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
7241	2025-03-11	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	研究论文	本研究旨在通过深度学习整合MRI影像组学特征和临床数据，预测乳腺癌患者的血管侵犯情况	首次将MRI影像组学特征与临床数据结合，利用深度学习模型进行乳腺癌血管侵犯的术前预测	样本量较小（102例），且为回顾性研究，可能影响模型的泛化能力	提高乳腺癌患者术前血管侵犯预测的准确性，以辅助手术规划和患者管理	102例经手术病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	MRI影像组学	深度学习	图像和临床数据	102例乳腺癌患者
7242	2025-03-11	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于Swin UNETR架构的深度学习技术，用于自动分割脑肿瘤定量DCE-MRI中的大血管，并与U-Net和Attention U-Net架构进行了比较	首次将Swin UNETR架构应用于脑肿瘤定量DCE-MRI中的大血管分割，并展示了其在准确性和泛化能力上的优势	研究仅使用了来自两个中心和两种场强磁共振扫描仪的MRI数据，可能限制了模型的广泛适用性	提高脑肿瘤自动分级的准确性，并改进治疗计划	脑肿瘤患者的大血管	计算机视觉	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据
7243	2025-03-11	Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks 2025-Mar-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0255288 PMID:40062757	研究论文	本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间	通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率	需要生成训练数据集，且训练网络的成本可能较高	加速自洽场理论（SCFT）模拟，提高计算效率	嵌段共聚物（BCP）自组装	机器学习	NA	深度神经网络（DNN）	DNN	模拟数据	NA
7244	2025-03-11	AI-Driven Drug Discovery for Rare Diseases 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能（AI）在罕见病药物发现中的潜力，通过克服传统药物发现模型的挑战，加速罕见病治疗的发展	本文综合了当前知识和最新突破，提供了关于AI如何加速罕见病治疗发展的关键见解，填补了文献中的关键空白	本文主要基于现有文献和突破，缺乏实际应用案例和数据的支持	探索AI在罕见病药物发现中的应用，以加速治疗发展并改善患者预后	罕见病（RDs）及其治疗	机器学习	罕见病	机器学习（ML）和深度学习（DL）	NA	NA	NA
7245	2025-03-11	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Mar-10, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	本文开发了一种基于深度学习的自动化方法，用于在肝硬化患者中检测小肝细胞癌（sHCC），并利用Gd-EOB-DTPA增强MRI进行验证	本研究首次将nnU-Net应用于小肝细胞癌的自动检测，并在肝硬化患者中验证了其有效性	研究为回顾性研究，样本量相对较小，且仅使用了单一类型的MRI数据	开发一种自动化深度学习方法，用于检测肝硬化患者中的小肝细胞癌	肝硬化患者中的小肝细胞癌（sHCC）和非HCC病变	计算机视觉	肝癌	Gd-EOB-DTPA增强MRI	nnU-Net	MRI图像	120名肝硬化患者（78名sHCC患者和42名非HCC肝硬化患者）
7246	2025-03-11	Paradigms and methods of noninvasive brain-computer interfaces in motor or communication assistance and rehabilitation: a systematic review 2025-Mar-10, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03340-y PMID:40059266	系统综述	本文系统回顾了过去十年中非侵入性脑机接口（BCI）在运动或沟通辅助及康复中的范式、方法和应用的发展	本文综述了非侵入性BCI技术的最新发展，特别是EEG和fNIRS在康复和辅助设备控制中的应用，并强调了深度学习等解码方法的进步	尽管非侵入性BCI技术取得了进展，但仍面临诸多挑战，如设计更便捷的电极、提高解码准确性和效率、为特定患者设计更适用的系统等	探讨非侵入性BCI技术在运动或沟通辅助及康复中的应用和发展	非侵入性脑机接口技术及其在康复和辅助设备中的应用	脑机接口	NA	脑电图（EEG）、功能性近红外光谱（fNIRS）	深度学习	神经生理信号	223篇研究文章（自2016年起）
