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	2025-07-23	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	开发了一种基于深度学习的快速体积图像生成框架，用于质子FLASH放射治疗的图像引导	提出了一种结合正交kV X射线投影和深度学习的体积图像重建方法，用于质子FLASH放射治疗中的快速目标定位	研究仅针对30名肺癌患者的数据进行了验证，样本量有限	开发快速体积图像重建框架以支持质子FLASH放射治疗的精确目标定位	肺癌患者	数字病理	肺癌	深度学习	DL	CT图像	30名肺癌患者，每人有包含十个呼吸阶段的四维CT数据集
2	2025-07-21	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	提出了一种名为CeLEry的监督深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中的细胞位置信息	CeLEry通过变分自编码器进行数据增强，提高了方法的鲁棒性，并能克服scRNA-seq数据中的噪声	NA	解决单细胞RNA测序中细胞物理关系缺失的问题，恢复细胞的空间位置信息	单细胞RNA测序数据中的细胞	生物信息学	癌症	scRNA-seq, 空间转录组学	监督深度学习算法, 变分自编码器	基因表达数据, 空间位置数据	多个数据集，包括脑组织和癌组织，使用Visium、MERSCOPE、MERFISH和Xenium技术生成
3	2025-07-20	The 2022 n2c2/UW shared task on extracting social determinants of health 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad012 PMID:36795066	研究论文	本文介绍了2022年n2c2/UW共享任务，旨在从临床记录中提取社会健康决定因素(SDOH)信息	探索了自然语言处理技术在SDOH和更广泛临床信息提取中的应用，并比较了不同技术的性能	提取性能因SDOH类型而异，对于增加健康风险的因素(如物质使用和无家可归)表现较差	推进自然语言处理技术在健康社会决定因素信息提取中的应用	临床文本中的社会健康决定因素信息	自然语言处理	NA	规则、知识库、n-grams、词嵌入和预训练语言模型	序列到序列模型	文本	15个团队参与，使用Social History Annotated Corpus (SHAC)数据集
4	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
5	2025-06-13	Combined genome-wide association study of 136 quantitative ear morphology traits in multiple populations reveal 8 novel loci 2023-07, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1010786 PMID:37459304	研究论文	通过多人群的136个耳形态定量性状的全基因组关联研究，揭示了8个新的遗传位点	发现了8个与人类耳特征相关的新遗传位点，并揭示了耳形态与其他表面外胚层衍生性状的共享遗传决定因素	研究主要基于欧洲、亚洲和拉丁美洲的五个队列，可能无法完全代表全球人群的遗传多样性	探索人类耳形态的遗传结构及其与其他表面外胚层衍生性状的遗传关系	14,921名来自欧洲、亚洲和拉丁美洲的个体	基因组学	NA	GWAS meta-analysis, C-GWASs, 深度学习	NA	数字面部图像	14,921名个体
6	2025-06-08	Deep Learning Based Metabolite Annotation 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10341007 PMID:38082953	研究论文	本文探讨了基于深度学习的代谢物注释方法，旨在解决非靶向代谢组学研究中代谢物注释的瓶颈问题	研究了高维光谱数据和分子指纹的表示方法，以提高分子指纹预测的准确性	依赖于有限的公开光谱库，且仅覆盖已知化合物的一部分	提高非靶向代谢组学研究中代谢物注释的准确性和效率	代谢物及其MS/MS光谱数据	机器学习	NA	LC-MS, MS/MS	CNN	光谱数据	来自MoNA存储库和NIST 20的MS/MS光谱数据
7	2025-06-05	Performance of ChatGPT on the pharmacist licensing examination in Taiwan 2023-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000942 PMID:37227901	research paper	评估ChatGPT在台湾药师执照考试中的表现及其在药学教育中的潜在作用	首次评估ChatGPT在台湾药师执照考试中的表现，探讨其在药学教育中的应用潜力	排除了图形问题、化学公式和表格，仅评估了文本问题，且使用的是ChatGPT 3.5版本	评估ChatGPT在药师执照考试中的准确性并探讨其在药学教育中的潜在作用	台湾药师执照考试的题目	natural language processing	NA	ChatGPT 3.5	ChatGPT	text	2023年台湾药师执照考试的第一阶段和第二阶段题目
