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	2025-06-14	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	开发了一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并在多中心数据集上验证其性能	提出了一个集成的深度学习模型，能够同时进行未破裂颅内动脉瘤的检测、分割和形态学分析，并验证了其辅助初级放射科医生提升诊断性能的能力	研究为回顾性设计，可能受到数据选择和收集偏差的影响	开发并验证一个深度学习模型，用于未破裂颅内动脉瘤的形态学测量	未破裂颅内动脉瘤患者及无动脉瘤的对照人群	数字病理	颅内动脉瘤	CT血管造影(CTA)	nnU-Net	医学影像	训练数据集包括1182名未破裂颅内动脉瘤患者和578名对照，多中心外部测试集包括535名患者
742	2025-06-14	Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240124 PMID:39503605	research paper	结合基于生物学的模型和MRI数据驱动的深度学习来预测三阴性乳腺癌患者对新辅助化疗的反应	整合了基于生物学的数学模型和卷积神经网络（CNN）来预测肿瘤对新辅助化疗的时空演变	研究为回顾性研究，样本量相对较小（118名患者）	预测三阴性乳腺癌患者对新辅助化疗的反应	局部晚期三阴性乳腺癌患者	digital pathology	breast cancer	MRI, deep learning	CNN	image	118名女性患者（中位年龄51岁，范围29-78岁）
743	2025-06-14	SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240005 PMID:39503603	研究论文	开发了一种名为SCIseg的深度学习工具，用于在T2加权MRI扫描上自动分割脊髓和脊髓损伤中的髓内病变	SCIseg是一个开源工具，通过主动学习的三阶段过程训练，能够自动分割髓内SCI病变和脊髓，并在多样化的数据集上表现出色	研究未提及模型在不同扫描参数或病变类型间的泛化能力	开发自动分割脊髓损伤中髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI扫描	数字病理	脊髓损伤	T2加权MRI扫描	CNN	图像	191名脊髓损伤患者
744	2025-06-14	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	评估和比较不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行比较	应用深度学习模型（特别是小型2D CNN）在无需病灶分割的情况下，利用DWI数据区分乳腺肿瘤的良恶性，且性能与放射科医生相当	研究为回顾性设计，样本量相对较小（334个乳腺病灶），且所有患者均为女性	评估AI模型在乳腺肿瘤良恶性鉴别中的性能	乳腺肿瘤患者	计算机视觉	乳腺癌	扩散加权成像（DWI）	2D CNN, ResNet-18, EfficientNet-B0, 3D CNN	医学影像	293名女性患者的334个乳腺病灶
745	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
746	2025-06-14	Innovative data techniques for centrifugal pump optimization with machine learning and AI model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325952 PMID:40493691	research paper	本文探讨了利用机器学习和AI模型优化离心泵的数据技术	采用Dewesoft FFT DAQ系统和传感器融合技术提取高质量数据，结合EDA、数据可视化和特征工程提升数据可解释性，并通过假设测试验证数据完整性	未提及具体模型在极端条件下的表现或泛化能力	提高离心泵的运营效率并减少模型训练时间	离心泵机器(CPM)	machine learning	NA	Exploratory Data Analysis (EDA), Data Visualization, Feature Engineering (FE)	machine learning classifiers, deep learning algorithms	sensor data	NA
747	2025-06-14	A plaque recognition algorithm for coronary OCT images by Dense Atrous Convolution and attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325911 PMID:40493701	research paper	提出了一种结合Dense Atrous Convolution和注意力机制的深度学习算法，用于冠状动脉OCT图像中的斑块高精度分割和分类	首次将Dense Atrous Convolution与注意力机制结合用于冠状动脉斑块分割，在钙化、纤维和脂质斑块的dice系数上均优于现有五种医学图像分割网络	未提及算法在临床实际应用中的验证情况，也未说明计算复杂度等实际部署问题	提高冠状动脉OCT图像中斑块自动分割的准确率，为临床决策提供支持	冠状动脉OCT图像中的钙化、纤维和脂质斑块	digital pathology	cardiovascular disease	OCT成像	Dense Atrous Convolution + attention mechanism	医学图像	760张原始图像（通过数据增强扩展至8,000张）
