深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7781	2025-10-06	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2025-Jun-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型来预测肝细胞癌手术切除后的早期复发	整合了放射组学和深度学习模型，并探索了与肿瘤复发相关的生物学机制	样本量相对有限，仅包含519例患者	预测肝细胞癌手术切除后的早期复发	肝细胞癌患者	医学影像分析	肝细胞癌	对比增强计算机断层扫描，基因集富集分析，多重免疫组织化学	深度学习，放射组学	医学影像	519例患者（训练队列433例，验证队列86例）	NA	多模态模型（MM-RDLM）	AUC，风险比，P值	NA
7782	2025-10-06	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-Jun-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	本研究通过构建OCTAVE视网膜OCT数据集并训练自配置nnU-Net模型，实现了对视网膜结构和病理特征的精确分割	提供了首个包含高质量像素级标注的3D OCT数据集OCTAVE，并为四个公共数据集提供标注，解决了视网膜AI诊断工具开发中数据稀缺的问题	数据集规模相对有限（198个训练OCT体积），且未提及模型在更广泛人群中的验证效果	开发基于人工智能的视网膜疾病诊断和分割工具	视网膜解剖结构和病理特征	数字病理	视网膜疾病	光学相干断层扫描（OCT）	CNN	3D医学图像	198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证	nnU-Net	U-Net	NA	NA
7783	2025-10-06	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用弱监督3DCNN方法进行外科医生经验水平分类	基于模拟环境而非真实手术场景，数据集规模可能有限	开发自动化手术技能评估系统以减少对人工专家评估的依赖	不同经验水平外科医生(新手、学员、专家)的模拟腹腔镜手术表现	计算机视觉	NA	深度学习，计算机视觉	3DCNN	手术模拟视频	包含新手、学员和专家三个技能水平的外科医生样本	NA	3D卷积神经网络	F1分数，AUC	NA
7784	2025-10-06	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究开发了一种基于人工智能的计算病理学方法，用于检测乳腺癌中缺氧诱导的形态学变化	首次将弱监督深度学习模型应用于常规H&E染色全切片图像，无需额外基因表达检测即可评估肿瘤缺氧状态	研究样本仅来自单一数据库(TCGA)，且仅针对乳腺癌类型	开发计算病理学方法检测乳腺癌缺氧微环境	乳腺癌原发部位组织样本	计算病理学	乳腺癌	H&E染色全切片成像	深度学习	全切片图像	1016个乳腺癌原发部位样本	NA	HypOxNet	AUC	NA
7785	2025-10-06	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	本章探讨人工智能和机器学习在长链非编码RNA研究中的应用	详细介绍了深度学习流程用于lncRNA结合蛋白功能注释，并强调计算预测与实验验证的整合	面临数据集准备、模型设计和可用性方面的挑战	预测lncRNA功能、识别疾病关联和注释蛋白质相互作用	长链非编码RNA及其结合蛋白	生物信息学	NA	机器学习、深度学习	RNN, CNN, Transformer	分子生物学数据	NA	NA	循环神经网络, 卷积神经网络, 基于Transformer的模型	NA	NA
7786	2025-10-06	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	研究论文	本研究开发了一种基于深度学习的方法，利用常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次使用深度学习模型从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的新方法	样本量相对有限，训练集仅97张切片，测试集110张切片	开发基于病理图像的PDAC分子亚型分类方法	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	苏木精-伊红染色(H&E)	深度学习模型	全切片病理图像	训练集97张切片(来自TCGA)，测试集110张切片(来自本地队列)	NA	NA	平衡准确率	NA
7787	2025-10-06	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	比较基于放射组学和3D-CNN的模型在18F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	首次比较半自动化放射组学模型与全自动3D-CNN模型在帕金森综合征诊断中的性能，并在外部测试集验证模型在经验不足医院的临床应用价值	回顾性研究，仅包含两个医疗中心的数据	开发并验证人工智能模型用于神经退行性帕金森综合征的自动诊断	687名具有帕金森综合征运动症状的患者	医学影像分析	帕金森综合征	18F-FDOPA PET脑部扫描	支持向量机, 3D-CNN	PET图像	687名患者（训练集417人，内部测试集100人，外部测试集170人）	NA	3D-CNN	平衡准确度	NA
