	皮肤鳞状细胞癌	冰冻切片，全玻片扫描	CNN	图像	2020年1月至3月期间接受Mohs手术的cSCC患者队列	NA	卷积神经网络	AUC	NA
5582	2025-10-06	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	评估深度学习分割方法在骨关节炎临床试验中量化软骨损失的适用性	首次系统评估IWOAI 2019膝关节软骨分割挑战赛中六种深度学习方法的纵向临床应用价值	股骨亚区分割仅采用简单的后处理几何定义方法，可能影响测量灵敏度	验证深度学习分割方法在标准化纵向临床试验中量化软骨损失的可行性	骨关节炎患者的膝关节软骨	医学影像分析	骨关节炎	MRI	深度学习分割方法	膝关节MRI图像	556名受试者的1130次膝关节MRI扫描	NA	NA	标准化响应均值(SRM)	NA
5583	2025-10-06	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	研究论文	提出一种基于图神经网络的脑测量数据跨数据集插补方法	将跨数据集插补问题重新定义为预测任务，使用图神经网络建模脑区测量值间的依赖关系，并通过并行架构处理人口统计学差异	仅在两个特定数据集（ABCD和NCANDA）上验证，样本量相对有限	解决脑结构MRI数据集中特定脑区测量值缺失的问题	青少年脑结构MRI数据	机器学习	NA	结构MRI，Freesurfer分析	图神经网络（GNN）	脑结构测量数据，人口统计学数据	NCANDA数据集N=540，ABCD数据集N=3760	NA	图神经网络，并行架构（包含图解码器和分类器）	5折交叉验证准确率	NA
5584	2025-10-06	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	提出一种名为sciPENN的多功能深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并实现细胞表面蛋白预测和插补	开发支持多种功能的数据整合方法，包括跨数据集整合、蛋白表达预测与插补、不确定性量化和细胞类型标签转移	未在摘要中明确说明	解决CITE-seq和单细胞RNA-seq数据整合中的计算挑战，提高数据利用效率	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病，流感，COVID-19	CITE-seq，单细胞RNA-seq	深度学习	单细胞多组学数据	多个数据集（未指定具体数量）	NA	sciPENN	NA	NA
5585	2025-10-06	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文系统综述了深度学习在单细胞RNA测序数据分析中的应用方法和算法	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示框架，并关联了损失函数与数据处理步骤的具体目标	仅涵盖25种深度学习算法，可能未完全覆盖该领域所有最新进展	为单细胞RNA测序数据分析提供深度学习算法的系统综述和应用指南	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	VAE, AE, GAN, 监督深度学习	基因表达数据	NA	NA	变分自编码器, 自编码器, 生成对抗网络	NA	NA
5586	2025-10-06	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	研究论文	本研究开发了基于EfficientNet深度学习模型的糖尿病足溃疡缺血和感染分类系统	首次将EfficientNet模型应用于糖尿病足溃疡的缺血和感染分类，在准确率和计算效率上均显著优于现有方法	未提及模型在临床环境中的验证情况及对不同类型糖尿病足溃疡的泛化能力	开发基于图像的糖尿病足溃疡缺血和感染自动检测系统	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	图像增强技术	CNN	图像	NA	NA	EfficientNet, ResNet, Inception, Ensemble CNN	准确率	NA
5587	2025-10-06	Prediction and interpretation of cancer survival using graph convolution neural networks 2021-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2021.01.004 PMID:33484826	研究论文	提出一种名为Surv_GCNN的图卷积神经网络方法，用于预测13种癌症类型的生存率并识别潜在基因标志物	首次将图卷积神经网络应用于癌症生存预测，并提出基于网络模型的基因标志物解释方法	仅使用TCGA数据集，未在其他独立数据集上验证	开发更准确的癌症生存预测模型并识别关键基因标志物	13种癌症类型（包括BLCA、BRCA、COAD等）的基因表达数据和临床数据	机器学习	癌症	基因表达分析，网络分析	图卷积神经网络（GCNN）	基因表达数据，临床数据	TCGA数据集中13种癌症类型的样本	NA	图卷积神经网络	风险评分（RS）	NA
5588	2025-10-06	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	研究论文	开发基于深度学习的自动化管道用于三阴性乳腺癌PDX肿瘤的MRI图像分割，并评估影像组学特征对肿瘤边界的敏感性	首次系统比较五种网络架构在TNBC PDX肿瘤分割中的性能，并深入分析影像组学特征对肿瘤边界扰动的敏感性	研究仅限于三阴性乳腺癌PDX模型，未验证其他癌症类型	开发自动化的肿瘤分割方法并评估影像组学特征的稳定性	三阴性乳腺癌患者来源的肿瘤异种移植模型	数字病理	乳腺癌	磁共振成像	深度学习	医学影像	NA	NA	U-Net, Dense U-Net, Res-Net, R2UNet, D-R2UNet	F1-Score, recall, precision, AUC	NA
