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
601	2025-06-19	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究探讨了深度学习AI在乳腺X光筛查中替代双读的可行性和准确性	比较了三种AI集成筛查方案与标准双读加仲裁的差异，发现AI替代部分或全部读者是可行的	研究为回顾性设计，AI阈值选择部分基于先前验证，可能影响结果普适性	评估AI在乳腺X光筛查工作流中不同部署位置的准确性和可行性	249402张来自代表性筛查人群的乳腺X光片	数字病理	乳腺癌	深度学习	CNN	医学影像	249402张乳腺X光片
602	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
603	2025-06-19	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种利用自发荧光显微镜和深度学习技术，对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法	使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，未涉及其他器官或组织类型	开发一种无需化学染色的淀粉样沉积物可视化方法，以克服传统刚果红染色的局限性	人体组织中的淀粉样沉积物	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及具体样本数量，仅提到心脏组织
604	2025-06-19	Automated design of multi-target ligands by generative deep learning 2024-09-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	research paper	本文探讨了使用化学语言模型（CLM）生成多靶点配体以设计多药理学的方法	利用CLM从小规模微调分子集中学习，成功偏向设计具有与目标对已知配体相似性的药物样分子	仅测试了12个CLM设计分子对6个目标对的效果，样本量有限	探索生成深度学习模型在设计多靶点配体中的应用	多靶点配体	machine learning	NA	化学语言模型（CLM）	CLM	分子字符串表示（如SMILES）	12个CLM设计分子针对6个目标对
605	2025-06-19	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	评估深度学习模型在亚洲人群中预测基于胸部X光片的生物年龄（CXR-Age）的预后价值	首次在大型亚洲人群外部测试队列中验证深度学习模型预测的生物年龄与多种生存结果的关联	单中心回顾性研究，结果可能受限于特定人群和机构	验证基于胸部X光片的深度学习模型预测生物年龄的预后价值	50-80岁无症状亚洲人群的胸部X光片	数字病理学	多种疾病（心血管疾病、肺癌、呼吸系统疾病）	深度学习	CNN	图像（胸部X光片）	36,924名个体
606	2025-06-19	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	research paper	开发一种深度学习算法，利用MRI和基本临床数据预测缺氧缺血性脑病新生儿2年神经发育结果	使用多序列MRI和基本临床变量训练深度学习分类器，预测新生儿2年神经发育结果	样本量相对较小，且仅来自17个机构	预测缺氧缺血性脑病新生儿2年神经发育结果	患有缺氧缺血性脑病的足月新生儿	digital pathology	geriatric disease	MRI, diffusion tensor imaging	CNN	image	414名新生儿（232名男性，182名女性）
607	2025-06-19	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	research paper	评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，与专家评估结果高度一致	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发并评估一种自动化深度学习方法，用于腹水的检测和体积量化	肝硬化患者和卵巢癌患者的腹部-盆腔CT扫描图像	digital pathology	肝硬化和卵巢癌	深度学习	CNN	CT扫描图像	共315名患者（NIH-LC 25名，NIH-OV 166名，UofW-LC 124名）
608	2025-06-19	Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects 2024-04-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi5794 PMID:38598626	research paper	开发了一种微米级精度配准方法，将2D H&E切片与3D OCT图像对应，并利用条件生成对抗网络实现OCT图像到虚拟H&E切片的转换	提出微米级精度配准方法，实现非侵入性OCT图像到虚拟H&E切片的高保真转换	未提及在临床应用中的具体验证结果	开发非侵入性虚拟活检技术，减少不必要的活检程序	人类组织样本	digital pathology	cancer	optical coherence tomography (OCT)	conditional generative adversarial network	image	NA
