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	2025-04-04	Accurate prediction of protein tertiary structural changes induced by single-site mutations with equivariant graph neural networks 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.03.560758 PMID:37873289	research paper	开发了一种基于等变图神经网络（EGNN）的深度学习方法，用于直接预测单点突变引起的蛋白质三级结构变化	首次使用等变图神经网络（EGNN）直接预测单点突变引起的蛋白质三级结构变化，并显著优于广泛使用的蛋白质结构预测方法AlphaFold	未提及该方法在复杂突变或多点突变情况下的表现	研究蛋白质单点突变引起的三级结构变化	蛋白质及其单点突变体	machine learning	NA	equivariant graph neural networks (EGNN)	EGNN	protein tertiary structure data	NA
2	2025-04-04	Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI 2023-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29672 PMID:37125662	研究论文	提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像	利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间	训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小	开发一种更高效和稳健的3D LLIR T1映射方法	MRI成像中的T1映射	医学影像分析	NA	深度学习辅助的Look-Locker反转恢复MRI	深度学习模型	MRI图像	39个GraspT1-TD6数据集和14个GraspT1-TD0数据集
3	2025-04-04	Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT 2023-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.220101 PMID:36125375	研究论文	本研究开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类正常和含肿块的肾上腺	提出了一种两阶段的机器学习流程，能够自动分割肾上腺并区分正常肾上腺和含肿块的肾上腺	在二次测试集上的分类敏感性较低（69%）	开发一种用于肾上腺分割和分类的机器学习算法	增强CT图像中的肾上腺	计算机视觉	肾上腺疾病	深度学习	深度学习分割和分类模型	CT图像	开发数据集包含274例CT检查（251名患者），二次测试集包含991例CT检查（991名患者）
4	2024-08-07	Correlating Deep Learning-Based Automated Reference Kidney Histomorphometry with Patient Demographics and Creatinine 2023-12-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000299 PMID:37966063	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-04-03	Deep learning approximation of attenuation maps for myocardial perfusion SPECT with an IQ ⋅ ⋅ SPECT collimator 2023-08-28, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00568-1 PMID:37639082	研究论文	本研究探讨了使用深度学习从非衰减校正的SPECT重建中近似衰减图的可行性	首次展示了在配备IQ SPECT准直器的SPECT扫描仪上使用深度学习近似衰减图的方法	研究仅基于150项回顾性研究，样本量相对较小	开发一种无需CT图像即可进行SPECT心肌灌注成像衰减校正的方法	心肌灌注SPECT成像	数字病理学	心血管疾病	SPECT成像	U-Net与条件生成对抗网络框架	医学影像	150项回顾性研究
6	2025-04-03	Integrative dissection of gene regulatory elements at base resolution 2023-Jun-14, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2023.100318 PMID:37388913	研究论文	结合表观遗传扰动、碱基编辑和深度学习技术，解析CD69基因调控元件的功能序列	首次在天然染色质环境中系统解析调控元件的功能序列，并发现GATA3与BHLHE40的相互作用在T细胞快速转录反应中的普遍作用	研究仅聚焦于Jurkat T细胞中的CD69基因座，未验证其他细胞类型或基因	解析基因调控元件的功能序列基础	CD69基因座的调控元件	基因组学	NA	表观遗传扰动、碱基编辑、深度学习	深度学习	基因组序列数据	Jurkat T细胞系
7	2025-04-02	Machine learning applications for early detection of esophageal cancer: a systematic review 2023-07-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02235-y PMID:37460991	系统综述	本文系统综述了机器学习在食管癌早期检测中的应用现状	总结了机器学习特别是卷积神经网络在食管癌早期检测中的高准确性和敏感性	现有文献有限，许多研究存在类别不平衡和偏差，需要跨机构纵向研究验证检测算法	探讨机器学习在食管癌早期检测中的应用及其潜力	食管癌的早期检测	计算机视觉	食管癌	机器学习（ML）、深度学习（DL）、神经网络（NN）	CNN	内窥镜图像和计算机断层扫描（CT）图像	31篇相关文章
