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
981	2025-07-20	Explaining deep learning-based representations of resting state functional connectivity data: focusing on interpreting nonlinear patterns in autism spectrum disorder 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1397093 PMID:38832332	研究论文	本研究开发了一种可解释的变分自编码器模型，用于解析静息态功能连接数据中的非线性模式，特别关注自闭症谱系障碍（ASD）的神经机制	引入了潜在贡献分数来解释变分自编码器识别的非线性模式，增强了深度学习模型在神经科学中的可解释性	研究样本量虽大，但可能无法涵盖ASD所有亚型，且仅使用了Power图谱定义的264个感兴趣区域	开发可解释的深度学习模型以理解ASD患者静息态功能连接的非线性模式	1150名参与者（549名ASD患者和601名健康对照）的静息态功能磁共振成像数据	数字病理学	自闭症谱系障碍	静息态功能磁共振成像（rs-fMRI）	变分自编码器（VAE）	神经影像数据	1150名参与者（549名ASD患者和601名健康对照）
982	2025-07-20	The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae169 PMID:39600382	研究论文	本文研究了在中等分辨率冷冻电镜密度图中结合Focal loss和Dice loss的损失函数对β-片层分割的改进效果	提出了一种结合Focal loss和Dice loss的新损失函数，显著提高了β-片层体素的分割准确率	研究仅针对中等分辨率(5-10Å)冷冻电镜数据，未验证在其他分辨率下的表现	改进中等分辨率冷冻电镜图中蛋白质二级结构的分割准确率	蛋白质二级结构(特别是β-片层)在冷冻电镜密度图中的分割	计算机视觉	NA	冷冻电镜(cryo-EM)	U-Net	图像(冷冻电镜密度图)	1355个原子结构/密度图对
983	2025-07-20	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	本文系统分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次大规模分析了AI预测蛋白质结构对蛋白质折叠灵活性的影响，并发现高异质性折叠在关键生物过程中富集	研究仅基于已有实验结构的蛋白质，可能无法涵盖所有折叠类型	探究AI预测的蛋白质结构是否代表单一构象或平均构象，以及这一现象是否与蛋白质折叠类型相关	2878个具有至少10个不同实验结构的蛋白质	机器学习	NA	AlphaFold v2 (AF2)	深度学习	蛋白质结构数据	2878个蛋白质，涉及628种不同的折叠类型
984	2025-07-20	A Hybrid 2D Gaussian Filter and Deep Learning Approach with Visualization of Class Activation for Automatic Lung and Colon Cancer Diagnosis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241301297 PMID:39632623	研究论文	本研究设计了一个自动化诊断系统，通过结合2D高斯滤波和深度学习技术，提高肺癌和结肠癌的检测率	结合2D高斯滤波进行图像预处理，并使用三种CNN模型进行癌症诊断，同时采用CAM进行模型解释	未提及模型在临床环境中的实际应用效果或跨数据集验证	提高肺癌和结肠癌的早期检测率	肺癌和结肠癌的病理图像	数字病理学	肺癌, 结肠癌	2D高斯滤波, Class Activation Mapping (CAM)	CNN (MobileNet, VGG16, ResNet50)	图像	25000张病理图像
985	2025-07-20	Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241308610 PMID:39692551	研究论文	本研究开发了一种名为RRDLC-Classifier的诊断算法，用于预测临床I期实体肺腺癌中的高级别模式	结合了精炼的放射组学和深度学习特征，开发了新型RRDLC-Classifier算法	回顾性研究设计可能影响结果的普遍性，样本量相对有限	预测临床I期实体肺腺癌中的高级别病理模式	371名临床I期实体肺腺癌患者	数字病理	肺癌	放射组学分析、深度学习	CatBoost分类器	医学影像数据	371名患者（训练集与验证集按7:3比例分配）
986	2025-07-20	Noninvasive grading of glioma brain tumors using magnetic resonance imaging and deep learning methods 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05389-4 PMID:37698684	系统综述	本研究通过系统综述探讨了使用MRI和深度学习方法对胶质瘤脑肿瘤进行无创分级的现状	综合分析了2010-2022年间77篇学术文章，揭示了胶质瘤分割研究多于检测和分类的现状	仅纳入了英文文献，可能遗漏其他语言的重要研究	评估深度学习在胶质瘤MRI图像分析中的应用现状	胶质瘤脑肿瘤	数字病理学	脑癌	MRI	CNN	医学影像	77篇学术文章
987	2025-07-20	Predicting cutaneous malignant melanoma patients' survival using deep learning: a retrospective cohort study 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05421-7 PMID:37755576	研究论文	本研究利用深度学习模型DeepCMM预测皮肤恶性黑色素瘤患者的生存率	开发了名为DeepCMM的深度学习生存模型，用于准确预测皮肤恶性黑色素瘤患者的总体生存率，并将其打包成Windows 64位软件供医生使用	研究为回顾性队列研究，可能存在数据偏差，且仅基于SEER数据库，未涉及其他潜在影响因素	预测皮肤恶性黑色素瘤患者的生存率以指导临床决策	皮肤恶性黑色素瘤患者	数字病理学	皮肤恶性黑色素瘤	深度学习	DeepCMM	临床数据	三个队列（训练队列2010-2013年诊断，验证队列2014年诊断，测试队列2015年诊断）