7247	2025-03-11	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-Mar-08, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	研究论文	本研究探讨了基于深度学习结合超声和CT成像技术对甲状腺TI-RADS 3-5类结节进行良恶性分类的诊断价值	首次将深度学习与超声和CT成像结合，用于甲状腺TI-RADS 3-5类结节的自动分类，相比单一成像方式显著提高了诊断准确性	研究仅针对TI-RADS 3-5类结节，未涵盖所有甲状腺结节类型	探索一种无需活检即可准确区分甲状腺TI-RADS 3-5类结节良恶性的方法	甲状腺TI-RADS 3-5类结节	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	768例甲状腺结节（499例恶性，269例良性）
7248	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
7249	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
7250	2025-03-11	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Mar-07, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种在头颈部自适应放射治疗中，利用患者治疗前影像进行自动分割的通用模型	研究探讨了在推理阶段加入治疗前数据对模型性能的影响，避免了新患者群体所需的昂贵模型再训练	刚性配准方法在GTVp和大多数OARs上表现与自适应DL模型相似，可能限制了GAM的广泛应用	提高头颈部自适应放射治疗中自动分割的准确性，特别是对于高变异性或低对比度的结构	头颈部癌症患者	数字病理	头颈部癌症	深度学习	通用自适应模型（GAM）	计算机断层扫描图像	110名接受头颈部癌症自适应放射治疗的患者
7251	2025-03-11	Multimodal optimal matching and augmentation method for small sample gesture recognition 2025-Mar-06, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01370 PMID:39864830	研究论文	本文提出了一种多模态最优匹配和增强方法，用于小样本手势识别，通过引入运动信息到基于表面肌电图的识别中，实现了每个手势仅需一次采集的高效识别	引入运动信息到基于表面肌电图的识别中，提出了一种多模态最优匹配和增强方法，显著减少了数据采集的负担	方法在非健康用户中的应用效果需要进一步验证，且数据集的多样性可能仍然有限	提高小样本手势识别模型的准确性，减少数据采集的负担	手势识别，特别是基于表面肌电图的手势识别	机器学习	中风	数据增强，迁移学习	深度学习模型	生理信号数据，运动信息数据	自收集的中风患者数据集，Ninapro DB1数据集和Ninapro DB5数据集
7252	2025-03-11	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Mar-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	研究论文	本文研究了一种基于CT的多参数深度学习-放射组学模型（DLRM），用于预测直肠癌患者术前肿瘤萌芽（TB）等级	结合深度学习和手工放射组学特征，构建了预测直肠癌TB等级的多参数模型，并验证了其优于单独的深度学习和放射组学特征	研究为回顾性设计，样本量相对较小（135例患者），可能影响模型的泛化能力	预测直肠癌患者术前肿瘤萌芽（TB）等级，以支持临床治疗决策	135例经组织学确诊的直肠癌患者	数字病理	直肠癌	CT成像，深度学习，放射组学	深度学习-放射组学模型（DLRM）	CT图像	135例直肠癌患者（85例Bd1+2组，50例Bd3组）
7253	2025-03-11	Unraveling the three-dimensional genome structure using machine learning 2025-Mar-05, BMB reports IF:2.9Q3 PMID:40058875	综述	本文综述了利用机器学习技术研究三维基因组结构的方法	介绍了机器学习特别是深度学习在检测和分析染色体结构信息中的应用	指出了Hi-C数据的局限性，并提出了提高染色体接触频率图分辨率的进展	研究三维基因组结构及其调控机制	染色质相互作用和层次结构	机器学习	NA	Hi-C测序	深度学习	基因组数据	NA
