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
5941	2025-04-25	Unsupervised Non-Rigid Histological Image Registration Guided by Keypoint Correspondences Based on Learnable Deep Features With Iterative Training 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3447214 PMID:39167523	research paper	提出了一种基于可学习深度特征和迭代训练的无监督非刚性组织学图像配准方法	引入了固定深度特征和可学习深度特征作为关键点描述符，采用迭代训练策略联合优化配准网络和可学习深度特征	未明确提及具体局限性	解决组织学图像配准中由于多重染色导致的显著外观差异问题	组织学图像	digital pathology	breast cancer	deep learning	unsupervised network	image	ANHIR和ACROBAT网站上的数据集
5942	2025-04-25	Artificial Intelligence Recognition Model Using Liquid-Based Cytology Images to Discriminate Malignancy and Histological Types of Non-Small-Cell Lung Cancer 2025, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000541148 PMID:39197433	研究论文	本研究开发了一种基于深度学习的自动化图像分类模型，用于通过液基细胞学图像识别非小细胞肺癌的恶性肿瘤和组织学类型	使用Densenet-121 DCNN模型对肺癌细胞学图像进行分类，实现了高灵敏度和特异性的恶性肿瘤和组织学类型预测	样本量相对较小，且仅包含腺癌和鳞状细胞癌两种组织学类型	开发一种自动化图像分类模型，用于肺癌细胞学诊断	非小细胞肺癌的液基细胞学图像	数字病理学	肺癌	全切片成像	Densenet-121 DCNN	图像	45张巴氏染色玻片，共9141个图像块（2737个正常组织，4756个腺癌，1648个鳞状细胞癌）
5943	2025-04-25	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	本研究比较了传统HASTE与基于深度学习的DL-HASTE在3T MRI中肠道成像的图像质量和疾病检测能力	开发了一种基于深度学习的单次激发T2加权图像重建技术(DL-HASTE)，相比传统HASTE技术缩短了采集时间	研究仅纳入了91例患者，样本量相对较小	比较不同厚度切片的DL-HASTE与传统HASTE在肠道MRI中的图像质量差异	接受3T MR肠造影检查的患者	医学影像分析	肠道疾病	3T MRI，单次激发T2加权成像	深度学习	医学影像	91例患者(51名女性，平均年龄44±10岁)
5944	2025-04-25	Detection and classification of electrocardiography using hybrid deep learning models 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.08.011 PMID:39218394	研究论文	本文提出了一种结合CNN和VAE的混合深度学习模型，用于心电图的检测和分类，以提高心血管疾病的自动诊断准确性	提出了一种新的CNN-VAE混合架构，用于心电图的分类，相比其他深度学习方法表现更优	模型仅在PTB-XL数据集上进行了训练和测试，可能需要更多样化的数据验证其泛化能力	提高心电图的自动分类准确性，以辅助心血管疾病的早期诊断	心电图数据	机器学习	心血管疾病	深度学习	CNN-VAE混合模型	心电图信号	PTB-XL数据集中的21,799条12导联心电图，来自18,869名患者
5945	2025-04-25	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	比较分析了多种机器学习和深度学习算法在致癌性预测中的应用，并指出深度学习模型在数据量受限情况下的潜力	深度学习模型受限于现有致癌性数据集的规模	开发高效预测化学物质致癌性的替代方法	化学物质的致癌性	机器学习	癌症	机器学习、深度学习	SVM、随机森林、集成学习、前馈神经网络、CNN、图卷积神经网络、胶囊神经网络、混合神经网络	化学物质数据	NA
5946	2025-04-25	Identification of genomic alteration and prognosis using pathomics-based artificial intelligence in oral leukoplakia and head and neck squamous cell carcinoma: a multicenter experimental study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002077 PMID:39248300	研究论文	本研究开发了一种基于病理组学的人工智能模型，用于快速且经济高效地预测口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）中的9p染色体缺失，并评估患者预后	首次在OLK和HNSCC中开发了基因组改变预测的深度学习模型，结合了最新的Transformer方法和XGBoost算法	研究样本量相对较小，外部测试数据集仅有23例	开发一种基于病理组学的人工智能模型，用于预测9p染色体缺失并评估HNSCC患者预后	口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）患者	数字病理	头颈部鳞状细胞癌	全切片图像分析	Transformer和XGBoost	图像	333例OLK病例（训练集217例，验证集93例，外部测试集23例），以及407例HNSCC病例（42例和365例）
