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	2025-07-24	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023, Frontiers in neural circuits IF:3.4Q2 DOI:10.3389/fncir.2023.952921 PMID:37396399	研究论文	介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通桌面上进行连接组学分割	开发了一个用户友好的开源工具，集成了多种功能，包括地面真实生成、图像预处理、深度神经网络训练和即时预测，旨在加速手动标记工作并利用半自动方法进行实例分割	需要MATLAB环境，可能限制了部分用户的使用	为神经科学研究提供一种无需编码的实验室级神经重建解决方案，推动连接组学的发展	电子显微镜数据集	数字病理	NA	深度学习	深度神经网络	图像	来自四种不同动物和五个数据集的电子显微镜图像，包含约180小时的专家标注和超过1.2 GB的标注图像
2	2025-07-24	Uncovering additional predictors of urothelial carcinoma from voided urothelial cell clusters through a deep learning-based image preprocessing technique 2023-01, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.22633 PMID:35997513	研究论文	本文开发了一种基于深度学习的图像预处理技术，用于从尿路上皮细胞簇中提取额外的预测因子，以辅助尿路上皮癌的诊断	提出了一种自动化的尿路上皮细胞簇预处理工具，能够将细胞簇分割为有意义的组成部分，用于下游评估	当前尿液细胞学报告系统的半主观性可能影响结果的可重复性	提高尿路上皮癌的诊断准确性和效率	尿路上皮细胞簇	数字病理学	尿路上皮癌	深度学习	NA	图像	NA
3	2025-07-23	Prediction of lactate concentrations after cardiac surgery using machine learning and deep learning approaches 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1165912 PMID:37790131	研究论文	本研究利用机器学习和深度学习方法预测心脏手术后血乳酸浓度的最大值	采用动态方法整合术前变量与术中时间序列数据，相比传统静态模型显著提高了预测准确性	研究仅基于单一医疗中心的患者数据，可能影响模型的泛化能力	开发预测心脏手术后血乳酸浓度的模型，以指导围手术期管理	接受心脏手术并使用体外循环的成年患者	机器学习	心血管疾病	机器学习与深度学习	线性回归、随机森林、人工神经网络、循环神经网络（RNN）、Transformer	时间序列数据	2,187名患者
4	2025-07-22	The expert's knowledge combined with AI outperforms AI alone in seizure onset zone localization using resting state fMRI 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1324461 PMID:38274868	研究论文	本研究评估了专家知识与AI结合在利用静息态功能MRI（rs-fMRI）连接组学定位癫痫发作区（SOZ）中的效果，发现其优于单独使用深度学习（DL）方法	结合专家知识与深度学习技术，显著提高了难治性癫痫（RE）患者SOZ定位的准确性和F1分数	样本量较小（52名儿童患者），且仅针对难治性癫痫患者进行研究	提高难治性癫痫患者癫痫发作区的定位准确性	52名难治性癫痫儿童患者的静息态功能MRI数据	数字病理学	癫痫	静息态功能MRI（rs-fMRI）连接组学	深度学习（DL）	图像	52名难治性癫痫儿童患者
5	2025-07-21	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	research paper	该研究提出了一种基于图神经网络（GNN）的方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	通过将缺失测量值的估算问题重新定义为预测任务，并利用图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享部分ROI测量值	解决结构MRI数据集中特定ROI测量值缺失的问题，以支持机器学习模型的训练	青少年大脑认知发展研究（ABCD）和国家青少年酒精与神经发育联盟（NCANDA）的MRI数据集	machine learning	NA	graph neural network (GNN)	GNN	MRI数据	ABCD数据集N=3760（最小年龄12岁），NCANDA数据集N=540
6	2025-07-20	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	研究通过连续多代大鼠暴露于不同有毒物质，评估了多代不同暴露对跨代表观遗传继承的影响	首次研究了连续多代暴露于不同有毒物质对跨代表观遗传继承和疾病易感性的复合影响	研究仅基于大鼠模型，人类相关性的直接推断有限	评估多代不同有毒物质暴露对跨代表观遗传和病理学的影响	连续多代暴露于不同有毒物质的大鼠及其后代	表观遗传学	肥胖症	DNA甲基化分析	Deep Learning	组织病理学图像	F0-F5代大鼠
7	2025-07-20	Deep learning models for cancer stem cell detection: a brief review 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1214425 PMID:37441078	综述	本文简要回顾了深度学习模型在癌症干细胞检测中的应用	介绍了基于卷积神经网络（CNN）的深度学习模型在癌症干细胞研究中的多样化应用	探讨了基于深度学习的干细胞研究领域的局限性和未来展望	探索深度学习在癌症干细胞研究中的新兴趋势	癌症干细胞（CSCs）或肿瘤起始细胞（TICs）	数字病理学	癌症	深度学习	CNN	生物图像	NA
