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	2025-07-26	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	本研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构	使用深度学习和随机森林方法揭示心脏肥大的非加性遗传变异，并通过实验验证基因间相互作用的因果性	方法仍处于早期阶段，可能无法捕捉所有遗传互作	探索心脏肥大的遗传调控机制	人类心脏组织、诱导多能干细胞来源的心肌细胞	遗传学	心血管疾病	深度学习、随机森林、RNA沉默、高通量微流控系统	随机森林、深度学习模型	心脏MRI扫描数据、转录组数据、单细胞形态数据	29,661名UK Biobank参与者的心脏MRI数据，313例人类心脏组织的转录组数据
2	2025-07-22	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	research paper	介绍了一种名为FINDR的无监督深度学习方法，用于推断神经群体活动的低维非线性随机动力学	提出了一种新的深度学习方法FINDR，能够推断神经群体活动的低维非线性随机动力学，并在捕获单个神经元的异质性反应方面优于现有方法	未明确提及具体局限性	揭示神经群体的低维任务相关动力学及其相关计算	大鼠前脑区域的群体尖峰序列数据	machine learning	NA	deep learning	deep recurrent networks	spike train data	NA
3	2025-07-22	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	research paper	该研究提出了一种利用多模态深度神经网络预测多发性硬化症（MS）疾病严重程度的方法	首次整合结构化电子健康记录（EHR）数据、神经影像数据和临床记录，构建多模态深度学习框架，预测MS严重程度，相比单模态数据模型，AUROC提高了19%	未提及具体样本量或数据不足可能影响模型泛化能力	通过早期准确分类MS疾病严重程度，减缓或预防疾病进展	多发性硬化症（MS）患者	digital pathology	geriatric disease	multimodal deep learning	multimodal deep neural networks	structured EHR数据、神经影像数据、临床记录	NA
4	2025-07-20	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究提出了一种基于深度学习的多组学数据整合方法，用于构建皮肤黑色素瘤（SKCM）的风险分层预测模型	结合早期融合特征自编码器（AE）和晚期融合特征AE的深度学习框架，用于SKCM风险亚型的预测	研究依赖于TCGA数据库的数据，可能无法涵盖所有SKCM患者的多样性	构建SKCM的风险亚型分类预测模型，以改善预后预测和治疗决策	皮肤黑色素瘤（SKCM）患者	数字病理学	皮肤黑色素瘤	mRNA、miRNA和DNA甲基化测序	自编码器（AE）和SVM分类器	多组学数据（mRNA、miRNA、DNA甲基化）	TCGA数据库中的SKCM患者数据及两个独立测试数据集
5	2025-07-20	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	开发并验证了一种基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌	首次提出基于非增强CT的多通道深度学习模型，用于区分脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌，并在内部和外部验证中表现出色	研究为回顾性设计，样本量相对有限，且仅在两所医院进行验证	开发并验证一种深度学习模型，以提高脂肪贫乏型血管平滑肌脂肪瘤与肾细胞癌的鉴别诊断准确性	脂肪贫乏型血管平滑肌脂肪瘤（fp-AML）和肾细胞癌（RCC）患者	数字病理	肾癌	CT成像	多通道深度学习模型	图像	452名患者（来自两所医院）
6	2025-07-20	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	提出了一种名为SMiT的对称掩码预训练视觉Transformer模型，用于病理图像的分级诊断	采用纯Transformer框架替代传统CNN模型，通过对称掩码预训练策略提高对病灶区域细节特征的关注	未明确说明模型在更广泛疾病类型上的泛化能力	开发智能医疗诊断系统以提高疾病严重程度检测的准确性	结直肠癌病理图像和糖尿病视网膜病变数据集	数字病理	结直肠癌	高斯滤波去噪	Transformer	图像	4500张经过处理的结直肠癌组织病理学图像
7	2025-07-20	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了结合深度学习和放射组学特征的融合模型在低剂量CT下区分乳腺癌肺转移和原发性肺癌的性能	提出了一种结合ITR和PTR的多区域策略融合模型，显著提高了分类性能	样本量较小（100例），且为回顾性研究	开发一种有效区分乳腺癌肺转移和原发性肺癌的诊断方法	100例乳腺癌患者的肺部病变（60例乳腺癌肺转移和40例原发性肺癌）	数字病理	乳腺癌和肺癌	低剂量CT（LDCT）	基于ResNet18的多输入残差卷积网络融合模型	CT图像	100例（60例乳腺癌肺转移和40例原发性肺癌）
8	2025-07-20	Identifying immune infiltration by deep learning to assess the prognosis of patients with hepatocellular carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05097-z PMID:37450030	研究论文	本研究利用深度学习算法评估肝细胞癌患者的免疫浸润情况，并探讨其在预后评估中的价值	首次使用ResNet 101V2网络构建深度学习模型来评估肝细胞癌组织的免疫浸润，并验证其在预后评估中的应用	验证集中TLS分类的样本量较少可能导致结果不佳	评估肝细胞癌患者的免疫浸润情况及其对预后的影响	肝细胞癌患者	数字病理学	肝细胞癌	深度学习	ResNet 101V2	全切片图像(WSIs)	100张WSIs和165,293个tiles
