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
6001	2025-03-28	Use of the deep learning approach to measure alveolar bone level 2022-03, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.13574 PMID:34879437	research paper	该研究利用深度学习卷积神经网络测量放射影像中的牙槽骨水平，以辅助牙周病诊断	提出了一种结合三个分割网络（骨区域、牙齿、牙骨质-釉质交界）和图像分析的深度学习模型，用于测量放射影像骨水平并分配放射骨丢失（RBL）阶段	模型需要进一步优化并通过更多图像验证以促进其应用	开发深度学习模型辅助牙周病诊断	牙槽骨水平和牙周病诊断	digital pathology	牙周病	深度学习图像分析	CNN	放射影像	未明确说明样本数量（使用根尖周放射影像）
6002	2025-03-28	Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review 2021-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103671 PMID:33387683	系统综述	本文对使用深度学习从电子健康记录(EHR)中学习患者表示的研究进行了系统综述，并提供了方法论上的定性和定量分析	首次系统综述了基于深度学习的EHR患者表示学习领域，揭示了该领域的方法学趋势和挑战	现有预测模型主要关注单一疾病预测，未能全面考虑患者的复杂机制	评估和总结使用深度学习从EHR数据中学习患者表示的研究现状	从MEDLINE等数据库中筛选出的49篇相关研究论文	医疗健康信息学	NA	深度学习	RNN/LSTM/GRU	结构化EHR数据	49篇研究论文(来自363篇初筛文章)
6003	2025-02-12	Response to Letter to the Editor Regarding: Multimodal Deep Learning-Based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Apr-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005296 PMID:39931786	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6004	2025-03-27	Deep learning-based prediction of Monte Carlo dose distribution for heavy ion therapy 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100735 PMID:40129728	研究论文	提出了一种基于深度学习的模型，用于快速预测重离子治疗中的蒙特卡洛模拟剂量分布	开发了Cascade Hierarchically Densely 3D U-Net (CHD U-Net)模型，能够在几秒钟内预测蒙特卡洛剂量分布，且准确率高于现有方法	样本量相对较小，仅包含67例头颈患者和30例胸腹患者	提高重离子治疗中剂量分布的预测准确性和计算效率	头颈和胸腹部位的重离子治疗患者	医学影像分析	癌症	深度学习	CHD U-Net	CT图像和TPSDose数据	67例头颈患者和30例胸腹患者
6005	2025-03-27	External validation of an algorithm to detect vertebral level mislabeling and autocontouring errors 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100738 PMID:40129727	research paper	该研究对外部验证了一种椎体自动轮廓工具的算法，并研究了一种后处理方法以提高其性能至临床可接受水平	开发了一种后处理技术，显著提高了椎体定位的准确性	在外部数据集上的性能相比原始训练数据集有所下降	验证和改进椎体自动轮廓工具的临床适用性	CT扫描中的椎体	digital pathology	NA	machine learning, deep learning	NA	CT scans	81例CT扫描（40例来自机构A，41例来自机构B）
6006	2025-03-27	ADAM: automated digital phenotyping and morphological texture analysis of bone biopsy images using deep learning 2025-Apr, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf028 PMID:40129969	研究论文	开发了一种名为ADAM的自动化流程，用于通过深度学习对骨活检图像进行数字表型分析和形态纹理分析	ADAM流程能够快速生成组织与细胞图谱，并在无需额外染色的情况下，通过亮场显微镜图像进行骨细胞计数	对于形态异质性较高的骨细胞计数，如破骨细胞和成骨细胞，其相关系数相对较低	提高骨活检图像分析的自动化程度和准确性，以改善病理工作流程和诊断洞察	未脱钙骨活检图像中的组织与细胞成分	数字病理学	骨病	深度学习	NA	图像	最多20张图像
6007	2025-03-27	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Mar-26, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性	首次对深度学习和放射组学模型在预测急性缺血性卒中出血性转化方面的性能进行了系统比较，并评估了临床组合模型的优势	存在中度至重度异质性，参考标准不一致，外部验证有限	评估深度学习和放射组学模型在预测急性缺血性卒中出血性转化方面的准确性和临床应用价值	急性缺血性卒中患者	数字病理学	急性缺血性卒中	深度学习和放射组学	DL和radiomics-based ML模型	CT/MRI影像数据	16项研究共3,083名参与者
