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
1841	2025-05-23	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-May-06, Research square DOI:10.21203/rs.3.rs-6443303/v1 PMID:40386420	research paper	该研究通过整合多组学和多模态数据，构建了一个炎症性肠病(IBD)的综合图谱，旨在提高对IBD的理解、诊断和治疗策略	结合全外显子测序、RNA测序、血清蛋白质组学和组织病理学评估，开发了炎症蛋白严重性特征，并利用基础模型深度学习预测组织学疾病活动评分	样本量相对有限(1,002例)，且仅针对IBD患者和非IBD对照	提高对炎症性肠病(IBD)的理解、诊断和治疗策略	1,002例临床注释的IBD患者和非IBD对照	digital pathology	inflammatory bowel diseases	whole-exome sequencing, RNA sequencing, serum proteomics, histopathological assessments	foundation model-based deep learning	genomic data, proteomic data, histopathological images	1,002 clinically annotated patients with IBD and non-IBD controls
1842	2025-05-23	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	系统性综述与荟萃分析	本文系统回顾和荟萃分析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、预后预测等多个任务中的准确性和应用价值，并比较了不同模型（如结合临床特征的模型、深度学习模型）的性能差异	针对某些特定任务（如神经周围浸润和三级淋巴结构诊断）的研究较少，深度学习相关研究有限，数据异质性和可解释性问题仍需优化	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依据	肝内胆管癌（ICC）患者	数字病理	肝内胆管癌	放射组学	机器学习（ML）、深度学习	医学影像	58项研究，共12,903名患者
1843	2025-05-23	Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning 2025-May-05, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105264 PMID:40398294	研究论文	本研究评估了三种深度学习分类模型在检测鸡翅膀骨折和淤伤方面的适用性，基于CT扫描和照片	首次将深度学习应用于结合CT扫描和摄影技术，客观识别鸡翅膀骨折和淤伤	淤伤检测模型的准确率相对较低（82%）	开发更客观和自动化的动物福利监测技术	鸡翅膀的骨折和淤伤	计算机视觉	NA	CT扫描和摄影	3D ResNet34和2D EfficientNetV2_s	图像（CT扫描和照片）	306张CT扫描和285张照片
1844	2025-05-23	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	该研究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系	首次使用nnU-Net框架开发了针对SWI序列的CMB自动分割模型，并系统分析了CMB分布与认知功能的多维度关联	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	建立可靠的CMB自动量化方法并探索其临床关联	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67例，外部验证68例，临床数据集448例
1845	2025-05-23	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	研究论文	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	首次利用深度学习模型同时检测和量化黑质1区异常，并应用于帕金森病的诊断和症状严重程度预测	需要进一步研究以验证该模型在不同临床环境中的适用性	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	特发性帕金森病(IPD)患者和对照组个体	数字病理学	帕金森病	磁敏感加权成像(SMwI)	深度学习模型(Heuron NI和Heuron IPD)	MRI图像	训练数据450人(210名IPD患者和240名对照组)，验证数据237人(168名IPD患者、58名特发性震颤患者和11名药物性帕金森病患者)
1846	2025-05-23	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	开发了一种基于深度学习的自动去标识工具，用于儿科脑部MRI图像的去面部特征处理，以促进神经科学数据共享	针对儿科病例和多种MRI序列定制开发的去标识工具，填补了现有工具在儿科病例和多样化图像类型上的不足	在去除耳朵区域的准确性较低（73%）	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 (T1W, T1W-contrast-enhanced, T2W, T2W-FLAIR)	nnU-Net	image	208名脑肿瘤患者和36名临床对照患者，共976张图像
