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	2025-07-26	Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials 2022-Jul-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.2c09052 PMID:35833606	研究论文	本研究开发了一种基于深度学习的逆向设计框架，用于加速可调磁机械超材料的设计	使用深度残差网络替代传统的有限元分析，实现了在磁驱动下具有预定全局应变的超材料设计	NA	开发一种逆向设计策略，以创建具有优选可调特性的磁机械超材料	磁机械超材料	机器学习	NA	深度学习	深度残差网络	NA	NA
2	2025-07-25	Automatic Classification of Cancer Pathology Reports: A Systematic Review 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100003 PMID:35242443	系统综述	本文系统综述了2010年至2021年间发表的用于病理报告自动分类的自然语言处理（NLP）技术	遵循PRISMA指南，对NLP系统进行分类和基准测试，识别了当前技术的局限性和未来研究方向	某些癌症特征的提取（如大小、形状、癌症类型等）仍存在挑战，且综述仅涵盖25篇最终符合条件的文章	评估和比较用于病理报告自动分类的NLP技术，以促进癌症研究的进展	病理报告	自然语言处理	癌症	自然语言处理（NLP）	Rule-based and Intelligent systems, 统计机器学习, 深度学习	文本	25篇符合条件的文章
3	2025-07-24	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究探讨了通过MRI影像组学特征识别三叉神经痛患者中受影响的神经	首次使用影像组学特征结合深度学习网络来区分三叉神经痛患者中受影响的神经与无痛神经	研究为回顾性设计，样本量相对较小	探索MRI影像组学特征在三叉神经痛诊断中的应用	三叉神经痛患者的MRI影像数据	数字病理学	三叉神经痛	MRI影像组学分析	U-net CNN和浅层神经网络	MRI影像	134名患者（共268条神经）
4	2025-07-23	LONGL-Net: temporal correlation structure guided deep learning model to predict longitudinal age-related macular degeneration severity 2022-Mar, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgab003 PMID:35360552	研究论文	提出了一种名为LONGL-Net的深度学习模型，用于同时评估当前年龄相关性黄斑变性（AMD）的严重程度并预测其纵向进展	设计了基于时间相关性结构的生成对抗网络模型，能够学习连续时间点CFP图像中的时间变化相互关系，并为分类器的决策提供可解释性	模型仅在特定数据集上进行了验证，可能需要更多样化的数据来证明其泛化能力	开发自动化方法以预测AMD的纵向进展，帮助识别易患晚期AMD的个体	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	深度学习	GAN	图像	来自4,628名参与者的约30,000张CFP图像
5	2025-07-22	Comparison of Retinal Imaging Techniques in Individuals with Pulmonary Artery Hypertension Using Vessel Generation Analysis 2022-Nov-28, Life (Basel, Switzerland) DOI:10.3390/life12121985 PMID:36556350	研究论文	比较视网膜成像技术在肺动脉高压患者中的应用，使用血管生成分析	首次比较了荧光素血管造影（FA）和彩色眼底（CF）成像在肺动脉高压（PAH）患者中的视网膜血管变化，并探讨了深度学习（DL）处理CF图像的潜力	样本量较小（n=9），且微血管变化未在两种成像技术中表现一致	确定CF成像是否能提供与FA相同的视网膜血管信息，以评估PAH患者的视网膜血管变化	肺动脉高压（PAH）患者的视网膜血管	数字病理学	肺动脉高压	荧光素血管造影（FA）、彩色眼底（CF）成像、深度学习（DL）	深度学习（DL）	图像	9名PAH患者
6	2025-07-22	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	本文介绍了一种名为RC-UPerNet的新型深度学习算法，用于从人类视网膜的自适应光学成像中自动识别锥体和杆体光感受器	提出了一种新的深度学习算法RC-UPerNet，能够同时识别锥体和杆体光感受器，其性能优于之前报道的基于AI的方法	NA	开发自动、稳健的算法以分析高分辨率、特征丰富的视网膜图像	人类视网膜中的锥体和杆体光感受器	计算机视觉	NA	自适应光学成像	RC-UPerNet	图像	从中央到周边视网膜延伸至距中央凹30°的鼻侧和颞侧方向的图像
7	2025-07-22	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	研究论文	本文提出了一种GPU加速的共享随机效应联合模型，用于动态预测纵向队列研究中的终端临床事件风险	结合新颖的两阶段估计程序和GPU编程（通过PyTorch实现），显著加速了联合模型的估计过程，特别是在处理大型数据集时	未提及具体的数据集规模限制或模型在特定条件下的适用性边界	解决纵向和生存数据联合模型在计算上的挑战，提高动态预测的效率和准确性	纵向队列研究中的受试者及其终端临床事件风险	机器学习	NA	GPU编程，PyTorch框架	共享随机效应联合模型	纵向数据，生存数据	大型数据集（具体数量未提及）
