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	2025-04-27	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，开发深度学习模型用于肿瘤自动分割和MSI预测，提高了诊断性能	研究为回顾性设计，可能受到选择偏倚的影响	提高结直肠癌肿瘤分割效率和微卫星不稳定性预测准确性	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人，验证组289人，独立外部测试组732人）
562	2025-04-27	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	research paper	提出了一种肿瘤感知的深度学习图像配准方法TRACER，用于肺癌患者的CT扫描图像配准	TRACER方法通过结合肿瘤分割信息和使用3D-CLSTM网络，实现了在保持肿瘤区域不变的同时进行精确的图像配准	研究仅针对肺癌患者的CT图像，未验证在其他癌症类型或成像模态上的适用性	开发适用于基于体素分析的放疗结果建模的跨患者图像配准方法	肺癌患者的CT扫描图像	digital pathology	lung cancer	3D computed tomography (CT)	3D-CLSTM	3D image	204 3D CT image pairs for training, with additional evaluation datasets (N=308, N=765, and N=42)
563	2025-04-27	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	research paper	提出了一种新型的自监督学习框架和CSwin transformer UNet模型，用于增强前列腺双参数MRI中的临床显著性前列腺癌检测	引入了端到端的CSwin transformer UNet模型和自监督学习框架，利用未标记数据提高网络泛化能力	需要大量未标记数据进行自监督预训练，且模型性能可能受到数据集多样性的限制	提高前列腺双参数MRI中临床显著性前列腺癌的检测性能	前列腺双参数MRI图像	digital pathology	prostate cancer	bi-parametric MRI	CSwin transformer UNet	image	1476名患者(PI-CAI数据集)和158名患者(Prostate158数据集)
564	2025-04-27	Weakly Supervised Classification of Mohs Surgical Sections Using Artificial Intelligence 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.2024.100653 PMID:39522646	research paper	该研究开发并评估了一种深度学习模型，用于在Mohs显微外科手术全切片图像中检测基底细胞癌（BCC），结合弱监督学习和基于可解释分割的方法	通过注意力图将弱监督学习与可解释的分割方法相结合，提高了模型在BCC检测中的性能和可解释性	未对第三个外部数据集进行微调或预处理，可能影响模型在该数据集上的表现	解决Mohs显微外科手术全切片图像中基底细胞癌检测的挑战	基底细胞癌（BCC）的Mohs显微外科手术全切片图像	digital pathology	skin cancer	deep learning	CNN	image	来自2个医疗中心的数据集
565	2025-04-27	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，以提高诊断效率和准确性	首次将细胞块技术与弱监督深度学习模型结合，用于浆膜腺癌的筛查，并构建了首个基于细胞块切片的浆膜腔积液全幻灯片成像公开数据集	NA	提高浆膜腔积液中腺癌细胞的筛查效率和准确性，辅助病理学家诊断	浆膜腔积液中的腺癌细胞	数字病理学	腺癌	全幻灯片成像，细胞块技术	弱监督多实例学习模型	图像	两个真实世界的病理数据集，具体样本量未提及
566	2025-04-27	Cell Segmentation With Globally Optimized Boundaries (CSGO): A Deep Learning Pipeline for Whole-Cell Segmentation in Hematoxylin-and-Eosin-Stained Tissues 2025-Feb, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102184 PMID:39528162	research paper	开发了一种名为CSGO的深度学习流程，用于在H&E染色组织中进行全细胞分割	整合了核和膜分割算法，并使用基于能量的分水岭方法进行后处理，显著提高了全细胞分割的准确性和鲁棒性	仅在5个外部数据集上进行了评估，样本量相对有限	开发一种自动分割H&E染色组织中细胞的深度学习流程，以提升病理图像分析的能力	肝细胞癌和正常肝组织	digital pathology	hepatocellular carcinoma	deep learning	YOLO, U-Net	image	7例肝细胞癌和11例正常肝组织样本
567	2025-04-27	The Future of Surgical Diagnostics: Artificial Intelligence-Enhanced Detection of Ganglion Cells for Hirschsprung Disease 2025-Feb, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102189 PMID:39577743	research paper	本文介绍了一种利用人工智能技术增强术中诊断的方法，显著提高了赫希施普龙病中神经节细胞的检测效率	提出了一种基于深度学习的创新方法，通过ResNet-50模型和梯度加权类激活映射算法，显著提高了神经节细胞的检测准确率和诊断速度	研究样本来自3个中心的164名患者，可能无法代表所有临床情况	提高赫希施普龙病术中神经节细胞的检测效率和准确性	赫希施普龙病患者的手术样本	digital pathology	Hirschsprung disease	deep learning, whole-slide imaging	ResNet-50	image	366张冰冻切片和302张福尔马林固定石蜡包埋切片，来自164名患者
