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
801	2025-07-22	PixelPrint4D: A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications 2025-Apr-02, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001182 PMID:40173424	研究论文	本文介绍了一种名为PixelPrint4D的3D打印方法，用于制造逼真的、患者特异性可变形肺部模型，以用于CT成像中的呼吸运动应用	提出了一种新的3D打印方法PixelPrint4D，能够制造具有真实组织结构和变形模式的呼吸运动模型，超越了现有模型的局限性	研究仅基于单一患者的4DCT数据集，样本量较小，可能影响结果的普遍性	开发更真实的呼吸运动模型，以支持CT成像和放射治疗中呼吸运动补偿技术的评估	肺部模型及其在呼吸运动中的变形特性	数字病理	肺癌	3D打印技术、CT成像	PixelPrint4D	4DCT图像数据	基于一名肺癌患者的4DCT数据集
802	2025-07-22	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种结合深度学习和量化的端到端管道，用于快速和定量的动态对比增强（DCE）MRI	开发了名为DCE-Movienet的新型深度重建网络，结合先前开发的DCE-Qnet深度量化网络，显著提高了DCE-MRI的重建速度和量化鲁棒性	仅在健康志愿者和一名宫颈癌患者上进行了验证，样本量较小	提高DCE-MRI在临床环境中的性能和采用率	动态对比增强（DCE）MRI数据	数字病理学	宫颈癌	动态对比增强（DCE）MRI	DCE-Movienet, DCE-Qnet	4D MRI数据	健康志愿者和一名宫颈癌患者
803	2025-07-22	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	本文提出了一种基于神经常微分方程（NODE）的新型模型，用于区分脑转移瘤（BM）放射手术后放射性坏死与肿瘤复发，通过整合影像、基因组和临床数据提高AI的可解释性	利用重球神经常微分方程（HBNODE）模型，首次实现了在影像-基因组-临床（I-G-C）空间中追踪样本轨迹，并通过决策场梯度向量动态分析各特征类别的贡献	研究样本量较小（90个BM病灶，62名NSCLC患者），且未在更广泛的患者群体中进行验证	开发可解释的AI模型以非侵入性方式区分脑转移瘤放射治疗后的放射性坏死与肿瘤复发	非小细胞肺癌（NSCLC）患者脑转移瘤的放射治疗后病灶	数字病理	肺癌	MRI影像分析、基因组特征分析	HBNODE（基于二阶ODE的神经网络）	多模态数据（影像+基因组+临床）	62名NSCLC患者的90个脑转移病灶
804	2025-07-22	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	使用基于自监督学习的基础模型UNI和预训练的生成对抗网络HistoXGAN，首次系统地描述了HPV阳性头颈部鳞状细胞癌的组织病理学特征，并实现了高准确率的HPV状态预测	研究依赖于合成图像的解释，可能不完全反映真实组织学特征	解析HPV阳性头颈部鳞状细胞癌的组织病理学特征并开发可解释的检测方法	头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	自监督学习(SSL)，生成对抗网络(GAN)	UNI(SSL基础模型)，HistoXGAN(GAN)	H&E染色病理图像	981名HNSCC患者的病理图像
805	2025-07-22	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文介绍了一种基于数字病理学的AI基础模型，用于预测胃肠道癌症的预后和辅助治疗效益	开发了一个基于自监督学习的AI基础模型，能够从标准H&E染色病理切片中预测预后，并在多个国际队列中验证了其预测生存结果的能力	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像中的1.3亿个补丁，包括1,619名胃和食管癌患者和2,594名结直肠癌患者
806	2025-07-22	Subgroup evaluation to understand performance gaps in deep learning-based classification of regions of interest on mammography 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000811 PMID:40198652	研究论文	本研究评估了一种深度学习模型在乳腺X光摄影中分类正常与潜在异常感兴趣区域（ROIs）的性能，旨在识别可能导致某些患者亚组模型性能不佳的影像、病理和人口统计学特征	通过亚组分析识别了影响深度学习模型性能的具体患者特征，如种族、活检历史和乳腺密度，为提升模型公平性和可解释性提供了新见解	研究仅基于单一机构的数据集（EMBED），可能限制了结果的普遍适用性	评估深度学习模型在乳腺X光摄影ROI分类中的性能差异，并识别影响模型表现的亚组特征	115,931名患者的340万张乳腺X光影像及其相关临床数据	数字病理	乳腺癌	深度学习	CNN（特别是ResNet152V2）	影像	52,444个图像块（训练29,144，验证9,910，测试13,390）
