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	2025-05-21	Active learning of enhancer and silencer regulatory grammar in photoreceptors 2023-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.21.554146 PMID:37662358	research paper	该研究使用主动机器学习方法训练深度学习模型，以预测光感受器中增强子和沉默子的调控语法	采用主动机器学习方法，通过迭代训练模型并选择最具信息量的合成DNA序列进行实验，显著减少了训练数据的需求	研究仅限于光感受器中的CRX转录因子结合位点，可能不适用于其他细胞类型或转录因子	开发能够从DNA序列准确预测调控元件活性的模型	光感受器中的调控元件（CREs）和Cone-rod homeobox（CRX）转录因子结合位点	machine learning	NA	active machine learning, deep learning	deep learning model	DNA sequence	使用比现有方法少一个数量级的训练数据
2	2025-05-14	AORTA Gene: Polygenic prediction improves detection of thoracic aortic aneurysm 2023-Aug-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.23.23294513 PMID:37662232	research paper	该研究利用深度学习测量升主动脉直径，并构建了一个包含110万个变体的多基因评分（AORTA Gene），以提高胸主动脉瘤的检测	首次将多基因评分（AORTA Gene）与临床因素结合，显著提高了胸主动脉直径的预测准确性	需要更大规模和更多样化的队列来开发更强大和公平的评分	提高胸主动脉瘤的检测准确性	UK Biobank、Mass General Brigham Biobank、Framingham Heart Study和All of Us的参与者	machine learning	thoracic aortic aneurysm	GWAS、PRScs-auto	deep learning	genomic data、clinical data	UK Biobank 49,939人（训练集39,524人，测试集4,962人）、MGB 5,469人、FHS 1,298人、All of Us 610人
3	2025-04-06	Domain Agnostic Post-Processing for QRS Detection Using Recurrent Neural Network 2023-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3235341 PMID:37018588	研究论文	本文提出了一种基于循环神经网络（RNN）的领域无关后处理方法，用于改进QRS检测算法中的R峰定位	首次提出使用RNN模型从QRS分割深度学习模型的输出中学习所需的后处理，实现领域无关的自动化后处理	在某些情况下（使用浅层QRS分割模型和TWADB数据集时）性能略低于领域特定后处理方法（差距≤2%）	改进QRS检测算法中的后处理步骤，提高模型的泛化能力	QRS检测算法的后处理流程	机器学习	心血管疾病	RNN	RNN	信号数据	NA
4	2025-04-06	CAT: Constrained Adversarial Training for Anatomically-Plausible Semi-Supervised Segmentation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3243069 PMID:37022409	研究论文	提出了一种名为CAT的约束对抗训练方法，用于生成解剖学上合理的半监督医学图像分割结果	通过对抗训练策略和Reinforce算法解决非可微分解剖约束的集成问题，能够考虑连通性、凸性和对称性等复杂解剖约束	未提及具体在哪些临床数据集上测试，以及与其他方法的详细对比结果	提高医学图像分割的解剖学合理性	医学图像分割	数字病理	NA	对抗训练、Reinforce算法	深度学习模型	医学图像	合成数据和四个临床相关数据集（未说明具体样本量）
5	2025-04-06	Attributed Abnormality Graph Embedding for Clinically Accurate X-Ray Report Generation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3245608 PMID:37027529	研究论文	本文提出了一种新的知识图结构——属性异常图（ATAG），用于提高X射线报告生成的临床准确性	引入ATAG结构自动构建细粒度异常图，结合图注意力网络和分层注意力机制提升报告生成质量	NA	提高X射线报告生成的临床准确性	X射线图像及其报告	计算机视觉	NA	图注意力网络（GAT）	encoder-decoder架构	X射线图像和文本报告	基于基准数据集进行实验
