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
5721	2025-10-06	Affine image registration of arterial spin labeling MRI using deep learning networks 2023-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120303 PMID:37536525	研究论文	本研究探索基于卷积神经网络的仿射配准网络在低信噪比动脉自旋标记灌注MRI图像配准中的可行性	首次将深度学习应用于低信噪比ASL灌注fMRI图像的仿射配准，相比传统SPM方法在精度和速度上均有显著提升	仅针对仿射变换进行研究，未考虑更复杂的非线性配准问题	开发适用于低信噪比功能磁共振图像的快速准确配准方法	动脉自旋标记灌注fMRI图像时间序列	医学图像处理	双相情感障碍, 衰老相关疾病	动脉自旋标记灌注fMRI, 磁共振成像	CNN	三维医学图像, 时间序列图像	多个独立数据集：冥想研究(10受试者×2)、双相障碍研究(26对照,19患者)、衰老研究(27年轻受试者,33老年受试者)	NA	仿射配准网络	平移误差, 旋转误差, MSE, L1, DSSIM, 总误差	NA
5722	2025-10-06	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	提出一种自监督对比学习方法SMoCo，基于3D淀粉样蛋白PET预测轻度认知障碍向阿尔茨海默病的转化	在预训练阶段同时利用标记和未标记数据，并结合标签信息生成针对下游分类任务的专用表示，不同于传统生成任务无关表示的自监督学习方法	仅使用ADNI数据集进行验证，需要更多外部数据集验证泛化能力	预测轻度认知障碍患者向阿尔茨海默病的转化进程	轻度认知障碍患者	计算机视觉	阿尔茨海默病	淀粉样蛋白PET成像	深度学习模型	3D医学图像	ADNI数据集	NA	SMoCo	AUROC, 准确率, 灵敏度, 特异性	NA
5723	2025-10-06	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	研究论文	提出基于Focal Loss的Swin-Transformer网络(FL-STNet)用于肺腺癌病理亚型分类	首次开发基于11分类的深度学习分类器，结合Focal Loss解决类别不平衡问题，融合Swin-Transformer模型优势	NA	改进肺腺癌病理分类的临床问题，提供辅助诊断	肺腺癌及其他肺部疾病亚型	数字病理	肺腺癌	全切片图像(WSI)组织病理学	Transformer	图像	360例确诊肺腺癌及其他肺部疾病患者样本	NA	Swin-Transformer	准确率,F1-score,AUC	NA
5724	2025-10-06	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本研究开发了一种基于注意力机制的深度学习架构，用于从子宫内膜癌HE染色病理图像中分类微卫星不稳定性状态	提出结合注意力模块的新架构来提取病理图像特征，并采用词袋方法聚合预测概率获得切片级微卫星状态	NA	开发快速、低成本的微卫星不稳定性自动检测方法，替代传统劳动密集且昂贵的检测方式	子宫内膜癌患者的HE染色全切片图像	数字病理	子宫内膜癌	HE染色	深度学习	图像	来自癌症基因组图谱子宫内膜癌队列的HE染色全切片图像	NA	基于注意力模块的架构	AUC, 准确率, 灵敏度, F1分数	NA
5725	2025-10-06	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	研究论文	开发基于深度学习的食管鳞癌患者总生存期预测模型及新型分期系统	提出基于深度学习模型风险评分的新型分期系统，相比传统列线图具有更好的预测性能	回顾性研究设计，数据来源于单一数据库	预测食管鳞癌患者总生存期并建立新型分期系统	食管鳞癌患者	机器学习	食管癌	深度学习	DeepSurv	临床数据	6020例食管鳞癌患者	NA	DeepSurv	C-index, AUC, 校准曲线, 决策曲线分析	NA
5726	2025-10-06	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	提出结合模糊3D高亮分割与机器学习的方法用于脑肿瘤的自动分割和分类	采用模糊3D高亮方法进行脑肿瘤分割，并结合两种优化算法（GOA-SVM和GA-DNN）进行肿瘤分类	NA	开发有效的脑肿瘤自动诊断方法	脑肿瘤MRI图像	医学影像分析	脑肿瘤	MRI扫描	SVM, DNN	3D医学图像	NA	MATLAB	GA-DNN, GOA-SVM	敏感度, 准确率, 特异性, Youden指数	NA
5727	2025-10-06	Differential diagnosis of hepatocellular carcinoma and intrahepatic cholangiocarcinoma based on spatial and channel attention mechanisms 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04935-4 PMID:37268850	研究论文	开发基于通道和空间注意力机制的深度学习模型CSAM-Net，用于肝细胞癌和肝内胆管癌的术前非侵入性鉴别诊断	首次将通道和空间注意力机制结合应用于肝脏肿瘤的CT图像鉴别诊断，显著提高了诊断准确率	研究为回顾性设计，样本量相对有限（共494例患者），需要进一步前瞻性验证	建立有效的术前非侵入性方法用于肝细胞癌和肝内胆管癌的鉴别诊断	395例肝细胞癌患者和99例肝内胆管癌患者的CT图像	计算机视觉	肝癌	CT成像	深度学习,注意力机制	医学图像	494例患者（395例HCC，99例ICC）	NA	CSAM-Net（基于通道和空间注意力机制）	AUC,准确率	NA
