深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
501	2025-07-23	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	本研究开发并验证了一种基于机器学习的算法，用于预测手术案例的持续时间，以提高手术室资源规划和患者沟通的效率	利用非线性预测模型和机器学习方法，开发了一个可扩展至多中心的预测算法，显著提高了手术持续时间的预测准确性	研究依赖于历史数据，可能无法完全适应未来手术技术或流程的变化	开发一个可扩展的机器学习算法，以准确预测手术案例的持续时间，优化手术室资源管理	手术案例的持续时间	机器学习	NA	深度学习、梯度提升和集成机器学习	梯度提升机	手术室数据	1,177,893例手术案例，来自13家学术和私立医院（2016-2019年）	NA	NA	NA	NA
502	2025-10-06	Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy 2023-Jul-26, Research square DOI:10.21203/rs.3.rs-3112632/v1 PMID:37546731	研究论文	开发基于深度学习的快速体积图像生成框架，用于质子FLASH放疗的图像引导	首次将深度学习应用于质子FLASH放疗的快速体积图像重建，通过正交X射线投影生成高精度三维解剖图像	研究仅针对肺部靶区患者，样本量相对有限（30例患者）	开发快速体积图像重建框架以支持质子FLASH放疗的精确靶区定位	肺部肿瘤患者的三维解剖结构，包括肿瘤和危及器官	医学影像分析	肺癌	千伏X射线投影，四维计算机断层扫描	深度学习模型	X射线投影图像，CT图像	30例肺部靶区患者，每人包含十个呼吸时相的四维CT数据集	NA	NA	平均绝对误差，峰值信噪比，结构相似性指数，水等效厚度误差	NA
503	2025-10-06	Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida 2023-05, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000003267 PMID:36787376	研究论文	开发深度学习模型通过视频尿动力学数据自动分类脊柱裂患者膀胱功能障碍严重程度	首次将深度学习应用于视频尿动力学数据，结合压力-容积记录和荧光图像自动分类膀胱功能障碍严重程度	单中心研究，样本量有限(306例)，模型准确度为70%仍有提升空间	开发自动分类膀胱功能障碍严重程度的深度学习模型以减少人工判读的主观差异	2个月至28岁脊柱裂患者	医疗影像分析	神经源性膀胱功能障碍	视频尿动力学检查	随机森林,CNN,集成学习	临床数据,压力-容积记录,荧光图像	306例视频尿动力学研究	NA	卷积神经网络	准确度,加权Kappa系数	NA
504	2025-10-06	Scribe: Next Generation Library Searching for DDA Experiments 2023-02-03, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.2c00672 PMID:36695531	研究论文	介绍Scribe——一种利用深度学习碎片预测技术的新型谱库搜索引擎，用于数据依赖性采集实验	采用深度学习碎片预测软件Prosit，能够预测FASTA数据库中所有肽段的碎片化和保留时间，无需依赖精心策划的DDA谱库	NA	开发更灵敏和定量精确的蛋白质组学工作流程	肽段识别和定量分析	蛋白质组学	NA	数据依赖性采集(DDA)，深度学习碎片预测	深度学习	质谱数据	NA	Prosit, Percolator	NA	灵敏度，定量精确度，错误发现率	NA
505	2025-10-06	Overtriage, Undertriage, and Value of Care after Major Surgery: An Automated, Explainable Deep Learning-Enabled Classification System 2023-02-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000000471 PMID:36648256	研究论文	开发了一种自动化、可解释的深度学习术后分诊分类系统，用于评估过度分诊和分诊不足对护理价值的影响	首次提出可自动生成可解释决策支持的术后分诊分类系统，并验证其在多中心的重复性	研究仅基于两家大学医院的数据，可能限制结果的普适性	测试自动化术后分诊分类系统的可重复性，并评估其对护理价值的影响	接受住院手术的成年患者	医疗人工智能	术后护理	电子健康记录分析	深度学习	电子健康记录数据	13,263例住院手术患者（4,669例ICU入院和8,594例普通病房入院）	NA	可解释深度学习模型	死亡率、发病率、护理价值、住院时间、成本分析	NA
