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
561	2025-05-02	Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis 2025-Apr-28, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124001 PMID:40306409	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能	首次对深度学习模型在脑积水心室分割中的应用进行了系统评价和荟萃分析	纳入研究的方法学异质性可能影响结果的可比性	评估深度学习模型在脑积水心室分割中的性能表现	脑积水患者的神经影像数据	digital pathology	geriatric disease	MRI, CT, US	DL-based models	image	24项研究共2911名患者
562	2025-05-02	Deep learning-powered whole slide image analysis in cancer pathology 2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	review	本文综述了深度学习在全切片图像分析中的应用及其在癌症病理学中的潜力	整合深度学习模型与全切片图像，探索超越病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学等级、预测临床结果并发现新的形态学生物标志物	讨论了将基于深度学习的数字病理学转化为临床实践的机会与挑战	提高癌症病理学中全切片图像分析的敏感性和准确性，支持个性化癌症治疗	全切片图像（WSI）	digital pathology	cancer	whole slide imaging technology	CNN, GCN, Transformer	image	NA
563	2025-05-02	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Apr-28, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景	系统性地总结了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的应用，并探讨了未来发展方向	目前尚无基于AI的预后或预测性生物标志物获得IA或IB级证据支持，数据可用性、可解释性和监管问题仍是主要障碍	探讨人工智能在肿瘤病理学中的应用现状和未来发展方向	肿瘤病理学中的AI应用	数字病理学	肿瘤	AI算法（包括基础模型、通用模型和基于transformer的深度学习）	深度学习模型	多组学数据	NA
564	2025-05-02	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-Apr-27, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌的错配修复缺陷	提出了一种新的深度学习方法MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并结合人机融合方法显著提高了诊断准确性	未提及具体的数据集大小和多样性限制	开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的错配修复状态	子宫内膜癌患者的组织病理学图像	数字病理学	子宫内膜癌	H&E染色	深度卷积神经网络（CNN）	图像	NA
565	2025-05-02	Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03621 PMID:40167999	研究论文	本文提出了一种结合深度学习、微流控芯片和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子亚型分类	创新性地将深度学习、微流控技术和SERS结合，实现了对肺癌外泌体的高效捕获、检测和分析，并展示了高准确率的亚型分类能力	未提及该方法在临床样本中的验证情况以及与其他现有技术的比较	开发一种非侵入性方法用于肺癌的早期诊断和精确分型	非小细胞肺癌（NSCLC）的外泌体	数字病理学	肺癌	微流控技术、表面增强拉曼散射（SERS）	深度学习	光学信号	三种不同的NSCLC细胞系和正常细胞系
566	2025-05-02	Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram 2025-Apr-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05628-2 PMID:40275174	研究论文	本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测五岁以下儿童中的显著先天性心脏病	使用真实世界的心电图数据训练AI模型，特别针对五岁以下儿童，显著提高了对血流动力学显著先天性心脏病的检测能力	研究数据来自单一中心，且未涵盖所有先天性心脏病亚型	开发一种AI辅助的心电图分析方法，用于早期检测儿童先天性心脏病	五岁以下儿童的心电图数据	数字病理学	心血管疾病	连续小波变换	ResNet-18, InceptionResNet-V2, NasNetMobile	心电图信号	1,035名五岁以下患者
567	2025-05-02	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Apr-24, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	review	本文综述了基于深度学习的MRI和PET多模态融合在阿尔茨海默病研究中的最新进展	系统总结了深度学习在多模态MRI和PET图像融合中的应用及其变体，并分析了当前领域的关键挑战和潜在解决方案	数据稀缺和不平衡、机构间数据异质性等问题尚未完全解决	推动阿尔茨海默病早期诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态数据	digital pathology	geriatric disease	MRI, PET	deep learning models及其变体	image	NA
568	2025-05-02	DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms 2025-Apr-24, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL36603 PMID:40302345	研究论文	提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点	结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题	未明确说明模型在更广泛RNA序列上的泛化能力	开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制	RNA中的m6Am修饰位点	生物信息学	NA	One-Hot编码，深度学习	DenseNet, TCN, CBAM	RNA序列数据	未明确说明样本数量
569	2025-05-02	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Apr-24, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	研究论文	基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性	结合Canny边缘检测算法和优化的GoogLeNet架构，提出了一种新的蜂蜜真实性检测方法	样本量较小，测试集仅包含12个样本	检测蜂蜜的真实性	油菜蜜和枸杞蜜两种单花蜜及其掺假样品	计算机视觉	NA	三维荧光光谱	CNN（GoogLeNet）	光谱数据	训练集133个样本，验证集33个样本，测试集12个样本
570	2025-05-02	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-Apr-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	meta-analysis	比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能	首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析	大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性	评估机器学习模型相比传统统计方法在预测PCI后结果中的优势	经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI）	machine learning	cardiovascular disease	NA	ML vs. logistic regression	clinical data	59项研究
