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
741	2025-07-20	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	本文提出了一种结合模糊3D高亮方法和机器学习算法（GOA-SVM和GA-DNN）的脑肿瘤分割与分类方法	采用模糊3D高亮方法进行脑肿瘤分割，并结合两种优化机器学习算法（GOA-SVM和GA-DNN）进行分类	未提及具体数据集规模或临床验证的广泛性	提高脑肿瘤诊断的准确性和效率	脑肿瘤的MRI影像	数字病理学	脑肿瘤	MRI扫描、模糊3D高亮方法、grasshopper优化算法、遗传算法	GOA-SVM、GA-DNN	MRI影像	NA
742	2025-07-20	Differential diagnosis of hepatocellular carcinoma and intrahepatic cholangiocarcinoma based on spatial and channel attention mechanisms 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04935-4 PMID:37268850	研究论文	本研究开发了一种基于通道和空间注意力机制的深度学习模型CSAM-Net，用于术前非侵入性区分肝细胞癌和肝内胆管癌	提出了一种新型的基于通道和空间注意力机制的深度学习模型CSAM-Net，显著提高了肝细胞癌和肝内胆管癌的区分准确率	研究为回顾性研究，样本量相对有限，未来需要更多前瞻性研究验证模型的泛化能力	开发一种有效的非侵入性术前诊断方法，用于区分肝细胞癌和肝内胆管癌	肝细胞癌和肝内胆管癌患者	数字病理	肝癌	CT成像	CSAM-Net（基于通道和空间注意力机制的深度学习模型）	图像	395例肝细胞癌患者和99例肝内胆管癌患者的CT图像
743	2025-07-20	A deep-learning-based clinical risk stratification for overall survival in adolescent and young adult women with breast cancer 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04955-0 PMID:37277578	research paper	本研究构建了一种基于深度学习的临床风险分层模型，用于预测青少年和年轻成年女性乳腺癌患者的总生存期	使用DeepSurv深度学习算法构建预后预测模型，并基于该模型构建了一种新的临床风险分层方法	研究数据仅来自SEER数据库，可能无法代表所有人群	构建乳腺癌青少年和年轻成年女性患者的预后预测模型	青少年和年轻成年女性乳腺癌患者	digital pathology	breast cancer	deep learning	DeepSurv	clinical data	14,243名青少年和年轻成年女性乳腺癌患者
744	2025-07-20	Machine learning and deep learning techniques for breast cancer diagnosis and classification: a comprehensive review of medical imaging studies 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04956-z PMID:37278831	review	本文综述了机器学习和深度学习技术在乳腺癌诊断和分类中的应用，重点关注五种医学影像	全面回顾了五种医学影像（乳腺X光、超声、MRI、组织学和热成像）在乳腺癌诊断中的应用，并讨论了五种流行的机器学习技术和深度学习架构	NA	探讨机器学习和深度学习技术在乳腺癌分类和诊断中的应用及其潜力	乳腺癌的医学影像数据	digital pathology	breast cancer	machine learning, deep learning	Nearest Neighbor, SVM, Naive Bayesian Network, DT, ANN, CNN	medical imaging (mammography, ultrasound, MRI, histology, thermography)	NA
745	2025-07-20	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种基于提示的机器阅读理解（MRC）架构的自然语言处理系统，用于临床概念提取和关系提取，并具有良好的跨机构应用通用性	提出了一种统一的基于提示的MRC架构，用于临床概念提取和关系提取，并在跨机构应用中表现出良好的性能	未明确提及具体限制，但可能包括对特定数据集或任务的依赖性	开发一个统一的自然语言处理系统，用于临床概念和关系提取	临床概念和关系提取	自然语言处理	NA	prompt-based machine reading comprehension (MRC), transformer models	GatorTron-MRC, BERT-MIMIC-MRC	text	2 benchmark datasets from 2018 and 2022 n2c2 challenges
746	2025-07-20	The Objective Dementia Severity Scale Based on MRI with Contrastive Learning: A Whole Brain Neuroimaging Perspective 2023-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s23156871 PMID:37571654	研究论文	提出了一种基于MRI和对比学习的客观痴呆严重程度评分量表（ODSS-MRI），用于自动评估阿尔茨海默病患者的神经功能	利用对比学习策略从结构磁共振图像中挖掘相关信息，提供全面且客观的神经功能评估，无需医生或患者的主观干预	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	开发一种客观评估阿尔茨海默病严重程度的方法，以改进诊断和治疗	阿尔茨海默病患者的神经功能评估	数字病理学	老年病	MRI，对比学习	深度学习框架	图像	阿尔茨海默病神经影像倡议（ADNI）数据集
