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
1	2025-04-02	Quantitative imaging of apoptosis following oncolytic virotherapy by magnetic resonance fingerprinting aided by deep learning 2022-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-021-00809-7 PMID:34764440	research paper	该研究通过深度学习辅助的化学交换饱和转移磁共振指纹图谱（CEST-MRF）技术，实现了对溶瘤病毒治疗后早期凋亡反应的快速检测	利用深度学习辅助的CEST-MRF技术，无需外源性对比剂即可定量检测肿瘤内pH值及蛋白质和脂质浓度	研究目前仅在小鼠模型和一名健康志愿者中进行了验证，样本量有限	开发一种非侵入性成像方法，用于检测溶瘤病毒治疗后的宿主反应	多形性胶质母细胞瘤小鼠模型及一名健康志愿者	digital pathology	glioblastoma multiforme	chemical-exchange-saturation-transfer magnetic resonance fingerprinting (CEST-MRF)	deep neural network	magnetic resonance imaging (MRI) data	小鼠模型及一名健康志愿者
2	2025-04-02	Secure deep learning for distributed data against malicious central server 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0272423 PMID:35913921	research paper	提出了一种针对分布式训练器的安全深度学习系统，能够检测中央参数服务器的恶意活动，并支持垂直和水平神经网络训练	系统能够检测中央服务器的恶意活动，并支持垂直和水平神经网络训练	NA	开发一个安全的深度学习系统，保护分布式训练器免受中央服务器的恶意活动影响	分布式训练器和中央参数服务器	machine learning	NA	deep learning	neural network	image	NA
3	2025-03-29	Real-time risk prediction of colorectal surgery-related post-surgical complications using GRU-D model 2022-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104202 PMID:36162805	research paper	该研究利用GRU-D模型实时预测结直肠手术相关术后并发症的风险	提出了一种基于GRU-D的新型实时术后并发症风险预测任务，并展示了其临床实用性	复杂架构（堆叠、多模态）在相同采样方案下相对于单层GRU-D没有明显优势	开发风险预测模型，用于针对术后并发症的预防性干预	结直肠手术患者	machine learning	colorectal disease	GRU-D	GRU-D, logistic regression	electronic health record (EHR)	3,535例结直肠手术患者
4	2025-03-28	GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction 2022-Oct, Computational statistics & data analysis IF:1.5Q2 DOI:10.1016/j.csda.2022.107528 PMID:39257897	research paper	该研究提出了一种GPU加速的共享随机效应联合模型，用于动态预测终端临床事件的风险	通过新颖的两阶段估计程序和GPU编程（使用PyTorch深度学习框架）显著加速了联合模型的估计	模型在大数据集或多非线性纵向预测因子情况下计算复杂度高	提高动态预测终端临床事件风险的效率和准确性	纵向队列研究中的受试者	machine learning	NA	GPU编程, PyTorch	共享随机效应联合模型	纵向数据	NA
5	2025-03-28	Use of the deep learning approach to measure alveolar bone level 2022-03, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.13574 PMID:34879437	research paper	该研究利用深度学习卷积神经网络测量放射影像中的牙槽骨水平，以辅助牙周病诊断	提出了一种结合三个分割网络（骨区域、牙齿、牙骨质-釉质交界）和图像分析的深度学习模型，用于测量放射影像骨水平并分配放射骨丢失（RBL）阶段	模型需要进一步优化并通过更多图像验证以促进其应用	开发深度学习模型辅助牙周病诊断	牙槽骨水平和牙周病诊断	digital pathology	牙周病	深度学习图像分析	CNN	放射影像	未明确说明样本数量（使用根尖周放射影像）
6	2025-03-27	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	该研究探讨了使用LSTM模型预测PM2.5浓度的多步短期预测方法，以支持主动环境监管策略的制定	采用贝叶斯优化技术调整LSTM模型的超参数和权重初始化策略，提高了PM2.5浓度预测的准确性	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	量化并预测颗粒物浓度，以支持环境监管和早期预警系统的建立	北京（中国）和旁遮普（巴基斯坦）两个高污染地区的PM2.5浓度数据	机器学习	心血管疾病	LSTM模型，贝叶斯优化	LSTM	时间序列数据	来自北京和旁遮普两个地区的数据