9	2025-07-20	Cancer detection in breast cells using a hybrid method based on deep complex neural network and data mining 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05191-2 PMID:37486394	研究论文	本文提出了一种基于深度复杂神经网络和数据挖掘的混合方法，用于乳腺癌细胞的检测	结合深度复杂神经网络和数据挖掘技术，提高了乳腺癌诊断的准确性和速度	样本量相对较小，仅包含187名志愿者	提高乳腺癌诊断的准确性和速度	乳腺癌细胞	数字病理学	乳腺癌	热成像技术、数据挖掘	ResNet18, ResNet50, VGG19, Xception	图像	187名志愿者（152名健康人和35名癌症患者），共1870张热成像图像
10	2025-07-20	A comprehensive analysis of recent advancements in cancer detection using machine learning and deep learning models for improved diagnostics 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05216-w PMID:37540254	综述	本文对使用传统机器学习和深度学习模型进行多种癌症类型检测的最新进展进行了比较分析	比较分析了机器学习和深度学习在癌症早期检测中的应用，并提供了130篇文献的综合回顾	分析仅基于准确性作为性能指标，可能忽略了其他重要评估标准	提高癌症早期检测的准确性和自动化水平	脑癌、肺癌、皮肤癌和乳腺癌	机器学习	癌症	机器学习和深度学习	ML和DL模型	图像	130篇文献（56篇基于ML，74篇基于DL）
11	2025-07-20	Enhanced breast mass mammography classification approach based on pre-processing and hybridization of transfer learning models 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05249-1 PMID:37567987	研究论文	提出了一种基于预处理和迁移学习模型混合的增强型乳腺肿块X线分类方法	采用两阶段分类方法，结合预处理策略和混合迁移学习模型，提高了分类性能	预处理阶段使用的不同滤波器对结果有影响，且仅在一个数据集上进行了验证	提高乳腺X线摄影中肿块检测的准确性和分类性能	乳腺X线摄影图像中的肿块	计算机视觉	乳腺癌	迁移学习	CNN	图像	CBIS-DDSM数据集
12	2025-07-20	Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05169-0 PMID:37558767	研究论文	开发并验证了一种基于深度学习的m6A修饰模型，用于肾细胞癌患者的临床预后预测	首次报道了基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索了METTL14在肾细胞癌中的重要作用	未提及模型在其他癌症类型中的泛化能力	开发一种深度学习模型用于肾细胞癌患者的预后预测，并探索METTL14的生物学功能	肾细胞癌患者及癌细胞	数字病理	肾细胞癌	Western blotting, qRT-PCR, 免疫组化, RNA免疫沉淀	深度学习神经网络	临床数据、实验数据	两个独立患者队列和一个泛癌患者队列
13	2025-07-20	Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data 2023-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104820 PMID:37806288	研究论文	本研究提出了一种名为Circular-SWAT的新方法，用于基于深度学习的阿尔茨海默病诊断分类，应用于代谢组数据	引入了Circular-Sliding Window Association Test (c-SWAT)方法，显著提高了阿尔茨海默病的分类准确率，并识别出与疾病相关的关键脂质	研究仅基于ADNI数据库的997名参与者，可能需要更大样本量验证结果的普适性	提高阿尔茨海默病的诊断分类准确率并识别潜在生物标志物	阿尔茨海默病患者与认知正常老年人的血清代谢组数据	机器学习	阿尔茨海默病	代谢组学分析，脂质组学	CNN, Random Forest	代谢组数据	997名来自ADNI的参与者
14	2025-07-17	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究探讨了基于人工智能的青霉素过敏标签去除的实施效果	利用深度学习人工智能算法识别适合去除青霉素过敏标签的患者，并通过电子邮件通知系统进行干预	样本量较小（n=59），需要进一步研究优化此类方法	评估人工智能辅助的青霉素过敏标签去除的实施效果	被标记为青霉素过敏的患者	医疗人工智能	过敏性疾病	深度学习	深度学习算法	电子医疗记录	59名干预组患者