506	2025-10-06	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	本研究使用机器学习和深度学习方法预测心脏手术后患者的最高血乳酸浓度	首次将分钟级术中时间序列数据与传统术前变量结合，采用循环神经网络和Transformer等动态建模方法预测术后乳酸浓度	研究为单中心回顾性研究，模型性能仅为中等准确度	开发能够预测心脏手术后乳酸浓度的预测模型	接受心脏手术并体外循环的成年患者	机器学习	心血管疾病	临床监测数据	线性回归, 随机森林, 人工神经网络, 循环神经网络, Transformer	时间序列数据, 临床变量	2,187名患者	NA	RNN, Transformer	平均绝对误差	NA
507	2025-10-06	A simulative deep learning model of SNP interactions on chromosome 19 for predicting Alzheimer's disease risk and rates of disease progression 2023-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13319 PMID:37409680	研究论文	开发了一种模拟深度学习模型，通过分析19号染色体上的SNP相互作用来预测阿尔茨海默病风险和疾病进展速度	使用新颖的模拟深度学习模型量化每个SNP及其上位效应对AD风险的贡献，并识别出影响AD进展的关键SNP	研究仅限于19号染色体上的SNP，未涵盖全基因组分析	识别影响阿尔茨海默病风险的遗传模式，用于风险预测和个性化治疗策略	阿尔茨海默病患者和对照个体的遗传数据	机器学习	阿尔茨海默病	基因分型，深度学习分析	深度学习	基因数据	来自ADNI和IGAP数据集的样本	NA	模拟深度学习模型	风险预测准确性，疾病进展预测能力	NA
508	2025-10-06	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	研究论文	提出一种名为FINDR的无监督深度学习方法，用于从神经群体活动中推断低维非线性随机动力学	开发了能够解耦任务相关和无关神经活动成分的深度循环网络方法，首次实现了流场和吸引子结构的显式可视化	方法性能主要在大鼠前脑区听觉决策任务数据上验证，在其他脑区和行为任务中的适用性需要进一步测试	推断神经群体活动背后的低维非线性随机动力学	大鼠前脑区在执行听觉决策任务时的群体脉冲序列数据	计算神经科学	NA	神经信号记录	循环神经网络	神经脉冲序列数据	NA	NA	深度循环网络	神经元响应捕捉能力	NA
509	2025-10-06	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	研究论文	本文提出了一种利用多模态深度神经网络预测多发性硬化症疾病严重程度的方法	首次整合结构化电子健康记录数据、神经影像数据和临床笔记构建多模态深度学习框架，相比单模态模型AUROC提升高达19%	未明确说明样本规模和数据收集的具体限制	预测多发性硬化症疾病严重程度，为早期治疗干预提供支持	多发性硬化症患者	医疗人工智能	多发性硬化症	多模态深度学习，电子健康记录分析，神经影像分析	深度神经网络	结构化电子健康记录，神经影像，临床文本笔记	NA	NA	多模态深度神经网络	AUROC	NA
510	2025-10-06	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	研究论文	开发空间感知深度学习模型分析肾透明细胞癌的肿瘤异质性模式及其与免疫治疗反应的关系	首次通过空间感知深度学习识别出传统病理分析无法发现的肿瘤微异质性模式，并揭示其与PBRM1功能缺失和免疫检查点抑制剂反应的相关性	研究样本量有限（1,102例患者），且主要针对肾透明细胞癌，结果在其他癌症类型中的普适性有待验证	探索肾透明细胞癌中肿瘤-免疫联合状态与免疫检查点抑制剂治疗反应的关系	肾透明细胞癌患者（n=1,102）的全切片图像和多重免疫荧光图像	数字病理学	肾癌	全切片图像分析，多重免疫荧光	深度学习	病理图像	1,102例患者	NA	图神经网络	NA	NA