7254	2025-03-11	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用	MetAssimulo 2.0在1.0版本的基础上进行了全面升级，增加了对尿液、血液和脑脊液的光谱模拟功能，并引入了2D J-resolved和Correlation Spectroscopy光谱的模拟能力	尽管MetAssimulo 2.0提高了光谱模拟的真实性，但其模拟结果与真实光谱的Pearson相关系数约为0.82，仍有改进空间	开发一个工具以支持深度学习与代谢组学交叉领域的研究	1D和2D代谢组学1H NMR光谱	代谢组学	NA	核磁共振（NMR）光谱	NA	光谱数据	NA
7255	2025-03-11	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-25, ArXiv PMID:38827456	研究论文	本文介绍了gRNAde，一种基于几何深度学习的3D RNA逆设计管道，旨在设计考虑结构和动力学的RNA序列	gRNAde通过多状态图神经网络和自回归解码，生成基于一个或多个3D骨架结构的候选RNA序列，显著提高了序列恢复率	尽管gRNAde在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	研究目的是开发一种能够考虑3D构象多样性的RNA序列设计方法	研究对象是RNA序列及其3D骨架结构	机器学习	NA	几何深度学习	图神经网络（GNN）	3D结构数据	14个来自PDB的RNA结构
7256	2025-03-11	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	研究论文	本研究利用人工智能技术，通过经胸超声心动图（TTE）和心电图（ECG）追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于TTE视频和ECG图像，以区分ATTR-CM与年龄/性别匹配的对照组，并在临床前阶段进行疾病风险分层	研究为回顾性分析，可能存在选择偏差，且样本主要来自两个医疗中心，可能限制结果的普适性	开发一种可扩展的策略，用于ATTR-CM的临床前监测和风险分层	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者及年龄/性别匹配的对照组	数字病理	心血管疾病	深度学习	深度学习模型	视频（TTE）、图像（ECG）	YNHHS队列984名参与者（中位年龄74岁，44.3%女性），HMH队列806名参与者（中位年龄69岁，34.5%女性）
7257	2025-03-11	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文介绍了一种名为ralphi的深度强化学习框架，用于单倍型组装，该框架结合了深度学习的表示能力和强化学习，以准确地将读取片段分配到各自的单倍型集合中	ralphi框架首次将深度学习和强化学习结合用于单倍型组装，通过片段图的经典问题简化来设定强化学习的奖励目标	NA	研究目的是开发一种新的方法，以更准确地组装个体二倍体基因组的单倍型	个体二倍体基因组的单倍型	机器学习	NA	ONT读取	深度强化学习	基因读取数据	来自1000 Genomes Project的基因组数据
7258	2025-03-11	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习技术分析颈动脉斑块长期进展及斑块内出血（IPH）的作用	首次使用深度学习分割管道在长期随访中识别IPH、量化IPH体积，并测量其对颈动脉斑块负担的影响	样本量较小（28名无症状颈动脉粥样硬化患者），且仅针对无症状患者进行研究	评估IPH对颈动脉斑块负担长期进展的影响	无症状颈动脉粥样硬化患者	数字病理	心血管疾病	多对比磁共振血管壁成像（VWI）	深度学习分割管道	图像	28名无症状颈动脉粥样硬化患者，共50条动脉
7259	2025-03-11	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜数据集	VASCilia是首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具，提供了五种深度学习模型和自动化计算工具，支持高通量图像定量分析	NA	开发一个自动化工具，用于分析耳蜗毛细胞立体纤毛束的3D形态，以促进耳蜗毛细胞发育和功能的研究	耳蜗毛细胞立体纤毛束	计算机视觉	NA	深度学习	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具	3D共聚焦显微镜图像	55个3D图像堆栈，包含502个内毛细胞和1,703个外毛细胞束的3D注释
7260	2025-03-11	Global Deep Forecasting with Patient-Specific Pharmacokinetics 2025-Feb-12, ArXiv PMID:37965077	研究论文	本文提出了一种新颖的混合全局-局部架构和药代动力学编码器，用于预测医疗时间序列数据，特别是在血糖预测任务中展示了其有效性	提出了一种混合全局-局部架构和药代动力学编码器，能够为深度学习模型提供患者特定的治疗效果信息	未明确提及具体局限性	提高医疗时间序列数据预测的准确性，特别是在患者特定药代动力学影响下的血糖预测	医疗时间序列数据，特别是血糖数据	机器学习	糖尿病	深度学习	混合全局-局部架构	时间序列数据	模拟数据和真实世界数据