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	2025-09-25	Scientific discovery in the age of artificial intelligence 2023-08, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06221-2 PMID:37532811	综述	探讨人工智能在科学发现中的应用与前景	系统总结自监督学习和几何深度学习等AI技术如何推动跨学科科学发现	指出数据质量和管理问题仍是当前主要挑战	分析AI增强科学研究的潜力与路径	跨学科科学研究过程	机器学习	NA	自监督学习、几何深度学习、生成式AI	NA	多模态数据（图像、序列等）	NA
2	2025-09-21	Versatile recognition of graphene layers from optical images under controlled illumination through green channel correlation method 2023-Aug-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ace979 PMID:37478831	研究论文	提出一种基于绿色通道相关性从光学图像识别石墨烯层数的简便方法	利用绿色通道相关性替代深度学习，实现少量训练图像下的高效识别，并适应非均匀光照条件	需要最小化环境光对样品的影响，图像质量要求低于典型文献但仍有特定光照条件限制	开发快速、低成本且无需高质量图像的石墨烯层数光学识别方法	氧化基底上的剥离石墨烯层	计算机视觉	NA	光学成像、颜色通道分析	标准偏差阈值法、线性回归阈值法（非深度学习）	图像	少量训练图像配合数千张GitHub测试图像
3	2025-09-21	Standard-based personalized healthcare delivery for kidney illness using deep learning 2023-Aug-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ace09f PMID:37343580	研究论文	本研究使用深度学习模型分析标准化电子健康记录数据，以诊断肾脏相关疾病	首次将encoder-combiner-decoder (ECD)架构应用于标准化医疗数据集进行肾脏疾病诊断	NA	通过深度学习提升肾脏疾病的预测诊断准确性	肾脏相关疾病患者	机器学习	肾脏疾病	深度学习	encoder-combiner-decoder (ECD)	电子健康记录	巴西公共卫生系统提供的openEHR基准数据集(ORBDA)
4	2025-09-14	Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients 2023-08, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2023.106459 PMID:37307602	研究论文	本研究开发了一种基于机器学习的肿瘤多核化指数（MuNI），用于评估头颈部鳞状细胞癌患者的生存预后和肿瘤免疫微环境特征	首次利用深度学习模型从H&E图像中量化肿瘤细胞多核化程度，并发现其与生存预后和免疫抑制微环境的相关性	需要进一步机制研究阐明多核化与肿瘤免疫之间的生物学联系	通过机器学习识别肿瘤细胞多核化特征，探索其与头颈部鳞癌患者预后的关联	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	深度学习，基因集富集分析（GSEA）	深度学习模型	H&E染色病理图像	机构队列训练集（DTr）和TCGA HNSCC验证集（DV）
5	2025-09-14	Cerebrovascular super-resolution 4D Flow MRI - Sequential combination of resolution enhancement by deep learning and physics-informed image processing to non-invasively quantify intracranial velocity, flow, and relative pressure 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102831 PMID:37244143	研究论文	提出一种结合深度学习与物理信息图像处理的超分辨率4D Flow MRI方法，用于无创量化颅内血流动力学参数	首次将深度残差网络与物理信息图像处理顺序结合，实现颅内血管的超分辨率血流成像和功能相对压力精准量化	方法目前主要在患者特异性硅基队列和志愿者队列中验证，尚未在大型临床队列中广泛应用	开发定量颅内超分辨率4D Flow MRI方法，提升脑血管血流动力学的无创评估精度	颅内血管系统，特别是Willis环区域的流速、流量和相对压力	医学影像分析	脑血管疾病	4D Flow MRI，深度学习超分辨率，物理信息图像处理	深度残差网络	MRI影像数据	患者特异性硅基队列和体内志愿者队列（具体数量未明确说明）
6	2025-09-07	MCSF-Net: a multi-scale channel spatial fusion network for real-time polyp segmentation 2023-08-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf090 PMID:37582393	研究论文	提出一种用于实时息肉分割的多尺度通道空间融合网络MCSF-Net	结合多尺度融合模块与空间通道注意力机制，并引入特征补充模块和形状块以提升边界特征识别	NA	提高结肠镜检查中息肉的实时自动分割精度	结肠镜图像中的息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	基于五个公开基准数据集（具体样本数未说明）