807	2025-07-22	Accurate treatment effect estimation using inverse probability of treatment weighting with deep learning 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf032 PMID:40290454	研究论文	本研究利用深度序列模型通过逆处理概率加权（IPTW）方法准确估计处理效应，无需特征处理	提出使用深度序列模型（如RNN和Transformer）直接从索赔记录中估计倾向得分，无需特征处理，提高了处理效应估计的准确性	研究主要基于合成和半合成数据集，未在真实世界数据中广泛验证	在存在时间依赖性混杂因素的情况下，准确估计处理效应	电子健康记录（EHRs）中的索赔记录	机器学习	NA	逆处理概率加权（IPTW）	RNN, Transformer	电子健康记录（EHRs）	合成和半合成数据集
808	2025-07-22	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	review	本文综述了人工智能在儿科心血管磁共振成像（CMR）中的当前应用状态	探讨了AI如何通过深度学习技术提高CMR在先天性心脏病（CHD）中的效率、图像质量和减少错误	未提及具体的实验数据或样本量，可能缺乏实证支持	提高先天性心脏病（CHD）中心血管磁共振成像（CMR）的效率和质量	儿科心血管磁共振成像（CMR）	digital pathology	cardiovascular disease	deep learning	NA	image	NA
809	2025-07-22	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	研究论文	本研究探讨了细胞衰老在良性乳腺疾病活检图像中对乳腺癌风险的预测作用	利用深度学习模型预测细胞衰老评分，评估其在乳腺癌风险预测中的价值	研究仅基于回顾性数据，且样本量有限	评估细胞衰老评分在预测乳腺癌风险中的潜在应用	15,395名接受乳腺活检的女性，其中512例后续发展为浸润性乳腺癌，491例为对照组	数字病理学	乳腺癌	H&E染色活检图像分析，深度学习模型	深度学习模型	图像	15,395名女性，其中512例病例和491例对照
810	2025-07-22	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML方法在准确分类和自动检测自发突触事件方面优于现有方法，并适用于多种突触准备、记录技术和动物种类	未提及具体的研究局限性	开发一种可靠且标准化的突触事件自动化分析框架	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA
811	2025-07-22	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	research paper	开发了一个名为VASCilia的Napari插件，用于基于深度学习的耳蜗毛细胞立体纤毛束的3D分析	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，包含五个自动化分析模型，并提供了用户友好的界面	NA	开发一个自动化工具，用于耳蜗毛细胞立体纤毛束的3D形态学分析	耳蜗毛细胞的立体纤毛束	digital pathology	hearing disorder	confocal microscopy, deep learning	CNN (implied by deep learning-based models)	3D confocal microscopy images	55 3D stacks (502 inner and 1,703 outer hair cell bundles)
812	2025-07-22	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Feb-13, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学和机器学习在神经退行性疾病研究中的最新进展	强调了利用全切片图像(WSIs)和先进机器学习/人工智能(ML/AI)技术进行神经退行性疾病分析的变革性方法	面临专家标注有限、切片扫描不可及、机构间差异以及大型WSI数据集共享复杂等挑战	提升神经病理学评估、诊断和研究	神经退行性疾病	数字病理学	神经退行性疾病	ML/AI	深度学习模型	全切片图像(WSIs)	NA
813	2025-07-22	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本研究提出了一种使用3D卷积图网络和非线性高斯过程回归从3D光学图像中预测人体成分的新方法	首次将深度3D卷积图网络和非线性高斯过程回归应用于人体形状参数化和成分估计，相比线性算法显著提高了预测精度	深度形状特征仅对男性显示出更好的预测效果，性别差异的原因未深入探讨	开发更准确的人体成分预测方法	人体3D扫描图像和身体成分数据	计算机视觉	NA	3D卷积图网络，高斯过程回归(GPR)	3D CNN, GPR	3D图像	4286个扫描样本
814	2025-07-22	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	本研究开发了一种基于全身低剂量CT的深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常	首次利用全身低剂量CT扫描结合深度学习技术预测多发性骨髓瘤的细胞遗传学风险	样本量相对较小（151例患者），且仅使用单一机构的患者数据	开发能够预测多发性骨髓瘤细胞遗传学异常的影像组学模型	新诊断的多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	全身低剂量CT (WBLDCT), 荧光原位杂交 (FISH)	深度学习模型	医学影像	151例多发性骨髓瘤患者
