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
21	2025-07-22	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过心电图预测术后死亡率	利用深度学习分析心电图波形信号，发现隐藏的风险标志物，显著提高了术后死亡率的预测准确性，超越了传统的修订心脏风险指数(RCRI)	研究仅基于三个医疗系统的数据，可能无法代表所有医疗环境	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	数字病理学	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者（共59,975次住院手术和112,794次心电图）
22	2025-07-22	An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1379984 PMID:39355118	研究论文	本文提出了一种可解释的深度学习框架EnsembleOmicsAE，用于识别阿尔茨海默病的蛋白质组驱动因素	利用集成自编码器（AEs）降低蛋白质组数据的复杂性，生成稳定的潜在特征，并通过迭代扰乱输入特征计算特征重要性分数，识别出线性方法遗漏的AD分子驱动因素	研究依赖于三个AD队列的蛋白质组数据，样本量相对有限，且未涉及其他类型的数据验证	探索阿尔茨海默病的蛋白质组驱动因素，提高模型的可解释性	559名健康或诊断为阿尔茨海默病的个体的脑蛋白质组数据	机器学习	阿尔茨海默病	蛋白质组学	集成自编码器（EnsembleOmicsAE）	蛋白质组数据	559名个体
23	2025-07-22	Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods 2024-Jan, BJR open DOI:10.1093/bjro/tzae039 PMID:39583148	review	本文综述了人工智能在放射肿瘤学中的应用现状、挑战与机遇，为临床医生提供了评估AI模型相关研究论文的工具	从临床医生的视角出发，系统阐述了AI在放射肿瘤学中的开发流程与应用前景，填补了临床医生在AI知识方面的空白	未涉及具体AI模型在临床实践中的验证数据，主要停留在方法论层面的讨论	提升临床医生对AI研发流程的理解，促进多学科合作，推动AI在放射肿瘤学中的临床应用	放射肿瘤学中的AI应用（如自动分割、治疗计划等）	digital pathology	NA	NA	deep learning	NA	NA
24	2025-07-22	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	通过整合计算分析揭示调控基因组元件对脊柱裂的贡献	使用无靶向的全基因组方法探索脊柱裂的遗传风险模式，结合深度学习优先排序框架识别功能相关的罕见调控变异	研究依赖于计算预测和功能注释，缺乏实验验证	阐明脊柱裂病理生理学的全基因组调控特征	脊柱裂患者和健康对照的基因组数据	基因组学	脊柱裂	全基因组测序、深度学习优先排序框架	深度学习	基因组数据	脊柱裂患者与健康对照的基因组数据（具体样本量未提及）
25	2025-07-22	Radiologic imaging biomarkers in triple-negative breast cancer: a literature review about the role of artificial intelligence and the way forward 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae016 PMID:40201726	review	本文综述了人工智能在放射影像学中作为三阴性乳腺癌（TNBC）成像生物标志物的应用现状与未来发展	整合了过去十年（2013-2024）基于放射组学和深度学习的AI技术在TNBC诊疗中的最新进展，并探讨了未来发展方向	作为综述文章，未涉及原始数据或实验验证	开发更有效和个性化的TNBC影像生物标志物，推进TNBC的诊断、治疗和预后评估	三阴性乳腺癌（TNBC）的放射影像数据	digital pathology	breast cancer	radiomics, deep learning	deep learning-based models	radiologic breast images	NA
26	2025-07-22	Computational staining of CD3/CD20 positive lymphocytes in human tissues with experimental confirmation in a genetically engineered mouse model 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1451261 PMID:39530103	研究论文	提出了一种知识引导的深度学习框架，用于测量人类H&E组织上的淋巴细胞空间结构，并通过实验验证了该技术在基因工程小鼠模型中的可行性	通过单细胞分辨率图像配准H&E到IHC，实现了像素级完美的淋巴细胞标记，并整合了计算科学与基础科学进行更严格的验证	模型在外部测试数据集上的AUC为0.71，表现略低于内部测试数据集的0.78	量化淋巴细胞空间炎症，以促进空间系统生物学研究，提高对治疗抵抗的理解，并贡献于预后成像生物标志物	人类H&E组织样本和基因工程小鼠模型	数字病理学	癌症	深度学习	深度学习框架	图像	超过111,000个人类细胞核（45,611个CD3/CD20阳性淋巴细胞）