8	2025-07-20	Computer-aided detection and prognosis of colorectal cancer on whole slide images using dual resolution deep learning 2023-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04435-x PMID:36331654	research paper	该研究提出了一种基于弱监督学习的双分辨率深度学习网络（WDRNet），用于结直肠癌的识别和预后预测	WDRNet不仅能够识别肿瘤区域，还能预测患者生存期并进行风险分层，且不依赖病理学家标注的感兴趣区域，充分利用了图像的全局信息	研究仅在TCGA和ACHIGMU两个数据集上进行了验证，可能需要更多外部数据验证模型的泛化能力	开发一种深度学习模型，用于结直肠癌的快速诊断和风险分层	结直肠癌患者的全切片图像	digital pathology	colorectal cancer	deep learning	WDRNet（双分辨率深度学习网络）	histopathological images	TCGA数据集和ACHIGMU数据集（具体样本数未提及）
9	2025-07-20	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在前列腺癌多重图像中检测血管并分析其分布	开发了一种结合CD31、CD34和胶原IV图像的深度学习模型，用于自动分割血管并分析其大小和分布模式	研究仅基于215名前列腺癌患者的数据，可能存在样本量不足的问题	通过自动化流程分析前列腺癌中的血管分布，以提供对疾病进展的额外见解	前列腺癌患者的血管分布	数字病理学	前列腺癌	深度学习	CNN	图像	215名前列腺癌患者
10	2025-06-24	Data augmentation for medical imaging: A systematic literature review 2023-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106391 PMID:36549032	系统文献综述	本文对医学影像领域中的数据增强策略及其对临床任务性能的影响进行了系统综述	全面分析了2018-2022年间300多篇相关文献，揭示了数据增强在不同器官、模态、任务和数据集规模中的有效性	仅涵盖2018-2022年间的文献，可能未包括最新研究进展	研究医学领域中使用的数据增强策略及其对临床任务性能的影响	医学影像数据	数字病理	NA	数据增强技术	深度神经网络	医学影像	超过300篇文献
11	2025-06-24	Diagnostic efficiency among Eu-/C-/ACR-TIRADS and S-Detect for thyroid nodules: a systematic review and network meta-analysis 2023, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2023.1227339 PMID:37720531	meta-analysis	比较不同超声风险分层系统在甲状腺结节诊断中的性能	首次通过网络荟萃分析比较了四种超声风险分层系统（Eu-TIRADS、ACR TIRADS、C-TIRADS和S-Detect）在甲状腺癌诊断中的性能	研究仅基于过去五年的数据，可能未涵盖所有相关研究	比较不同超声风险分层系统在甲状腺癌诊断中的性能	甲状腺结节	digital pathology	thyroid cancer	ultrasound risk stratification systems	NA	ultrasound images	88项研究，共59,304个结节
12	2025-06-07	AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19 2023-Jan-12, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09484-2 PMID:38625255	research paper	提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断	AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力	未明确说明框架在极端数据不足情况下的表现	提高COVID-19诊断模型的跨数据集泛化性能	COVID-19医学影像数据	digital pathology	COVID-19	adversarial transfer learning	CNN	medical images	NA
13	2025-06-07	Detection of anomalies in cycling behavior with convolutional neural network and deep learning 2023, European transport research review IF:5.1Q1 DOI:10.1186/s12544-023-00583-4 PMID:38625141	研究论文	本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点	结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优	需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制	提高骑行安全性，通过技术手段识别潜在危险点	骑行者的GPS轨迹数据	机器学习	NA	深度学习	CNN, Autoencoder	GPS轨迹数据	未明确说明具体样本数量，涉及多个用户的数据
14	2025-06-07	Evaluation of artificial intelligence techniques in disease diagnosis and prediction 2023, Discover artificial intelligence DOI:10.1007/s44163-023-00049-5 PMID:40478140	综述	本文综述了人工智能技术在疾病诊断和预测中的应用及其优势	涵盖了多种AI技术在医疗图像分析中的应用，并比较了ML和DL技术的优势	讨论了AI在医疗领域中的现有挑战和局限性	评估AI技术在疾病诊断和预测中的应用效果	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）的诊断和预测	数字病理学	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）	机器学习（ML）和深度学习（DL）	SVM, CNN	医疗图像	NA