5947	2025-04-25	An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning 2025-Jan, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-024-02830-x PMID:39249515	research paper	该研究开发了一种基于深度学习的排名集成多分类器，用于神经退行性疾病的分类	提出了一种基于加权策略的排名集成方法，结合五种深度学习模型进行分类，提高了诊断准确性	研究中未提及模型的可解释性及在更广泛数据集上的泛化能力	提高神经退行性疾病（如阿尔茨海默病和帕金森病）的分类准确率	阿尔茨海默病（AD）和帕金森病（PD）患者	digital pathology	neurodegenerative disease	MRI	ensemble of five deep learning models	image	ADNI数据集用于AD分类，PPMI数据集用于PD分类
5948	2025-04-25	Artificial intelligence in interventional radiology: Current concepts and future trends 2025-Jan, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.08.004 PMID:39261225	综述	本文综述了人工智能在介入放射学中的当前应用和未来趋势	探讨了深度学习模型特别是基础模型在介入放射学中的应用，以及AI如何提升手术效率和安全性	未具体提及AI技术在介入放射学中应用的具体限制或挑战	概述人工智能在介入放射学中的潜在应用和未来发展方向	介入放射学的医疗实践和技术发展	数字病理学	NA	深度学习	基础模型	多模态数据	NA
5949	2025-04-25	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	review	本文综述了当前利用放射组学、机器学习和深度学习在MRI上预测软组织肉瘤恶性程度的研究现状	结合语义成像特征、放射组学特征和深度学习特征的机器学习模型展示了比单一特征来源更优的预测性能	NA	预测软组织肉瘤的恶性程度	软组织肉瘤	digital pathology	soft tissue sarcoma	MRI, 机器学习和深度学习	random forest, support vector machine, LASSO, SMOTE	MRI图像	NA
5950	2025-04-25	SeqSeg: Learning Local Segments for Automatic Vascular Model Construction 2025-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03611-z PMID:39292327	research paper	本文提出了一种名为SeqSeg的深度学习算法，用于自动追踪和分割医学图像中的血管结构，以构建基于图像的血管模型	SeqSeg采用局部U-Net推理方法，能够顺序分割血管结构，相比传统的2D和3D全局nnU-Net模型，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构	NA	改进心血管结构的计算机模型生成过程，提高自动化和效率	主动脉和主动脉-股动脉模型的CT和MR图像	digital pathology	cardiovascular disease	deep learning	U-Net, nnU-Net	image	NA
5951	2025-04-25	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	research paper	本研究评估了一种基于深度学习的去噪算法在神经放射学创伤CT扫描中降低辐射剂量的能力	使用深度学习去噪算法在25%辐射剂量下仍能保持高质量的诊断图像	单中心回顾性研究，样本量有限（100例患者）	评估深度学习去噪算法在降低神经放射学创伤CT扫描辐射剂量方面的效果	神经放射学创伤患者的CT扫描图像	digital pathology	traumatic neuroradiological emergencies	deep learning-based denoising (DLD), iterative reconstruction (IR2)	deep learning	CT scans	100例神经放射学创伤患者
5952	2025-04-25	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证了一种基于CT影像的深度学习模型，用于肺癌的自动化病理分级和预后评估	利用MobileNetV3架构构建深度学习模型，实现了肺癌术前病理分级的自动化评估，并通过内外验证集验证了其高准确性和预后价值	研究样本主要来自NLST和TCIA数据库，可能无法代表所有肺癌患者群体	为外科医生提供非侵入性工具以指导肺癌手术规划	肺癌患者（非小细胞肺癌）	数字病理	肺癌	CT成像	MobileNetV3	医学影像（CT）	796例（NLST队列572例+外部验证队列224例）
5953	2025-04-25	Physician Level Assessment of Hirsute Women and of Their Eligibility for Laser Treatment With Deep Learning 2025-Jan, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23843 PMID:39308029	研究论文	本研究比较了医疗专业人员和基于卷积神经网络（CNN）的模型在评估多毛症女性患者激光脱毛资格方面的能力	开发了一种基于深度学习的激光脱毛资格评估工具，其表现与训练有素的皮肤科医生相当	需要前瞻性随机临床干预研究以实现真正的临床普适性	评估多毛症女性患者激光脱毛的资格	多毛症女性患者	数字病理	多毛症	深度学习	CNN	图像	NA