609	2025-06-19	Three-dimensional assessments are necessary to determine the true, spatially-resolved composition of tissues 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.04.569986 PMID:38106231	research paper	该研究应用深度学习平台CODA重建人类胰腺标本的三维微解剖结构，比较了二维和三维评估方法在组织成分分析中的差异	首次通过三维重建技术揭示二维组织切片在评估组织异质性方面的不足，并提出需要更多样本才能准确反映组织成分	研究仅针对胰腺组织，未验证其他器官的适用性	评估三维组织成像在准确分析正常和异常组织成分方面的必要性	人类胰腺切除标本（正常组织和癌组织）	digital pathology	pancreatic cancer	CODA深度学习平台，三维重建技术	deep learning	image	未明确说明具体样本数量，但涉及多个胰腺切除标本的二维全切片图像和三维重建厚切片
610	2025-06-19	Deep learning-based accurate diagnosis and quantitative evaluation of microvascular invasion in hepatocellular carcinoma on whole-slide histopathology images 2024-03, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7104 PMID:38488408	research paper	开发了一种基于深度学习的模型，用于在肝细胞癌全切片组织病理学图像上准确诊断和定量评估微血管侵犯	提出的MVI-AIDM模型在独立外部验证集上准确率达到94.25%，显著高于病理学家的检测率，并能自动量化癌细胞数量和提供MVI的空间信息	研究依赖于特定医院和TCGA数据库的数据，可能限制了模型的泛化能力	提高微血管侵犯（MVI）诊断的效率和准确性	肝细胞癌（HCC）患者	digital pathology	liver cancer	H&E染色	deep-learning model	image	753名HCC患者的H&E染色切片，外加TCGA数据库中的358名患者作为外部验证集
611	2025-06-19	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	research paper	本文提出了一种使用深度学习技术增强MRI图像中脑肿瘤检测和分割的方法	采用二进制卷积神经网络（BCNN）进行分割，能够处理10种最常见的脑肿瘤类型，显著优于现有仅能分割4种类型的模型	NA	提高脑肿瘤的早期精确检测和分割，以支持有效治疗	脑肿瘤	digital pathology	brain tumor	deep learning	BCNN	MRI images	6,600张脑部MRI图像
612	2025-06-19	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-07, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02889-9 PMID:37253900	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
613	2025-06-18	Asymmetric scatter kernel estimation neural network for digital breast tomosynthesis 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22008 PMID:40520916	research paper	提出了一种基于非对称散射核叠加的深度学习方法，用于数字乳腺断层合成（DBT）中的散射估计	该方法考虑了散射形成的物理基础，通过生成散射振幅分布、散射核宽度和非对称因子图，改进了现有端到端训练方法的不足	NA	改进数字乳腺断层合成中的散射估计方法	数字乳腺断层合成（DBT）投影数据	digital pathology	breast cancer	deep learning	CNN	image	数值模拟体模数据和物理实验数据
614	2025-06-18	Comparing percent breast density assessments of an AI-based method with expert reader estimates: inter-observer variability 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22011 PMID:40520917	research paper	比较基于AI的方法与专家评估的乳腺密度百分比，研究观察者间变异性	使用深度学习模型MAI-VAS进行乳腺密度评估，相比专家评估具有更低观察者间变异性	研究仅基于1328名女性的数据，可能无法代表更广泛人群	评估AI方法与专家在乳腺密度评估和乳腺癌风险预测方面的一致性和准确性	1328名女性的乳腺筛查数据	digital pathology	breast cancer	deep learning	MAI-VAS	image	1328名女性
615	2025-06-18	A Hybrid Deep Learning-Based Approach for Visual Field Test Forecasting 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100803 PMID:40520474	研究论文	本研究提出了一种混合深度学习框架，用于提高视野测试预测的灵活性和准确性	结合RNN和CNN，并引入深度变换器进行时空建模，提高了预测性能和鲁棒性	中晚期青光眼病例数据可靠性低仍是一个挑战	提高视野测试预测的准确性和灵活性	健康人群和青光眼患者	计算机视觉	青光眼	深度学习	RNN, CNN, Hybrid-VF-Net	图像	1750名受试者，包含19437次Humphrey视野测试