8	2025-04-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了数字病理学中深度学习在癌症患者个性化治疗计划中的应用	利用AI自动量化生物标志物，提高治疗选择的效率和客观性	NA	改善癌症患者的个性化治疗选择	癌症患者	数字病理学	癌症	AI	深度学习	H&E染色病理图像	NA
9	2025-04-02	Neurodegeneration: 2023 update 2023-Jan, Free neuropathology DOI:10.17879/freeneuropathology-2023-4899 PMID:37694160	综述	本文回顾了作者从前一年的神经退行性神经病理学文献中精选的十项具有高度影响力的研究	强调了人类组织基础的实验，涵盖了多种疾病类别、方法和方法论，展示了研究领域的广度	仅选择了十项研究，可能未能涵盖所有重要进展	突出与神经病理学家最相关的人类组织基础研究	神经退行性疾病相关的人类组织研究	神经病理学	阿尔茨海默病、进行性核上性麻痹、Gerstmann-Sträussler-Scheinker病、慢性创伤性脑病等	冷冻电子显微镜（cryo-EM）、功能基因组学、深度学习	弱监督多实例学习范式	蛋白质组学、转录组学、基因表达数据、图像数据	NA
10	2025-03-30	Deep learning of cell spatial organizations identifies clinically relevant insights in tissue images 2023-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43172-8 PMID:38081823	研究论文	介绍了一种基于细胞空间组织的图卷积网络Ceograph，用于分析病理图像中的细胞空间组织特征及其与临床结果的关系	开发了Ceograph模型，能够识别细胞空间组织特征并预测其对患者临床结果的影响	未提及具体的技术局限性或数据限制	分析细胞空间组织特征与临床结果的关系，支持个性化治疗策略的开发	口腔潜在恶性病变患者和肺癌患者的病理图像	数字病理	口腔潜在恶性病变, 肺癌	图卷积网络	GCN	病理图像	未提及具体样本数量
11	2025-03-30	Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning 2023-11-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2023.3.JNS2314 PMID:37060318	研究论文	本研究开发了一种深度3D卷积神经网络（3DCNN），用于在静息态功能磁共振成像（RS-fMRI）数据量最小的情况下，对语言和运动静息态网络进行体素级映射	提出了一种能够在减少扫描时间的同时，可靠且精确地映射静息态网络的深度3DCNN模型	研究主要基于健康成年人的数据，仅在5名多形性胶质母细胞瘤患者中进行了测试	开发一种高效的方法，用于术前功能映射，以改善脑肿瘤患者的功能保留	健康成年人（n=2252）和5名多形性胶质母细胞瘤患者	数字病理	脑肿瘤	RS-fMRI	3DCNN	图像	2252名健康成年人和5名多形性胶质母细胞瘤患者
12	2025-03-30	Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns 2023-10, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2022.12.013 PMID:36535448	research paper	本研究应用生成对抗网络（GANs）技术生成高保真合成骨盆X光片，以支持深度学习图像分析并保护患者隐私	利用GANs生成高保真合成骨盆X光片，这些图像在计算机和专家评估中难以与真实图像区分	研究仅针对骨盆X光片，未涉及其他类型的医学影像	开发一种方法，生成可用于深度学习模型训练的高保真合成医学影像，同时避免患者隐私问题	骨盆X光片	digital pathology	NA	GANs	GAN	image	37,640张真实X光片（来自16,782名患者）
13	2025-03-30	Variational Autoencoders for Biomedical Signal Morphology Clustering and Noise Detection 2023-Sep-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320585 PMID:37768790	研究论文	提出了一种基于变分自编码器和高斯混合模型的生物医学波形噪声检测框架，用于无监督检测波形异常并提供置信度评分	使用变分自编码器与高斯混合模型结合，实现无需标注的波形异常检测，并生成置信度指标	方法主要针对具有心脏活动周期性的生物医学信号，可能不适用于非周期性信号	开发一种自动化的生物医学信号噪声检测方法，提高下游生理指标估计的准确性	非侵入式可穿戴设备采集的原始波形数据	机器学习	心血管疾病	变分自编码器(VAE), 高斯混合模型(GMM), 动态时间规整(DTW)	VAE, GMM	时间序列数据	97885个心脏周期的心阻抗数据
14	2025-03-30	U-Sleep's resilience to AASM guidelines 2023-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00784-0 PMID:36878957	research paper	研究探讨了U-Sleep睡眠评分算法在不完全遵循AASM指南情况下的表现	展示了深度学习算法在睡眠评分任务中可以不依赖临床知识或严格遵循AASM指南	仅评估了U-Sleep算法，未与其他算法进行广泛比较	评估深度学习睡眠评分算法对AASM指南的适应性	睡眠评分算法和AASM指南	machine learning	NA	deep learning	U-Sleep	polysomnography studies	28528项多导睡眠图研究，来自13项不同的临床研究