5589	2025-10-06	Artificial intelligence versus expert: a comparison of rapid visual inferior vena cava collapsibility assessment between POCUS experts and a deep learning algorithm 2020-Oct, Journal of the American College of Emergency Physicians open IF:1.6Q2 DOI:10.1002/emp2.12206 PMID:33145532	研究论文	开发深度学习算法评估危重患者下腔静脉塌陷度，并与POCUS专家进行对比	首次使用LSTM深度学习架构实时分析超声视频评估IVC塌陷度，为新手POCUS操作者提供辅助工具	样本量有限（训练集220个视频，测试集50个视频），专家与算法一致性仅为中等水平	创建能够评估下腔静脉塌陷度的深度学习算法，辅助新手POCUS操作者	危重患者的下腔静脉超声视频	计算机视觉	脓毒性休克	床旁超声(POCUS)	LSTM	超声视频	训练集220个IVC超声视频，测试集50个新IVC超声视频	NA	LSTM	Fleiss' κ	NA
5590	2025-10-06	Classification of Cancer Types Using Graph Convolutional Neural Networks 2020-Jun, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2020.00203 PMID:33437754	研究论文	本研究利用图卷积神经网络对33种癌症类型和正常组织进行分类	首次将图卷积神经网络应用于癌症分类，并设计了基于共表达网络和蛋白质相互作用网络的四种图结构模型	仅使用TCGA数据集，未在其他独立数据集上验证模型泛化能力	基于基因表达谱准确预测癌症类型	肿瘤样本和正常组织样本	机器学习	癌症	基因表达分析	GCNN	基因表达数据	10,340个癌症样本和731个正常组织样本	NA	图卷积神经网络	准确率	NA
5591	2025-10-06	Enhanced accuracy and stability in automated intra-pancreatic fat deposition monitoring of type 2 diabetes mellitus using Dixon MRI and deep learning 2025-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-04804-3 PMID:39841227	研究论文	开发基于Dixon MRI和深度学习的自动化胰腺内脂肪沉积监测方法，用于2型糖尿病风险评估	结合深度语义分割特征放射组学与传统放射组学特征，构建深度学习放射组学模型，显著提升胰腺内脂肪沉积评估的准确性和稳定性	回顾性研究设计，前驱糖尿病患者样本量有限导致部分测试未能进行	开发准确自动的胰腺内脂肪沉积评估方法以监测2型糖尿病风险	来自两个中心的534名接受上腹部MRI检查的患者	医学影像分析	2型糖尿病	Dixon MRI，多回波和双回波序列	深度学习，支持向量机	MRI图像	534名患者（来自两个医疗中心）	nnU-Net	U-Net	AUC，Dice相似系数，组内相关系数	NA
5592	2025-10-06	Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning 2025-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3541643 PMID:40072865	研究论文	通过整合学习的新生儿特异性子空间模型和模型驱动深度学习，实现快速稳定的新生儿脑部MR成像	提出将新生儿特异性子空间模型与深度学习网络相结合的新方法，解决了新生儿MRI训练数据不足的问题	需要进一步开发以提升在新生儿成像应用中的实际效用	加速新生儿脑部MR成像并提高重建稳定性	新生儿脑部MR图像	医学影像处理	新生儿脑部疾病	MR成像, 稀疏k空间采样	深度学习, 子空间模型	MR图像, k空间数据	dHCP数据集和来自四个独立医疗中心的测试数据	NA	深度神经网络	重建稳定性, 图像质量	NA
5593	2025-10-06	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-Aug-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	研究论文	本研究开发了一种整合治疗前和治疗中CT图像的深度学习模型，用于预测非小细胞肺癌患者的放疗反应	首次提出整合治疗前和治疗中不同时间点的CT图像，并建立变时间间隔LSTM网络来预测放疗反应	回顾性研究，样本量相对有限（168例患者），需要进一步前瞻性验证	预测非小细胞肺癌患者对放疗的治疗反应，并实现个性化剂量递增	非小细胞肺癌患者	医学影像分析	肺癌	计算机断层扫描（CT）	LSTM	医学影像（CT图像）	168例NSCLC患者（来自3家医院：SGH 35例，SCH 93例，LCH 40例）	NA	变时间间隔长短期记忆网络	AUC, 预测绝对误差	NA
5594	2025-10-06	Deep learning-based laser weed control compared to conventional herbicide application across three vegetable production systems 2025-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8912 PMID:40555698	研究论文	比较基于深度学习的激光除草技术与传统除草剂在三种蔬菜生产系统中的效果	首次在多种蔬菜生产系统中系统评估商业激光除草单元与传统除草剂的杂草控制效果对比	对马齿苋和一年生禾本科杂草效果较差，需要进一步优化不同环境和杂草物种的应用	评估激光除草技术在蔬菜生产系统中的有效性和可行性	甜菜、菠菜和豌豆三种蔬菜作物及其相关杂草	农业技术	杂草管理	激光除草技术	深度学习	田间试验数据	在新泽西州和纽约州进行的三个研究试验	NA	NA	杂草覆盖率、杂草密度、杂草生物量、作物生长抑制率、作物生物量	NA