747	2025-07-20	Knowledge graph aids comprehensive explanation of drug and chemical toxicity 2023-08, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.12975 PMID:37475158	research paper	介绍了一种可解释的深度学习模型AIDTox，用于预测药物和化学物质的细胞毒性，并提供全面的毒性解释	结合了化学-基因连接、基因-通路注释和通路层次结构的专业知识，提高了预测准确性并增强了模型的可解释性	仅针对HepG2和HEK293细胞的细胞毒性进行了验证，未涉及其他细胞类型或体内毒性	开发一个可解释的计算毒理学模型，用于预测和解释复杂毒性终点	药物和化学物质的细胞毒性	computational toxicology	NA	deep learning	AIDTox	chemical-gene connections, gene-pathway annotations, pathway hierarchy	HepG2和HEK293细胞
748	2025-07-20	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究探讨了人工智能算法在评估肺结节恶性和侵袭性方面的性能，并与术中冰冻切片检查进行了比较	使用基于3D卷积神经网络的深度学习系统预测肺结节的恶性和侵袭性，并在多中心队列中验证其性能	AI系统在直径大于1厘米的实性结节中误诊率较高（10.4%）	评估AI算法在肺结节恶性和侵袭性诊断中的性能	直径不超过3厘米的肺结节	数字病理	肺癌	深度学习	3D CNN	CT图像和病理信息	466个切除的肺结节
749	2025-07-20	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种整合临床、基因组和组织病理学的多模态复发评分系统，用于预测局部肾细胞癌术后复发	首次结合临床、基因组和组织病理学三种模态数据，构建多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理	肾细胞癌	全切片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
750	2025-07-20	The 2022 n2c2/UW shared task on extracting social determinants of health 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad012 PMID:36795066	研究论文	本文介绍了2022年n2c2/UW共享任务，旨在从临床记录中提取社会健康决定因素(SDOH)信息	探索了自然语言处理技术在SDOH和更广泛临床信息提取中的应用，并比较了不同技术的性能	提取性能因SDOH类型而异，对于增加健康风险的因素(如物质使用和无家可归)表现较差	推进自然语言处理技术在健康社会决定因素信息提取中的应用	临床文本中的社会健康决定因素信息	自然语言处理	NA	规则、知识库、n-grams、词嵌入和预训练语言模型	序列到序列模型	文本	15个团队参与，使用Social History Annotated Corpus (SHAC)数据集
751	2025-07-20	Noise Suppression With Similarity-Based Self-Supervised Deep Learning 2023-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231428 PMID:37015446	研究论文	提出了一种基于相似性的自监督深度学习去噪方法Noise2Sim，用于抑制CT图像中的独立和相关噪声	首次提出非局部和非线性方式的自监督去噪方法，能够处理CT图像中的相关噪声，理论证明在温和条件下与监督学习方法渐近等价	未提及具体在哪些实际应用场景中可能存在限制	优化低剂量和光子计数CT图像的去噪性能，在最小化辐射剂量的同时提高诊断性能	低剂量CT和光子计数CT图像	计算机视觉	NA	深度学习	自监督深度学习	CT图像	未提及具体样本数量
752	2025-07-20	Combined diagnosis of multiparametric MRI-based deep learning models facilitates differentiating triple-negative breast cancer from fibroadenoma magnetic resonance BI-RADS 4 lesions 2023-Jun, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04142-7 PMID:35771263	研究论文	探讨基于多参数MRI的深度学习模型联合诊断在区分三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变中的价值，并评估其是否能提高放射科医生的诊断性能	结合多参数MRI的深度学习模型联合诊断，显著提高了初级放射科医生的诊断性能，并与高级放射科医生的诊断性能相当	研究为回顾性设计，样本量相对有限，且仅针对BI-RADS 4类病变	提高三阴性乳腺癌与纤维腺瘤磁共振BI-RADS 4类病变的鉴别诊断准确性	319名女性患者的319个病理证实的BI-RADS 4类病变	数字病理	乳腺癌	多参数MRI（包括对比增强T1加权成像、扩散加权成像和T2加权成像）	深度学习模型	MRI图像	319名女性患者的319个病变