748	2025-06-14	A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis 2025, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322251344033 PMID:40496491	研究论文	本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动化叶片分割	结合了微调的Mask R-CNN模型与自然语言提示技术，并集成了QR码自动识别功能，开发了用户友好的Streamlit网络应用	训练数据集较小（仅176张植物图像）	开发一个准确、可扩展且用户友好的自动化叶片分割管道	Atriplex lentiformis植物的叶片	计算机视觉	NA	深度学习	Mask R-CNN, Segment Anything Model (SAM), Grounded SAM	图像	176张植物图像
749	2025-06-14	Empowering Precision Medicine for Rare Diseases through Cloud Infrastructure Refactoring 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502250	research paper	该研究旨在通过开发基于云的计算基础设施，加速罕见疾病的诊断	提出了一种结合数据挖掘、语义网技术、深度学习和基于图的嵌入技术的全面信息学框架，并通过云基础设施重构解决了可扩展性、维护和协作的挑战	未提及具体样本量或数据集的详细信息，可能影响研究结果的普适性	加速罕见疾病的诊断，提升数据整合和预测建模能力	罕见疾病患者及其相关医疗数据	数字病理学	罕见疾病	数据挖掘、语义网技术、深度学习、基于图的嵌入技术	深度学习	医疗数据	NA
750	2025-06-14	MRISeqClassifier: A Deep Learning Toolkit for Precise MRI Sequence Classification 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502266	research paper	开发了一个基于深度学习的工具包MRISeqClassifier，用于精确分类MRI序列	针对小型、未精炼的MRI数据集开发了轻量级模型架构，并采用投票集成方法提高准确性和稳定性，仅需10%的数据即可达到99%的准确率	未提及工具包在不同MRI设备或不同扫描参数下的泛化能力	解决MRI序列分类问题，提高诊断工具的准确性和效率	MRI序列（如T1加权、T2加权和FLAIR）	computer vision	NA	deep learning	轻量级模型架构，投票集成方法	MRI图像	未明确提及具体样本数量，但仅需10%的典型研究数据量
751	2025-06-14	Explainable Diagnosis Prediction through Neuro-Symbolic Integration 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502272	research paper	本研究探讨了神经符号方法（特别是逻辑神经网络LNNs）在可解释诊断预测中的应用，通过结合领域特定知识和可学习权重与阈值，开发了性能优于传统模型的诊断预测模型	使用逻辑神经网络（LNNs）结合领域特定知识，开发了可解释的诊断预测模型，提高了预测准确性和可解释性	未来研究需要扩展到更大和更多样化的数据集，以验证模型在不同医疗条件和人群中的适用性	开发可解释的诊断预测模型，以提升医疗AI应用的准确性和可解释性	糖尿病预测	machine learning	diabetes	Logical Neural Networks (LNNs)	LNN	NA	NA
752	2025-06-14	An integrated approach for mental health assessment using emotion analysis and scales 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12040 PMID:40502325	research paper	该研究提出了一种结合情绪分析和量表的综合方法进行心理健康评估，特别是针对抑郁症的初步评估	整合了四种模块（面部情绪识别、量表问卷、语音情绪识别和医生聊天）进行抑郁症评估，提高了预测的准确性	情绪识别的准确性仍有提升空间，且用户可能需要与真实医生交流以消除疑虑	开发一种综合方法，通过情绪分析和量表评估抑郁症	抑郁症患者或潜在患者	machine learning	mental illness	Facial Emotion Recognition (FER), Speech Emotion Recognition (SER), 量表问卷	深度学习模型（未明确具体类型）	image, audio, text	使用了FER2013数据集以及RAVDESS、TESS、SAVEE和CREMA-D数据集
753	2025-06-14	Integration of T cell repertoire, CyTOF, genotyping and symptomatology data reveals subphenotypic variability in COVID-19 patients 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.016 PMID:40502932	研究论文	该研究通过整合T细胞受体库、CyTOF、基因分型和症状学数据，揭示了COVID-19患者的亚表型变异性	使用LCM-BIC算法整合多种免疫表型和遗传数据，识别出三个新的患者聚类，并通过深度学习分析TCR氨基酸序列，发现与疾病严重程度相关的SARS-CoV-2特异性TCR序列	样本量较小（61名患者），且仅来自西班牙人群，可能限制结果的普适性	通过整合多种数据识别COVID-19患者的免疫和遗传特征，以帮助分层和管理患者	61名西班牙COVID-19患者（33名轻度，28名重度）	免疫学	COVID-19	CyTOF, TCRseq, SNP分析, 深度学习	LCM-BIC算法, 深度学习模型	免疫表型数据, 基因分型数据, 症状学数据	61名COVID-19患者（33名轻度，28名重度）
