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
101	2025-05-22	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-May-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	research paper	开发了一种基于多参数乳腺MRI放射组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合多参数MRI放射组学和深度学习技术，构建多模态模型预测Ki-67表达状态	样本量较小（176例患者），且仅基于单一机构数据	预测乳腺癌术前Ki-67表达状态，推进个体化治疗和精准医疗	176例浸润性乳腺癌患者	digital pathology	breast cancer	multiparametric MRI (mp-MRI), T1WI, DWI, T2WI, DCE-MRI	deep learning	MRI图像	176例浸润性乳腺癌患者（训练集70%，测试集30%）
102	2025-05-22	Meta-tuning and fast optimization of machine learning models for dynamic methane prediction in anaerobic digestion 2025-May-10, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2025.132654 PMID:40355002	研究论文	本研究评估了多种优化算法在调整数据准备和超参数优化管道中的性能，用于预测甲烷生产的机器和深度学习模型	通过元调优和快速优化算法提高了机器和深度学习模型在预测甲烷生产中的准确性和效率	研究未涉及所有可能的优化算法和模型类型，且样本量和数据集的具体细节未明确说明	优化机器和深度学习模型以提高甲烷产量预测的准确性	甲烷生产预测模型	机器学习	NA	贝叶斯岭回归和循环神经网络	RNN	稳态和动态数据集	NA
103	2025-05-22	The Application Status of Radiomics-Based Machine Learning in Intrahepatic Cholangiocarcinoma: Systematic Review and Meta-Analysis 2025-May-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69906 PMID:40323647	meta-analysis	本文通过系统综述和荟萃分析，探讨了基于放射组学的机器学习在肝内胆管癌（ICC）中的应用现状和价值	首次系统评估了放射组学在ICC诊断中的准确性，并比较了不同模型（基于临床特征、放射组学及两者结合）的性能差异	针对特定任务（如神经周围浸润和三級淋巴結構诊断）的研究较少，深度学习模型的研究有限，数据异质性和可解释性问题待解决	评估放射组学在ICC领域的应用现状，为其系统化应用提供循证支持	肝内胆管癌（ICC）患者	数字病理	肝内胆管癌	放射组学分析	机器学习（ML）和深度学习	医学影像数据	58项研究，共12,903名患者
104	2025-05-22	Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction 2025-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.05.25326794 PMID:40385437	研究论文	本研究比较了深度学习模型Genome-Local-Net（GLN）与线性模型bigstatsr在预测五种精神疾病（ADHD、ASD、BIP、MDD和SCZ）方面的表现，并评估了结合个体水平多基因评分（PGSs）与GWAS衍生的PGSs及家族遗传风险评分（FGRSs）对预测效果的提升	研究发现深度学习模型GLN在样本外复制集中对ADHD、ASD和MDD的预测具有更好的泛化能力，平均AUROC增益为0.026	深度学习模型的整合并未显示出相对于逻辑回归模型的持续优势	评估深度学习模型在精神疾病遗传风险预测中的表现及其与线性模型的比较	五种精神疾病（ADHD、ASD、BIP、MDD和SCZ）的遗传风险预测	机器学习	精神疾病	深度学习	Genome-Local-Net (GLN), bigstatsr	基因型数据	NA
105	2025-05-22	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本文开发并验证了一种基于深度学习的脑微出血（CMB）自动分割模型，并探讨了CMB与认知功能障碍及血管风险因素之间的关联	首次使用nnU-Net框架开发无需修改的CMB自动分割模型，并在独立验证集上评估性能，同时系统分析CMB与多种临床指标的关联性	外部验证集的模型性能相对较低（Dice评分0.46），且研究为单中心回顾性设计	建立脑微出血的自动量化方法并研究其临床意义	脑微出血（CMB）患者	数字病理学	脑血管疾病	SWI（磁敏感加权成像）	nnU-Net	MRI图像	训练集287例，内部验证集67例，外部验证集68例，临床数据集448例
106	2025-05-22	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	research paper	本研究开发并验证了一种基于深度学习的自动量化黑质高信号及神经退行性帕金森病分类算法	首次利用深度学习方法同时检测和量化黑质高信号异常，并开发了自动分类算法	需要进一步研究在不同临床环境中验证结果	开发并验证一种基于深度学习的自动量化黑质高信号及帕金森病分类算法	450名参与者（210名特发性帕金森病患者和240名对照组）用于训练数据，237名参与者（168名特发性帕金森病患者、58名原发性震颤患者和11名药物诱发的帕金森病患者）用于验证数据	digital pathology	Parkinson disease	susceptibility map-weighted imaging (SMwI)	deep learning-based models (Heuron NI and Heuron IPD)	MRI images	687 participants (450 for training and 237 for validation)
