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	2025-05-29	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	review	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了AI特别是深度学习和神经网络模型在HCC放射学检测中的应用及其优势	需要进一步研究和临床实施以充分发挥AI在HCC管理中的潜力	提高肝细胞癌的早期检测、治疗选择和患者预后	肝细胞癌（HCC）	digital pathology	liver cancer	deep learning, neural network models	NA	imaging data	NA
2	2025-05-28	A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss 2023 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001380 PMID:37318215	研究论文	本研究评估了一种混合深度学习模型在自动化鼓室图分类中的应用，以促进资源有限社区中由非专业人员指导的鼓室测听	开发了一种混合深度学习模型，用于自动化鼓室图分类，其性能优于内置分类器和基于临床推荐规范值的决策树	研究样本主要来自阿拉斯加农村地区的 underserved 人群，可能限制了结果的普遍性	评估机器学习在自动化鼓室图分类中的效用，以促进资源有限社区中的听力筛查	1635名学龄儿童，来自阿拉斯加农村 underserved 人群	机器学习	儿童听力损失	混合深度学习模型	混合深度学习模型	鼓室图数据	1635名儿童，4810对鼓室图数据
3	2025-05-26	Artificial Intelligence and Machine Learning in Rotator Cuff Tears 2023-Sep-01, Sports medicine and arthroscopy review IF:2.5Q2 DOI:10.1097/JSA.0000000000000371 PMID:37976127	综述	本文综述了人工智能和机器学习在肩袖撕裂诊断和管理中的当前应用及未来潜力	探讨了深度学习特别是卷积神经网络在肩袖撕裂MRI诊断中的高准确性，以及AI在个性化患者护理和术后结果预测中的应用	数据集较小，部分厚度撕裂的分类存在复杂性	评估AI在肩袖撕裂管理中的应用潜力	肩袖撕裂患者	数字病理学	肩袖撕裂	深度学习	CNN	医学影像	NA
4	2025-05-15	Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102541 PMID:37660298	研究论文	本文介绍了一种使用TriNet三融合神经网络预测具有抗癌和抗菌特性的肽的协议	提出了一种名为TriNet的三融合神经网络，用于预测具有抗癌和抗菌特性的肽	未提及具体性能指标或与其他方法的比较	开发一种预测具有抗癌和抗菌特性肽的深度学习工具	肽序列	机器学习	癌症	深度学习	TriNet（三融合神经网络）	序列数据	NA
5	2025-05-14	Protocol for automated multivariate quantitative-image-based cytometry analysis by fluorescence microscopy of asynchronous adherent cells 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102446 PMID:37453067	研究论文	本文提出了一种基于荧光显微镜的异步贴壁细胞多变量定量图像细胞术（QIBC）分析协议	开发了一个开源的Fiji脚本，整合了基于人工智能的深度学习工具，用于自动核分割，最小化用户调整	NA	提供一种高效的多变量定量图像细胞术分析方法	异步贴壁细胞	数字病理学	NA	荧光显微镜	深度学习	图像	NA
6	2025-05-14	A knowledge-integrated deep learning framework for cellular image analysis in parasite microbiology 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102452 PMID:37537845	research paper	提出一个知识集成的深度学习框架，用于寄生虫微生物学中的细胞图像分析	结合知识表示与深度学习，应用于细胞图像分类、检测和重建任务	未提及具体性能指标或对比实验	开发一个用于微生物细胞图像分析的深度学习框架	寄生虫微生物的细胞图像	digital pathology	NA	deep learning	CNN	image	NA
7	2025-05-14	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，一个通过深度学习从面部照片估计生物年龄的系统，并评估了其在癌症患者中的临床应用	利用深度学习从面部照片中客观、定量地估计生物年龄，并验证其在临床预后和临终决策中的实用性	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群或疾病中的适用性有待验证	开发一个能够从面部照片中估计生物年龄的深度学习系统，并评估其在临床中的实用性	健康个体和癌症患者	数字病理学	癌症	深度学习	深度学习系统（FaceAge）	图像（面部照片）	58,851名健康个体和6,196名癌症患者