6	2025-04-06	SDMT: Spatial Dependence Multi-Task Transformer Network for 3D Knee MRI Segmentation and Landmark Localization 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247543 PMID:37027574	研究论文	提出了一种名为SDMT的空间依赖多任务Transformer网络，用于3D膝关节MRI的分割和标志点定位	利用分割结果和标志点位置的空间依赖性相互促进两个任务，设计了任务混合多头注意力机制和动态权重多任务损失函数	仅在自建的3D膝关节MRI多任务数据集上进行了验证	开发一种能够同时完成膝关节MRI分割和标志点定位的多任务深度学习模型	3D膝关节MRI图像	计算机视觉	膝关节疾病	深度学习	Transformer	3D MRI图像	未明确说明样本数量（使用自建数据集）
7	2025-04-06	On the Importance of Domain Awareness in Classifier Interpretations in Medical Imaging 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247659 PMID:37027636	研究论文	本文探讨了在医学影像分类中领域感知的重要性，并提出了一种领域感知的放射学环境解释流程	提出了边缘化技术和评估程序来解决医学影像病理分类器中的分布外问题，并设计了一个完整的领域感知流程	当前主流方法使用启发式且未经验证的方法论，可能在验证域之外操作网络	提高深度学习辅助分类在临床适应中的可解释性	医学影像病理分类器	数字病理	NA	深度学习	CNN	图像	两个公开可用的图像数据集（CBIS-DDSM/DDSM乳腺X光片集合和Chest X-ray14放射影像）
8	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
9	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
10	2025-02-21	Localization Free Super-Resolution Microbubble Velocimetry Using a Long Short-Term Memory Neural Network 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3251197 PMID:37028074	研究论文	本文介绍了一种基于长短期记忆神经网络的超分辨率微泡测速技术Deep-SMV，该技术无需定位，能够在高微泡浓度下提供高成像速度和鲁棒性，并直接输出超分辨率的血流速度测量	Deep-SMV技术首次实现了在高微泡浓度下的超分辨率血流速度图重建，克服了传统技术对低微泡浓度的限制	尽管Deep-SMV在多种成像场景中成功应用，但其在更广泛的临床环境中的有效性和稳定性仍需进一步验证	开发一种无需定位的超分辨率微泡测速技术，以提高成像速度和鲁棒性，并直接输出血流速度测量	微泡流动模拟、活体血管数据、流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像	计算机视觉	NA	长短期记忆神经网络（LSTM）	LSTM	图像	多种成像场景，包括流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像
11	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2025-02-05	Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis 2023-08, Abdominal radiology (New York) DOI:10.1007/s00261-023-03966-2 PMID:37280374	系统综述与荟萃分析	本文对两种最常见的商用深度学习CT重建算法在腹部临床扫描中的应用进行了系统综述和荟萃分析	首次对True Fidelity (TF)和Advanced intelligent Clear-IQ Engine (AiCE)这两种商用深度学习CT重建算法在腹部扫描中的应用进行了系统综述和荟萃分析	仅评估了单一供应商的双能量CT，且高DLR重建强度下存在轻微信号丢失和模糊现象	评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量减少潜力	腹部CT扫描	医学影像	NA	深度学习CT重建	深度学习算法	CT图像	44篇文章，其中32篇评估TF，12篇评估AiCE
13	2025-01-29	Evolution of Breast Cancer Recurrence Risk Prediction: A Systematic Review of Statistical and Machine Learning-Based Models 2023-08, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00049 PMID:37566789	系统综述	本文系统回顾了2008年至2022年间发表的统计和机器学习模型，用于预测乳腺癌复发风险	本文首次系统性地比较了统计和机器学习模型在乳腺癌复发风险预测中的应用，并强调了患者种族多样性的重要性	机器学习模型的实用性可能受到解释性有限和泛化能力降低的限制，且现有模型主要忽略了非洲和中东人群	评估和比较统计与机器学习模型在乳腺癌复发风险预测中的表现	乳腺癌复发风险预测模型	机器学习	乳腺癌	统计方法和机器学习方法	支持向量机、决策树、逻辑回归、朴素贝叶斯、深度学习、集成学习	回顾性临床数据	163篇论文，其中23篇被进一步分析
14	2025-01-29	Dual-sensory fusion self-powered triboelectric taste-sensing system towards effective and low-cost liquid identification 2023-08, Nature food IF:23.6Q1 DOI:10.1038/s43016-023-00817-7 PMID:37563492	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2024-12-08	Progressively refined deep joint registration segmentation (ProRSeg) of gastrointestinal organs at risk: Application to MRI and cone-beam CT 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16527 PMID:37265185	研究论文	本文开发了一种名为ProRSeg的深度网络，用于胃肠道器官的风险区域的联合注册和分割，并评估其在MRI和锥束CT上的应用	ProRSeg网络在MRI和CBCT上的分割和注册精度显著高于其他方法	研究缺乏独立的测试和基准幻影数据集来测量剂量累积的准确性	开发一种能够准确分割和注册胃肠道器官风险区域的深度学习网络，并评估其在放射治疗中的应用	胃肠道器官风险区域，包括胃、十二指肠、大肠和小肠	计算机视觉	胰腺癌	深度学习	ProRSeg	MRI和CBCT图像	110张T2加权MRI图像和80张CBCT图像
16	2024-11-27	Quantifying Inflammatory Response and Drug-Aided Resolution in an Atopic Dermatitis Model with Deep Learning 2023-08, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2023.01.026 PMID:36804151	研究论文	本文使用深度学习方法对特应性皮炎模型中的炎症反应和药物辅助缓解进行定量分析	本文提出了一种基于深度学习的非侵入性图像分析方法，用于定量评估特应性皮炎模型中的炎症反应和药物辅助缓解	本文仅在特应性皮炎小鼠模型中进行了验证，尚未应用于临床研究	开发一种非侵入性的方法来定量评估皮肤炎症反应和药物辅助缓解	特应性皮炎小鼠模型	计算机视觉	特应性皮炎	深度学习	深度学习模型	图像	特应性皮炎小鼠模型
17	2024-11-17	PyComplexHeatmap: a Python package to visualize multimodal genomics data 2023-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.115 PMID:38454967	研究论文	介绍了一个名为PyComplexHeatmap的Python库，用于多模态基因组数据的复杂热图可视化	PyComplexHeatmap是基于matplotlib构建的，提供了一个模块化的接口，能够与Pandas、NumPy等Python数据科学工具以及Scanpy等基因组工具无缝集成	NA	开发一个能够满足多模态矩阵数据精细渲染需求的Python库	多模态基因组数据及其元数据	生物信息学	NA	NA	NA	矩阵数据	NA
18	2024-11-14	A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma 2023-08, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6335 PMID:37455599	研究论文	本文开发了一种基于高光谱图像的深度学习模型，用于内镜超声引导下细针穿刺细胞学诊断胰腺导管腺癌	首次将高光谱成像技术与卷积神经网络结合，用于胰腺导管腺癌的细胞学诊断	需要进一步验证模型在更大样本量和不同临床环境中的泛化能力	开发一种辅助细胞病理学家诊断胰腺导管腺癌的深度学习模型	胰腺导管腺癌和良性胰腺组织的细胞学样本	计算机视觉	胰腺癌	高光谱成像	卷积神经网络	图像	共62个样本，包括33个良性胰腺组织和39个胰腺导管腺癌
19	2024-11-12	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	本文介绍了一种名为AIDTox的可解释深度学习模型，用于预测和解释药物及化学物质的细胞毒性	AIDTox模型整合了化学-基因连接、基因-通路注释和通路层次结构的知识图谱，提供了对细胞毒性的全面解释	NA	开发一种能够准确预测和解释复杂毒性终点的计算模型	药物和化学物质的细胞毒性	机器学习	NA	深度学习	深度学习模型	化学-基因连接、基因-通路注释和通路层次结构的知识图谱	HepG2和HEK293细胞
20	2024-10-28	Dyslexia Data Consortium Repository: A Data Sharing and Delivery Platform for Research 2023-Aug, Brain informatics : 16th International Conference, BI 2023, Hoboken, NJ, USA, August 1-3, 2023, Proceedings. International Conference on Brain Informatics (16th : 2023 : Hoboken, N.J.) DOI:10.1007/978-3-031-43075-6_15 PMID:38352916	研究论文	开发了一个在线平台，用于共享和交付与阅读障碍相关的数据，以促进研究	提供了一个集成了机器学习算法和工具的平台，生成与阅读障碍相关的次级数据集	NA	推进对阅读障碍的理解，该障碍对儿童及其家庭和社会有重大影响	阅读障碍的神经生物学研究	机器学习	阅读障碍	机器学习算法	NA	次级数据集（如皮质厚度、区域脑体积指标）	NA