5728	2025-10-06	A deep-learning-based clinical risk stratification for overall survival in adolescent and young adult women with breast cancer 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04955-0 PMID:37277578	研究论文	本研究构建了一种基于深度学习的临床风险分层模型，用于预测青少年和年轻成年女性乳腺癌患者的总生存期	首次将DeepSurv深度学习算法应用于青少年和年轻成年女性乳腺癌患者的生存预测，并开发了用户友好的网络计算器	研究数据仅来源于SEER数据库，缺乏外部验证	开发乳腺癌青少年和年轻成年女性患者的总生存期预测模型	14,243名来自SEER数据库的青少年和年轻成年女性乳腺癌患者	机器学习	乳腺癌	深度学习	DeepSurv	临床数据和人口统计学数据	14,243名患者	NA	DeepSurv	C-index, ROC曲线, 校准图, 决策曲线分析	NA
5729	2025-10-06	Machine learning and deep learning techniques for breast cancer diagnosis and classification: a comprehensive review of medical imaging studies 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04956-z PMID:37278831	综述	本文全面回顾了机器学习和深度学习技术在乳腺癌诊断和分类中应用于医学影像的研究	系统性地比较了五种医学影像模态（乳腺X线摄影、超声、MRI、组织学和热成像）和多种机器学习及深度学习技术的应用效果	作为综述文章，不涉及原始研究数据的分析，主要基于已有文献进行总结	评估机器学习和深度学习技术在乳腺癌诊断和分类中的应用效果	乳腺癌医学影像数据	计算机视觉	乳腺癌	医学影像分析	CNN, ANN, SVM, DT	医学影像（乳腺X线摄影、超声、MRI、组织学、热成像）	NA	NA	卷积神经网络	准确率	NA
5730	2025-10-06	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发基于提示的机器阅读理解统一架构，用于临床概念抽取和关系抽取任务	提出统一的提示式机器阅读理解架构同时解决临床概念抽取和关系抽取任务，在跨机构应用中展现良好泛化能力	未明确说明模型在更广泛临床文本类型上的性能表现	开发具有良好泛化能力的自然语言处理系统，用于临床概念和关系抽取	临床文本中的医疗概念和关系	自然语言处理	NA	自然语言处理	Transformer	文本	使用2018年n2c2挑战赛（药物和不良药物事件）和2022年n2c2挑战赛（社会健康决定因素关系）的两个基准数据集	NA	GatorTron-MRC, BERT-MIMIC-MRC	F1-score	NA
5731	2025-10-06	The Objective Dementia Severity Scale Based on MRI with Contrastive Learning: A Whole Brain Neuroimaging Perspective 2023-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s23156871 PMID:37571654	研究论文	提出基于MRI和对比学习的客观痴呆严重程度评分系统，用于自动评估阿尔茨海默病患者的神经功能	首次将对比学习策略应用于全脑结构MRI数据，开发无需人工干预的客观痴呆评估方法	仅使用ADNI数据集进行验证，未在其他独立数据集上测试	开发客观的痴呆严重程度评估方法以改进阿尔茨海默病的诊断和治疗	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	结构磁共振成像	深度学习	脑部MRI图像	ADNI数据集样本	NA	对比学习框架	相关性分析，阶段区分准确率	NA
5732	2025-10-06	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究开发了一种基于3D卷积神经网络的人工智能系统，用于评估≤3cm肺结节的恶性程度和侵袭性	首次在多中心队列中验证AI系统在肺结节侵袭性评估方面的性能，并与术中冰冻切片检查进行对比	AI系统对直径大于1cm的实性结节存在误诊情况，与冰冻切片检查的一致性有待提高	评估人工智能算法在肺结节恶性肿瘤和侵袭性判断方面的性能	直径不超过3cm的肺结节	计算机视觉	肺癌	CT成像	CNN	CT图像	466个切除的肺结节	NA	3D卷积神经网络	AUC, 敏感性, 特异性, 一致性率	NA
5733	2025-10-06	Noise Suppression With Similarity-Based Self-Supervised Deep Learning 2023-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231428 PMID:37015446	研究论文	提出一种基于相似性的自监督深度学习去噪方法Noise2Sim，用于抑制CT图像中的独立和相关噪声	首个基于相似性的自监督深度去噪方法，能以非局部和非线性方式处理相关噪声，理论上在温和条件下与监督学习方法渐近等价	未明确说明方法在极端噪声条件下的性能表现	开发无需配对干净样本的自监督图像去噪方法	低剂量CT和光子计数CT图像	计算机视觉	NA	CT成像	深度学习	医学图像	NA	NA	NA	视觉评估,定量分析,统计分析	NA