5954	2025-04-25	Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03461-5 PMID:39316090	研究论文	本研究探讨了基于深度学习的加速MRI扫描在脑体积测量中的可行性和可靠性	使用深度学习重建技术，实现了3D T1加权MRI扫描的加速，最高可达75%的加速比	研究样本量较小（模拟加速数据集42人，验证数据集48人），且未在所有脑区（如苍白球）表现出良好一致性	评估深度学习加速MRI在脑体积测量中的临床应用可行性	3D T1加权MRI图像和脑体积测量	医学影像分析	脑萎缩相关疾病	深度学习重建技术	深度学习（具体架构未说明）	3D MRI图像	模拟加速数据集42人，验证数据集48人
5955	2025-04-25	Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	提出了一种新颖的数据增强深度学习模型，用于通过最小化可穿戴惯性传感器估计步宽	使用数据增强的深度学习模型和最小化可穿戴惯性传感器（IMUs）来估计步宽，克服了传统方法的高成本和耗时问题	研究样本量较小，仅包括12名神经退行性疾病患者和17名健康个体	开发一种便携式步宽监测方法，以增强康复训练、评估和动态平衡控制	神经退行性疾病患者（SCA3）和健康个体	机器学习	神经退行性疾病	深度学习	数据增强深度学习模型	惯性传感器数据	12名SCA3患者和17名健康个体
5956	2025-04-25	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	research paper	该研究开发了一个基于联邦学习的深度学习模型FedPneu，用于通过X光图像早期检测肺炎	采用联邦学习框架，解决了传统集中式深度学习模型在医疗影像数据上的隐私泄露风险	研究仅测试了2-5个客户端架构，未探索更大规模的分布式场景	开发一个隐私保护的肺炎早期检测系统	多机构医疗影像数据集	digital pathology	pneumonia	federated learning	deep learning	X-ray images	未明确说明具体样本量（多机构X光数据集）
5957	2025-04-25	En masse evaluation of RNA guides (EMERGe) for ADARs 2025, Methods in enzymology DOI:10.1016/bs.mie.2024.11.030 PMID:39870442	研究论文	本文介绍了一种名为EMERGe的高通量筛选方法，用于全面评估RNA引导链以促进ADARs对特定腺苷的编辑	开发了EMERGe方法，克服了现有设计原则难以编辑特定靶点的限制，为ADARs的全面筛选提供了新工具	未明确说明该方法在体内环境中的有效性及潜在脱靶效应	开发一种高通量筛选方法以优化RNA引导链设计，充分释放ADARs编辑技术的治疗潜力	ADARs酶及其RNA引导链	基因编辑	NA	NGS	机器学习或深度学习模型（潜在应用）	RNA序列数据	NA
5958	2025-04-25	Attention-Guided Learning With Feature Reconstruction for Skin Lesion Diagnosis Using Clinical and Ultrasound Images 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3450682 PMID:39208042	research paper	提出一种结合临床和超声模态的注意力引导学习与特征重建的皮肤病变诊断网络，以提高诊断准确性	提出注意力引导学习模块和特征重建学习策略，融合临床和超声模态的表面和深度信息，增强特征表示	现有多模态方法仅局限于皮肤临床和皮肤镜模态的表面信息，限制了皮肤病变诊断准确性的进一步提升	提高皮肤病变的诊断准确性	皮肤病变	digital pathology	skin lesion	deep learning	CNN	image	NA
5959	2025-04-25	Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf024 PMID:40223818	研究论文	开发了一种基于深度学习的数字病理计算方法，用于测量肾小球滤过屏障超微结构的GBM和PFP宽度	首次使用U-Net模型和图像处理算法自动化测量TEM图像中的GBM和PFP宽度，解决了传统手动测量的劳动密集和操作者间变异性问题	自动化与手动测量的PFP宽度在ILK cKO标本中存在差异，且自动化方法对PFP宽度的表型差异反映不如GBM明显	开发自动化工具以促进足细胞病研究	Integrin-Linked Kinase (ILK)足细胞特异性条件敲除小鼠和野生型对照小鼠的肾脏TEM图像	数字病理	足细胞病	透射电子显微镜(TEM)	U-Net	图像	4周龄的WT和ILK cKO同窝小鼠肾脏TEM图像对，采用4折交叉验证研究
5960	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320360 PMID:40228177	研究论文	提出了一种名为c-Triadem的约束性可解释深度学习模型，用于识别阿尔茨海默病的新型生物标志物	c-Triadem模型结合了基因分型数据、基因表达数据和临床信息，通过SHAP分析识别关键基因和临床特征，具有高准确率	模型依赖于ADNI数据集，可能在其他数据集上的泛化能力有限	开发一种新的深度学习模型，用于早期诊断阿尔茨海默病和识别血液生物标志物	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因分型、微阵列、SHAP分析	深度学习神经网络	基因分型数据、基因表达数据、临床信息	ADNI数据集中的样本