7	2025-09-07	Multimodality deep learning radiomics nomogram for preoperative prediction of malignancy of breast cancer: a multicenter study 2023-08-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acec2d PMID:37524093	研究论文	本研究构建并验证了一种基于深度学习和影像组学的多模态列线图模型，用于乳腺癌恶性程度的术前预测	首次结合超声B模式和彩色多普勒血流成像的多模态数据，开发深度学习影像组学列线图模型，并在多中心数据中验证其优于单模态模型的性能	回顾性研究设计可能存在选择偏倚，且样本仅来自中国多家医院	术前预测乳腺癌恶性程度以实现精准医疗	611例乳腺癌患者的临床和超声影像数据	数字病理	乳腺癌	深度学习、影像组学分析	多模态深度学习模型	超声影像（B模式和彩色多普勒）及临床数据	611例患者，分为主要队列、验证队列和两个测试队列
8	2025-09-07	Suppressing image blurring of PROPELLER MRI via untrained method 2023-Aug-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acebb1 PMID:37506706	研究论文	提出一种无训练深度学习方法用于加速PROPELLER MRI并抑制图像模糊	引入无训练神经网络(UNN)直接在刀片空间进行图像重建，无需外部训练数据且能缓解分布偏移问题	NA	加速PROPELLER MRI采集并提升图像重建质量	脑部MRI数据	医学影像处理	NA	PROPELLER MRI, 深度学习重建	无训练神经网络(UNN)	MRI图像	使用降采样因子2、3和4进行加速采集的PROPELLER刀片数据
9	2025-09-07	ULS4US: universal lesion segmentation framework for 2D ultrasound images 2023-08-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace09b PMID:37343585	研究论文	提出一种名为ULS4US的通用超声图像病灶分割框架，适用于不同器官的二维超声图像	首次开发了跨器官通用的超声病灶分割框架，结合多输入多输出UNet、两阶段病灶感知学习算法和病灶自适应损失函数	仅在包含三种特定器官类型的统一数据集上验证，尚未测试在其他器官上的适用性	开发通用的超声图像病灶分割方法，提升计算机辅助诊断的适用性和准确性	二维超声图像中的各种器官病灶	计算机视觉	NA	深度学习	MIMO UNet	图像	超过2200张图像，来自两个公共和三个私有超声数据集
10	2025-08-31	REVEALS: An Open Source Multi Camera GUI For Rodent Behavior Acquisition 2023-Aug-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.22.554365 PMID:37662188	研究论文	介绍REVEALS，一个用于通过多摄像头采集啮齿类动物行为数据的开源图形用户界面软件	开发了用户友好、开源的多摄像头控制GUI，支持同步录制并简化数据采集流程，兼容深度学习分析流程	NA	提供有效、经济且易用的多摄像头行为数据采集方法，以支持大脑功能与疾病研究	啮齿类动物（小鼠）的行为数据	行为分析	神经疾病	多摄像头视频采集，DeepLabCut姿态估计	深度学习算法（如DeepLabCut）	视频	NA
11	2025-08-09	Denoising Tc-99m DMSA images using Denoising Convolutional Neural Network with comparison to a Block Matching Filter 2023-08-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001712 PMID:37272279	研究论文	本研究探讨了预训练的DnCNN在去噪Tc-99m DMSA图像中的应用，并与BM3D滤波器进行了性能比较	首次将预训练的DnCNN应用于Tc-99m DMSA图像去噪，并证明其性能优于传统BM3D滤波器	研究仅使用了242张Tc-99m DMSA图像，样本量可能不足	评估预训练DnCNN在医学图像去噪中的适用性	Tc-99m DMSA图像	数字病理学	NA	图像去噪	DnCNN	医学图像	242张Tc-99m DMSA图像
12	2025-08-08	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种结合临床、基因组和组织病理学三种模态的新型检测方法，用于预测局部肾细胞癌的复发	整合了三种模态（临床、基因组和组织病理学）的多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理学	肾细胞癌	全幻灯片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
13	2025-08-06	Diagnosis of Developmental Dysplasia of the Hip by Ultrasound Imaging Using Deep Learning 2023-Aug-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000002428 PMID:37193656	研究论文	本研究探讨了使用深度学习模型通过超声图像诊断发育性髋关节发育不良（DDH）的准确性	首次将深度学习技术应用于DDH的超声图像诊断，并评估了多种预训练模型的性能	样本量相对较小（60名DDH患儿和131名健康婴儿），且研究为回顾性设计	评估人工智能通过深度学习在DDH超声图像诊断中的准确性	6个月以下疑似DDH的婴儿及其髋关节超声图像	数字病理	发育性髋关节发育不良	超声成像	SqueezeNet, MobileNet_v2, EfficientNet	图像	60名DDH患儿（64个髋关节）和131名健康婴儿（262个髋关节）