107	2025-05-22	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	research paper	本文提出了一种基于深度学习的去标识化方法，用于儿科脑部MRI图像，以促进神经科学数据共享	开发了一种针对儿科病例和多种MRI序列的自动去标识化工具，填补了现有工具在儿科病例和多样化图像类型上的不足	模型在去除耳朵区域的性能较低（73%），可能影响某些研究的准确性	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	digital pathology	brain tumor	MRI	nnU-Net	image	976张MRI图像，来自208名脑肿瘤患者和36名临床对照患者，年龄范围从7天到21岁
108	2025-05-22	Advancement in medical report generation: current practices, challenges, and future directions 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03265-y PMID:39707049	综述	本文对医学报告生成的当前实践、挑战和未来方向进行了系统性文献回顾	系统性分析了医学报告生成领域中最常用的深度学习方法及其准确率，并指出了现有方法的局限性	现有方法存在过拟合、偏差风险和高数据依赖性等问题	指导放射科医师选择能够减轻工作负担并提供精确医学诊断的方法	医学报告生成技术	自然语言处理	NA	深度学习	encoder-decoder框架、Transformer、RNN-LSTM、LLM、基于图的方法	医学图像	NA
109	2025-05-22	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumor marker prognostic study 2025-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	research paper	开发了一种基于深度学习的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂（ICIs）转化治疗的持久临床获益（DCB）	结合放射组学特征、深度学习评分和临床变量构建集成模型，首次在预测ICIs治疗反应中展示出高准确度，并与多种免疫相关机制相关联	研究样本量未明确说明，且模型的外部验证尚需进一步研究	预测潜在可转化肝细胞癌患者对ICIs治疗的持久临床获益	潜在可转化的肝细胞癌患者	digital pathology	hepatocellular carcinoma	CT, bulk RNA和DNA测序	深度学习模型（具体类型未明确说明）	影像数据（CT）、临床数据和基因组数据	NA
110	2025-05-22	Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105689 PMID:40090403	研究论文	开发并验证了一种可解释的人工智能模型，用于通过三维形状分析对腺样体肥大相关的上呼吸道阻塞进行分类和量化	结合多视图和点云方法进行3D形状分析，并使用SurfGradCAM生成可解释性热图	研究样本仅限于5-18岁患者的CBCT扫描	开发一种可解释的AI模型，用于腺样体肥大相关的上呼吸道阻塞的分类和量化	5-18岁患者的CBCT扫描	数字病理学	腺样体肥大	锥形束计算机断层扫描(CBCT)	深度学习模型	3D图像	400例CBCT扫描
111	2025-05-22	Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202410258 PMID:40201941	研究论文	研究通过开发可调流肠道微生物芯片（tfGMoC）探究肠道周期性运动对肠道微生物群落动态的影响	开发了新型可调流肠道微生物芯片（tfGMoC），首次揭示了肠道运动对微生物群落空间组织和行为的调控作用	研究结果基于体外模型，可能无法完全模拟体内复杂的肠道环境	探究肠道周期性运动对肠道微生物群落动态的影响	肠道微生物群落	微生物组学	NA	深度学习微生物分析	NA	图像数据	NA
112	2025-05-22	Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240271 PMID:40202416	研究论文	开发了一种自适应双任务深度学习模型（ThyNet-S），用于在超声筛查中检测和分类甲状腺病变	提出了一种动态整合病变检测和分类的自适应双任务深度学习模型，显著提高了甲状腺癌筛查的效率和准确性	研究为回顾性研究，可能受到数据选择和标注偏差的影响	提高甲状腺癌筛查的效率和准确性	甲状腺超声图像	数字病理	甲状腺癌	超声成像	自适应双任务深度学习模型（ThyNet-S）	图像	23,294例检查，共35,008张甲状腺超声图像
113	2025-05-22	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	research paper	提出了一种基于深度学习的高效评分框架，用于评估蛋白质-配体结合结构的结合强度	通过高分辨率原子图描述结合结构，重点研究分子间相互作用，并以合理方式学习该图	NA	开发一种评分框架以预测蛋白质-配体结合强度，促进计算药物发现	蛋白质-配体结合结构	machine learning	NA	deep learning	graph-based model	atomic graph	NA
114	2025-05-22	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-May, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	research paper	该研究利用人工智能深度学习技术，通过分析单细胞图像，成功区分白血病干细胞（LSCs）与正常干细胞	首次证明LSCs具有独特的形态特征，并通过AI而非病理学家的显微镜观察识别这些特征	研究仅基于JAK2V617F敲入小鼠模型，尚未在人类患者中验证	开发一种能够识别和监测LSCs的方法，以指导治疗选择和评估治疗效果及疾病预后	白血病干细胞（LSCs）和正常干细胞	digital pathology	leukemia	deep learning	CNN	image	JAK2V617F敲入小鼠和健康小鼠的干细胞样本