815	2025-07-22	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本研究通过空间转录组学技术构建了一个大脑衰老图谱，揭示了细胞邻近效应对脑衰老的影响	开发了空间衰老时钟模型，首次系统性地研究了衰老细胞对邻近细胞的影响及其在组织衰退中的作用	研究仅基于小鼠模型，人类大脑的类似效应尚需验证	探究脑衰老过程中细胞间相互作用的分子机制	420万个来自不同年龄阶段大脑的细胞	空间转录组学	神经退行性疾病	空间转录组学	机器学习模型（空间衰老时钟）、深度学习	单细胞转录组数据	420万个细胞，覆盖20个不同年龄阶段
816	2025-07-22	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	该论文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，通过等深度概念构建组织切片的拓扑图，同时学习空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未提及具体的数据稀疏性处理方法的局限性或算法在其他类型组织中的适用性	解决空间转录组数据稀疏性问题，解析基因表达的空间模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	多个组织样本（具体数量未提及）
817	2025-07-22	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究通过分析国家肺癌筛查试验中的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）变化与死亡率之间的关联	首次利用自动深度学习算法量化EAT体积和密度的变化，并发现这些非典型变化与全因死亡率、心血管死亡率和肺癌死亡率显著相关	研究为二次分析，可能存在选择偏倚，且未考虑其他潜在混杂因素	探究心外膜脂肪组织变化与接受肺癌筛查人群死亡率的关系	国家肺癌筛查试验中的20,661名参与者	数字病理学	肺癌	低剂量CT扫描	深度学习算法	医学影像	20,661名参与者（平均年龄61.4岁，59.2%为男性）
818	2025-07-22	Benchmarking protein language models for protein crystallization 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86519-5 PMID:39827171	research paper	本文通过TRILL平台对开放蛋白质语言模型（PLMs）进行基准测试，用于预测蛋白质结晶倾向	比较了多种PLMs在预测蛋白质结晶倾向上的性能，并发现ESM2模型在多个评估指标上表现最佳，同时利用ProtGPT2模型生成了潜在可结晶的新型蛋白质	研究仅基于序列信息预测结晶倾向，未考虑其他可能影响结晶的因素	评估和比较蛋白质语言模型在预测蛋白质结晶倾向方面的性能	蛋白质序列及其结晶倾向	machine learning	NA	protein language models (PLMs), LightGBM, XGBoost	ESM2, Ankh, ProtT5-XL, ProstT5, xTrimoPGLM, SaProt, ProtGPT2	protein sequences	3000 generated proteins, 5 novel proteins identified as potentially crystallizable
819	2025-07-22	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究利用深度学习技术分析数字细胞病理学图像，直接预测葡萄膜黑色素瘤患者的48个月生存状态	首次使用深度学习直接从数字细胞病理学图像预测葡萄膜黑色素瘤患者的长期生存状态，且模型能正确预测临床意外案例	样本量较小（74例患者），需要前瞻性验证	开发基于深度学习的葡萄膜黑色素瘤患者生存预测工具	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检（FNAB）、H&E染色、全切片扫描	人工神经网络（ANN）	数字细胞病理学图像	74例患者（207,260个独特ROI）
820	2025-07-22	Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas 2025-Jan-12, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae173 PMID:39211987	研究论文	本研究探讨了深度学习在预测儿童低级别胶质瘤术后复发风险中的应用	结合临床特征和深度学习提取的MRI影像特征的多模态模型显著提高了术后无事件生存期的预测准确性	模型泛化能力有待提高，可能需要更大规模的多中心训练数据	改善儿童低级别胶质瘤术后复发风险预测	396名接受手术的儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	深度学习	逻辑风险模型	MRI影像数据	396例患者（中位随访85个月）