15	2025-03-29	Convolutional Neural Networks for Segmentation of Malignant Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance) 2023-Nov-30, ArXiv PMID:38076518	research paper	本研究评估了卷积神经网络(CNN)在恶性胸膜间皮瘤(MPM)分割中概率图阈值的影响	分析了不同概率阈值对CNN生成的MPM肿瘤分割结果的影响，强调了在评估深度学习分割时同时考虑肿瘤体积和空间重叠的重要性	CNN在特定疾病表现(如严重胸腔积液或胸膜裂隙疾病)中存在不足，且未找到适用于肿瘤体积和DSC两者的最优单一阈值	评估CNN概率图阈值对MPM肿瘤分割的影响	恶性胸膜间皮瘤(MPM)患者的CT扫描图像	digital pathology	lung cancer	CT扫描	VGG16/U-Net CNN	image	21名MPM患者的88次CT扫描
16	2025-03-29	Transport-based morphometry of nuclear structures of digital pathology images in cancers 2023-Feb-02, ArXiv PMID:36776820	research paper	提出了一种基于最优传输数学的新技术，用于直接从成像数据中建模与核染色质结构相关的信息内容	使用传输形态测量（TBM）框架表示每个细胞核相对于模板细胞核的整个信息内容，该方法对不同的染色模式和成像协议具有鲁棒性	NA	开发一种新方法来定量测量核形态，以支持癌症研究和临床应用	癌细胞核的形态特征	digital pathology	cancer	optimal transport, feature extraction, deep learning	TBM framework	image	来自TCGA和人类蛋白质图谱等大型数据集的癌症组织样本，包括肝实质、甲状腺、肺间皮和皮肤上皮的肿瘤
17	2025-03-28	A Minority Class Balanced Approach Using the DCNN-LSTM Method to Detect Human Wrist Fracture 2023-Jan-03, Life (Basel, Switzerland) DOI:10.3390/life13010133 PMID:36676082	research paper	提出一种结合DCNN和LSTM的深度学习模型，用于从X射线图像中检测腕部骨折，以减少漏诊	融合DCNN和LSTM模型，并采用数据增强技术解决类别不平衡问题	样本量较小（192张X射线图像），可能影响模型的泛化能力	开发自动化诊断工具辅助医生检测腕部骨折	腕部X射线图像	digital pathology	geriatric disease	X-ray imaging	DCNN-LSTM	image	192张腕部X射线图像
18	2025-03-27	Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay 2023-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202300617 PMID:37104829	研究论文	本文展示了一种基于深度学习的多重即时检测传感器，用于同时量化急性心脏损伤的三种生物标志物	结合纸基荧光垂直流动检测(fxVFA)与低成本移动阅读器，通过训练神经网络在15分钟内完成检测，具有高灵敏度和低交叉反应性	仅验证了46个独立激活的检测卡，样本量相对较小	开发一种低成本、便携式的即时检测平台，用于急性心脏损伤的诊断	人类血清样本中的三种心脏生物标志物（肌红蛋白、肌酸激酶-MB和心型脂肪酸结合蛋白）	数字病理	心血管疾病	纸基荧光垂直流动检测(fxVFA)	神经网络	荧光信号	46个独立激活的检测卡，每个患者使用50µL血清样本
19	2025-03-27	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2023-Sep-25, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究利用Fgfr3Y367C/+小鼠模型探讨了软骨发育不全症胚胎期颅骨和Meckel软骨的缺陷	首次在胚胎期研究了Fgfr3突变对颅骨和咽部软骨的直接影响，并开发了基于深度学习的3D分割模型	研究仅使用了小鼠模型，结果在人类中的适用性需要进一步验证	探究软骨发育不全症中FGFR3突变对胚胎期软骨发育的影响	Fgfr3Y367C/+突变小鼠的胚胎颅骨和Meckel软骨	数字病理学	软骨发育不全症	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期Fgfr3突变小鼠及其未受影响同窝仔
20	2025-03-27	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	研究论文	提出了一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	利用Transformer和卷积层的协同作用，实现了毫秒级的光子束剂量分布预测，为在线和实时自适应治疗提供了新方法	研究仅基于1700个光束剂量分布的数据集，可能在不同临床场景中的泛化能力有待验证	开发一种快速且准确的光子束剂量分布预测算法，以支持在线和实时自适应治疗	光子束剂量分布预测	机器学习	前列腺癌、肺癌、头颈癌	深度学习	Transformer与CNN结合	3D CT图像	1700个光束剂量分布，来自11个临床VMAT计划（每个计划194-354个光束）