568	2025-04-27	Deciphering glioblastoma: Unveiling imaging markers for predicting MGMT promoter methylation status 2025-Feb, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101156 PMID:39531875	review	探讨影像特征在预测胶质母细胞瘤MGMT启动子甲基化状态中的潜力	结合当前影像技术和新兴的放射组学及深度学习模型，预测MGMT甲基化状态，以实现更早和更个体化的治疗和预后	先进的放射组学模型仍需进一步开发、标准化和实施	预测胶质母细胞瘤MGMT启动子甲基化状态，以改善治疗反应和患者预后	胶质母细胞瘤患者	digital pathology	glioblastoma	radiomics, deep learning	deep learning models	imaging	NA
569	2025-04-27	Development and evaluation of a deep learning model to reduce exomass-related metal artefacts in cone-beam CT: an ex vivo study using porcine mandibles 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae062 PMID:39589904	研究论文	开发并评估了一种深度学习模型，用于减少锥形束CT中由外源性物质引起的金属伪影	使用条件去噪扩散概率模型（DL技术）校正锥形束CT中外源性物质相关的金属伪影，提高了图像质量	研究仅使用了猪下颌骨作为实验对象，未来需要进一步验证在人体中的应用效果	减少锥形束CT中外源性物质引起的金属伪影，提高图像质量	猪下颌骨及其中植入的钛、钛锆和氧化锆牙科植入物	数字病理	NA	锥形束CT（CBCT）	条件去噪扩散概率模型	图像	5个猪下颌骨，每个下颌骨植入6个填充放射不透明溶液的管子，并逐步插入最多3个牙科植入物
570	2025-04-27	Using CT images to assist the segmentation of MR images via generalization: Segmentation of the renal parenchyma of renal carcinoma patients 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17494 PMID:39494916	research paper	探讨通过泛化能力利用CT图像辅助MR图像分割的可行性及稳健性，应用于肾细胞癌患者的肾实质分割	提出了一种利用CT图像通过泛化能力辅助MR图像分割的简化方法，避免了复杂的跨模态框架	需要更全面的测试来验证方法的泛化能力	探索在多模态医学图像分割中减少数据和标注需求的方法	肾细胞癌患者的肾实质	digital pathology	renal cell carcinoma	3D-UNET	CNN	image	116 CT图像和240 MR图像
571	2025-04-27	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	research paper	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）的原发肿瘤体积（GTVp）	结合放射组学特征与生成对抗网络（GAN），通过环形瘤周区域的放射组学特征作为先验知识，提高了分割准确性	研究样本量较小（157例患者），且仅基于CT图像，未考虑其他影像模态	解决鼻咽癌原发肿瘤体积（GTVp）在CT图像上自动分割的挑战	鼻咽癌（NPC）患者的CT图像	digital pathology	nasopharyngeal carcinoma	radiomics, deep learning	GAN	image	157例鼻咽癌患者的CT图像（训练集108例，验证集9例，测试集30例）
572	2025-04-27	4DCT image artifact detection using deep learning 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17513 PMID:39540716	research paper	本研究开发了一种基于深度学习的算法，用于检测4DCT图像中的伪影位置	该模型能够灵活处理多种类型的伪影，包括重复、错位、截断和插值，且灵敏度比现有方法高8%	NA	开发一种深度学习算法，用于识别4DCT图像中的伪影位置	4DCT图像中的伪影	computer vision	NA	4DCT	U-net CNN	image	从98次4DCT扫描中提取的23,000多个冠状切片
573	2025-04-27	SleepECG-Net: Explainable Deep Learning Approach With ECG for Pediatric Sleep Apnea Diagnosis 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495975 PMID:39527413	研究论文	提出了一种名为SleepECG-Net的可解释深度学习方法，用于通过心电图直接评估儿童阻塞性睡眠呼吸暂停（OSA）的严重程度	结合CNN-RNN模型和Grad-CAM算法，提高了模型的可解释性，并识别出与儿童OSA相关的心电图特征	模型在不同数据集上的性能存在差异，Cohen's Kappa值在0.249到0.410之间	简化儿童阻塞性睡眠呼吸暂停的诊断过程，并提供心血管风险因素信息	儿童阻塞性睡眠呼吸暂停患者	数字病理学	阻塞性睡眠呼吸暂停	深度学习	CNN-RNN	心电图信号	CHAT数据集1610例，CFS数据集64例，UofC数据集981例