754	2025-06-14	Prediction of CRISPR-Cas9 on-target activity based on a hybrid neural network 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.001 PMID:40502933	研究论文	提出了一种基于混合神经网络CRISPR_HNN的CRISPR-Cas9靶向活性预测方法	整合了MSC、MHSA和BiGRU模块，有效捕捉局部动态特征和全局长距离依赖关系，并采用One-hot Encoding和Label Encoding策略	未提及具体的数据集局限性或模型泛化能力测试	提高sgRNA活性的预测准确性，以增强CRISPR-Cas9基因编辑技术的安全性和有效性	CRISPR-Cas9系统中的sgRNA活性	机器学习	NA	CRISPR-Cas9基因编辑技术	混合深度神经网络（整合MSC、MHSA和BiGRU）	基因序列数据	未明确提及具体样本量，仅说明在公共数据集上测试
755	2025-06-14	Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230138 PMID:38568094	系统性综述	本研究通过系统性综述探讨了深度学习在前列腺MRI分割中的准确性和鲁棒性，并与专业放射科医生进行了比较	首次系统性评估深度学习在前列腺MRI分割中的表现，并比较不同MRI厂商、前列腺区域和测试方法下的性能	仅纳入截至2022年7月31日前的英文文献，可能遗漏最新研究成果	评估深度学习在前列腺MRI分割中的准确性和鲁棒性	前列腺MRI图像	数字病理学	前列腺癌	MRI	深度学习算法	医学影像	48项研究（来自691篇初步筛选文献）
756	2025-06-14	Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5033 PMID:38864690	研究论文	通过计算机模拟折叠和熔解验证了从头设计的水溶性和跨膜β桶蛋白	揭示了AlphaFold2和ESMFold在不同任务中的优势，并引入了一种基于预测增量扰动的'计算机模拟熔解'新方法	缺乏高质量预测模型与实验成功机会之间关系的正式证据	验证和比较深度学习结构预测算法在蛋白质设计中的应用	从头设计的水溶性和跨膜β桶蛋白	计算生物学	NA	深度学习结构预测算法(AlphaFold2, ESMFold)	AlphaFold2, ESMFold	蛋白质序列和结构数据	NA
757	2025-06-14	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	research paper	评估半自主人工智能模型在筛查乳腺X光片中识别非乳腺癌可疑病例并减少假阳性检查的能力	开发了一种半自主深度学习系统，显著减少乳腺癌筛查中的假阳性率和不必要的医疗程序	研究基于回顾性数据，需要在更多前瞻性研究中验证其效果	降低乳腺癌筛查中的假阳性率和相关医疗负担	乳腺X光筛查图像	digital pathology	breast cancer	deep learning	AI	image	123,248张训练用乳腺X光片（含6,161例癌症）和14,831例筛查检查（含1,026例癌症）的回顾性研究
758	2025-06-14	SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury 2024-Apr-21, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.03.24300794 PMID:38699309	研究论文	开发了一种名为SCIseg的深度学习工具，用于自动分割脊髓损伤中的T2加权髓内病变	SCIseg模型通过三阶段训练过程，包括主动学习，能够自动分割脊髓和髓内病变，且在不同病因、扫描仪制造商和图像分辨率下表现良好	研究为回顾性研究，可能存在选择偏差	开发自动分割脊髓损伤中T2加权髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI图像	数字病理学	脊髓损伤	深度学习	SCIseg（基于深度学习的模型）	MRI图像	191名脊髓损伤患者（平均年龄48.1岁±17.9，142名男性）
759	2025-06-14	Multicenter Evaluation of a Weakly Supervised Deep Learning Model for Lymph Node Diagnosis in Rectal Cancer at MRI 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230152 PMID:38353633	research paper	开发了一个弱监督深度学习模型WISDOM，用于直肠癌患者术前MRI数据的淋巴结诊断	提出了一个弱监督模型开发框架WISDOM，结合术后病理信息进行淋巴结诊断，显著提升了放射科医生的诊断性能	研究为回顾性设计，可能存在选择偏差	开发并验证一个基于MRI的淋巴结诊断模型，辅助直肠癌患者的临床诊断	直肠癌患者的MRI数据和术后病理信息	digital pathology	rectal cancer	MRI (T2-weighted and diffusion-weighted imaging)	weakly supervised deep learning model	image	1014名患者（训练队列589人，内部测试队列146人，外部测试队列279人）
760	2025-06-14	Prior Clinico-Radiological Features Informed Multi-Modal MR Images Convolution Neural Network: A novel deep learning framework for prediction of lymphovascular invasion in breast cancer 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6932 PMID:38230837	research paper	本研究开发了一种名为PCMM-Net的深度学习框架，用于提高乳腺癌淋巴血管侵犯（LVI）预测的准确性	PCMM-Net整合了多参数MRI和先前的临床知识，以提高LVI评估的精确度	当前基于术前MRI的放射组学方法在评估早期乳腺癌患者的LVI时缺乏精确性	开发一个深度学习框架以提高乳腺癌LVI预测的准确性	341名乳腺癌患者	digital pathology	breast cancer	MRI	CNN	image	341名患者