511	2025-10-06	T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population 2023-09, Clinical pharmacology and therapeutics DOI:10.1002/cpt.2976 PMID:37326252	研究论文	开发了一个用户友好的临床试验富集工具，利用基于AI/ML的合成患者群体优化1型糖尿病预防研究	首次开发了结合加速失效时间模型和深度学习生成模型的临床试验富集图形用户界面工具	工具基于合成患者数据，可能与真实患者数据存在差异	优化1型糖尿病预防临床试验的受试者富集策略	1型糖尿病高风险人群	数字病理	1型糖尿病	深度学习生成模型	生成模型	临床数据	来自多个观察性研究的患者水平数据	NA	加速失效时间模型	NA	NA
512	2025-10-06	Confidence-based laboratory test reduction recommendation algorithm 2023-05-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02187-3 PMID:37165369	研究论文	提出一种基于置信度的深度学习模型，用于识别住院患者不必要的血红蛋白检测	采用'选择与预测'设计理念，通过预测置信度评估结果可靠性，并选择性考虑高置信度样本进行推荐	未提及模型在更广泛医疗场景中的适用性验证	减少不必要的实验室检测，降低医疗风险和医疗成本	住院患者的血红蛋白检测数据	机器学习	NA	深度学习	深度学习模型	实验室检测数据	来自休斯顿教学医院的内部患者数据和MIMIC III数据库的外部患者数据	NA	NA	AUC	NA
513	2025-10-06	Deep learning-based polygenic risk analysis for Alzheimer's disease prediction 2023-Apr-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00269-x PMID:37024668	研究论文	开发基于深度学习的多基因风险模型用于阿尔茨海默病预测	首次将深度学习方法应用于阿尔茨海默病多基因风险建模，能够捕捉基因组数据中的非线性关系	未明确说明样本规模和数据来源的具体限制	提高阿尔茨海默病的遗传风险预测准确性并探索疾病机制	阿尔茨海默病相关的基因组数据和患者个体	机器学习	阿尔茨海默病	基因组测序	神经网络	基因组数据	NA	NA	神经网络	NA	NA
514	2025-10-06	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深度学习结合在利用静息态功能磁共振成像定位难治性癫痫患者发作起始区的效果	首次将癫痫专家对功能连接组学的先验知识与深度学习模型相结合，显著提升了发作起始区的定位性能	样本量相对有限（52名儿童患者），且研究仅针对难治性癫痫患者	提高难治性癫痫患者发作起始区的定位准确性	52名难治性癫痫儿童患者，其中25名接受了手术治疗	医学影像分析	癫痫	静息态功能磁共振成像，颅内脑电图	深度学习	功能连接组学数据	52名儿童癫痫患者	NA	专家知识集成深度网络	准确率，F1分数	NA
515	2025-10-06	Deep learning, 3D ultrastructural analysis reveals quantitative differences in platelet and organelle packing in COVID-19/SARSCoV2 patient-derived platelets 2023-Dec, Platelets IF:2.5Q2 DOI:10.1080/09537104.2023.2264978 PMID:37933490	研究论文	本研究通过深度学习辅助的3D超微结构分析，揭示了COVID-19患者血小板及其细胞器包装密度的定量差异	首次结合聚焦离子束扫描电镜和深度学习方法，对COVID-19患者血小板进行3D超微结构定量分析	样本量有限（仅3名健康对照和3名重症COVID-19患者）	研究血小板形态及其细胞器对理解血小板过度活化和微凝血的诊断价值	人类血小板及其α颗粒和线粒体	数字病理	COVID-19	聚焦离子束扫描电镜（FIB-SEM）	深度学习	3D超微结构图像	约600个单个血小板和30000个细胞器（来自3名健康对照和3名COVID-19患者）	NA	NA	NA	NA
