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
81	2025-06-13	A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf319 PMID:40424358	research paper	开发了一种基于多源相似性融合的深度学习模型MSSF，用于预测药物副作用的频率类别	利用多源特征融合模块和自注意力机制深入探索药物与副作用之间的关系，并采用贝叶斯变分推断更准确地预测药物副作用的频率类别	现有方法通常在五个频率类别上建立回归模型，容易对训练集过拟合，导致边界处理问题和过拟合风险	预测药物副作用在人群中的频率类别，以指导患者用药和药物开发	药物副作用	machine learning	NA	deep learning, Bayesian variational inference	MSSF (multi-source similarity fusion-based model)	multi-source data	NA
82	2025-06-13	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-02, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	research paper	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏倚带来的潜在风险	首次在外部验证中直接比较了四种ATTR-CM检测算法的性能，并进行了种族偏倚风险评估	研究样本中非裔美国人比例较低(9.0%)，可能影响偏倚评估的全面性	评估和比较不同算法检测转甲状腺素蛋白心脏淀粉样变性的性能及潜在偏倚风险	心力衰竭患者群体中的转甲状腺素蛋白心脏淀粉样变性病例	digital pathology	cardiovascular disease	deep learning	random forest, regression-based score, EchoNet-LVH, EchoGo ® Amyloidosis	medical records, echocardiogram images	176例ATTR-CM确诊患者和3192例心力衰竭对照患者
83	2025-06-13	Development of Deep Learning Models to Screen Posterior Staphylomas in Highly Myopic Eyes Using UWF-OCT Images 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.25 PMID:40504567	研究论文	开发深度学习模型用于利用超广域光学相干断层扫描(UWF-OCT)图像筛查高度近视患者后葡萄肿	首次开发了基于深度学习的模型，用于自动检测高度近视患者后葡萄肿的边缘，其敏感性与视网膜专家相当或更优	单中心回顾性研究，样本量相对有限(1428张图像)，需要外部验证	开发人工智能系统辅助眼科医生筛查高度近视后葡萄肿	高度近视患者的UWF-OCT图像	数字病理	眼科疾病/高度近视	UWF-OCT成像	VGG16/VGG19/ResNet18/ResNet50/ResNet101/DenseNet121/DenseNet161	医学图像	训练集: 438名患者的1428张图像；测试集: 69名患者的216张图像
84	2025-06-13	Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01283-8 PMID:39349785	综述	本文对2020年至2024年1月间发表的60篇关于使用深度学习技术通过MRI图像进行脑肿瘤检测和分类的研究进行了系统性回顾	总结了现有研究的局限性和重要亮点，提供了分析方法比较和未来研究方向	仅涵盖了2020年至2024年1月间发表的研究，可能不包括最新的技术进展	回顾和总结深度学习在脑肿瘤检测和分类领域的应用研究	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	MRI	深度学习（包括迁移学习、自动编码器、transformer和注意力机制等）	图像	60篇研究文章
85	2025-06-13	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	使用可解释的多视角心血管磁共振电影序列深度学习模型预测平均肺动脉压	提出了一种非侵入性预测平均肺动脉压的深度学习方法，并识别了关键影像特征	模型仅在1646例检查数据上进行训练和评估，样本量相对有限	通过深度学习模型从心脏磁共振数据中非侵入性估计右心导管检查参数	肺动脉高压患者	数字病理	心血管疾病	心脏磁共振成像	CNN	影像	1646例检查
86	2025-06-13	Automatic bone marrow segmentation for precise [177Lu]Lu-PSMA-617 dosimetry 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17684 PMID:39935268	研究论文	开发了一种基于深度学习的自动骨髓分割方法，用于[177Lu]Lu-PSMA-617治疗的个性化骨髓剂量测定	首次应用X-means聚类方法在CT图像上自动分割骨髓区域，相比传统方法具有更高的准确性和更低的误差	样本量较小（10名患者，30个治疗周期），且仅针对前列腺癌患者	开发自动骨髓分割方法以改进[177Lu]Lu-PSMA-617治疗中的骨髓剂量测定	转移性去势抵抗性前列腺癌患者的骨髓区域	数字病理学	前列腺癌	SPECT/CT成像，X-means聚类	深度学习	医学影像	10名患者，30个治疗周期
87	2025-06-13	A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70047 PMID:39980269	研究论文	比较2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，评估计算量较小的模型的适用性	比较了2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，并评估了数据增强和多通道输入对模型性能的影响	研究样本量较小（89例患者），且3D模型的训练时间较长	评估计算量较小的2D模型在局部乳腺癌放疗剂量预测中的适用性	局部乳腺癌患者的放疗剂量预测	数字病理	乳腺癌	深度学习	2D Attention U-Net, 2D HD U-Net, 3D U-Net	医学影像	89例局部乳腺癌患者
88	2025-06-13	A review of artificial intelligence in brachytherapy 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70034 PMID:40014044	综述	本文全面回顾了人工智能（AI）在近距离放射治疗中的应用，重点关注机器学习和深度学习	系统性地将AI在近距离放射治疗中的应用分为七大类，并针对不同癌症类型或特定任务进行细分，提供了模型、数据规模和结果的详细总结	讨论了当前AI应用的局限性、挑战和伦理问题	探索AI如何使近距离放射治疗更加个性化、高效和有效	近距离放射治疗的临床工作流程	数字病理学	癌症	机器学习和深度学习	NA	NA	NA
89	2025-06-13	Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101869 PMID:40021091	研究论文	提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法	首次将深度学习应用于3D心脏标记磁共振图像的位移分析，而非仅限于2D数据集	方法在合成数据上训练，虽然在体外验证中表现良好，但可能仍需更多真实数据验证	开发能够快速分析3D心脏标记磁共振图像的深度学习方法	左心室运动	医学影像分析	心血管疾病	3D标记磁共振成像	神经网络	3D图像	体外人类数据集和猪研究数据集
90	2025-06-13	Deep learning framework for interpretable quality control of echocardiography video 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17722 PMID:40038091	research paper	本文介绍了一种用于超声心动图视频自动质量控制的深度学习系统，该系统能够实时监测关键成像参数，减少人工质量控制过程中的变异性	提出了一种多任务网络，结合CNN、Bi-LSTM和面向对象检测头，实现了对心脏周期完整性、解剖结构、深度、心脏轴角度和增益的全面分析	研究仅基于1331个超声心动图视频进行训练和测试，样本量可能不足以覆盖所有临床场景	开发一个自动化、实时且可解释的超声心动图视频质量控制系统	超声心动图视频	digital pathology	cardiovascular disease	深度学习	CNN, Bi-LSTM	video	1331个超声心动图视频
91	2025-06-13	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种通用的自适应模型（GAM），用于头颈部自适应放射治疗中的自动分割，通过将患者治疗前图像和分割标签纳入推理阶段来提高分割性能	在推理阶段纳入患者治疗前数据，避免了为新患者群体进行昂贵的模型重新训练	刚性配准方法在某些结构上与自适应DL模型表现相似	提高头颈部自适应放射治疗中自动分割的准确性	头颈部癌症患者	数字病理	头颈部癌症	深度学习	GAM, PSM, RM	CT图像	110名接受头颈部癌症自适应放射治疗的患者
92	2025-06-13	Deep Learning-Based Artificial Intelligence Algorithm to Classify Tremors from Hand-Drawn Spirals 2025-Jun, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30176 PMID:40095435	研究论文	开发并验证了一种基于深度学习的算法，用于通过手绘螺旋图对震颤综合征进行分类	首次使用深度学习算法对手绘螺旋图进行分类，以诊断震颤综合征，其准确率高于人类评估者	算法在外部验证中的准确率有所下降，可能存在数据泄露和数字指纹的风险	开发一种客观的生物标志物，用于诊断和分类震颤综合征	患有肌张力障碍性震颤（DT）、原发性震颤（ET）、原发性震颤附加（ETP）、帕金森病（PD）、小脑共济失调（AT）的患者及健康志愿者（HV）	数字病理	震颤综合征	深度学习	InceptionResNetV2, Keras sequential model	图像	521名参与者，2078张手绘螺旋图
93	2025-06-13	Histogram matching-enhanced adversarial learning for unsupervised domain adaptation in medical image segmentation 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17757 PMID:40102198	research paper	提出了一种基于直方图匹配增强对抗学习的无监督领域自适应方法HMeAL-UDA，用于医学图像分割，并提供了模型预测的全面不确定性估计	结合直方图匹配策略减少跨模态图像风格偏差，利用对抗学习对齐多模态特征，并通过MC dropout量化模型预测置信度	未明确说明方法在更广泛医学影像任务中的泛化能力	开发简单有效的无监督领域自适应方法，解决医学图像分割中的跨模态领域偏移问题	医学图像（MRI和CT）中的肝脏和多器官分割	digital pathology	NA	adversarial learning, histogram matching, Monte Carlo dropout	deep neural networks	medical image (MRI, CT)	30 MRI scans (20公共+10内部), 30 CT scans (BTCV), 240 CT scans + 60 MRI scans (AMOS)