6008	2025-03-27	Challenges for implementing generative artificial intelligence (GenAI) into clinical healthcare 2025-Mar-26, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.70035 PMID:40135733	review	本文探讨了将生成式人工智能（GenAI）应用于临床医疗所面临的挑战	综述了GenAI在医疗领域的潜力及其实现过程中遇到的多方面挑战	未提供具体案例或实证研究来支持观点	探讨GenAI在医疗领域的应用潜力及实施障碍	生成式人工智能在临床医疗中的应用	machine learning	NA	deep learning	GenAI	diverse datasets	NA
6009	2025-03-27	High-dimensional imaging using combinatorial channel multiplexing and deep learning 2025-Mar-25, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02585-0 PMID:40133518	research paper	介绍了一种名为CombPlex的组合染色平台和算法框架，通过深度学习技术显著增加可测量的蛋白质数量	提出组合多路复用技术(CombPlex)，通过组合染色和深度学习算法，将22种蛋白质的染色压缩至5个成像通道，实现准确重建	未提及具体的技术实施难度或在实际应用中的潜在问题	开发一种能够量化多种蛋白质在单细胞分辨率下的表达并保留空间信息的成像技术	多种组织和癌症类型中的蛋白质表达	digital pathology	cancer	组合染色平台(CombPlex)和深度学习算法	深度学习	图像	涉及多种组织和癌症类型，但未提及具体样本数量
6010	2025-03-27	A statistical method for high-throughput emergence rate calculation for soybean breeding plots based on field phenotypic characteristics 2025-Mar-24, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01356-x PMID:40122826	research paper	本研究提出了一种基于无人机和地面测量数据的高通量大豆出苗率统计方法，旨在提高密集种植环境下育种筛选的效率和准确性	结合背景分割、深度学习目标检测和生长归一化思想，提出了一种新的高通量大豆出苗率统计方法，解决了现有方法在密集环境下的低通量、低效率和精度不足问题	方法在极端密集或高度重叠的种植环境下可能仍存在计数误差	开发一种高效、精确的大豆出苗率统计方法，以加速育种筛选过程	密集种植环境下的大豆幼苗	digital agriculture	NA	无人机遥感成像、深度学习目标检测	Yolov8n	遥感图像	未明确说明具体样本数量，但涉及密集种植环境下的大豆幼苗图像数据
6011	2025-03-27	Active Learning based on Temporal Difference of Gradient Flow in Thoracic Disease Diagnosis 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554298 PMID:40126962	研究论文	本文提出了一种基于梯度流时间差（TDGF）的新型主动学习方法，用于胸部疾病诊断中的样本选择	提出了TDGF指标用于主动学习中的数据选择，解决了现有方法忽视样本对模型训练动态影响和评估成本高的问题	方法仅在胸部X光数据集上进行了验证，未在其他医学影像数据上测试	降低医学影像标注成本并提高胸部疾病诊断的主动学习效率	胸部X光影像	数字病理学	胸部疾病	主动学习	深度学习模型（具体结构未说明）	医学影像	两个公开胸部X光数据集（ChestX-ray14和CheXpert）
6012	2025-03-27	Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China 2025-Mar-23, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01937-3 PMID:40121609	研究论文	基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型	结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能	研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证	开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性	纯磨玻璃肺结节（pGGNs）	数字病理学	肺癌	CT成像	cLung-RADS® v2022	医学影像	526名患者（共572个肺结节），分为训练集（169例）和验证集（403例）
6013	2025-03-27	Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021 2025-Mar-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04794-3 PMID:40121204	research paper	该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图	采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统	NA	为水资源管理和湿地保护提供数据支持	长江中游城市群的内陆水体	machine learning	NA	弱监督深度学习	NA	卫星图像	14000个验证点