8	2025-06-04	Early-warning of Cardiac Condition through Detection of Murmur in Heart Sound - A Case Study 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340924 PMID:38083243	研究论文	本研究通过机器学习和深度学习方法，探索了基于心音图（PCG）的自动心音分类技术，用于早期筛查风湿性心脏病（RHD）	结合机器学习和信号处理技术，开发了一种无需专业培训即可通过数字听诊器检测心脏杂音的方法，为大规模筛查提供了可能	研究仅针对特定地理区域的人群进行了案例研究，样本范围和多样性可能有限	开发自动心音分类技术，实现风湿性心脏病的早期筛查	心音信号，特别是心脏杂音的检测与分类	机器学习	心血管疾病	心音图（PCG）分析	深度学习方法	信号数据	特定地理区域的人群（未明确样本数量）
9	2025-05-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550836 PMID:37546906	research paper	提出了一种名为ChromaFold的深度学习模型，用于从单细胞ATAC测序数据预测3D接触图和调控相互作用	ChromaFold能够仅使用scATAC-seq数据预测3D接触图和调控相互作用，且在性能上优于现有方法	需要依赖配对scATAC-seq和Hi-C数据进行训练，可能限制了其在某些场景下的应用	通过预测3D染色质相互作用来解析基因调控和疾病相关非编码变异的功能	人类和小鼠细胞系及组织中的3D染色质相互作用	machine learning	NA	scATAC-seq, Hi-C	deep learning	genomic data	人类和小鼠细胞系及组织
10	2025-05-04	Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses 2023-Jul-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.13.548611 PMID:37503003	研究论文	开发了一种高通量基因标记方法，用于生成和分析内源性标记蛋白的复杂细胞池，以可视化或直接扰动蛋白质	结合高通量基因标记、荧光标记、测序和基于深度学习的图像分析，实现了蛋白质定位模式的大规模识别，并通过疏水性配体诱导蛋白质错误折叠，揭示了细胞器间的组织和直接串扰	NA	研究蛋白质组的动态、功能和稳态	内源性标记蛋白的复杂细胞池	蛋白质组学	NA	高通量基因标记、HaloTag标记、单细胞RNA测序、深度学习	深度学习	图像、RNA测序数据	NA
11	2025-05-02	Deep Learning of Cell Spatial Organizations Identifies Clinically Relevant Insights in Tissue Images 2023-Jul-04, Research square DOI:10.21203/rs.3.rs-2928838/v1 PMID:37461694	research paper	介绍了一种名为Ceograph的新型细胞空间组织图卷积网络，用于分析病理图像中的细胞空间组织特征及其对患者临床结果的影响	提出Ceograph模型，首次将细胞空间组织特征与患者临床结果预测相结合，识别出与恶性转化和药物敏感性相关的关键特征	研究仅针对口腔潜在恶性病变和肺癌患者，未验证在其他疾病类型中的适用性	开发一种能够分析细胞空间组织特征并预测临床结果的计算方法	口腔潜在恶性病变患者和肺癌患者的病理图像	digital pathology	oral potentially malignant disorders, lung cancer	graph convolutional network	GCN	image	NA
12	2025-04-06	Beyond Correlations: Deep Learning for Seismic Interferometry 2023-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3172385 PMID:35552139	研究论文	本文提出了一种基于深度学习的被动地震干涉测量方法，用于克服传统相关方法的局限性	利用深度神经网络从环境噪声中提取正确的格林函数，突破了传统相关方法在时间和空间上的限制	所有数值实验均基于合成数据，且仅针对勘探尺度的P波反射进行	改进被动地震干涉测量技术，提高从环境噪声中提取格林函数的准确性	地震波格林函数	地球物理信号处理	NA	深度学习	改进的ResNet	合成地震数据	NA
13	2025-04-06	Federated Partially Supervised Learning With Limited Decentralized Medical Images 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231017 PMID:37015445	research paper	本文提出了一种新的联邦部分监督学习（FPSL）框架FedPSL，用于处理有限分散的医学图像数据	提出了联邦部分监督学习（FPSL）的新问题，并设计了包含任务依赖模型聚合和任务无关解耦学习的FedPSL框架	实验基于模拟数据，未在真实临床环境中验证	解决医学图像数据分散和部分标注情况下的联邦学习问题	分散的医学图像数据	machine learning	NA	federated learning	deep learning-based models	medical images	limited decentralized data (simulated)
14	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