15	2025-05-09	Identification of geographic origins of Morus alba Linn. through surfaced enhanced Raman spectrometry and machine learning algorithms 2023, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2180433 PMID:36803175	研究论文	本研究通过表面增强拉曼光谱（SERS）和机器学习算法，成功识别了桑叶的地理来源	结合SERS光谱和深度学习算法CNN，首次建立了桑叶地理来源预测的新方法	研究仅涵盖中国五个省份的桑叶样本，可能无法代表所有地理来源的多样性	开发一种低成本、非侵入性的方法，用于快速识别桑叶的地理来源，以评估其药用品质	桑叶（Morus alba Linn.）	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	来自中国五个省份（安徽、广东、河北、河南和江苏）的桑叶样本
16	2025-05-08	Cross-convolutional transformer for automated multi-organs segmentation in a variety of medical images 2023-01-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acb19a PMID:36623323	research paper	提出了一种基于跨卷积变换器的深度学习方法，用于多种医学图像中的多器官自动分割	设计了新颖的跨卷积自注意力机制和多尺度特征边缘融合模块，以整合局部和全局上下文，增强图像语义特征理解	仅在三种不同模态的数据集上进行了验证，可能需要更多样化的数据集来证明其泛化能力	开发一种通用的、准确的医学图像多器官分割方法	医学图像中的多器官分割	digital pathology	NA	deep learning	cross-convolutional transformer network (CFormer)	image	三个不同数据集：Synapse数据集（腹部多器官CT图像）、ACDC数据集（心脏亚结构MRI）、ISIC 2017数据集（皮肤癌图像）
17	2025-05-02	International Importation Risk Estimation of SARS-CoV-2 Omicron Variant with Incomplete Mobility Data 2023, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2023/5046932 PMID:40303718	research paper	开发了一个基于深度神经网络的模型，用于评估Omicron BQ.1从西非传入其他国家的风险	利用不完全的人口流动数据，首次应用深度神经网络模型估计病毒输入风险	依赖不完全的人口流动数据，可能影响模型准确性	评估Omicron BQ.1从西非传入其他国家的风险	Omicron BQ.1病毒及其传播风险	machine learning	COVID-19	deep neural networks	DNN	population mobility data	西非到其他非非洲国家的人口流动数据
18	2025-04-25	Spikebench: An open benchmark for spike train time-series classification 2023-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010792 PMID:36626366	研究论文	提出了一个名为Spikebench的开放基准测试，用于评估尖峰序列时间序列分类的性能	基于开放获取的神经活动数据集，创建了一个包含多种学习任务的尖峰序列分类基准测试，并展示了基于手工特征工程的方法与深度学习模型性能相当	未提及具体的局限性	为神经解码领域提供多样化和具有挑战性的基准测试	神经尖峰序列	机器学习	NA	时间序列特征工程	决策树集成和深度神经网络	时间序列数据	基于多个开放获取的神经活动数据集
19	2025-04-25	Exploration of the intelligent-auxiliary design of architectural space using artificial intelligence model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282158 PMID:36867635	research paper	探讨利用人工智能模型进行建筑空间智能辅助设计的综合方法	通过深度学习和语义网络分析，建立建筑空间智能辅助模型，实现设计方案的自动生成	随着网络节点数量的增加，模型在测试数据集和训练数据集上的拟合度下降	提升建筑设计行业的智能化水平和设计效率	建筑空间设计	machine learning	NA	Deep Learning	语义网络和内部结构分析模型	3D模型数据	UrbanScene3D数据集中的3D模型
20	2025-04-13	Development and Validation of a Deep Learning Algorithm to Differentiate Colon Carcinoma From Acute Diverticulitis in Computed Tomography Images 2023-01-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.53370 PMID:36705919	研究论文	开发并验证了一种深度学习算法，用于在CT图像中区分结肠癌和急性憩室炎	提出了一种3D卷积神经网络(CNN)模型，能够显著提高放射科医生在区分结肠癌和急性憩室炎方面的诊断准确性	研究样本仅包括2005年至2020年间接受手术的患者，可能无法代表所有病例	开发并评估能够区分结肠癌和急性憩室炎的AI支持系统	结肠癌和急性憩室炎患者	数字病理学	结肠癌/急性憩室炎	3D卷积神经网络	3D CNN	CT图像	585名患者(267例AD，318例CC)