6014	2025-03-27	Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01560-y PMID:40121304	研究论文	开发了一种可解释的基于图的多模态晚期融合深度学习框架（GMLF），用于预测肌肉浸润性膀胱癌（MIBC）对新辅助化疗的反应	结合组织病理学、细胞类型数据和基因表达谱，发现了新的组织病理学、细胞和分子决定因素，包括TP63、CCL5和DCN等关键基因特征	研究基于特定临床试验（SWOG S1314-COXEN）的数据，可能限制了结果的普遍性	提高肌肉浸润性膀胱癌患者对新辅助化疗反应的预测准确性，优化治疗策略	肌肉浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	RNA测序	GMLF（基于图的多模态晚期融合深度学习框架）	图像、基因表达数据	来自SWOG S1314-COXEN临床试验的数据（具体样本数量未提及）
6015	2025-03-27	Multi-modal deep representation learning accurately identifies and interprets drug-target interactions 2025-Mar-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553217 PMID:40111772	研究论文	本文提出了一种名为UnitedDTA的新型可解释深度学习框架，用于整合多模态生物分子数据以提高药物-靶标结合亲和力的预测性能	通过对比学习和跨注意力机制实现多模态数据的自动统一判别表示学习，显著提升了预测性能并增强了模型的可解释性	未明确提及具体的数据规模限制或计算资源需求	改进药物-靶标相互作用预测的性能和泛化能力	药物-靶标相互作用	机器学习	NA	对比学习, 跨注意力机制	深度学习框架(UnitedDTA)	序列数据, 图数据, 三维结构数据	多个基准数据集(未明确具体数量)
6016	2025-03-27	High sensitivity photoacoustic imaging by learning from noisy data 2025-Mar-19, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3552692 PMID:40106247	research paper	提出一种自监督深度学习方法，仅使用噪声数据提高光声图像的信噪比	无需昂贵的地面真实数据训练，可轻松应用于不同光声成像系统获取的数据	未提及方法在极端噪声条件下的表现或计算效率	提高光声成像的信噪比和成像深度	光声图像	生物医学成像	肿瘤	自监督深度学习	深度学习	图像	未明确提及具体样本数量，但包含体内实验结果
6017	2025-03-27	Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323105 PMID:40093221	research paper	该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式	结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式	未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况	研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制	精神分裂症患者和健康对照者的脑结构MRI数据	digital pathology	schizophrenia	structural MRI, explainable AI	SVC, KNN, DL, LR, RR, SVR	image, demographics	NA
6018	2025-03-27	AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323097 PMID:40093264	研究论文	本文提出了一种名为AgeNet-SHAP的可解释AI方法，用于优化映射阿尔茨海默病中多变量区域脑年龄和临床严重程度模式	首次将深度学习模型AgeNet与SHAP特征重要性技术结合，用于识别脑年龄预测中的关键多变量脑区域	研究样本量相对有限（n=668），且仅基于MRI数据	开发一种可解释的AI方法，以更好地理解阿尔茨海默病的脑年龄模式和临床严重程度	轻度认知障碍（MCI）和阿尔茨海默病（AD）患者的脑部MRI数据	数字病理学	阿尔茨海默病	MRI	AgeNet（深度学习模型）与SHAP结合	图像（MRI）	668名参与者
6019	2025-03-27	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用共形预测方法于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian共形预测（MCP）方法增强深度学习模型的不确定性感知能力，提高对挑战性病例的识别准确率	研究为回顾性研究，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	CNN	CT图像	491例非对比头部CT扫描（来自CQ500数据集）
6020	2025-03-27	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型	结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型	样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列	预测颈脊髓损伤患者的预后	168名颈脊髓损伤患者	数字病理学	颈脊髓损伤	MRI影像组学分析，深度学习迁移学习	Lasso回归，深度学习模型	MRI图像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者