15	2025-03-19	A generalizable framework to comprehensively predict epigenome, chromatin organization, and transcriptome 2023-07-07, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad436 PMID:37224527	研究论文	本文提出了一种名为EPCOT的深度学习框架，能够通过预训练和微调的方法，仅需细胞类型特定的染色质可及性数据，即可准确预测包括表观基因组、染色质组织、转录组和增强子活性在内的多种模态	EPCOT框架的创新之处在于其能够跨预测任务和细胞类型泛化，且能够预测多种昂贵的实验数据（如Micro-C和ChIA-PET），并提供跨基因组模态的生物学见解	未明确提及具体局限性	开发一个通用的深度学习框架，用于预测表观基因组、染色质组织和转录组等多种基因组模态	表观基因组、染色质组织、转录组和增强子活性	机器学习	NA	深度学习	预训练和微调框架	染色质可及性数据	未明确提及样本数量
16	2025-03-15	Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate 2023 Jul-Aug 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009299 PMID:36944601	研究论文	本研究应用了一种基于3D点云图卷积神经网络的新深度学习方法，用于预测和定位唇腭裂患者的标志点	首次将深度学习方法应用于唇腭裂患者的3D头影测量标志点预测和定位	未来若扩大唇腭裂训练集，可能会获得更准确的结果	开发适用于唇腭裂患者的3D头影测量系统	唇腭裂患者	计算机视觉	唇腭裂	3D点云图卷积神经网络	PointNet++	3D图像	150名患者
17	2025-03-14	Deep Learning for Automated Measurement of Patellofemoral Anatomic Landmarks 2023-Jul-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10070815 PMID:37508842	研究论文	本文应用深度学习技术自动测量膝关节解剖标志，以更好地理解解剖结构，从而改善治疗效果	首次开发了一个深度学习回归模型，用于自动标注髌股关节解剖标志，并在生理和病理CT影像上进行大规模训练	健康队列的沟角测量存在统计学显著差异	通过深度学习自动测量膝关节解剖标志，以改善对髌股关节解剖结构的理解	483名患者的膝关节CT影像，包括计划进行膝关节置换的患者和健康膝关节解剖的患者	计算机视觉	膝关节疾病	深度学习	修改后的ResNet50架构	CT影像	483名患者的14,652张图像
18	2025-02-21	MTDN: Learning Multiple Temporal Dynamics Representation for Emotional Valence Classification with EEG 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340760 PMID:38083323	研究论文	本文提出了一种名为MTDN的深度学习框架，用于从脑电图（EEG）中识别情绪，特别是情感效价分类	MTDN框架通过并行长短期记忆（LSTM）嵌入和自注意力模块联合学习多种时间动态，有效捕捉了情绪反应的关键特征	本文仅在公开的DEAP数据集上进行了实验，未在其他数据集上验证其泛化能力	研究目的是提高从EEG信号中识别情感效价的准确性	研究对象是脑电图（EEG）信号	机器学习	NA	深度学习	LSTM, 自注意力机制	脑电图（EEG）信号	公开的DEAP数据集
19	2025-02-05	Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340987 PMID:38083160	研究论文	本文训练并验证了一个深度学习模型，用于预测三阴性乳腺癌（TNBC）患者对新辅助系统治疗（NAST）的病理完全缓解（pCR）反应	利用治疗前和治疗后四个周期的多参数MRI数据，通过深度学习模型预测TNBC患者的治疗反应，具有较高的预测准确性	模型的验证和测试结果在不同组别之间存在一定的差异，可能需要在更大规模的数据集上进行进一步验证	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应	三阴性乳腺癌患者	数字病理学	乳腺癌	动态对比增强MRI（DCE-MRI）和扩散加权成像（DWI）	深度学习模型	图像	未明确提及具体样本数量
20	2024-12-24	Label-Efficient Self-Supervised Federated Learning for Tackling Data Heterogeneity in Medical Imaging 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3233574 PMID:37018314	研究论文	本文提出了一种用于医学图像分析的鲁棒且高效的标签自监督联邦学习框架，通过Transformer和掩码图像建模来解决数据异质性问题	引入了一种基于Transformer的自监督预训练范式，直接在分散的目标任务数据集上进行预训练，以增强对异质数据的鲁棒表示学习和有效的知识迁移	未提及具体限制	解决联邦学习中由于数据异质性和缺乏高质量标签数据导致性能下降的问题	医学图像分类任务，包括视网膜、皮肤病和胸部X光分类	计算机视觉	NA	联邦学习 (FL)	Transformer	图像	模拟和真实世界的非独立同分布 (non-IID) 医学图像数据集