27	2025-07-21	Brain Age Estimation from Overnight Sleep Electroencephalography with Multi-Flow Sequence Learning 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463495 PMID:38974693	研究论文	本研究通过开发一种新型深度学习模型，利用过夜脑电图（EEG）数据改进脑年龄估计	提出了一种多流学习框架，结合一维Swin Transformer和带注意力机制的卷积神经网络，以及DecadeCE损失函数来解决年龄分布不均的问题	未提及具体局限性	提高脑年龄估计的准确性	过夜睡眠脑电图数据	机器学习	精神或神经系统疾病	深度学习	Swin Transformer, CNN	EEG信号	13,616名受试者的18,767份多导睡眠图（PSGs）
28	2025-07-21	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了深度神经网络在临床文本分类中的不确定性量化，以提高癌症登记处信息提取的自动化水平	引入了多种选择性分类方法，以在达到目标准确度的同时最小化拒绝量，且无需重新训练	对于分布外测试数据的解释较为复杂	提升临床文本分类的可靠性，以支持癌症登记处的自动化信息提取	来自美国国家癌症研究所SEER癌症登记处的电子病理报告文本	自然语言处理	癌症	深度神经网络	DNN	文本	来自SEER癌症登记处的电子病理报告
29	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	2025-07-21	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment 2024-Jan, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.14949 PMID:37864429	研究论文	本研究开发并评估了一种用于实时检测皮肤鳞状细胞癌（cSCC）的深度学习算法，用于Mohs显微手术中的冰冻切片分析	首次开发了针对cSCC的AI实时组织边缘分析算法，并展示了高准确度的概念验证	算法需要进一步改进以更好地适应高分化肿瘤的独特表皮特征，并实现肿瘤原始解剖位置的定位	开发用于cSCC实时组织边缘分析的AI算法，提高手术效率和完全切除率	皮肤鳞状细胞癌（cSCC）的冰冻切片样本	数字病理学	皮肤鳞状细胞癌	深度学习	CNN	病理图像	回顾性队列研究的冰冻cSCC切片样本（具体数量未提及）
31	2025-07-21	Workshop summaries from the 2024 voice AI symposium, presented by the Bridge2AI-voice consortium 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1484818 PMID:39540145	研讨会总结	2024年语音AI研讨会通过五个专题研讨会探讨了语音生物标志物和AI在医疗保健中的最新进展	研讨会涵盖了从语音生物标志物数据的国际标准化到AI解决方案的实际部署等多个创新主题	数据变异性、安全性和可扩展性等挑战仍然存在	推动语音AI工具在医疗保健中的开发和实施	语音生物标志物和AI应用	自然语言处理	语音障碍	信号处理、机器学习操作(MLOps)、深度学习	Whisper、ChatGPT	语音数据	NA
32	2025-07-20	AI prediction of cardiovascular events using opportunistic epicardial adipose tissue assessments from CT calcium score 2024-Jan-29, ArXiv PMID:38351935	研究论文	利用CT钙化评分中的心外膜脂肪组织（EAT）评估，通过AI预测心血管事件	创建了新型手工制作的EAT特征“脂肪组学”，以捕捉EAT的病理生理学并改善MACE预测	初步研究结果，需要进一步验证	改进心血管事件的风险预测	心外膜脂肪组织（EAT）	数字病理学	心血管疾病	CT钙化评分	深度学习	图像	NA
33	2025-07-20	Explaining deep learning-based representations of resting state functional connectivity data: focusing on interpreting nonlinear patterns in autism spectrum disorder 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1397093 PMID:38832332	研究论文	本研究开发了一种可解释的变分自编码器模型，用于解析静息态功能连接数据中的非线性模式，特别关注自闭症谱系障碍（ASD）的神经机制	引入了潜在贡献分数来解释变分自编码器识别的非线性模式，增强了深度学习模型在神经科学中的可解释性	研究样本量虽大，但可能无法涵盖ASD所有亚型，且仅使用了Power图谱定义的264个感兴趣区域	开发可解释的深度学习模型以理解ASD患者静息态功能连接的非线性模式	1150名参与者（549名ASD患者和601名健康对照）的静息态功能磁共振成像数据	数字病理学	自闭症谱系障碍	静息态功能磁共振成像（rs-fMRI）	变分自编码器（VAE）	神经影像数据	1150名参与者（549名ASD患者和601名健康对照）
34	2025-07-20	The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae169 PMID:39600382	研究论文	本文研究了在中等分辨率冷冻电镜密度图中结合Focal loss和Dice loss的损失函数对β-片层分割的改进效果	提出了一种结合Focal loss和Dice loss的新损失函数，显著提高了β-片层体素的分割准确率	研究仅针对中等分辨率(5-10Å)冷冻电镜数据，未验证在其他分辨率下的表现	改进中等分辨率冷冻电镜图中蛋白质二级结构的分割准确率	蛋白质二级结构(特别是β-片层)在冷冻电镜密度图中的分割	计算机视觉	NA	冷冻电镜(cryo-EM)	U-Net	图像(冷冻电镜密度图)	1355个原子结构/密度图对
35	2025-07-20	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	本文系统分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次大规模分析了AI预测蛋白质结构对蛋白质折叠灵活性的影响，并发现高异质性折叠在关键生物过程中富集	研究仅基于已有实验结构的蛋白质，可能无法涵盖所有折叠类型	探究AI预测的蛋白质结构是否代表单一构象或平均构象，以及这一现象是否与蛋白质折叠类型相关	2878个具有至少10个不同实验结构的蛋白质	机器学习	NA	AlphaFold v2 (AF2)	深度学习	蛋白质结构数据	2878个蛋白质，涉及628种不同的折叠类型
36	2025-07-20	A Hybrid 2D Gaussian Filter and Deep Learning Approach with Visualization of Class Activation for Automatic Lung and Colon Cancer Diagnosis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241301297 PMID:39632623	研究论文	本研究设计了一个自动化诊断系统，通过结合2D高斯滤波和深度学习技术，提高肺癌和结肠癌的检测率	结合2D高斯滤波进行图像预处理，并使用三种CNN模型进行癌症诊断，同时采用CAM进行模型解释	未提及模型在临床环境中的实际应用效果或跨数据集验证	提高肺癌和结肠癌的早期检测率	肺癌和结肠癌的病理图像	数字病理学	肺癌, 结肠癌	2D高斯滤波, Class Activation Mapping (CAM)	CNN (MobileNet, VGG16, ResNet50)	图像	25000张病理图像
37	2025-07-20	Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241308610 PMID:39692551	研究论文	本研究开发了一种名为RRDLC-Classifier的诊断算法，用于预测临床I期实体肺腺癌中的高级别模式	结合了精炼的放射组学和深度学习特征，开发了新型RRDLC-Classifier算法	回顾性研究设计可能影响结果的普遍性，样本量相对有限	预测临床I期实体肺腺癌中的高级别病理模式	371名临床I期实体肺腺癌患者	数字病理	肺癌	放射组学分析、深度学习	CatBoost分类器	医学影像数据	371名患者（训练集与验证集按7:3比例分配）
38	2025-07-19	The Application of Artificial Intelligence to Cancer Research: A Comprehensive Guide 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241250324 PMID:38775067	综述	本文综述了人工智能在癌症研究中的应用，包括机器学习、软计算和深度学习在肿瘤学中的角色及其对患者护理的改进	提供了AI在癌症诊断、分类和预测中的应用综述，并总结了文献中的重要进展，为读者节省时间	未提及具体研究案例的局限性或AI技术在临床实践中的实际应用挑战	探讨人工智能在癌症研究中的应用及其对患者护理的潜在影响	癌症研究中的AI技术	机器学习	癌症	机器学习、软计算、深度学习	SVM, Naïve Bayes, CNN	NA	NA
39	2025-07-19	Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241256594 PMID:38808514	研究论文	本研究旨在通过将剂量信息整合到深度卷积神经网络中，提高鼻咽癌放射治疗剂量分布的预测准确性	提出了一种结合TCP剂量信息的多通道输入深度学习方法，显著提升了IMRT剂量分布的预测精度	对于小体积或位置靠近的危及器官预测结果存在差异，且研究为初步研究需要更大样本验证	提高鼻咽癌放射治疗剂量分布的预测准确性	鼻咽癌患者的放射治疗剂量分布	数字病理	鼻咽癌	IMRT（调强放射治疗）	CNN	图像、结构数据和剂量数据	未明确说明样本数量（初步研究）
40	2025-07-19	A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241277389 PMID:39267420	综述	本文总结大量文献和临床经验，提出了一种标准化的淋巴结评估协议，涵盖术前影像评估、术中淋巴结清扫和术后免疫治疗影响	提出多模态、多组学、多阶段的3M评估协议，整合影像组学、深度学习模型和统计学方法优化淋巴结管理流程	未提及具体实施该协议所需的资源投入和培训成本	建立标准化淋巴结评估体系以改善癌症诊疗效果	癌症患者的淋巴结转移评估与管理	数字病理学	癌症	影像组学、深度学习、统计分析	深度学习模型	医学影像、临床数据	NA