7788	2025-10-06	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探索PET/CT健康器官影像组学特征在非小细胞肺癌预后预测中的附加价值	首次提出'器官组学'概念，将健康器官的影像组学特征纳入肺癌预后预测模型	样本量相对较小（154例患者），仅使用公开数据库数据	评估健康器官影像组学特征对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT影像和临床数据	医学影像分析	肺癌	PET/CT影像, 影像组学分析	nnU-Net, 随机生存森林, Cox比例风险模型	医学影像（PET/CT）	154例患者	nnU-Net	nnU-Net	C-index	NA
7789	2025-10-06	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	本研究结合受激拉曼组织成像和深度学习技术，开发了快速术中检测原发性中枢神经系统淋巴瘤并与其他脑肿瘤区分的诊断系统	首次将便携式拉曼散射显微镜与深度学习相结合，在3分钟内生成虚拟H&E样图像，实现术中快速准确诊断	研究样本来自四个国际医疗中心，但需要更多中心验证通用性	开发快速术中诊断方法，准确区分原发性中枢神经系统淋巴瘤与其他中枢神经系统病变	中枢神经系统肿瘤和非肿瘤病变组织样本	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织成像	深度学习	图像	54,000个SRH图像块，来自多个国际医疗中心的手术切除和立体定向活检样本	NA	自监督学习策略	平衡准确率	NA
7790	2025-10-06	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	研究论文	本研究开发了一种基于卷积神经网络的平衡放射性核素心血管造影全自动定量测量方法	首次使用二维U-Net卷积神经网络自动生成左心室感兴趣区域，用于测量左心室射血分数	研究仅基于单一机构的回顾性数据，未进行外部验证	开发深度学习模型来自动化测量左心室射血分数	平衡放射性核素心血管造影数据集	医学影像分析	心血管疾病	平衡放射性核素心血管造影	CNN	医学影像	41,462次扫描（来自19,309名患者）	NA	U-Net	Lin一致性相关系数, Bland-Altman分析	NA
7791	2025-10-06	Clinical Feasibility of Deep Learning-Based Attenuation Correction Models for Tl-201 Myocardial Perfusion SPECT 2024-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005129 PMID:38409758	研究论文	开发基于深度学习的Tl-201心肌灌注SPECT衰减校正模型并评估其临床可行性	首次将深度学习图像到图像转换技术应用于Tl-201心肌灌注SPECT的衰减校正，提出改进的U-Net架构	回顾性研究设计，样本来源单一	开发可替代CT衰减校正的深度学习模型	疑似或确诊冠状动脉疾病患者	医学影像分析	心血管疾病	SPECT成像	深度学习	医学影像	985名患者（657名男性，328名女性，年龄65±11岁）	NA	改进的U-Net	平均绝对误差, 结构相似性指数, 峰值信噪比	NA
7792	2025-10-06	A Convolutional Neural Network for Automated Detection of Cervical Ossification of the Posterior Longitudinal Ligament using Magnetic Resonance Imaging 2024-04-01, Clinical spine surgery IF:1.6Q3 DOI:10.1097/BSD.0000000000001547 PMID:37941120	研究论文	开发并验证基于卷积神经网络的MRI图像自动检测系统，用于区分颈椎后纵韧带骨化症和多节段退变性椎管狭窄	首次开发用于MRI图像检测颈椎后纵韧带骨化症的深度学习模型	回顾性研究设计，样本量有限	开发自动检测颈椎后纵韧带骨化症的AI模型并与脊柱外科医生诊断能力比较	颈椎后纵韧带骨化症和退变性椎管狭窄患者	计算机视觉	脊柱疾病	磁共振成像	CNN	医学影像	684例患者（272例OPLL，412例退变性疾病），分为训练集513例和测试集171例	NA	ResNet34, ResNet50, ResNet101	准确率, 灵敏度, 特异性, AUC	NA
7793	2025-10-06	Crossing the 'Cookie Theft' Corpus Chasm: Applying what BERT Learns from Outside Data to the ADReSS Challenge Dementia Detection Task 2021-Apr, Frontiers in computer science IF:2.4Q3 DOI:10.3389/fcomp.2021.642517 PMID:40535703	研究论文	本研究通过整合外部Wisconsin Longitudinal Study语料库数据，提升BERT模型在ADReSS挑战赛中痴呆检测任务的性能	创建了包含1366个Cookie Theft任务转录的新语料库，将可用训练数据增加一个数量级，并探索了使用推断认知状态选择规范数据的方法	WLS语料库的元数据不包含痴呆诊断，需要通过认知测试结果推断参与者的认知状态	提高深度学习模型在阿尔茨海默病检测任务中的性能	阿尔茨海默病患者和健康对照者的自发言语样本	自然语言处理	阿尔茨海默病	语音转录分析，认知测试推断	BERT	文本（语音转录）	DementiaBank语料库加上1366个WLS转录样本	NA	BERT	NA	NA