5595	2025-10-06	Brain Age Prediction: Deep Models Need a Hand to Generalize 2025-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70254 PMID:40667664	研究论文	本研究通过综合预处理、数据增强和模型正则化技术提升基于T1加权MRI的脑年龄预测模型的泛化能力	提出结合预处理、数据增强和正则化的综合方法，显著缩小脑年龄预测模型的泛化差距	模型性能仍受限于医学影像训练数据量，且在不同数据集上的改进效果存在差异	提高深度学习模型在脑年龄预测任务中的泛化能力和临床适用性	T1加权磁共振成像数据	医学影像分析	阿尔茨海默病	T1加权MRI	CNN	医学影像	英国生物银行数据集、ADNI数据集和AIBL数据集	NA	SFCN-reg, VGG-16	平均绝对误差, 扫描重扫描误差	NA
5596	2025-10-06	Deep learning can predict cardiovascular events from liver imaging 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101427 PMID:40671834	研究论文	本研究开发了一种基于视觉Transformer的深度学习模型，能够通过肝脏MRI图像预测心血管事件风险	首次将视觉Transformer应用于肝脏MRI数据，以自监督方式提取特征来预测心血管风险，无需手动特征选择	需要进一步的前瞻性研究和外部验证来确定临床实用性	通过肝脏MRI图像增强心血管风险预测能力	英国生物银行中的肝脏MRI数据	计算机视觉	心血管疾病	磁共振成像(MRI)	Transformer	图像	44,672个肝脏MRI扫描	NA	Vision Transformer	AUC, F-statistic, log-rank test	NA
5597	2025-10-06	Identifying and Evaluating Salt-Tolerant Halophytes Along a Tropical Coastal Zone: Growth Response and Desalination Potential 2025-Aug, Plant-environment interactions (Hoboken, N.J.) DOI:10.1002/pei3.70072 PMID:40672803	研究论文	本研究通过深度学习图像识别和温室实验评估加纳海岸带盐生植物的耐盐性和脱盐潜力	结合深度学习图像识别技术与温室实验，系统评估热带海岸带盐生植物在不同盐浓度和土壤类型下的生长响应和脱盐能力	仅选取五种盐生植物进行研究，样本量有限；实验条件为受控温室环境，与野外自然条件存在差异	探索加纳海岸带盐生植物的耐盐特性和土壤脱盐潜力	加纳海岸带盐生植物	计算机视觉	NA	深度学习图像识别，温室实验	NA	图像，实验数据	五种盐生植物，三种盐浓度(0、25、50 dS/m)，两种土壤类型(海沙和耕地土壤)	NA	NA	相对生长速率(RGR)，性能指数(PI)，土壤电导率(EC)，总溶解固体(TDS)，pH值，钠离子和氯离子含量	NA
5598	2025-10-06	ViCoW: A dataset for colorization and restoration of Vietnam War imagery 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111815 PMID:40673188	研究论文	发布越南战争时期图像着色与修复的数据集ViCoW	提供首个专门针对越南战争时期历史影像的高分辨率图像对数据集，包含原始彩色帧与对应灰度版本	数据集规模相对有限（1896对图像），仅包含四部越南电影素材	支持历史图像修复与着色研究，促进数字遗产保护	越南战争时期历史影像	计算机视觉	NA	ITU-R BT.601亮度公式	深度学习模型	图像	1896对高分辨率图像（来自四部越南电影）	NA	NA	NA	NA
5599	2025-10-06	Smartphone image dataset for machine learning-based monitoring and analysis of mango growth stages 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111780 PMID:40673194	研究论文	本文开发了一个用于芒果生长阶段监测和分析的标准化智能手机图像数据集	创建了孟加拉国首个标准化的芒果生长阶段图像数据集，填补了该国农业领域机器学习应用的数据空白	数据集仅包含单一品种芒果在特定地区的图像，可能无法完全代表所有芒果品种和生长环境	开发标准化的芒果生长阶段图像数据集以支持机器学习在农业监测中的应用	芒果生长阶段的图像数据	计算机视觉	NA	智能手机图像采集	NA	图像	2004张图像，分为四个生长阶段：早期果实、未成熟、成熟和成熟期	NA	NA	NA	NA
5600	2025-10-06	Deep learning empowers genomic selection of pest-resistant grapevine 2025-Aug, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhaf128 PMID:40673235	研究论文	本研究结合深度学习与基因组选择技术，开发了预测葡萄抗虫性的方法	首次将深度卷积神经网络应用于葡萄叶片虫害评估，并结合多组学数据进行基因组选择	研究仅针对葡萄品种，样本量为231个种质资源	开发基于深度学习的基因组选择方法培育抗虫葡萄品种	葡萄叶片虫害表型和基因组数据	计算机视觉,机器学习	植物虫害	基因组重测序,转录组测序,植物表型组学	CNN,DCNN	图像,基因组数据,转录组数据	231个葡萄种质资源	NA	VGG16,DCNN-PDS	准确率,相关系数	NA