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	2025-07-21	The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows 2023-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.09.23296700 PMID:37873287	研究论文	本研究探讨了改进的样本处理工作流程对基于深度学习的空间转录组学评估的影响	提出了一种改进的样本处理工作流程，结合Visium CytAssist检测的灵活性，实现了自动化H&E染色、高分辨率全玻片成像以及多患者组织切片的复用	研究队列规模较小（13名pT3期结直肠癌患者），深度学习模型训练成本较高	提升空间转录组学工作流程的可靠性、分辨率和可扩展性	结直肠癌患者的组织切片	数字病理学	结直肠癌	空间转录组学、H&E染色、全玻片成像	Inceptionv3	图像、基因表达数据	13名pT3期结直肠癌患者
2	2025-07-21	LSOR: Longitudinally-Consistent Self-Organized Representation Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_27 PMID:37961067	研究论文	提出了一种名为LSOR的自监督学习方法，用于从纵向脑部MRI中学习高维可解释表示	首次提出自监督SOM方法，通过软聚类提高训练稳定性，并生成按脑年龄分层的潜在空间	方法仅基于纵向脑部MRI，未利用人口统计或认知信息	解决深度学习模型在纵向脑部MRI应用中的可解释性问题	阿尔茨海默病神经影像学倡议(ADNI)的纵向MRI数据	数字病理学	阿尔茨海默病	自监督学习，SOM(自组织映射)	SOM	MRI图像	ADNI数据集中的纵向MRI
3	2025-07-20	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出了一种名为MISPEL的监督式深度学习协调方法，用于处理多扫描仪神经影像数据	MISPEL是一种可自然扩展到两个以上扫描仪的监督式多扫描仪协调方法，并设计了一套标准来调查扫描仪相关的技术变异性和评估协调技术	NA	解决多扫描仪神经影像数据中的技术变异性问题，以提高下游分析的准确性	多扫描仪神经影像数据	神经影像	NA	深度学习	监督式学习	3T T1图像	一个跨四个扫描仪的多扫描仪匹配数据集
4	2025-07-20	Deep learning model for predicting the survival of patients with primary gastrointestinal lymphoma based on the SEER database and a multicentre external validation cohort 2023-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05123-0 PMID:37428248	research paper	本研究基于SEER数据库和多中心外部验证队列，开发了一个深度学习模型用于预测原发性胃肠道淋巴瘤（PGIL）患者的生存率	首次使用深度学习算法（DeepSurv模型）预测PGIL患者的生存率，并通过多中心外部验证队列验证其性能	样本量中外部验证队列的病例数较少（82例），可能影响模型的泛化能力	建立预测PGIL患者生存率的预后模型	原发性胃肠道淋巴瘤（PGIL）患者	digital pathology	gastrointestinal lymphoma	deep learning algorithm	DeepSurv, RSF, CoxPH	clinical data	11,168例来自SEER数据库的患者和82例来自三个医疗中心的外部验证患者
5	2025-07-20	Affine image registration of arterial spin labeling MRI using deep learning networks 2023-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120303 PMID:37536525	研究论文	本研究探讨了基于卷积神经网络（CNN）的仿射配准网络（ARN）在低信噪比（SNR）三维动脉自旋标记（ASL）灌注图像时间序列配准中的可行性，并与最先进的统计参数映射（SPM）算法进行了性能比较	首次将CNN应用于低SNR的ASL灌注图像配准，并展示了在配准精度、速度和泛化能力上的显著优势	未提及对极端运动或异常图像的处理能力	探索深度学习在低SNR功能磁共振图像配准中的应用效果	ASL灌注fMRI图像时间序列	医学图像处理	双相情感障碍及老龄化相关研究	动脉自旋标记（ASL）灌注fMRI	CNN（卷积神经网络）	三维医学图像时间序列	多中心数据集（冥想研究10人×2，双相障碍研究26名对照+19名患者，老龄化研究27名年轻人+33名老年人）
6	2025-07-17	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-10, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中实时分析图像聚焦情况	FocA能够在近实时条件下识别聚焦和失焦图像，并通过小图像块训练优化计算效率，确保不存储和使用低质量图像	未明确提及具体局限性	提高自动化细胞检测中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	计算机视觉	NA	深度学习	CNN（推测）	图像	未明确提及具体样本数量
7	2025-06-21	A quantitative characterization of early neuron generation in the developing zebrafish telencephalon 2023 Oct-Nov, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22926 PMID:37679904	研究论文	本文定量描述了斑马鱼端脑发育早期神经元生成的过程	使用基于深度学习的Cellpose分割方法和单个NPC的克隆分析，首次详细量化了斑马鱼端脑在受精后14至24小时内神经元生成和NPC分裂模式	研究仅聚焦于斑马鱼端脑发育的最初24小时，未涉及更长期的神经发生过程	理解神经前体细胞(NPCs)何时转换分裂模式以生成斑马鱼端脑的首批神经元	斑马鱼端脑发育早期的神经前体细胞和新生神经元	发育神经生物学	NA	Cellpose深度学习分割方法、克隆分析	Cellpose	图像数据	斑马鱼端脑发育14-24小时时间段内的样本