7794	2025-10-06	MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10277-3 PMID:40538970	研究论文	提出一种基于脑电信号的局部-全局时空Transformer模型MBRSTCformer用于情绪识别	结合大脑认知机制，提出多脑区协作网络和级联金字塔空间融合时序卷积网络，能够量化不同脑区刺激差异并融合多脑区特征	NA	开发稳健的脑电信号情绪识别模型	脑电信号情绪识别	机器学习	NA	脑电信号处理	Transformer, CNN	脑电信号	DEAP和DREAMER两个主流情绪识别数据集	NA	MBRSTCformer, Cascade Pyramid Spatial Fusion Temporal Convolution Network	准确率	NA
7795	2025-10-06	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文系统综述了人工智能在肿瘤病理学领域的当前应用与未来展望	首次通过ESMO精准肿瘤工作组系统评估AI在肿瘤病理中的应用现状，特别关注基础模型和基于Transformer的深度学习等新兴技术	目前尚无基于IA或IB证据支持的AI预后或预测生物标志物，数据可用性、可解释性和监管问题仍是主要障碍	评估人工智能在肿瘤病理学中的当前应用并展望未来发展前景	肿瘤病理学中应用AI算法的相关研究	数字病理学	肿瘤	系统综述方法	基础模型,通用模型,基于Transformer的深度学习	病理图像,多组学数据	NA	NA	Transformer	准确性,效率	NA
7796	2025-10-06	Automatic Multi-Task Segmentation and Vulnerability Assessment of Carotid Plaque on Contrast-Enhanced Ultrasound Images and Videos via Deep Learning 2025-Jun-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3581686 PMID:40540369	研究论文	提出基于深度学习的多任务模型，用于自动分割颈动脉斑块并进行斑块内新生血管分级评估	开发首个用于CEUS图像和视频的多任务深度学习模型，同时实现斑块分割和IPN分级，并模拟放射科医生使用动态视频的工作流程	未明确说明样本来源和数据集的多样性限制	开发自动化的颈动脉斑块易损性评估方法	颈动脉斑块的CEUS图像和视频	计算机视觉	心血管疾病	对比增强超声	深度学习多任务模型	图像, 视频	NA	NA	NA	Dice系数, 准确率	NA
7797	2025-10-06	Accurate de novo design of high-affinity protein-binding macrocycles using deep learning 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01929-w PMID:40542165	研究论文	介绍了一种基于深度学习的新型方法RFpeptides，用于从头设计高亲和力蛋白质结合大环化合物	首次开发了基于去噪扩散模型的从头设计蛋白质结合大环化合物的稳健方法	仅针对四种不同蛋白质进行了测试，样本量相对有限	开发高效设计蛋白质结合大环化合物的计算方法	大环化合物配体与蛋白质靶标的相互作用	机器学习	NA	去噪扩散模型	扩散模型	蛋白质结构数据	针对4种不同蛋白质各测试不超过20种设计的大环化合物	NA	RFpeptides	结合亲和力(Kd), Cα均方根偏差(RMSD)	NA
7798	2025-06-22	Deep learning-designed dynamics 2025-Jun-20, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-01963-8 PMID:40542166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7799	2025-10-06	A primer on variational inference for physics-informed deep generative modelling 2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2024.0324 PMID:40534291	综述	本文系统介绍了变分推断在物理信息深度生成建模中的理论基础与实践方法	将变分推断与深度学习相结合，为物理正反问题提供统一的贝叶斯推断框架，强调不确定性量化的灵活性	未提供具体应用案例的性能对比数据	为科学界提供解决物理基础问题的变分推断方法论，特别关注不确定性量化	物理正反问题的生成建模与反演任务	机器学习	NA	变分推断	深度生成模型	物理模型数据	NA	NA	NA	不确定性量化准确度	NA
7800	2025-10-06	Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer 2025-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00971-0 PMID:40533499	研究论文	提出一种结合多任务学习和多示例学习的深度学习框架，用于预测乳腺癌腋窝淋巴结转移状态	首次将多任务学习与多示例学习结合，模拟真实临床多视图联合预测场景，使用Transformer模型Segformer作为网络主干	未明确说明样本数据的具体来源和采集标准	开发能够辅助临床医生评估乳腺癌腋窝淋巴结转移状态的深度学习工具	乳腺癌患者的原发性肿瘤和腋窝淋巴结超声图像	计算机视觉	乳腺癌	超声成像	Transformer	医学图像	训练队列和内外测试队列（具体数量未明确）	NA	Segformer	AUC, 敏感度, 特异度	NA