15	2025-07-08	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2023-Nov-14, Research square DOI:10.21203/rs.3.rs-3332530/v1 PMID:38014055	研究论文	本研究探索了使用深度学习技术基于形态学区分小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）的可行性	首次在稳态条件下使用深度学习区分HSCs和MPPs，开发了能够可靠区分LT-HSCs、ST-HSCs和MPPs的三分类模型LSM，以及区分老年和年轻HSCs的二分类模型	研究仅基于小鼠细胞，尚未在人类细胞中验证	探索深度学习在造血干细胞和祖细胞分类中的应用	小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）	数字病理学	NA	深度学习	CNN	图像	大量图像数据集
16	2025-06-18	Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning 2023-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.04.23293673 PMID:37609311	research paper	开发并外部验证了一种基于MRI的无创性深度学习流程，用于儿童低级别胶质瘤的BRAF突变状态分类	结合迁移学习和自监督交叉训练（TransferX）方法，提高了在有限数据场景下的分类性能和泛化能力，并开发了一种新的模型可解释性指标COMDist	研究基于回顾性数据，样本量相对有限（开发数据集n=214，外部验证n=112）	开发无创性MRI方法预测儿童低级别胶质瘤的BRAF突变状态	儿童低级别胶质瘤（pLGG）患者	digital pathology	pediatric low-grade glioma	MRI, deep learning	TransferX (transfer learning + self-supervised cross-training)	MRI图像	开发数据集214例（BCH），外部验证112例（CBTN）
17	2025-06-15	Spin device-based image edge detection architecture for neuromorphic computing 2023-Nov-15, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad0056 PMID:37797609	研究论文	提出一种基于自旋轨道力矩磁随机存储器（SOT-DLC MRAM）的交叉阵列设计，用于图像边缘检测，实现能效更高的硬件实现	采用SOT-DLC MRAM交叉阵列设计，相比传统CMOS设计在能效、面积效率和泄漏功耗方面有显著提升，并将边缘检测框架扩展到脉冲域，结合蚁群优化算法	未提及实际硬件实现的测试结果或具体应用场景的验证	开发一种能效更高的硬件架构，用于图像边缘检测	图像边缘检测	计算机视觉	NA	自旋轨道力矩磁随机存储器（SOT-DLC MRAM）	蚁群优化算法（ACO）	图像	未明确提及具体样本数量
18	2025-06-13	One hundred years of neurosciences in the arts and humanities, a bibliometric review 2023-11-09, Philosophy, ethics, and humanities in medicine : PEHM DOI:10.1186/s13010-023-00147-3 PMID:37946225	综述	本文通过文献计量学方法分析了近一百年来神经科学与艺术和人文学科的交叉研究趋势	首次通过纵向文献计量分析揭示了神经科学对艺术与人文学科主题方向的重大影响	研究仅基于Scopus数据库的文献数据，可能未涵盖所有相关研究	探究神经科学技术在创造力与审美体验交叉领域的历史证据	1922-2022年间3612篇跨学科研究文献	神经科学与艺术人文交叉领域	NA	文献计量分析、PRISMA筛选方法、算法聚类	机器学习与深度学习模型	文献元数据	3612篇文献
19	2025-06-04	Diagnosis of primary clear cell carcinoma of the liver based on Faster region-based convolutional neural network 2023-Nov-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002853 PMID:37882066	research paper	本研究旨在建立基于Faster RCNN的深度学习模型，用于准确区分原发性肝透明细胞癌（PCCCL）和普通肝细胞癌（CHCC）	首次应用Faster RCNN模型进行PCCCL和CHCC的鉴别诊断，实现了较高的准确率和效率	样本量相对有限，且数据来自单一医疗中心	开发一种准确区分PCCCL和CHCC的AI诊断方法	原发性肝透明细胞癌（PCCCL）和普通肝细胞癌（CHCC）患者	digital pathology	liver cancer	Faster RCNN	CNN	image	121名患者的4392张图像（33名PCCCL患者的1032张图像和88名CHCC患者的3360张图像）用于训练，30名患者的1072张图像用于测试
20	2025-05-31	Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue 2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2669719 PMID:40256010	研究论文	本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织	利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释	训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现	开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割	CT扫描中的脂肪组织	数字病理学	水肿	深度学习	3D残差U-Net	医学图像（CT扫描）	训练集101名患者，测试集14名患者（其中10名患有全身性水肿）