988	2025-07-20	Diagnostic accuracy of contrast-enhanced computed tomography in assessing cervical lymph node status in patients with oral squamous cell carcinoma 2023-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05470-y PMID:37875746	research paper	本研究评估了增强CT在口腔鳞状细胞癌患者颈部淋巴结转移诊断中的准确性，并探讨了与其可靠性相关的临床病理因素	研究发现增强CT在检测不同大小淋巴结转移时的敏感性和特异性存在显著差异，并提出了未来结合人工智能和深度学习提高CT诊断可靠性的可能性	研究为回顾性设计，且人工智能与深度学习在CT诊断中的应用仍需进一步研究	评估增强CT在口腔鳞状细胞癌患者颈部淋巴结转移诊断中的准确性	239名接受术前CT检查和根治性手术的原发性口腔鳞状细胞癌患者	digital pathology	oral squamous cell carcinoma	contrast-enhanced computed tomography (CT)	NA	medical imaging	239名原发性口腔鳞状细胞癌患者
989	2025-07-20	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究提出了一种基于深度学习的多组学数据整合方法，用于构建皮肤黑色素瘤（SKCM）的风险分层预测模型	结合早期融合特征自编码器（AE）和晚期融合特征AE的深度学习框架，用于SKCM风险亚型的预测	研究依赖于TCGA数据库的数据，可能无法涵盖所有SKCM患者的多样性	构建SKCM的风险亚型分类预测模型，以改善预后预测和治疗决策	皮肤黑色素瘤（SKCM）患者	数字病理学	皮肤黑色素瘤	mRNA、miRNA和DNA甲基化测序	自编码器（AE）和SVM分类器	多组学数据（mRNA、miRNA、DNA甲基化）	TCGA数据库中的SKCM患者数据及两个独立测试数据集
990	2025-07-20	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	开发并验证了一种基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌	首次提出基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌，并在内部和外部验证中表现出色	研究为回顾性设计，样本量相对有限，且仅在两所医院进行验证	开发并验证一种深度学习模型，以提高脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌的鉴别诊断准确性	脂肪贫乏型血管平滑肌脂肪瘤（fp-AML）和肾细胞癌（RCC）患者	数字病理	肾癌	CT成像	多通道深度学习模型	图像	452名患者（来自两所医院）
991	2025-07-20	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	提出了一种名为SMiT的对称掩码预训练视觉Transformer模型，用于病理图像的分级诊断	采用纯Transformer框架替代传统CNN模型，通过对称掩码预训练策略提高对病灶区域细节特征的关注	未明确说明模型在更广泛疾病类型上的泛化能力	开发智能医疗诊断系统以提高疾病严重程度检测的准确性	结直肠癌病理图像和糖尿病视网膜病变数据集	数字病理	结直肠癌	高斯滤波去噪	Transformer	图像	4500张经过处理的结直肠癌组织病理学图像
992	2025-07-20	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了结合深度学习和放射组学特征的融合模型在低剂量CT下区分乳腺癌肺转移和原发性肺癌的性能	提出了一种结合ITR和PTR的多区域策略融合模型，显著提高了分类性能	样本量较小（100例），且为回顾性研究	开发一种有效区分乳腺癌肺转移和原发性肺癌的诊断方法	100例乳腺癌患者的肺部病变（60例乳腺癌肺转移和40例原发性肺癌）	数字病理	乳腺癌和肺癌	低剂量CT（LDCT）	基于ResNet18的多输入残差卷积网络融合模型	CT图像	100例（60例乳腺癌肺转移和40例原发性肺癌）
993	2025-07-20	Identifying immune infiltration by deep learning to assess the prognosis of patients with hepatocellular carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05097-z PMID:37450030	研究论文	本研究利用深度学习算法评估肝细胞癌患者的免疫浸润情况，并探讨其在预后评估中的价值	首次使用ResNet 101V2网络构建深度学习模型来评估肝细胞癌组织的免疫浸润，并验证其在预后评估中的应用	验证集中TLS分类的样本量较少可能导致结果不佳	评估肝细胞癌患者的免疫浸润情况及其对预后的影响	肝细胞癌患者	数字病理学	肝细胞癌	深度学习	ResNet 101V2	全切片图像(WSIs)	100张WSIs和165,293个tiles