8	2025-05-04	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种名为NuFold的新型深度学习方法，用于预测RNA的三级结构	NuFold采用了一种灵活的核苷碱基中心表示方法，能够准确再现所有可能的核苷酸构象	NA	解决RNA序列数据与结构理解之间的差距，提供一种经济高效的RNA三级结构预测方法	RNA的三级结构	机器学习和计算生物学	NA	深度学习	NuFold	RNA序列数据	NA
9	2025-04-25	Computational Advancements in Cancer Combination Therapy Prediction 2023-09, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.23.00261 PMID:37824797	review	本文综述了计算预测癌症联合疗法的方法，并总结了最近的研究	强调了计算预测方法在癌症联合疗法中的创新应用，包括网络、回归机器学习、分类器机器学习模型和深度学习方法	不同方法各有优缺点，需要谨慎选择最适合的方法	提高癌症联合疗法的预测准确性	癌症联合疗法的计算预测方法	machine learning	cancer	in silico drug repurposing	networks, regression-based machine learning, classifier machine learning models, deep learning	multiomics data	NA
10	2025-04-12	Optimizing Storage and Computational Efficiency: An Efficient Algorithm for Whole Slide Image Size Reduction 2023-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2023.06.010 PMID:40206606	研究论文	开发了一种用于减少全切片图像(WSI)大小的图像处理算法，以提高存储和计算效率	提出了一种新颖的图像处理算法，能够在不改变组织区域图像分辨率的情况下，去除WSI中不需要的背景并将组织部分组装成更小的WSI	研究仅针对Barrett食管的不同发育不良阶段的组织切片，未验证在其他类型组织上的适用性	优化全切片图像的存储、传输和分析效率	非发育不良Barrett食管、低度发育不良和高度发育不良的组织学切片	数字病理学	Barrett食管	图像处理算法	NA	图像	1992年1月至2020年9月期间使用Aperio AT2扫描仪数字化的组织切片
11	2025-04-06	Ultrasound Frame-to-Volume Registration via Deep Learning for Interventional Guidance 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2022.3229903 PMID:37015418	研究论文	本文提出了一种基于深度学习的超声帧到体积配准方法，用于前列腺癌活检的图像引导干预	提出了一种新颖的超声帧到体积配准（FVReg）流程，通过深度神经网络实现全自动配准，无需外部跟踪设备	未提及具体局限性	开发自动图像配准系统，用于2D超声帧与3D MR图像的融合导航	前列腺癌活检的临床数据集	计算机视觉	前列腺癌	深度学习	深度神经网络	2D超声帧和3D MR图像	618名受试者
12	2025-04-06	WVDL: Weighted Voting Deep Learning Model for Predicting RNA-Protein Binding Sites 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252276 PMID:37028092	研究论文	提出一种加权投票深度学习模型（WVDL），用于预测RNA-蛋白质结合位点	使用加权投票方法整合CNN、LSTM和ResNet三种基本分类器模型，提高模型性能	NA	预测RNA-蛋白质结合位点	RNA-蛋白质结合位点	机器学习	NA	深度学习	CNN, LSTM, ResNet	RNA序列数据	公开数据集RBP-24
13	2025-04-06	The Big Bang of Deep Learning in Ultrasound-Guided Surgery: A Review 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3255843 PMID:37028313	review	本文综述了深度学习在超声引导手术中的应用，总结了当前趋势并提出了未来研究方向	全面回顾了深度学习在超声引导手术中的应用，并提出了未来研究方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨深度学习在超声引导手术中的应用及其潜力	超声引导手术中的图像处理技术	digital pathology	NA	深度学习算法	DL	image	NA
14	2025-03-30	Variational Autoencoders for Biomedical Signal Morphology Clustering and Noise Detection 2023-Sep-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320585 PMID:37768790	研究论文	提出了一种基于变分自编码器和高斯混合模型的生物医学波形噪声检测框架，用于无监督检测波形异常并提供置信度评分	使用变分自编码器与高斯混合模型结合，实现无需标注的波形异常检测，并生成置信度指标	方法主要针对具有心脏活动周期性的生物医学信号，可能不适用于非周期性信号	开发一种自动化的生物医学信号噪声检测方法，提高下游生理指标估计的准确性	非侵入式可穿戴设备采集的原始波形数据	机器学习	心血管疾病	变分自编码器(VAE), 高斯混合模型(GMM), 动态时间规整(DTW)	VAE, GMM	时间序列数据	97885个心脏周期的心阻抗数据