571	2025-05-02	Stain Normalization of Histopathological Images Based on Deep Learning: A Review 2025-Apr-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15081032 PMID:40310413	review	本文综述了基于深度学习的组织病理学图像染色归一化方法的最新进展	总结了深度学习在染色归一化中的应用，包括监督、无监督和自监督方法，并分析了它们的贡献和局限性	未提及具体方法的性能比较或实验验证的不足	标准化不同来源图像的色彩分布，以提高下游算法在分类、分割和检测等任务中的性能	H&E染色的组织病理学图像	digital pathology	cancer	deep learning	NA	image	115篇出版物
572	2025-05-02	Diabetes: Non-Invasive Blood Glucose Monitoring Using Federated Learning with Biosensor Signals 2025-Apr-16, Biosensors DOI:10.3390/bios15040255 PMID:40277568	研究论文	该研究提出了一种基于联邦学习的非侵入性血糖监测方法，利用PPG信号和深度学习技术	采用联邦学习技术，允许多个医疗机构协作训练全局模型而不共享原始患者数据，同时结合CWT、ACBS和PSO优化信号处理和特征选择	研究数据主要来自手术和麻醉期间收集的PPG信号，可能无法完全代表日常生活中的血糖变化	开发一种准确、非侵入性且保护隐私的血糖监测方法	糖尿病患者	机器学习	糖尿病	PPG、CWT、ACBS、PSO	DNN、FL	PPG信号	来自VitalDB和MUST数据集的数据
573	2025-05-02	Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions 2025-Apr-13, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13040951 PMID:40299653	review	本文回顾了人工智能在肿瘤学中的最新进展，包括早期检测、个性化治疗策略和药物发现	综述了AI在肿瘤学中的应用，包括与纳米医学和免疫治疗的整合，以及AI模型与传统诊断方法的比较	数据质量、算法偏见和临床验证等挑战限制了广泛应用	探讨人工智能在肿瘤学中的应用及其未来发展方向	癌症的诊断、治疗和管理	digital pathology	lung cancer, prostate cancer, ...	deep learning	NA	NA	NA
574	2025-05-02	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Apr-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	research paper	提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织检测	PANseg仅使用图像级标签（2048×2048像素）进行训练，在多个测试集上实现了与全监督基线（FSB）相当的性能，并显著减少了标注负担	模型在活检切片上的性能相对较低（AUROC: 0.821），可能存在对某些样本类型的泛化能力不足	提高胰腺导管腺癌（PDAC）的组织病理学评估的准确性和效率	胰腺导管腺癌（PDAC）的原发性和转移性肿瘤组织	digital pathology	pancreatic ductal adenocarcinoma	deep learning	PANseg (multiscale weakly supervised deep learning framework)	whole-slide images (WSIs)	368张全切片图像（WSIs），来自208名患者，涵盖2个独立中心
575	2025-05-02	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	research paper	探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建融合模型以提高诊断效能	样本量较小（77例患者），且为回顾性研究，可能存在选择偏倚	提高乳腺叶状肿瘤的识别和病理分期准确性	乳腺叶状肿瘤和纤维腺瘤患者	digital pathology	breast cancer	MRI, radiomics, deep learning	fusion model, traditional radiomics model, subregion radiomics model, TDT_CIDL model	MRI images	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
576	2025-05-02	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	本研究提出了一种深度学习方法，通过从心脏磁共振成像(CMR)向心电图(ECG)传递信息，实现仅基于ECG的成本效益高且全面的心脏筛查	结合多模态对比学习和掩码数据建模，将CMR的领域特定信息传递到ECG表示中，提高了CVD风险预测和心脏表型预测的性能	研究依赖于UK Biobank的数据，可能在其他人群中的泛化性有待验证	开发一种仅基于ECG的成本效益高且全面的心脏筛查方法	心血管疾病(CVD)的诊断和心脏表型预测	机器学习	心血管疾病	多模态对比学习，掩码数据建模	深度学习	ECG和CMR图像	40,044名UK Biobank受试者
577	2025-05-02	Graph neural networks in histopathology: Emerging trends and future directions 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文全面回顾了图神经网络（GNNs）在组织病理学中的应用，探讨了其发展趋势和未来方向	提出GNNs作为CNN的替代方案，能够更好地捕捉全切片图像（WSIs）中的空间依赖性和拓扑结构	NA	探讨GNNs在组织病理学中的应用及其未来发展方向	全切片图像（WSIs）	数字病理学	NA	图神经网络（GNNs）	GNN	图像	NA
578	2025-05-02	DFCL: Dual-pathway fusion contrastive learning for blind single-image visible watermark removal 2025-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107077 PMID:39793490	research paper	提出了一种双路径融合对比学习方法，用于盲单图像可见水印去除	通过双路径训练图像和梯度图，增强高频特征获取和水印空间定位的准确性，同时利用对比学习确保结果更接近原始无水印图像	未提及具体的数据集规模限制或计算资源需求	解决盲单图像可见水印去除中的水印检测准确性和去除后视觉质量问题	带有可见水印的数字图像	computer vision	NA	对比学习	dual-pathway fusion model	image	在三个具有挑战性的基准数据集上进行了广泛实验
579	2025-05-02	Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108335 PMID:39793514	research paper	本文提出了一种结合JSTO优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍（ASD）	新提出的JSTO算法结合了Jaya算法和STBO优化方法，用于优化DenseNet模型，提高了ASD检测的准确率	研究仅基于Abide 1数据集进行验证，未在其他数据集上测试模型的泛化能力	开发一种高效的自闭症谱系障碍早期检测方法	自闭症患者的MRI脑部图像	digital pathology	autism spectrum disorder	MRI	DenseNet	image	基于Abide 1数据集
580	2025-05-02	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	research paper	研究比较了不同复杂度的U-Net架构在MRI图像中自动分割大腿肌肉并量化脂肪分数的性能	探索了神经网络复杂度降低对脂肪分数量化的影响，发现简化模型仍能准确量化脂肪分数	研究仅针对大腿肌肉的特定区域，且样本量相对有限	评估神经网络复杂度对MRI图像中大腿肌肉分割和脂肪分数量化的影响	59名患者和14名健康受试者的1450张大腿MRI图像	digital pathology	neuromuscular diseases	MRI	U-Net, nnU-Net	image	1450张大腿MRI图像（来自59名患者和14名健康受试者）