616	2025-06-18	Keystone microbial taxa identified by deep learning reveal mechanisms of phosphorus stoichiometric homeostasis in submerged macrophytes under different hydrodynamic states 2025-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123721 PMID:40311292	研究论文	本研究通过深度学习识别关键微生物类群，探讨了不同水动力状态下沉水植物磷化学计量稳态的机制	开发了基于深度学习的Keystoneness Taxa Identification (DLKTI)框架，用于识别关键微生物类群，并揭示了这些类群对沉水植物根际磷代谢的影响	研究仅针对两种沉水植物（Vallisneria natans和Myriophyllum spicatum），可能无法推广到其他植物或生态系统	优化植物修复策略，提高水生生态系统富营养化管理的效率	沉水植物（Vallisneria natans和Myriophyllum spicatum）及其根际微生物群落	生态学与深度学习	NA	深度学习	DLKTI框架	微生物群落数据	NA
617	2025-06-18	Efficient urban flood control and drainage management framework based on digital twin technology and optimization scheduling algorithm 2025-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123711 PMID:40319783	研究论文	本文提出了一种基于数字孪生技术和优化调度算法的高效城市防洪排水管理框架	结合数字孪生实验平台、深度学习和多目标优化算法，优化排水泵调度规则，实现实时数据采集和虚拟-现实交互	未提及具体实施中的硬件限制或数据获取的潜在问题	提升城市防洪排水的综合管理能力	城市防洪排水系统	数字孪生技术	NA	PLC技术、Unity3D引擎、深度学习、多目标优化算法	深度学习模型	实时监测数据	不同河流流入和排水操作场景下的数据
618	2025-06-18	Comprehensive smartphone image dataset for fish species identification in Bangladesh's freshwater ecosystems 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111629 PMID:40521139	research paper	本文介绍了一个用于孟加拉国淡水生态系统鱼类物种识别的智能手机图像数据集	提供了一个包含24,925张图像、涵盖21种淡水鱼类物种的全面数据集，支持鱼类物种识别和生物多样性研究	数据集仅涵盖孟加拉国的淡水鱼类，可能不适用于其他地区或海洋鱼类	为水生生物多样性研究、渔业管理以及机器学习模型开发提供数据支持	孟加拉国淡水生态系统中的21种常见鱼类	computer vision	NA	智能手机图像采集	deep learning	image	24,925张图像，涵盖21种鱼类
619	2025-06-18	False data injection attack dataset for classification, identification, and detection for IIoT in Industry 5.0 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111692 PMID:40521148	research paper	该论文介绍了UKMNCT_IIoT_FDIA数据集，用于分类、识别和检测工业5.0中IIoT的虚假数据注入攻击	提出了一个独立且全面的数据集，覆盖多种网络配置和攻击场景，以反映IIoT中FDI攻击的动态特性	未提及具体的数据集规模或实验环境的局限性	提高工业5.0中IIoT环境的安全性，通过有效检测虚假数据注入攻击	工业物联网（IIoT）设备和虚假数据注入（FDI）攻击	machine learning	NA	machine learning (ML) and deep learning (DL) algorithms	NA	network configurations and attack scenarios	NA
620	2025-06-18	High-resolution RGB image dataset for wheat seed varietal identification and purity assessment 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111690 PMID:40521154	research paper	该论文介绍了一个公开可用的高分辨率小麦种子图像数据集，用于小麦品种识别和纯度评估	提供了一个特定地区的高分辨率小麦种子图像数据集，填补了现有数据的空白	数据集仅包含巴基斯坦三个主要小麦品种，可能无法代表所有地区的小麦品种	解决小麦种子品种识别和纯度评估的问题，以提高小麦产量	小麦种子（Akbar-19, Dilkash-20, Urooj-22三个品种）	computer vision	NA	NA	NA	image	每个品种125粒纯种种子，共375粒