15	2025-03-27	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2023-Sep-25, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究利用Fgfr3Y367C/+小鼠模型探讨了软骨发育不全症胚胎期颅骨和Meckel软骨的缺陷	首次在胚胎期研究了Fgfr3突变对颅骨和咽部软骨的直接影响，并开发了基于深度学习的3D分割模型	研究仅使用了小鼠模型，结果在人类中的适用性需要进一步验证	探究软骨发育不全症中FGFR3突变对胚胎期软骨发育的影响	Fgfr3Y367C/+突变小鼠的胚胎颅骨和Meckel软骨	数字病理学	软骨发育不全症	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期Fgfr3突变小鼠及其未受影响同窝仔
16	2025-03-19	Forest fuel type classification: Review of remote sensing techniques, constraints and future trends 2023-09-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.118315 PMID:37290304	综述	本文综述了用于森林燃料类型分类的遥感技术，探讨了其限制因素和未来发展趋势	本文综合了最新的遥感技术进展，并强调了深度学习算法与遥感数据源集成的研究方向	遥感技术在燃料类型分类中仍面临挑战，如燃料属性的高度可变性和复杂性	提高对森林火灾风险和行为的理解，以增强生物多样性保护和规划有效的风险缓解活动	森林燃料类型	遥感	NA	遥感数据获取与融合技术	深度学习算法	遥感数据	NA
17	2025-03-14	Deep learning on electronic medical records identifies distinct subphenotypes of diabetic kidney disease driven by genetic variations in the Rho pathway 2023-Sep-07, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.06.23295120 PMID:37732187	研究论文	本文利用深度学习技术分析电子病历数据，识别出与糖尿病肾病进展相关的新型遗传特征，并发现由Rho通路基因变异驱动的不同亚型	首次发现影响细胞骨架调节蛋白稳定性的疾病相关遗传变异，揭示了一种新的表达数量性状位点类别，具有潜在治疗靶点价值	研究样本量相对较小（1,372例），且仅针对糖尿病肾病患者，结果可能不适用于其他类型肾病	探索糖尿病肾病的遗传异质性，识别与疾病进展相关的遗传特征	1,372名糖尿病肾病患者	机器学习	糖尿病肾病	深度学习，外显子组关联分析	自编码器，无监督聚类	电子病历数据	1,372名糖尿病肾病患者
18	2024-08-07	Deep Learning on Electrocardiograms for Prediction of In-hospital Intradialytic Hypotension in Patients with ESKD 2023-09-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000208 PMID:37418626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19	2025-03-09	MRI-Based Deep Learning Method for Classification of IDH Mutation Status 2023-Sep-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091045 PMID:37760146	研究论文	本研究旨在开发基于T2加权MRI图像的深度学习网络，用于非侵入性IDH突变状态分类，并与多对比网络进行比较	开发了仅使用T2加权图像的深度学习网络（T2-net）和多对比网络（MC-net），并在超过1100个样本上进行了测试，这是迄今为止最大的基于图像的IDH分类研究	NA	开发用于IDH突变状态分类的深度学习算法	胶质瘤患者的MRI图像和基因组数据	计算机视觉	胶质瘤	MRI	深度学习网络（T2-net和MC-net）	图像	超过1100个样本，包括来自多个数据库的病例
20	2025-03-01	A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease 2023-Sep-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00916-6 PMID:37700032	研究论文	本文介绍了一种基于深度学习的静息心电图风险评分系统SEER，用于预测长期心血管死亡和疾病风险	开发了SEER，一种基于深度卷积神经网络的模型，仅通过静息心电图即可准确预测长期心血管死亡和疾病风险	研究主要基于斯坦福大学医学中心的数据，虽然在其他两个医疗中心进行了独立评估，但可能仍需更多样化的数据集验证其普适性	探索静息心电图在长期心血管风险评估中的应用，并开发一种新的风险评估工具	静息心电图数据	机器学习	心血管疾病	深度卷积神经网络	CNN	心电图数据	斯坦福大学医学中心收集的大量静息12导联心电图数据，并在Cedars-Sinai医疗中心和哥伦比亚大学欧文医学中心进行了独立评估