516	2025-10-06	The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows 2023-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.09.23296700 PMID:37873287	研究论文	本研究探讨了改进的样本制备流程对深度学习增强空间转录组学分析性能的影响	提出了一种增强的样本处理工作流程，通过自动化H&E染色、高分辨率全玻片成像和多患者样本多重分析来提高空间转录组学数据的质量和一致性	研究队列规模较小（仅13名患者），训练深度学习模型成本较高	评估改进的样本制备流程在深度学习增强空间转录组学分析中的效果	13名pT3期结直肠癌患者的组织样本	数字病理学	结直肠癌	空间转录组学，H&E染色，全玻片成像	CNN	组织图像，基因表达数据	13名结直肠癌患者	NA	Inceptionv3	统计精度，拓扑一致性	NA
517	2025-10-06	LSOR: Longitudinally-Consistent Self-Organized Representation Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_27 PMID:37961067	研究论文	提出一种基于纵向脑部MRI的自监督自组织映射方法，用于生成可解释的潜在表征	首个自监督SOM方法，通过软聚类提高训练稳定性，并生成按脑年龄分层的潜在空间	仅基于纵向脑部MRI数据，未使用人口统计学或认知信息	开发可解释的深度学习模型用于纵向脑部MRI分析	阿尔茨海默病神经影像倡议(ADNI)的纵向脑部MRI数据	医学影像分析	阿尔茨海默病	脑部MRI	自组织映射(SOM)	医学影像	NA	NA	自组织映射	准确率, ADAS-Cog评分	NA
518	2025-10-06	Leveraging spatial transcriptomics data to recover cell locations in single-cell RNA-seq with CeLEry 2023-07-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39895-3 PMID:37422469	研究论文	提出CeLEry深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中细胞的空间位置信息	开发首个利用空间转录组学数据通过监督深度学习恢复scRNA-seq细胞空间位置的算法，并提供位置不确定性估计	NA	解决单细胞RNA测序中细胞空间位置信息缺失的问题	大脑和癌组织中的细胞	生物信息学	癌症	单细胞RNA测序, 空间转录组学, Visium, MERSCOPE, MERFISH, Xenium	监督深度学习, 变分自编码器	基因表达数据, 空间位置数据	多个数据集（具体数量未说明）	NA	变分自编码器	NA	NA
519	2025-10-06	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment 2023-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.05.14.23289960 PMID:37293008	研究论文	开发并评估用于皮肤鳞状细胞癌术中冰冻切片实时切缘分析的深度学习算法	首次针对皮肤鳞状细胞癌的冰冻切片开发实时切缘分析AI算法，并探讨肿瘤分化状态对算法性能的影响	回顾性研究，需要进一步算法改进以更好区分高分化肿瘤与表皮组织，并解决炎症等混杂病理因素的影响	提高皮肤鳞状细胞癌Mohs显微手术中实时切缘分析的效率和准确性	接受Mohs显微手术的皮肤鳞状细胞癌患者	数字病理学	皮肤鳞状细胞癌	冰冻切片，全玻片扫描	CNN	图像	2020年1月至3月期间接受Mohs手术的cSCC患者队列	NA	卷积神经网络	AUC	NA
520	2025-10-06	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	研究论文	提出一种基于图神经网络的脑测量数据跨数据集插补方法	将跨数据集插补问题重新定义为预测任务，使用图神经网络建模脑区测量值间的依赖关系，并通过并行架构处理人口统计学差异	仅在两个特定数据集（ABCD和NCANDA）上验证，样本量相对有限	解决脑结构MRI数据集中特定脑区测量值缺失的问题	青少年脑结构MRI数据	机器学习	NA	结构MRI，Freesurfer分析	图神经网络（GNN）	脑结构测量数据，人口统计学数据	NCANDA数据集N=540，ABCD数据集N=3760	NA	图神经网络，并行架构（包含图解码器和分类器）	5折交叉验证准确率	NA