7	2025-03-26	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究探讨了在有限数据集条件下，利用自监督对抗学习进行计算机断层扫描结肠成像中电子清洁的初步可行性	提出了一种新型的自监督对抗学习方案，能够在有限训练数据集上实现亚体素精度的电子清洁	研究为初步可行性研究，样本量较小（18例临床CTC病例），且仅在仿真模型上进行了预训练	评估在有限训练数据集条件下使用自监督对抗学习进行电子清洁的技术可行性	计算机断层扫描结肠成像（CTC）中的电子清洁	数字病理学	结肠癌	自监督对抗学习	3D GAN	3D医学影像	18例临床CTC病例
8	2025-03-26	Genome-wide association analysis reveals insights into the genetic architecture of right ventricular structure and function 2022-06, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01083-2 PMID:35697868	research paper	该研究通过全基因组关联分析揭示了右心室结构和功能的遗传基础	首次利用深度学习算法对心血管磁共振图像进行分析，识别了25个与右心室表型相关的独特基因位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	探索右心室测量指标的遗传基础	29,506名UK Biobank参与者的右心室表型数据	machine learning	cardiovascular disease	全基因组关联分析(GWAS), 心血管磁共振成像	deep learning	image	29,506名UK Biobank参与者(初始研究), 41,830名(验证阶段)
9	2025-03-23	With or without human interference for precise age estimation based on machine learning? 2022-May, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-022-02796-z PMID:35157129	研究论文	本文探讨了在基于机器学习的精确年龄估计中，有无人工干预对特征提取的影响	首次在同一图像分析任务中比较了人工干预和自主提取两种特征提取方法的效果	ADSE模型在牙龄估计中的准确性不理想，MAE仅比手动方法低0.04年	比较人工干预和自主提取特征在牙龄估计中的性能差异	牙龄估计	计算机视觉	NA	卷积神经网络（CNN）	ADSE模型和ADAE模型	图像	NA
10	2025-03-22	Nuclear morphology is a deep learning biomarker of cellular senescence 2022-08, Nature aging IF:17.0Q1 DOI:10.1038/s43587-022-00263-3 PMID:37118134	研究论文	本文利用神经网络从人类成纤维细胞的核形态预测细胞衰老，准确率高达95%，并研究了小鼠星形胶质细胞、小鼠神经元和培养中的早衰成纤维细胞	首次证明核形态可以作为跨组织和物种的细胞衰老深度学习预测指标，并与人类健康结果相关联	研究主要基于体外培养细胞和小鼠组织，需要进一步验证在人类组织中的普适性	探索细胞衰老的深度学习预测指标及其与健康结果的关系	人类成纤维细胞、小鼠星形胶质细胞、小鼠神经元、早衰成纤维细胞、H&E染色的小鼠肝组织和人类皮肤活检样本	数字病理学	老年疾病	深度学习	神经网络	图像	未明确样本数量，涉及多种细胞类型和组织样本
11	2025-03-21	Dimensionally consistent learning with Buckingham Pi 2022-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00355-5 PMID:38177386	研究论文	本文提出了一种自动化方法，利用测量数据的对称性和自相似结构，通过Buckingham Pi定理发现最佳降维的无量纲群	开发了三种数据驱动技术，结合Buckingham Pi定理作为约束，包括约束优化问题、深度学习算法（BuckiNet）和基于稀疏识别非线性动力学的技术	NA	探索在没有控制方程的情况下，通过维度分析提取物理系统的洞察和对称性	物理系统中的测量变量和参数	机器学习	NA	Buckingham Pi定理，深度学习，稀疏识别非线性动力学	深度学习算法（BuckiNet）	测量数据	NA
12	2025-03-21	A universal graph deep learning interatomic potential for the periodic table 2022-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00349-3 PMID:38177366	研究论文	本文介绍了一种基于图神经网络的通用原子间势能模型M3GNet，用于材料的结构弛豫、动态模拟和性质预测	M3GNet模型通过结合三体相互作用，能够广泛应用于不同化学空间中的材料，且训练数据来源于Materials Project过去十年的大规模结构弛豫数据库	NA	开发一种通用的原子间势能模型，以加速可合成材料的发现	材料的结构弛豫、动态模拟和性质预测	机器学习	NA	图神经网络	M3GNet	结构弛豫数据	约180万种材料，筛选自3100万种假设晶体结构