1847	2025-05-23	A Review of ChatGPT as a Reliable Source of Scientific Information Regarding Endodontic Local Anesthesia 2025-May, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2025.02.002 PMID:39952316	review	评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力	首次评估ChatGPT在牙髓病局部麻醉领域的回答准确性和引用可靠性	仅评估了16个问题，样本量有限，且仅针对牙髓病局部麻醉这一细分领域	评估ChatGPT作为牙髓病局部麻醉科学信息可靠来源的能力	ChatGPT生成的关于牙髓病局部麻醉的回答和引用	natural language processing	NA	自然语言处理	Deep Learning	text	16个关于牙髓病局部麻醉的问题
1848	2025-05-23	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)为基础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治疗反应中展现出高准确度，并与多种免疫相关机制相关联	研究样本量未明确说明，且模型性能需在更大规模队列中进一步验证	预测肝细胞癌患者对ICIs为基础转化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影像分析，bulk RNA和DNA测序	深度学习模型(具体架构未说明)	医学影像(CT)，基因组数据	训练集和测试集(具体数量未说明)
1849	2025-05-23	Diagnostic Accuracy of a Deep Learning Algorithm for Detecting Unruptured Intracranial Aneurysms in Magnetic Resonance Angiography: A Multicenter Pivotal Trial 2025-May, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123882 PMID:40086726	research paper	评估深度学习算法在磁共振血管造影中检测未破裂颅内动脉瘤的准确性	使用3D U-Net模型在TOF MRA数据上实现高灵敏度和低假阳性率	对于小于3毫米的动脉瘤检测灵敏度较低，仍需专家复核	评估深度学习算法在未破裂颅内动脉瘤早期检测中的效果	675名参与者（189名动脉瘤阳性，486名阴性）的TOF MRA数据	digital pathology	cardiovascular disease	time-of-flight (TOF) magnetic resonance angiography (MRA)	3D U-Net	image	675名参与者（包含221个未破裂颅内动脉瘤）
1850	2025-05-23	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	research paper	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	通过动态整合像素级特征分析和深度语义特征分析，实现了甲状腺病变的自动检测和分类，同时优化了临床决策	研究为回顾性研究，可能受到数据选择偏差的影响	提高甲状腺癌筛查的效率和准确性	甲状腺超声图像	digital pathology	thyroid cancer	ultrasound screening	adaptive dual-task deep learning model (ThyNet-S)	image	35,008张甲状腺超声图像，来自23,294次检查
1851	2025-05-23	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，并专注于分子间相互作用，以合理方式学习图结构	未明确提及具体局限性	开发一种深度学习框架，用于评分蛋白质-配体结合结构以预测结合强度	蛋白质-配体结合复合物	生物分子科学	NA	深度学习	原子图学习模型	原子图数据	未明确提及样本数量
1852	2025-05-23	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模型，用于在冠状动脉计算机断层扫描血管成像中检测冠状动脉狭窄	采用多实例学习和注意力机制，通过量化每个切片的贡献来提高诊断的准确性和可解释性	模型在右冠状动脉和左回旋支的校准精度较低	开发一种自动化检测冠状动脉狭窄的方法，以提高诊断准确性和患者预后	冠状动脉狭窄（CAS）检测	数字病理	心血管疾病	深度学习	MIL（多实例学习）模型	图像	900例病例，包括776例左前降支、694例右冠状动脉和600例左回旋支重建
1853	2025-05-23	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	research paper	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12导联心电图在两个不同时间点的数据，通过Transformer模型对心力衰竭状态变化进行分类	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	开发一种非侵入性、高效的心力衰竭监测工具	6531名成年患者的心电图数据	machine learning	cardiovascular disease	ECG	Transformer	ECG波形信号	30,171份心电图（来自6,531名患者）