8	2025-07-22	A hybrid deep learning model for forecasting lymphocyte depletion during radiation therapy 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15584 PMID:35229311	研究论文	本文提出了一种混合深度学习模型，用于预测食管癌患者在放射治疗期间淋巴细胞减少的趋势	提出了一种堆叠结构的混合深度学习模型，结合LSTM和神经网络处理多类特征，并开发了判别性核以提取时间特征和分配不同权重	研究仅基于860名食管癌患者的数据，可能无法推广到其他类型的癌症或更大规模的人群	预测放射治疗引起的淋巴细胞减少，以优化治疗计划并识别高风险患者	食管癌患者	数字病理	食管癌	深度学习	LSTM, 神经网络	临床数据和剂量学特征	860名接受同步放化疗的食管癌患者
9	2025-07-22	Assessment of right ventricular size and function from cardiovascular magnetic resonance images using artificial intelligence 2022-04-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00861-5 PMID:35410226	研究论文	本研究评估了使用人工智能从心血管磁共振图像中测量右心室大小和功能的准确性	通过使用更多样化的CMR数据集和领域特定的定量性能评估指标，改进了深度学习算法在右心室功能量化中的准确性	研究仅针对100名患者，样本量较小，且仅针对右心室功能评估	提高从心血管磁共振图像中自动测量右心室射血分数的准确性	右心室功能和大小	数字病理学	心血管疾病	心血管磁共振成像	深度学习	图像	100名患者
10	2025-07-22	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出了一种基于深度学习的三步方法（SWAT-CNN），用于识别与表型相关的单核苷酸多态性（SNPs），并应用于阿尔茨海默病的分类	开发了一种新的三步深度学习方法（SWAT-CNN），用于在全基因组范围内识别与表型相关的SNPs，并构建疾病分类模型	仅测试了阿尔茨海默病的数据，未验证在其他疾病上的适用性	开发一种基于深度学习的基因组范围方法，用于识别与疾病相关的遗传变异并构建分类模型	阿尔茨海默病患者的基因组数据	机器学习	阿尔茨海默病	GWAS	CNN	基因组数据	981（认知正常老年人650名，阿尔茨海默病患者331名）
11	2025-07-22	Deep learning-based pancreas volume assessment in individuals with type 1 diabetes 2022-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00729-7 PMID:34986790	研究论文	本研究开发了一种基于深度学习的自动化胰腺体积测量方法，用于糖尿病患者	利用深度学习自动测量胰腺体积，解决了手动标注耗时且主观的问题	训练数据仅包含160例腹部MRI扫描，测试集仅包含25例T1D患者	开发自动化胰腺体积测量方法以应用于大型影像数据集	1型糖尿病患者、对照组及两者混合的个体	数字病理学	糖尿病	MRI	CNN	图像	160例腹部MRI扫描用于训练，25例T1D患者用于测试
12	2025-07-21	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	本文提出了一种名为sciPENN的多用途深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并预测和估算细胞表面蛋白表达	sciPENN方法支持CITE-seq和scRNA-seq数据整合、蛋白表达预测和估算、预测和估算不确定性的量化，以及细胞类型标签从CITE-seq到scRNA-seq的转移	未明确提及具体限制，但可能涉及数据整合中的批次效应处理及不同数据集间蛋白面板部分重叠的问题	解决CITE-seq和scRNA-seq数据整合中的计算挑战，提高数据利用率以揭示细胞群体异质性	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病、流感和COVID-19	CITE-seq、单细胞RNA-seq	深度学习	RNA和蛋白表达数据	多个数据集，具体数量未明确说明
13	2025-07-21	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文综述了深度学习在单细胞RNA测序分析中的应用，涵盖了25种深度学习算法及其在scRNA-seq处理流程中的适用性	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示，并比较了这些模型的训练策略和损失函数	仅关注了深度学习在scRNA-seq分析中的应用，未涉及其他单细胞技术	探讨深度学习在单细胞RNA测序数据分析中的潜力和应用	单细胞RNA测序数据	生物信息学	NA	scRNA-seq	变分自编码器、自编码器、生成对抗网络、监督深度学习模型	单细胞RNA测序数据	NA
14	2025-07-21	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	research paper	该研究开发了一种基于深度学习的图像系统，用于糖尿病足溃疡的感染和缺血分类	使用EfficientNet深度学习模型在糖尿病足溃疡的感染和缺血分类中实现了高准确率，并显著优于现有技术	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种高效的糖尿病足溃疡感染和缺血分类系统	糖尿病足溃疡的图像数据	digital pathology	diabetic foot ulcer	deep learning	EfficientNet	image	NA