115	2025-05-22	Evolution Trend of Brain Science Research: An Integrated Bibliometric and Mapping Approach 2025-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70451 PMID:40395088	研究论文	本研究通过文献计量分析和知识图谱可视化，绘制了全球脑科学研究的趋势、热点和合作网络	首次全面综述脑科学研究趋势，揭示当前研究前沿和关键方向	中国在国际合作和高影响力学者方面表现不足，存在‘数量重于质量’的挑战	分析全球脑科学研究的演变趋势和未来方向	1990-2023年间Web of Science核心合集中的13,590篇脑科学研究文章	文献计量学	NA	文献计量分析、知识图谱可视化	NA	文献数据	13,590篇文章
116	2025-05-22	Multi-instance learning with attention mechanism for coronary artery stenosis detection on coronary computed tomography angiography 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf029 PMID:40395409	研究论文	本研究提出了一种基于多实例学习和注意力机制的深度学习方法，用于在冠状动脉CT血管造影中检测冠状动脉狭窄	采用多实例学习结合注意力机制，通过注意力分数量化每张切片的贡献，提高诊断的鲁棒性和可解释性	模型在RCA和LCX上的校准精度不如LAD	开发一种自动化检测冠状动脉狭窄的方法，以提升临床诊断效率和患者预后	冠状动脉狭窄（CAS）检测，重点关注左前降支（LAD）、右冠状动脉（RCA）和左回旋支（LCX）	数字病理	心血管疾病	深度学习	MIL（多实例学习）模型	医学影像（冠状动脉CT血管造影）	900例病例，包括776例LAD、694例RCA和600例LCX重建影像
117	2025-05-22	Identifying heart failure dynamics using multi-point electrocardiograms and deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf016 PMID:40395416	研究论文	本研究开发了一种基于Transformer的深度学习模型，利用12导联心电图在不同时间点的变化来评估心力衰竭状态的变化	首次使用多时间点心电图数据和Transformer模型进行心力衰竭状态的动态监测	模型性能仍需在更大规模和多中心数据集中验证	开发非侵入性心力衰竭监测工具以改善早期干预	6531名成年患者的心电图数据	数字病理学	心血管疾病	深度学习	Transformer	心电图信号	30,171份心电图(来自6,531名患者)
118	2025-05-22	Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf020 PMID:40395417	research paper	该研究开发并验证了一种结合心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性冠状动脉疾病风险	提出了一种多模态深度学习模型（DL-MM），结合心电图波形和临床风险因素，显著提高了阻塞性冠状动脉疾病的预测准确性	需要前瞻性研究来验证深度学习方法在心电图分析中对阻塞性冠状动脉疾病诊断和患者预后的实际改善效果	提高阻塞性冠状动脉疾病（oCAD）在慢性冠状动脉疾病（CCD）患者中的预测准确性	接受侵入性血管造影评估的慢性冠状动脉疾病疑似患者	machine learning	cardiovascular disease	深度学习（DL）	DL-ECG, DL-Clinical, DL-MM	ECG波形和临床特征	四年期间在一家四级医疗中心接受评估的患者队列及外部验证队列
119	2025-05-22	Comprehensive full-vessel segmentation and volumetric plaque quantification for intracoronary optical coherence tomography using deep learning 2025-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf021 PMID:40395415	研究论文	本研究开发并验证了一种基于深度学习的多类语义分割算法（OCT-AID），用于冠状动脉光学相干断层扫描（OCT）图像的全面血管分割和斑块体积量化	首次提出了一种针对冠状动脉OCT图像的多类语义分割算法，能够处理包括伪影和不稳定斑块在内的复杂图像	部分类别的Dice分数较低（最低0.281），且样本量相对有限	开发标准化OCT图像解读工具以减少人工解读时间和观察者间差异	冠状动脉OCT图像中的血管结构和斑块成分	数字病理学	心血管疾病	光学相干断层扫描（OCT）	深度学习语义分割算法	医学影像	训练集2808帧，内部测试集218帧，外部测试集392帧
120	2025-05-22	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	研究论文	该研究介绍了首个公开可用的专家标注肩部病理数据集ScopeMRI，并提出了一个深度学习框架用于在标准MRI和MRA上检测Bankart病变	首次公开了专家标注的肩部病理数据集ScopeMRI，并开发了结合CNN和transformer的深度学习模型，在标准MRI上实现了与放射科医生相当的诊断性能	虽然进行了外部验证，但模型的泛化能力仍需在不同成像协议下进一步验证	开发深度学习模型用于检测具有挑战性的Bankart病变，减少对侵入性MRA的依赖	肩部MRI图像中的Bankart病变（前下盂唇撕裂）	医学影像分析	肩部损伤	深度学习	CNN和transformer组合	3D医学影像	586个肩部MRI（335个标准MRI，251个MRA），来自558名接受关节镜检查的患者