753	2025-07-20	MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad158 PMID:37099694	研究论文	提出了一种多核机器学习回归模型（MKMR），用于利用人类微生物组数据预测健康结果	MKMR模型能够捕捉微生物组数据的多种信号形式，通过多核转换和优化组合提高预测性能	未提及具体样本量的限制或模型在实际应用中的潜在问题	开发一种能够利用多种微生物组信号预测健康结果的模型	人类微生物组数据（喉咙和肠道微生物组）	机器学习	NA	多核机器学习回归	MKMR	微生物组数据	未提及具体样本量
754	2025-07-20	Three-dimensional genome rewiring in loci with human accelerated regions 2023-04-28, Science (New York, N.Y.) DOI:10.1126/science.abm1696 PMID:37104607	研究论文	该研究通过比较基因组学和3D基因组折叠模型，揭示了人类加速区域（HARs）在三维基因组重组中的作用	结合深度学习和染色质捕获实验，发现HARs在包含人类特异性基因组变异的拓扑关联域中显著富集，揭示了增强子劫持作为HARs快速进化的解释	研究主要关注神经祖细胞，可能未涵盖其他细胞类型或组织中的HARs功能	探索人类加速区域（HARs）在人类特异性性状进化中的作用	人类和黑猩猩的神经祖细胞	基因组学	NA	深度学习、染色质捕获实验	深度学习模型	基因组数据	241个哺乳动物基因组
755	2025-07-20	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域	结合了DeepAtrophy的时间推断方法与可变形配准神经网络及注意力机制，提高了MRI图像中纵向变化区域的解释性	虽然RDA提高了解释性，但其预测准确性与DeepAtrophy相似，未显著提升	开发一种能够自动识别与阿尔茨海默病进展相关区域的深度学习方法，以提高疾病监测的敏感性和临床适用性	纵向MRI扫描图像	数字病理学	阿尔茨海默病	自监督学习、可变形配准神经网络、注意力机制	CNN	MRI图像	NA
756	2025-07-20	Integrating structured and unstructured data for timely prediction of bloodstream infection among children 2023-03, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-022-02116-6 PMID:35854085	研究论文	该研究通过结合结构化和非结构化的电子健康记录数据，利用深度学习模型预测儿童中心静脉导管相关的血流感染	整合临床记录中的非结构化数据与结构化电子健康记录数据，提高了预测严重血流感染的准确性和阳性预测值	研究仅在一个三级儿科医疗系统中进行，可能限制了结果的普遍适用性	开发一种先进的感染预测模型，用于预测儿童中心静脉导管相关的血流感染	住院儿童患者，特别是那些带有中心静脉导管的患者	机器学习	血流感染	深度学习	深度学习模型	结构化电子健康记录数据和临床记录文本	24,351例患者就诊记录
757	2025-07-20	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	研究通过连续多代大鼠暴露于不同有毒物质，评估了多代不同暴露对跨代表观遗传继承的影响	首次研究了连续多代暴露于不同有毒物质对跨代表观遗传继承和疾病易感性的复合影响	研究仅基于大鼠模型，人类相关性的直接推断有限	评估多代不同有毒物质暴露对跨代表观遗传和病理学的影响	连续多代暴露于不同有毒物质的大鼠及其后代	表观遗传学	肥胖症	DNA甲基化分析	Deep Learning	组织病理学图像	F0-F5代大鼠
758	2025-07-20	Deep learning models for cancer stem cell detection: a brief review 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1214425 PMID:37441078	综述	本文简要回顾了深度学习模型在癌症干细胞检测中的应用	介绍了基于卷积神经网络（CNN）的深度学习模型在癌症干细胞研究中的多样化应用	探讨了基于深度学习的干细胞研究领域的局限性和未来展望	探索深度学习在癌症干细胞研究中的新兴趋势	癌症干细胞（CSCs）或肿瘤起始细胞（TICs）	数字病理学	癌症	深度学习	CNN	生物图像	NA
759	2025-07-20	Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning 2023-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04435-x PMID:36331654	research paper	该研究提出了一种基于弱监督学习的双分辨率深度学习网络（WDRNet），用于结直肠癌的识别和预后预测	WDRNet不仅能够识别肿瘤区域，还能预测患者生存期并进行风险分层，且不依赖病理学家标注的感兴趣区域，充分利用了图像的全局信息	研究仅在TCGA和ACHIGMU两个数据集上进行了验证，可能需要更多外部数据验证模型的泛化能力	开发一种深度学习模型，用于结直肠癌的快速诊断和风险分层	结直肠癌患者的全切片图像	digital pathology	colorectal cancer	deep learning	WDRNet（双分辨率深度学习网络）	histopathological images	TCGA数据集和ACHIGMU数据集（具体样本数未提及）
760	2025-07-20	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在前列腺癌多重图像中检测血管并分析其分布	开发了一种结合CD31、CD34和胶原IV图像的深度学习模型，用于自动分割血管并分析其大小和分布模式	研究仅基于215名前列腺癌患者的数据，可能存在样本量不足的问题	通过自动化流程分析前列腺癌中的血管分布，以提供对疾病进展的额外见解	前列腺癌患者的血管分布	数字病理学	前列腺癌	深度学习	CNN	图像	215名前列腺癌患者