5734	2025-10-06	Combined diagnosis of multiparametric MRI-based deep learning models facilitates differentiating triple-negative breast cancer from fibroadenoma magnetic resonance BI-RADS 4 lesions 2023-Jun, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04142-7 PMID:35771263	研究论文	本研究开发基于多参数MRI的深度学习模型组合诊断方法，用于区分三阴性乳腺癌与纤维腺瘤BI-RADS 4类病变	首次将多参数MRI（增强T1加权、扩散加权和T2加权成像）的深度学习模型组合应用于三阴性乳腺癌与纤维腺瘤的鉴别诊断	回顾性研究设计，样本量有限（319例），缺乏外部验证	评估多参数MRI深度学习模型组合在区分三阴性乳腺癌与纤维腺瘤BI-RADS 4类病变中的价值	319例女性患者的319个病理证实的BI-RADS 4类乳腺病变	医学影像分析	乳腺癌	多参数MRI（增强T1加权成像、扩散加权成像、T2加权成像）	深度学习模型	医学影像	319例女性患者，随机分为训练集、验证集和测试集	NA	NA	AUC, 敏感度, 特异度, 准确度, 加权kappa值	NA
5735	2025-10-06	MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad158 PMID:37099694	研究论文	提出一种多核机器回归模型MKMR，用于利用人类微生物组数据预测健康结果	首次开发能够同时利用多种微生物组-结果关联形式的预测模型，通过多核学习捕捉不同类型的微生物组信号	NA	开发能够整合多种微生物组信号的健康结果预测模型	人类微生物组数据与健康结果的关联	机器学习	NA	微生物组分析	多核机器回归	微生物组数据	NA	NA	多核学习	预测性能	NA
5736	2025-10-06	Three-dimensional genome rewiring in loci with human accelerated regions 2023-04-28, Science (New York, N.Y.) DOI:10.1126/science.abm1696 PMID:37104607	研究论文	本研究通过比较基因组学和三维基因组建模揭示了人类加速区域在人类特异性性状进化中的作用机制	结合深度学习与染色质构象捕获实验，首次发现人类加速区域在改变三维基因组组织的人类特异性变异中的富集现象	研究主要聚焦于神经祖细胞，可能无法完全代表其他细胞类型或发育阶段的情况	探索人类加速区域在人类特异性基因组进化中的作用机制	人类和黑猩猩的神经祖细胞	基因组学, 生物信息学	NA	染色质构象捕获实验, 深度学习, 哺乳动物基因组比对	深度学习模型	基因组序列数据, 染色质相互作用数据, 基因表达数据	241个哺乳动物基因组	NA	NA	NA	NA
5737	2025-10-06	Integrating structured and unstructured data for timely prediction of bloodstream infection among children 2023-03, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-022-02116-6 PMID:35854085	研究论文	本研究开发了一种结合结构化和非结构化电子健康记录数据的深度学习模型，用于预测儿童中心静脉导管相关血流感染	首次将临床笔记中的上下文词嵌入与结构化EHR数据相结合，显著提升了儿童血流感染预测性能	单中心回顾性研究，外部验证尚未进行	开发及时预测儿童中心静脉导管相关严重血流感染的深度学习模型	住院儿童中心静脉导管患者	医疗人工智能	血流感染	深度学习，上下文词嵌入	深度学习模型	结构化EHR数据，临床笔记文本	24,351例患者就诊记录	NA	NA	特异性，阳性预测值，敏感性	NA
5738	2025-10-06	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	研究多代不同毒物暴露对大鼠表观遗传跨代遗传的影响，发现会增强病理变化和肥胖	首次研究连续多代暴露于不同毒物对表观遗传跨代遗传的复合影响，并采用深度学习进行组织病理学分析	研究仅限于大鼠模型，人类相关性需要进一步验证	评估多代不同毒物暴露对表观遗传和疾病易感性的跨代影响	多代大鼠（F0-F5代）	数字病理学	肥胖	表观遗传分析，DNA甲基化检测	深度学习	组织病理学图像，表观遗传数据	多代大鼠群体（F0-F5代）	NA	NA	NA	NA
5739	2025-10-06	Deep learning models for cancer stem cell detection: a brief review 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1214425 PMID:37441078	综述	本文简要回顾了深度学习在癌症干细胞检测领域的研究进展	系统梳理了基于卷积神经网络的深度学习模型在癌症干细胞研究中的新兴应用趋势	作为简要综述，未深入探讨具体技术细节和全面性能比较	探索深度学习在癌症干细胞研究领域的应用现状和发展前景	癌症干细胞及其生物图像数据	数字病理学	癌症	生物图像分析	CNN	图像	NA	NA	卷积神经网络	NA	NA
5740	2025-10-06	Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning 2023-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04435-x PMID:36331654	研究论文	提出基于弱监督学习的双分辨率深度学习网络，用于结直肠癌的识别和预后预测	采用双分辨率深度学习网络同时利用局部和全局图像信息，无需病理学家标注感兴趣区域	NA	实现结直肠癌的快速诊断和风险分层	结直肠癌患者	数字病理学	结直肠癌	全切片图像分析	深度学习	组织病理学图像	TCGA数据集和广州医科大学附属肿瘤医院外部数据集	NA	双分辨率深度学习网络(WDRNet)	准确率,C-index,风险比(HR),p值	NA