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	2025-07-24	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
2	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
3	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
4	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
5	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
6	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
7	2025-07-20	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	开发了一种整合临床、基因组和组织病理学的多模态复发评分系统，用于预测局部肾细胞癌术后复发	首次结合临床、基因组和组织病理学三种模态数据，构建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	肾细胞癌	全切片图像(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
8	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
9	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
10	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
11	2025-06-18	An Interpretable Longitudinal Preeclampsia Risk Prediction Using Machine Learning 2023-Aug-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.16.23293946 PMID:37645797	研究论文	本研究开发了一种基于机器学习的可解释性纵向子痫前期风险预测工具	使用常规临床数据开发了全面的纵向预测工具，能够在整个孕期预测子痫前期风险，并测试了多种预测模型，包括机器学习和深度学习模型，展示了高预测能力	研究中存在数据泄露、过拟合或缺乏普遍性的担忧	开发一种工具来纵向预测子痫前期风险	在2015年2月至2023年6月期间在新英格兰地区六家社区医院和两家三级医院分娩的患者	机器学习	子痫前期	机器学习	线性回归、随机森林、xgboost和深度神经网络	社会人口学、临床诊断、家族史、实验室和生命体征数据	120,752名患者，其中6,920名患有子痫前期
12	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
13	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
14	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
15	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）
16	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
17	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）
18	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）
19	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
20	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