1854	2025-05-23	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	research paper	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）图像的全血管分割和斑块体积量化	提出了一种新的深度学习方法，能够处理OCT图像中的多种复杂类别，包括伪影和不稳定斑块，实现了标准化和全面的图像解释	尽管在内部和外部测试集上表现良好，但某些类别的Dice分数较低（如最低为0.281），表明算法在某些特定类别上的分割效果有待提升	开发一种能够自动分割和量化冠状动脉OCT图像中多种结构的算法，以减少人工解释的时间和变异性	冠状动脉OCT图像中的多种结构，包括导丝伪影、管腔、侧支、内膜、中膜、脂质斑块、钙化斑块、血栓、斑块破裂和背景	digital pathology	cardiovascular disease	deep learning-based multiclass semantic segmentation	NA	image	训练集2808帧，内部测试集218帧，外部测试集392帧
1855	2025-05-23	Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology 2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	综述	本文综述了深度学习在全幻灯片图像(WSI)分析中的应用及其在癌症病理学中的潜力	整合深度学习模型与WSIs，探索和挖掘超出病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学分级、预测临床结果及发现新的形态学生物标志物	讨论了将基于深度学习的数字病理学转化为临床实践的机遇与挑战，但未具体提及技术实施的具体障碍	提高组织病理学评估的精确性和效率，支持癌症患者的个性化治疗	全幻灯片图像(WSI)及其在癌症病理学中的应用	数字病理学	癌症	全幻灯片成像技术	CNN, Graph Convolutional Network, Transformer	图像	NA
1856	2025-05-23	"Amide - amine + alcohol = carboxylic acid." chemical reactions as linear algebraic analogies in graph neural networks 2025-Apr-23, Chemical science IF:7.6Q1 DOI:10.1039/d4sc05655h PMID:40395375	研究论文	本文探讨了图神经网络在化学计算数据中的应用，揭示了原子嵌入的算术性质如何代表有效的化学反应公式	展示了原子嵌入在化学图神经网络中表现出的算术性质，类似于自然语言处理中的词嵌入类比，为化学反应的表示提供了解释性	NA	揭示图神经网络在化学计算中的学习机制，解释原子嵌入的算术性质如何对应化学反应	化学计算数据中的原子嵌入和化学反应	机器学习	NA	图神经网络	GNN	化学计算数据	NA
1857	2025-05-23	Estimating hair density with XGBoost 2025-Apr, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.13030 PMID:39551627	研究论文	本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法	采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究	研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况	开发一种更准确和通用的头发密度估计方法	头皮图像	计算机视觉	NA	图像处理	XGBoost	图像	895张头皮图像（745张用于训练，150张用于测试）
1858	2025-05-23	Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	开发了一种利用主动学习和无源域适应的深度学习方法，用于鼻咽癌（NPC）大体肿瘤体积的勾画，以解决在多中心和多位评估者环境中部署分割模型时的变异性和不准确性问题	结合主动学习和无源域适应技术，显著减少了对目标域标记样本的需求，同时在多中心和多位评估者环境中实现了与全监督模型相当的性能	虽然减少了标记样本的需求，但仍需要一定量的目标域标记数据（20%）进行适应	开发一种能够准确且可推广的鼻咽癌大体肿瘤体积分割方法，以克服多中心和多位评估者环境中的变异性和不准确性	鼻咽癌患者的磁共振成像（MRI）扫描	数字病理	鼻咽癌	主动学习，无源域适应	U-Net	MRI图像	1057例来自5家医院的鼻咽癌患者MRI扫描，以及另外170例由4位独立专家标注的患者数据
1859	2025-05-23	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究利用人工智能技术对前段光学相干断层扫描（AS-OCT）图像进行深度学习分类，自动分析AS-OCT图像的角结构并分类前房角，以提高AS-OCT图像分析的效率	开发了一种基于深度学习的AS-OCT图像自动前房角分析软件，并应用迁移学习于ResNet-50架构，实现了高效的前房角闭合检测	样本主要来自上海社区的老年人青光眼筛查项目，可能限制了结果的普适性	提高AS-OCT图像分析的效率，自动化前房角的临床评估	AS-OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ResNet-50	图像	687名参与者的94895张AS-OCT图像
1860	2025-05-23	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	research paper	该研究通过深度学习模型的多尺度特征融合，提高了糖尿病视网膜病变和黄斑水肿的自动检测准确率	采用独特的融合技术结合高级语义输入和低级纹理特征，提升了诊断准确性	研究仅使用了MESSIDOR数据集，可能在其他数据集上的泛化能力未经验证	提高糖尿病视网膜病变和黄斑水肿的早期自动检测准确率	糖尿病视网膜病变和黄斑水肿的视网膜图像	digital pathology	diabetic retinopathy	deep learning	CNN	image	MESSIDOR数据集中的视网膜图像