994	2025-07-20	Cancer detection in breast cells using a hybrid method based on deep complex neural network and data mining 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05191-2 PMID:37486394	研究论文	本文提出了一种基于深度复杂神经网络和数据挖掘的混合方法，用于乳腺癌细胞的检测	结合深度复杂神经网络和数据挖掘技术，提高了乳腺癌诊断的准确性和速度	样本量相对较小，仅包含187名志愿者	提高乳腺癌诊断的准确性和速度	乳腺癌细胞	数字病理学	乳腺癌	热成像技术、数据挖掘	ResNet18, ResNet50, VGG19, Xception	图像	187名志愿者（152名健康人和35名癌症患者），共1870张热成像图像
995	2025-07-20	A comprehensive analysis of recent advancements in cancer detection using machine learning and deep learning models for improved diagnostics 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05216-w PMID:37540254	综述	本文对使用传统机器学习和深度学习模型进行多种癌症类型检测的最新进展进行了比较分析	比较分析了机器学习和深度学习在癌症早期检测中的应用，并提供了130篇文献的综合回顾	分析仅基于准确性作为性能指标，可能忽略了其他重要评估标准	提高癌症早期检测的准确性和自动化水平	脑癌、肺癌、皮肤癌和乳腺癌	机器学习	癌症	机器学习和深度学习	ML和DL模型	图像	130篇文献（56篇基于ML，74篇基于DL）
996	2025-07-20	Enhanced breast mass mammography classification approach based on pre-processing and hybridization of transfer learning models 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05249-1 PMID:37567987	研究论文	提出了一种基于预处理和迁移学习模型混合的增强型乳腺肿块X线分类方法	采用两阶段分类方法，结合预处理策略和混合迁移学习模型，提高了分类性能	预处理阶段使用的不同滤波器对结果有影响，且仅在一个数据集上进行了验证	提高乳腺X线摄影中肿块检测的准确性和分类性能	乳腺X线摄影图像中的肿块	计算机视觉	乳腺癌	迁移学习	CNN	图像	CBIS-DDSM数据集
997	2025-07-20	Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05169-0 PMID:37558767	研究论文	开发并验证了一种基于深度学习的m6A修饰模型，用于肾细胞癌患者的临床预后预测	首次报道了基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索了METTL14在肾细胞癌中的重要作用	未提及模型在其他癌症类型中的泛化能力	开发一种深度学习模型用于肾细胞癌患者的预后预测，并探索METTL14的生物学功能	肾细胞癌患者及癌细胞	数字病理	肾细胞癌	Western blotting, qRT-PCR, 免疫组化, RNA免疫沉淀	深度学习神经网络	临床数据、实验数据	两个独立患者队列和一个泛癌患者队列
998	2025-07-20	Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data 2023-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104820 PMID:37806288	研究论文	本研究提出了一种名为Circular-SWAT的新方法，用于基于深度学习的阿尔茨海默病诊断分类，应用于代谢组数据	引入了Circular-Sliding Window Association Test (c-SWAT)方法，显著提高了阿尔茨海默病的分类准确率，并识别出与疾病相关的关键脂质	研究仅基于ADNI数据库的997名参与者，可能需要更大样本量验证结果的普适性	提高阿尔茨海默病的诊断分类准确率并识别潜在生物标志物	阿尔茨海默病患者与认知正常老年人的血清代谢组数据	机器学习	阿尔茨海默病	代谢组学分析，脂质组学	CNN, Random Forest	代谢组数据	997名来自ADNI的参与者
999	2025-07-20	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出了一种名为MISPEL的监督式深度学习协调方法，用于处理多扫描仪神经影像数据	MISPEL是一种可自然扩展到两个以上扫描仪的监督式多扫描仪协调方法，并设计了一套标准来调查扫描仪相关的技术变异性和评估协调技术	NA	解决多扫描仪神经影像数据中的技术变异性问题，以提高下游分析的准确性	多扫描仪神经影像数据	神经影像	NA	深度学习	监督式学习	3T T1图像	一个跨四个扫描仪的多扫描仪匹配数据集
1000	2025-07-20	Deep learning model for predicting the survival of patients with primary gastrointestinal lymphoma based on the SEER database and a multicentre external validation cohort 2023-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05123-0 PMID:37428248	research paper	本研究基于SEER数据库和多中心外部验证队列，开发了一个深度学习模型用于预测原发性胃肠道淋巴瘤（PGIL）患者的生存率	首次使用深度学习算法（DeepSurv模型）预测PGIL患者的生存率，并通过多中心外部验证队列验证其性能	样本量中外部验证队列的病例数较少（82例），可能影响模型的泛化能力	建立预测PGIL患者生存率的预后模型	原发性胃肠道淋巴瘤（PGIL）患者	digital pathology	gastrointestinal lymphoma	deep learning algorithm	DeepSurv, RSF, CoxPH	clinical data	11,168例来自SEER数据库的患者和82例来自三个医疗中心的外部验证患者