14	2025-07-24	AD-BERT: Using pre-trained language model to predict the progression from mild cognitive impairment to Alzheimer's disease 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104442 PMID:37429512	研究论文	开发了一个基于预训练BERT模型的深度学习框架，利用电子健康记录中的非结构化临床笔记预测轻度认知障碍向阿尔茨海默病的进展风险	提出了AD-BERT模型，基于预训练的Bio+Clinical BERT，用于预测MCI向AD的进展，并在两个独立数据集上验证了其优越性能	研究依赖于电子健康记录数据的质量和完整性，可能受到数据偏差的影响	预测轻度认知障碍向阿尔茨海默病的进展风险	轻度认知障碍患者	自然语言处理	阿尔茨海默病	BERT模型	AD-BERT（基于Bio+Clinical BERT的改进模型）	电子健康记录中的临床文本数据	Northwestern Medicine数据集3657名MCI患者，Weill Cornell Medicine数据集2563名MCI患者
15	2025-07-24	R-Mixup: Riemannian Mixup for Biological Networks 2023-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3580305.3599483 PMID:38343707	研究论文	本文提出了一种名为R-Mixup的数据增强技术，用于解决生物网络数据的高维度和低样本量问题	利用Riemannian流形上的log-Euclidean距离度量，优化了传统Mixup方法在生物网络数据上的应用	未明确提及具体限制，但可能受限于生物网络数据的特定性质	提高深度学习模型在生物网络数据上的性能，防止过拟合	生物网络的邻接矩阵	机器学习	NA	R-Mixup数据增强技术	NA	生物网络数据	五个真实世界的生物网络数据集
16	2025-07-24	Knowledge graph aids comprehensive explanation of drug and chemical toxicity 2023-08, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.12975 PMID:37475158	研究论文	介绍了一种可解释的深度学习模型AIDTox，用于预测药物和化学物质的细胞毒性，并提供全面的毒性解释	AIDTox结合了化学-基因连接、基因-通路注释和通路层次结构的精选知识，能够准确预测细胞毒性并提供多方面的药物活性解释	模型可能受限于知识图谱的覆盖范围和准确性	开发一个可解释的深度学习模型，用于预测和解释药物及化学物质的复杂毒性终点	HepG2和HEK293细胞的细胞毒性	计算毒理学	NA	深度学习	AIDTox	化学-基因连接数据、基因-通路注释数据、通路层次结构数据	NA
17	2025-07-20	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种基于提示的机器阅读理解（MRC）架构的自然语言处理系统，用于临床概念提取和关系提取，并具有良好的跨机构应用通用性	提出了一种统一的基于提示的MRC架构，用于临床概念提取和关系提取，并在跨机构应用中表现出良好的性能	未明确提及具体限制，但可能包括对特定数据集或任务的依赖性	开发一个统一的自然语言处理系统，用于临床概念和关系提取	临床概念和关系提取	自然语言处理	NA	prompt-based machine reading comprehension (MRC), transformer models	GatorTron-MRC, BERT-MIMIC-MRC	text	2 benchmark datasets from 2018 and 2022 n2c2 challenges
18	2025-07-20	The Objective Dementia Severity Scale Based on MRI with Contrastive Learning: A Whole Brain Neuroimaging Perspective 2023-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s23156871 PMID:37571654	研究论文	提出了一种基于MRI和对比学习的客观痴呆严重程度评分量表（ODSS-MRI），用于自动评估阿尔茨海默病患者的神经功能	利用对比学习策略从结构磁共振图像中挖掘相关信息，提供全面且客观的神经功能评估，无需医生或患者的主观干预	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	开发一种客观评估阿尔茨海默病严重程度的方法，以改进诊断和治疗	阿尔茨海默病患者的神经功能评估	数字病理学	老年病	MRI，对比学习	深度学习框架	图像	阿尔茨海默病神经影像倡议（ADNI）数据集
19	2025-07-20	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究探讨了人工智能算法在评估肺结节恶性和侵袭性方面的性能，并与术中冰冻切片检查进行了比较	使用基于3D卷积神经网络的深度学习系统预测肺结节的恶性和侵袭性，并在多中心队列中验证其性能	AI系统在直径大于1厘米的实性结节中误诊率较高（10.4%）	评估AI算法在肺结节恶性和侵袭性诊断中的性能	直径不超过3厘米的肺结节	数字病理	肺癌	深度学习	3D CNN	CT图像和病理信息	466个切除的肺结节
20	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