15	2025-07-20	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	本文开发并验证了一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	提出了一种基于编码器-解码器的深度残差初始网络，用于淀粉样蛋白PET图像的协调	模型需要进一步改进以适用于更多示踪剂	开发一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	淀粉样蛋白PET图像	数字病理学	老年疾病	PET成像	Residual Inception Encoder-Decoder Neural Network	图像	92名受试者用于训练，46名受试者用于外部测试
16	2025-07-20	OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics 2022-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010584 PMID:36350878	research paper	介绍了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单器官样品的动态变化	开发了一个无需参数调整即可高精度自动分析器官样品的平台，支持多种癌症器官样品的分析	未提及平台在处理极低质量图像时的表现或对其他类型器官样品的适用性	加速器官样品在高通量、数据密集型生物医学应用中的使用	胰腺癌、肺癌、结肠癌和腺样囊性癌的器官样品	digital pathology	pancreatic cancer, lung cancer, colon cancer, adenoid cystic carcinoma	brightfield and phase-contrast microscopy	deep learning	image	多种癌症器官样品的图像数据集
17	2025-07-20	Deep learning combined with radiomics for the classification of enlarged cervical lymph nodes 2022-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04047-5 PMID:35562596	研究论文	探讨深度学习结合传统放射组学方法在分类增大的颈部淋巴结中的应用	结合深度学习和传统放射组学方法，构建了一个高准确率的分类模型，显著优于放射科医生的诊断性能	研究为回顾性分析，样本量相对较小（276例患者），且仅基于CT影像数据	提高增大的颈部淋巴结的分类准确性	276例增大的颈部淋巴结患者（150例淋巴结转移，65例淋巴瘤，61例良性淋巴结病）	数字病理	淋巴瘤	CT成像	深度学习模型（PyTorch实现）	影像	276例患者的临床和CT影像数据
18	2025-07-20	Transfer learning for cognitive reserve quantification 2022-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119353 PMID:35667639	研究论文	开发了一种深度学习模型，利用结构磁共振成像（sMRI）数据量化认知储备（CR），并通过迁移学习框架在健康和阿尔茨海默病队列中测试模型的泛化能力	首次使用深度学习模型基于sMRI数据量化CR，并采用迁移学习框架验证模型在不同健康和疾病队列中的泛化能力	研究仅使用了sMRI数据，未整合其他影像模态如fMRI和PET	量化认知储备并验证其在不同人群中的适用性	健康成年人和阿尔茨海默病患者	数字病理学	阿尔茨海默病	sMRI	CNN	image	495名健康成年人（RANN）、620名健康成年人（HCPA）和941名成年人（ADNI）
19	2025-07-20	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	research paper	比较集中式数据训练与联邦学习(FL)在早产儿视网膜病变(ROP)诊断中的性能差异	首次在ROP诊断中比较集中式数据训练与联邦学习的性能，证实FL在多机构协作中的可行性	研究仅涉及7个机构的5255张图像，样本量和机构数量有限	评估联邦学习在ROP诊断中的性能及其在多机构协作中的潜力	早产儿视网膜病变(ROP)的视网膜图像诊断	digital pathology	retinopathy of prematurity	deep learning	CNN	image	5255张广角视网膜图像，来自7个机构的新生儿重症监护室
20	2025-07-20	Phase function estimation from a diffuse optical image via deep learning 2022-03-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac5b21 PMID:35255481	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）方法，用于从漫射光学图像中估计相位函数，无需对相位函数形式进行明确假设	首次提出数据驱动的CNN逆向MC模型来估计散射相位函数的形式，无需预先假设相位函数的具体形式	方法仅在MC模拟的典型生物组织反射图像上进行了验证，实际应用中的效果有待进一步验证	开发一种无需明确假设相位函数形式的新方法，用于从漫射光学图像中估计相位函数	漫射光学图像和相位函数	计算机视觉	NA	深度学习，蒙特卡洛（MC）模拟	CNN	图像	MC模拟的典型生物组织反射图像