574	2025-04-27	Applications and potential of machine, learning augmented chest X-ray interpretation in cardiology 2025-Feb, Minerva cardiology and angiology IF:1.4Q3 DOI:10.23736/S2724-5683.24.06288-4 PMID:39535525	review	本文探讨了机器学习在胸部X光片解读中的应用及其在心脏病学中的潜在影响	综述了机器学习在提高胸部X光片解读效率、病理检测准确性和临床决策支持方面的潜在应用	未提及具体的技术实现细节或临床验证结果	探索机器学习在心脏病学中胸部X光片解读的当前和未来应用	胸部X光片及其在心脏病学中的应用	digital pathology	cardiovascular disease	machine learning	deep learning	image	NA
575	2025-04-27	Diagnostic accuracy of radiomics and artificial intelligence models in diagnosing lymph node metastasis in head and neck cancers: a systematic review and meta-analysis 2025-Feb, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03485-x PMID:39527265	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学和人工智能模型在头颈癌淋巴结转移诊断中的准确性	首次对AI模型在头颈癌淋巴结转移诊断中的准确性进行系统评价和荟萃分析，比较了不同影像学方法和模型类型的表现	大多数研究缺乏外部验证，所有分析仅限于内部验证集	评估人工智能模型在头颈癌淋巴结转移诊断中的准确性	头颈癌患者的淋巴结转移	digital pathology	head and neck cancers	radiomics, deep learning	deep learning models, hand-crafted radiomics models	医学影像数据（CT、MRI、PET/CT）	23篇符合纳入标准的研究
576	2025-04-27	Glottic opening detection using deep learning for neonatal intubation with video laryngoscopy 2025-Feb, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-024-02171-3 PMID:39537817	research paper	本研究开发了一种基于深度学习的AI方法，用于在新生儿喉镜插管过程中自动检测声门开口，以提高插管效果	首次将YOLOv8深度学习模型应用于新生儿喉镜插管中的声门开口检测，并实现了与医疗人员相当或更优的性能	样本量相对较小（84例新生儿插管），且模型性能略逊于专家级医疗人员	开发AI辅助工具以提高新生儿喉镜插管的安全性和效率	新生儿喉镜插管过程中的声门开口检测	computer vision	NA	video laryngoscopy (VL)	YOLOv8	video frames	1623张视频帧（来自84例新生儿插管）
577	2025-04-27	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题上的潜力，超越了其在人类语言建模方面的熟练程度，并提供了实用指南以优化其使用和促进该领域的进一步创新	NA	概述大型语言模型在生物信息学中的应用及其未来发展	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	基因组学、转录组学、蛋白质组学、药物发现和单细胞分析数据	NA
578	2025-04-27	Modeling gene interactions in polygenic prediction via geometric deep learning 2025-Jan-22, Genome research IF:6.2Q1 DOI:10.1101/gr.279694.124 PMID:39562137	研究论文	介绍了一种基于几何深度学习的PRS-Net框架，用于建模基因间的相互作用以增强复杂疾病的预测和生物学发现	提出了PRS-Net，一种可解释的几何深度学习框架，能够有效建模生物系统的非线性关系，并通过图神经网络（GNN）显式封装基因-基因相互作用	未明确提及具体局限性	提高复杂疾病的遗传风险预测准确性并促进生物学发现	复杂疾病的遗传风险预测	机器学习	复杂疾病	几何深度学习、图神经网络（GNN）	GNN	基因组数据	未明确提及样本量
579	2025-04-27	DeepMEns: an ensemble model for predicting sgRNA on-target activity based on multiple features 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae043 PMID:39528429	研究论文	提出了一种基于深度学习的集成可解释模型DeepMEns，用于预测sgRNA的靶向活性	结合多种特征和集成策略，提高了预测性能，并通过可解释的模型结构增强了模型的内在机制理解	模型性能仍有提升空间，且未提及在实际基因编辑应用中的验证	提高sgRNA靶向活性预测的准确性和可解释性	CRISPR/Cas9系统中的单导RNA（sgRNA）	机器学习	NA	深度学习	CNN, Transformer, LSTM, 注意力机制	序列数据, 结构数据	使用了五个不同的训练和验证数据集
580	2025-04-27	Toward Personalized Digital Experiences to Promote Diabetes Self-Management: Mixed Methods Social Computing Approach 2025-Jan-07, JMIR diabetes DOI:10.2196/60109 PMID:39773324	研究论文	本研究采用混合方法社交计算方法，分析数字健康社区中的同伴互动，以促进糖尿病自我管理的个性化干预	结合深度学习和社交网络分析技术，从大规模社交媒体数据中识别社交影响力模式，为个性化干预提供依据	研究仅基于美国糖尿病协会支持社区的数据，可能无法推广到其他文化或平台	探索社交影响力在糖尿病自我管理中的作用，并开发个性化干预措施	美国糖尿病协会支持社区中的同伴互动数据（2014-2021年）	社交计算	糖尿病	深度学习、社交网络分析	深度学习模型	文本	约73,000次同伴互动，其中1,501条手动标注