8	2025-06-07	Artificial intelligence, machine learning and deep learning: Potential resources for the infection clinician 2023-10, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2023.07.006 PMID:37468046	综述	本文总结了人工智能（AI）、机器学习和深度学习在人类感染研究和临床实践中的最新应用及未来潜力	重点关注使用前瞻性收集的真实世界数据进行临床验证的研究，以及具有转化潜力的研究，如新药发现和基于微生物组的干预	大多数研究缺乏真实世界的验证或临床效用指标，研究设计和报告的异质性限制了可比性，存在算法透明度和偏见风险等实际和伦理问题	探讨AI在感染研究和临床管理中的应用及其对临床感染实践的潜在影响	人类感染的研究和管理	机器学习	感染性疾病	AI、机器学习、深度学习	NA	实验室诊断数据、临床影像数据、公共卫生数据	1617篇PubMed文献被筛选，优先考虑临床试验、系统评价和荟萃分析
9	2025-06-03	Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_15 PMID:40443712	研究论文	本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法	使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测	仅针对T1加权磁共振成像中的肝脏分割任务进行了验证	提高医学图像分割模型对分布外数据的检测能力	肝脏T1加权磁共振图像	数字病理	肝脏疾病	主成分分析(PCA), 马氏距离	Swin UNETR	医学图像	NA
10	2025-05-28	MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum 2023-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.222441 PMID:37815445	research paper	该研究利用深度学习和MRI数据预测阿尔茨海默病中PET确定的淀粉样蛋白、tau蛋白和神经退行性生物标志物状态	首次使用深度学习结合MRI和常规诊断数据非侵入性地预测ATN生物标志物状态，避免了PET的高成本和电离辐射	研究为回顾性设计，需要在前瞻性队列中验证模型的泛化能力	开发基于MRI的深度学习方法替代PET进行阿尔茨海默病ATN生物标志物分类	阿尔茨海默病患者	digital pathology	geriatric disease	PET扫描、MRI扫描	CNN与逻辑回归结合的混合模型	医学影像(MRI/PET)与临床数据	2099对淀粉样蛋白PET-MRI数据(75±10岁)、557对tau蛋白PET-MRI数据(75±7岁)、2768对FDG PET-MRI数据(75±7岁)
11	2025-05-17	Applications of Artificial Intelligence in Choroid Visualization for Myopia: A Comprehensive Scoping Review 2023 Oct-Dec, Middle East African journal of ophthalmology IF:0.5Q4 DOI:10.4103/meajo.meajo_154_24 PMID:39959595	综述	本文综述了人工智能在近视患者脉络膜可视化中的应用，特别是深度学习技术在光学相干断层扫描（OCT）图像中分割脉络膜的效果和角色	综合评估了多种AI模型在脉络膜分割中的诊断准确性，并探讨了其在近视诊断和管理中的潜力	需要进一步标准化AI方法，并扩大其在更广泛临床环境中的应用	评估人工智能在近视患者脉络膜可视化中的应用效果	近视患者	数字病理	近视	光学相干断层扫描（OCT）	U-Net, LASSO回归, Attention-based Dense U-Net, ResNeSt101, Mask R-CNN	图像	12项研究，涉及不同近视程度的患者
12	2025-05-16	Chromatin accessibility in the Drosophila embryo is determined by transcription factor pioneering and enhancer activation 2023-10-09, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2023.07.007 PMID:37557175	research paper	该研究通过深度学习模型分析果蝇胚胎中的转录因子结合和染色质可及性数据，揭示了染色质可及性的两层次机制	利用可解释的深度学习模型解析了先驱转录因子Zelda与轴模式转录因子在染色质可及性中的层级关系	研究仅基于果蝇胚胎数据，在其他生物系统中的普适性有待验证	探究染色质可及性在转录因子识别顺式调控DNA序列中的作用机制	果蝇胚胎中的转录因子结合和染色质可及性	computational biology	NA	deep learning, high-resolution TF binding and chromatin accessibility analysis	interpretable deep learning model	genomic sequencing data	果蝇胚胎数据（具体数量未说明）
13	2025-05-14	Application of an artificial intelligence-based tool in [18F]FDG PET/CT for the assessment of bone marrow involvement in multiple myeloma 2023-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06339-5 PMID:37493665	研究论文	本研究验证了一种基于三维深度学习的工具，用于自动化评估多发性骨髓瘤患者骨髓代谢强度的PET/CT图像分析	首次应用深度学习工具自动化评估多发性骨髓瘤患者的骨髓代谢强度，并验证其与临床相关参数的相关性	样本量较小（35例患者），需要在更大患者队列中进行前瞻性研究进一步验证	验证一种自动化评估多发性骨髓瘤患者骨髓代谢强度的PET/CT图像分析方法	多发性骨髓瘤患者的PET/CT图像	数字病理	多发性骨髓瘤	PET/CT成像	深度学习	医学影像	35例未经治疗的多发性骨髓瘤患者
