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
81	2025-07-12	Application of biological big data and radiomics in hepatocellular carcinoma 2023-Mar, ILIVER.. DOI:10.1016/j.iliver.2023.01.003 PMID:40636408	综述	本文综述了生物大数据和放射组学在肝细胞癌（HCC）中的研究进展	结合生物大数据和放射组学为HCC的诊断、预后和治疗提供了新方法和新思路	NA	探讨生物大数据和放射组学在HCC中的应用	肝细胞癌（HCC）	数字病理学	肝癌	组学技术（基因组学、转录组学、蛋白质组学）、液体活检、机器学习算法、深度学习算法	NA	生物大数据、影像数据（超声、CT、MRI）	NA
82	2025-07-08	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2023-Nov-14, Research square DOI:10.21203/rs.3.rs-3332530/v1 PMID:38014055	研究论文	本研究探索了使用深度学习技术基于形态学区分小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）的可行性	首次在稳态条件下使用深度学习区分HSCs和MPPs，开发了能够可靠区分LT-HSCs、ST-HSCs和MPPs的三分类模型LSM，以及区分老年和年轻HSCs的二分类模型	研究仅基于小鼠细胞，尚未在人类细胞中验证	探索深度学习在造血干细胞和祖细胞分类中的应用	小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）	数字病理学	NA	深度学习	CNN	图像	大量图像数据集
83	2025-07-08	Modeling islet enhancers using deep learning identifies candidate causal variants at loci associated with T2D and glycemic traits 2023-08-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206612120 PMID:37603758	研究论文	本研究利用深度学习模型分析序列变异对增强子的影响，以识别与2型糖尿病(T2D)及其相关性状相关的候选因果变异	开发了一种深度学习方法来分析序列变异对增强子的影响，并成功应用于优先排序候选因果变异	研究主要关注胰腺胰岛组织，可能无法完全代表其他相关组织中的变异效应	识别与2型糖尿病及其相关性状相关的特定因果变异	胰腺胰岛组织中的增强子和遗传变异	机器学习	2型糖尿病	深度学习	DL	基因组序列数据	约6700万遗传变异
84	2025-07-05	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	本文总结了2021年4月1日至2022年3月31日期间发表的关于骨关节炎（OA）影像学研究的原创研究	强调了人工智能在OA影像学中的应用，包括预测模型的开发和骨小梁纹理分析	仅考虑了英文出版物和人体体内研究	总结和评估骨关节炎影像学领域的最新研究进展	人类骨关节炎患者的影像学数据	数字病理学	骨关节炎	放射学、超声/US、计算机断层扫描/CT、DXA、磁共振成像/MRI、人工智能/AI、深度学习	深度学习	影像数据	NA
85	2025-07-04	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一种从面部照片估计生物年龄的深度学习系统，并评估其在癌症患者中的临床效用	利用深度学习从面部照片客观估计生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群中的适用性有待验证	开发一种客观、定量的方法，从面部照片估计生物年龄，并评估其在医学判断中的临床效用	健康个体和癌症患者的面部照片	数字病理学	癌症	深度学习	CNN	图像	58,851名健康个体和6,196名癌症患者
86	2025-06-24	Automatic Ploidy Prediction and Quality Assessment of Human Blastocyst Using Time-Lapse Imaging 2023-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.31.555741 PMID:37693566	研究论文	本文提出了一种名为BELA的深度学习模型，用于自动预测人类囊胚的倍性状态和质量评估，利用延时成像技术优化预测准确性	BELA模型通过多任务学习和延时成像技术，无需胚胎学家主观输入，即可实现高精度的倍性状态预测，其性能与基于胚胎学家手动评分的模型相当	BELA模型不能完全替代植入前遗传学检测（PGT-A），仍需进一步验证其临床适用性	优化体外受精（IVF）过程中胚胎质量评估和染色体异常检测的准确性	人类囊胚	数字病理	生殖健康	延时成像	深度学习模型（BELA）	图像和视频	Weill Cornell数据集中的囊胚样本
87	2025-06-24	Artificial intelligence algorithms aimed at characterizing or detecting prostate cancer on MRI: How accurate are they when tested on independent cohorts? - A systematic review 2023-May, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2022.11.005 PMID:36517398	系统综述	本文对独立测试队列中基于人工智能的前列腺癌MRI诊断算法的性能进行了系统综述	评估AI算法在独立测试队列中的表现，并比较不同算法类型的稳健性	23项研究未使用预定义的诊断阈值，可能导致结果偏乐观	评估基于AI的前列腺癌MRI诊断算法在独立测试队列中的诊断性能	前列腺癌患者的MRI影像	数字病理学	前列腺癌	MRI	深度学习与放射组学	医学影像	35项研究，每项研究测试队列超过40名患者
88	2025-06-24	Machine learning approaches for electroencephalography and magnetoencephalography analyses in autism spectrum disorder: A systematic review 2023-04-20, Progress in neuro-psychopharmacology & biological psychiatry IF:5.3Q1 DOI:10.1016/j.pnpbp.2022.110705 PMID:36574922	系统综述	本文系统综述了机器学习在自闭症谱系障碍（ASD）脑电图（EEG）和脑磁图（MEG）数据分析中的应用	综述了机器学习在ASD早期诊断和症状严重性预测中的应用潜力	需要更多复制研究验证有效性、可重复性和普适性，并进行随机对照试验	探讨机器学习在ASD的EEG和MEG数据分析中的应用及其诊断潜力	自闭症谱系障碍（ASD）患者	机器学习	自闭症谱系障碍	EEG, MEG	支持向量机, 深度学习	脑电图数据, 脑磁图数据	39项研究，其中37项使用EEG，2项使用MEG
89	2025-06-24	Development of artificial intelligence powered apps and tools for clinical pharmacy services: A systematic review 2023-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2022.104983 PMID:36724730	系统综述	本文对2000年至2021年间使用或整合人工智能（AI）于临床药学服务的定量研究进行了系统综述	首次系统性地总结了AI在临床药学服务中的应用现状和发展趋势	研究仅涵盖了截至2021年的文献，可能未包含最新的AI技术进展	评估AI在优化临床药学服务中的潜力和应用现状	临床药学服务中的AI应用工具和应用程序	自然语言处理	NA	机器学习、自然语言处理、深度学习	NA	电子医疗记录	19项研究
90	2025-06-24	Deep Learning for Detection of Periapical Radiolucent Lesions: A Systematic Review and Meta-analysis of Diagnostic Test Accuracy 2023-Mar, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2022.12.007 PMID:36563779	meta-analysis	本文通过系统综述和荟萃分析评估深度学习模型在检测牙科X光片中根尖周透光病变方面的准确性	首次对深度学习在根尖周透光病变检测中的诊断准确性进行系统综述和荟萃分析	大多数研究存在偏倚风险，缺乏前瞻性研究	评估深度学习模型在检测根尖周透光病变方面的诊断准确性	牙科X光片中的根尖周透光病变	digital pathology	dental disease	deep learning	NA	image	18项研究纳入系统综述，其中6项用于定量分析
91	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
92	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
93	2025-06-22	Deep Learning-Based Image Analysis of Liver Steatosis in Mouse Models 2023-08, The American journal of pathology DOI:10.1016/j.ajpath.2023.04.014 PMID:37236505	research paper	本研究开发了一种基于深度神经网络的模型，用于量化肝组织切片中的微泡和大泡脂肪变性	使用深度学习模型自动识别和量化肝脂肪变性，与病理学家评估和EchoMRI测量结果高度一致	研究仅基于小鼠模型，未在人类样本中验证	开发一种高效量化非酒精性脂肪肝病的方法，用于临床前药物效果分析	野生型小鼠和两种基因修饰小鼠模型的肝组织	digital pathology	nonalcoholic fatty liver disease	hematoxylin-eosin staining, whole slide imaging	deep neural network	image	101张全切片图像
94	2025-06-21	A quantitative characterization of early neuron generation in the developing zebrafish telencephalon 2023 Oct-Nov, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22926 PMID:37679904	研究论文	本文定量描述了斑马鱼端脑发育早期神经元生成的过程	使用基于深度学习的Cellpose分割方法和单个NPC的克隆分析，首次详细量化了斑马鱼端脑在受精后14至24小时内神经元生成和NPC分裂模式	研究仅聚焦于斑马鱼端脑发育的最初24小时，未涉及更长期的神经发生过程	理解神经前体细胞(NPCs)何时转换分裂模式以生成斑马鱼端脑的首批神经元	斑马鱼端脑发育早期的神经前体细胞和新生神经元	发育神经生物学	NA	Cellpose深度学习分割方法、克隆分析	Cellpose	图像数据	斑马鱼端脑发育14-24小时时间段内的样本
95	2025-06-21	Genetics and mechanisms of thoracic aortic disease 2023-03, Nature reviews. Cardiology DOI:10.1038/s41569-022-00763-0 PMID:36131050	review	本文回顾了胸主动脉疾病的遗传学机制，并探讨了机器学习和大规模影像数据集在遗传关联发现中的应用	结合深度学习和大型影像数据集快速定义主动脉特征，并将新发现的遗传观察结果整合到当前对胸主动脉疾病的生物学理解中	胸主动脉疾病相对于其他心血管疾病较为罕见，这限制了大规模遗传关联的识别	探讨胸主动脉疾病的遗传学机制及其预防和治疗策略	胸主动脉疾病，包括主动脉瘤、主动脉夹层、主动脉缩窄或主动脉功能异常	machine learning	cardiovascular disease	deep learning	NA	imaging	大型生物样本库中的大规模影像数据集
96	2025-06-20	GSDA: Generative adversarial network-based semi-supervised data augmentation for ultrasound image classification 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e19585 PMID:37809802	research paper	提出了一种基于生成对抗网络（GAN）的半监督数据增强方法GSDA，用于超声图像分类	结合GAN和CNN，通过半监督学习生成高质量超声图像并伪标注，同时引入新的评估标准平衡分类准确率和计算时间	仅在BUSI数据集上进行评估，需验证在其他超声数据集上的泛化能力	解决医学超声图像分析中数据稀缺问题，提升深度学习模型性能	医学超声图像	digital pathology	NA	GAN, CNN, transfer learning	GAN, CNN	image	780张超声图像
97	2025-06-20	Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models 2023-Sep, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e20281 PMID:37809397	研究论文	本研究比较了多种机器学习和混合深度学习模型在英语和孟加拉语情感分析中的效果	在孟加拉语情感分析领域取得了显著进展，改进了文本分类模型和方法	仅针对特定电商平台(DARAZ)的评论数据进行分析	比较不同模型在情感分析领域的有效性	来自DARAZ电商平台的英语和孟加拉语评论	自然语言处理	NA	porter stemming算法	SVM, LSTM, Bi-LSTM, Conv1D, Conv1D-LSTM混合模型	文本	NA
98	2025-06-19	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-07, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02889-9 PMID:37253900	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
99	2025-06-18	Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning 2023-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.04.23293673 PMID:37609311	research paper	开发并外部验证了一种基于MRI的无创性深度学习流程，用于儿童低级别胶质瘤的BRAF突变状态分类	结合迁移学习和自监督交叉训练（TransferX）方法，提高了在有限数据场景下的分类性能和泛化能力，并开发了一种新的模型可解释性指标COMDist	研究基于回顾性数据，样本量相对有限（开发数据集n=214，外部验证n=112）	开发无创性MRI方法预测儿童低级别胶质瘤的BRAF突变状态	儿童低级别胶质瘤（pLGG）患者	digital pathology	pediatric low-grade glioma	MRI, deep learning	TransferX (transfer learning + self-supervised cross-training)	MRI图像	开发数据集214例（BCH），外部验证112例（CBTN）
100	2025-06-18	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	本研究开发了一种基于逐步迁移学习的深度学习神经网络，用于在有限数据场景下实现儿科低级别胶质瘤的专家级自动分割	提出了一种新颖的领域内逐步迁移学习方法，在有限数据条件下实现了专家级的肿瘤分割性能	研究数据量仍然有限(n=284)，且仅针对儿科低级别胶质瘤	开发适用于儿科脑肿瘤的AI自动分割算法以支持临床决策	儿科低级别胶质瘤(pLGG)	数字病理	儿科脑肿瘤	深度学习	深度学习神经网络	医学影像	284例(184例来自国家脑肿瘤联盟，100例来自儿科癌症中心)