94	2025-06-13	Characteristics of left ventricular dysfunction in repaired tetralogy of Fallot: A multi-institutional deep learning analysis of regional strain and dyssynchrony 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101886 PMID:40122390	研究论文	本研究利用深度学习合成应变（DLSS）技术，分析了修复性法洛四联症（rTOF）患者左心室功能障碍的特征	首次使用深度学习算法DLSS自动测量区域左心室应变和不同步性，识别出rTOF患者的四种独特左心室收缩模式	研究为回顾性设计，样本量相对有限（198例患者和21例健康对照）	表征rTOF患者的左心室功能障碍模式	修复性法洛四联症患者和健康对照	数字病理	心血管疾病	心血管磁共振成像（CMR），稳态自由进动（SSFP）MRI	深度学习算法（DLSS）	MRI图像	198例rTOF患者和21例健康对照
95	2025-06-13	DiffMC-Gen: A Dual Denoising Diffusion Model for Multi-Conditional Molecular Generation 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417726 PMID:40170290	research paper	本文提出了一种双去噪扩散模型DiffMC-Gen，用于多条件分子生成，以优化候选化合物的多种性质	DiffMC-Gen整合了离散和连续特征以增强对3D分子结构的感知能力，并采用多目标优化策略同时优化目标分子的多种性质	NA	精确高效地设计具有多样化理化性质的潜在药物分子	药物分子	machine learning	NA	denoising diffusion models	dual denoising diffusion model	molecular data	针对三种目标蛋白（LRRK2、HPK1和GLP-1受体）生成的分子
96	2025-06-13	Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17782 PMID:40170415	研究论文	比较三种自动分割方法在儿童颅脊髓照射治疗计划中的效果	比较了商业、开箱即用和内部开发的三种自动分割方法在儿童患者中的应用，并探讨了不同方法的优缺点	商业软件LimbusAI在儿童食管和肾脏分割上表现不佳，nnU-Net在头部结构区分上存在困难	评估不同自动分割方法在儿童颅脊髓照射治疗计划中的适用性	儿童颅脊髓照射治疗中的风险器官（OARs）	数字病理学	儿童疾病	CT扫描	U-Net, attention U-Net, 2.5D U-Net, nnU-Net	图像	142名儿童患者的CT扫描（训练集115，验证集27），测试集16名
97	2025-06-13	Integrative Multi-Omics and Routine Blood Analysis Using Deep Learning: Cost-Effective Early Prediction of Chronic Disease Risks 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412775 PMID:40171841	研究论文	该研究通过整合多组学数据和常规血液分析，利用深度学习模型预测慢性疾病风险	开发了名为Omicsformer的深度学习模型，能够从常规血液样本中识别多种慢性疾病的潜在风险，并构建了一个简单的慢性非传染性疾病风险预测系统	研究样本主要来自高海拔地区的亚健康人群，可能限制结果的普适性	探索疾病发生的相互关联性，并通过大规模电子健康记录验证，开发慢性疾病早期预测方法	160名高海拔地区亚健康个体的多组学数据和大规模临床患者数据	机器学习	慢性非传染性疾病（包括癌症、心血管疾病和精神疾病）	多组学分析	Omicsformer（基于深度学习的模型）	多组学数据和常规血液检测结果	160名亚健康个体和20年大规模临床患者数据
98	2025-06-13	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该论文提出了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	开发了两个深度学习网络，分别用于胎儿身体定位和心脏标志物检测，实现了实时自动规划相位对比序列	在7例前瞻性病例中仅成功实施了6例，且规划质量略低于手动规划	通过自动化实时规划技术扩大胎儿血流成像的应用范围	胎儿心血管磁共振成像	医学影像分析	胎儿心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振图像	167和71个胎儿数据集用于训练，10个数据集用于回顾性评估，7个胎儿（36+3-39+3孕周）用于前瞻性评估
99	2025-06-13	An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17795 PMID:40181755	research paper	本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法，专注于鼻咽癌的剂量梯度重建	引入了专注于剂量梯度重建的自动治疗计划方法，并提出了结合多种评价标准的多标准评分策略	在临床验证中，有4个生成的IsoPlans未能满足临床要求	建立一种利用深度学习预测剂量分布信息的自动治疗计划生成方法	鼻咽癌患者的治疗计划	digital pathology	nasopharyngeal carcinoma	deep learning	U-Net, DoseNet, Transformer	medical imaging data	120例鼻咽癌病例（训练集90例，验证集10例，测试集20例）
100	2025-06-13	Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70089 PMID:40186596	research paper	该研究比较了两种UNet衍生架构（UNet++和nnU-Net）在前列腺和妇科高剂量率（HDR）近距离放射治疗计划中自动分割风险器官（OARs）的性能	研究实现了基于深度学习的分割模型，针对HDR近距离放射治疗中的CT图像进行优化，填补了商业或公开可用模型在此领域的不足	研究数据来源于单一机构，可能影响模型的泛化能力	评估和比较两种深度学习模型在前列腺和妇科HDR近距离放射治疗计划中自动分割风险器官的准确性和实用性	前列腺和妇科HDR近距离放射治疗患者的CT扫描图像	digital pathology	prostate cancer	CT扫描	UNet++, nnU-Net	image	1316份CT扫描（来自1105名患者）用于训练，100份CT扫描（来自62名患者）用于测试