13	2025-03-21	Challenges and opportunities in quantum machine learning 2022-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00311-3 PMID:38177473	综述	本文探讨了量子机器学习在加速数据分析方面的潜力，特别是在量子数据领域，并回顾了当前的方法和应用	强调了量子机器学习与经典机器学习之间的差异，特别是量子神经网络和量子深度学习	量子机器学习模型的可训练性仍存在挑战	探讨量子机器学习在量子材料、生物化学和高能物理等领域的应用潜力	量子数据及其在多个科学领域的应用	量子机器学习	NA	NA	量子神经网络, 量子深度学习	量子数据	NA
14	2025-03-14	The impact of trade and financial expansion on volatility of real exchange rate 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262230 PMID:35061782	研究论文	本文研究贸易和金融开放对实际汇率波动的影响，并通过实证分析提供减少实际汇率波动的参考	结合物联网金融的创新商业模式，利用深度学习进行金融数据分析，探讨贸易和金融开放对实际汇率波动的影响	研究仅基于45个主要国家的面板数据，可能无法全面反映全球情况	探讨贸易和金融开放对实际汇率波动的影响，为减少实际汇率波动提供参考	45个主要国家的贸易和金融开放数据	金融数据分析	NA	深度学习（DL）	NA	面板数据	45个主要国家的数据
15	2025-03-11	Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells 2022-09, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2022.04.032 PMID:35717368	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16	2025-03-11	Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review 2022-09, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2022.06.001 PMID:35781181	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2025-03-09	Deep learning identifies robust gender differences in functional brain organization and their dissociable links to clinical symptoms in autism 2022-Apr, The British journal of psychiatry : the journal of mental science DOI:10.1192/bjp.2022.13 PMID:35164888	研究论文	本研究利用深度学习技术识别自闭症谱系障碍（ASD）中男女功能脑组织的显著差异，并探讨这些差异与临床症状的关联	开发了一种新的时空深度神经网络（stDNN），用于分析功能磁共振成像数据，成功区分ASD患者中的性别差异，并发现这些差异与临床症状的特定关联	研究主要依赖于神经影像数据，可能忽略了其他潜在的生物或环境因素对性别差异的影响	识别ASD中男女功能脑组织的差异，并预测症状严重程度	自闭症谱系障碍（ASD）患者	机器学习和神经影像分析	自闭症谱系障碍	功能磁共振成像（fMRI）和深度学习	时空深度神经网络（stDNN）	神经影像数据	773名ASD患者
18	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
19	2025-03-02	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	本文对心胸影像领域中机器学习和深度学习的应用进行了范围审查，系统搜索了同行评审的医学文献，并定量提取了关键数据元素	提供了心胸影像领域中ML/DL应用的综合概述，并提出了使研究超越概念验证向临床采纳迈进的一般建议	未具体提及研究的局限性	探讨机器学习和深度学习在心胸影像领域的应用及其临床采纳的潜力	心胸影像	计算机视觉	心血管疾病	NA	机器学习（ML），深度学习（DL）	图像	NA
20	2025-03-01	High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning 2022-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2021.6059 PMID:35195663	研究论文	本研究评估了深度学习工作流程在量化心室肥厚和预测左心室壁增厚原因方面的准确性	开发了一种深度学习算法，能够自动、精确地测量左心室壁厚度并区分肥厚原因，如肥厚性心肌病和心脏淀粉样变性	研究依赖于回顾性数据，可能受到数据质量和完整性的限制	评估深度学习算法在心脏疾病诊断中的应用效果	左心室肥厚患者，特别是肥厚性心肌病和心脏淀粉样变性患者	数字病理	心血管疾病	深度学习	深度学习模型	视频（超声心动图）	23745名患者，包括来自Stanford Health Care和Cedars-Sinai Medical Center的患者