14	2025-04-25	Structural characterization of an intrinsically disordered protein complex using integrated small-angle neutron scattering and computing 2023-10, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4772 PMID:37646172	研究论文	本文提出了一种结合小角中子散射和计算方法的集成方法，用于解析两个内在无序区域形成的复合物的结构集合	结合选择性氘标记的小角中子散射实验、微秒级全原子分子动力学模拟和基于自动编码器的深度学习算法，提出了一种新的集成方法来表征内在无序蛋白质的结构集合	实验时间尺度通常捕获的是多个构象的平均测量值，导致复杂的小角中子散射数据难以解析	研究内在无序蛋白质和蛋白质内在无序区域的结构集合，以理解其结构与功能关系	由两个内在无序区域形成的复合物	结构生物学	NA	小角中子散射(SANS)、分子动力学(MD)模拟、深度学习(DL)	自动编码器	中子散射数据、分子动力学模拟数据	NA
15	2025-04-06	DensePPI: A Novel Image-Based Deep Learning Method for Prediction of Protein-Protein Interactions 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3251192 PMID:37028059	研究论文	提出了一种基于图像的深度学习方法DensePPI，用于预测蛋白质-蛋白质相互作用	引入了一种颜色编码方案，将氨基酸的双字母相互作用可能性嵌入RGB颜色空间，以增强学习和预测任务	NA	预测蛋白质-蛋白质相互作用，以理解生物行为并识别疾病关联	蛋白质对	计算机视觉	NA	深度学习	CNN	图像	550万张128×128的子图像，来自近3.6万对相互作用和3.6万对非相互作用的基准蛋白质对
16	2025-04-06	Temporal Convolutional Network-Based Signal Detection for Magnetotactic Bacteria Communication System 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3262555 PMID:37030804	研究论文	本文提出了一种改进的时间卷积网络（TCN），用于基于磁趋细菌（MTB）的分子通信系统中的信号检测	提出了一种改进的TCN模型，用于MTB通信系统中的信号检测，展示了优于现有深度学习和次优MAP检测器的性能	在性能上仍不及最优MAP检测器，且在某些情况下与BiLSTM检测器表现相似	解决分子通信系统中由于符号间干扰和外部噪声导致的信号检测难题	磁趋细菌（MTB）作为信息载体的分子通信系统	机器学习	NA	深度学习（DL）	TCN（时间卷积网络）	信号数据	NA
17	2025-04-04	Accurate prediction of protein tertiary structural changes induced by single-site mutations with equivariant graph neural networks 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.03.560758 PMID:37873289	research paper	开发了一种基于等变图神经网络（EGNN）的深度学习方法，用于直接预测单点突变引起的蛋白质三级结构变化	首次使用等变图神经网络（EGNN）直接预测单点突变引起的蛋白质三级结构变化，并显著优于广泛使用的蛋白质结构预测方法AlphaFold	未提及该方法在复杂突变或多点突变情况下的表现	研究蛋白质单点突变引起的三级结构变化	蛋白质及其单点突变体	machine learning	NA	equivariant graph neural networks (EGNN)	EGNN	protein tertiary structure data	NA
18	2025-03-30	Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns 2023-10, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2022.12.013 PMID:36535448	research paper	本研究应用生成对抗网络（GANs）技术生成高保真合成骨盆X光片，以支持深度学习图像分析并保护患者隐私	利用GANs生成高保真合成骨盆X光片，这些图像在计算机和专家评估中难以与真实图像区分	研究仅针对骨盆X光片，未涉及其他类型的医学影像	开发一种方法，生成可用于深度学习模型训练的高保真合成医学影像，同时避免患者隐私问题	骨盆X光片	digital pathology	NA	GANs	GAN	image	37,640张真实X光片（来自16,782名患者）
19	2025-03-26	Deep Learning Methods for Omics Data Imputation 2023-Oct-07, Biology DOI:10.3390/biology12101313 PMID:37887023	综述	本文综述了基于深度学习的组学数据插补方法，重点讨论了自编码器、变分自编码器、生成对抗网络和Transformer等深度生成模型架构在多组学数据插补中的应用	全面概述了当前可用的基于深度学习的组学数据插补方法，并探讨了深度学习在该领域带来的机遇和挑战	未提及具体的实验验证或实际应用案例	解决组学数据分析中的缺失值问题	组学数据	机器学习	NA	NA	自编码器、变分自编码器、生成对抗网络、Transformer	组学数据	NA
20	2025-03-11	Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis 2023-10, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-020218 PMID:37258226	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA