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
41	2025-07-23	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	该研究提出了一种基于MRI图像的果蝇优化密集连接卷积神经网络用于阿尔茨海默病的预测	采用元启发式优化的深度学习方法，结合自适应直方图处理和加权中值滤波，提高了阿尔茨海默病区域的检测准确率	研究仅基于Kaggle数据集，未提及外部验证集的测试结果	开发自动化方法用于阿尔茨海默病的早期和准确诊断	阿尔茨海默病患者的MRI图像	数字病理学	老年性疾病	MRI成像	密集连接卷积神经网络（Dense CNN）	图像	Kaggle数据集（具体样本量未说明）
42	2025-07-23	Neuron collinearity differentiates human hippocampal subregions: a validated deep learning approach 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae296 PMID:39262825	研究论文	本文提出了一种基于深度学习的高通量方法，用于自动提取海马体亚区中锥体神经元的定向信息，并验证了神经元共线性作为海马体亚区分割的定量参数	首次对海马体亚区内锥体神经元定向和共线性进行全面定量研究，开发了基于Cellpose算法的自动化深度学习流程	研究仅基于168个海马体分区样本，需要更大规模的多中心验证	建立海马体亚区神经元共线性的定量测量方法	人类海马体亚区中的479,873个锥体神经元	数字病理学	神经退行性疾病	深度学习	Cellpose	图像	168个海马体分区中的479,873个神经元
43	2025-07-23	Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1460354 PMID:39872877	研究论文	本研究提出了一种基于对比学习和Transformer的新方法，用于预测冠状动脉支架植入术后患者接受双抗血小板治疗的不良终点事件	结合对比学习和Transformer架构，通过最大化类内相似性和区分类间差异来优化预测性能，同时在多个时间窗口内进行预测	研究数据来自单一临床研究联盟，可能限制结果的普遍适用性	提高冠状动脉支架植入术后患者双抗血小板治疗不良事件的预测准确性	接受药物洗脱支架植入术的成年患者	机器学习	心血管疾病	对比学习	Transformer	临床记录数据	19,713名成年患者
44	2025-07-23	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究开发了一种端到端的深度学习方法，用于预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗的反应	首次将混合监督的深度学习模型应用于全切片图像，以预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心	探索利用深度学习模型预测子宫内膜疾病患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	全切片图像（WSI）分析	Autoencoder或ResNet50	图像	112例患者
45	2025-07-23	Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features 2024-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3260776 PMID:37015120	研究论文	本文开发了一种基于多源特征的自适应深度学习网络，用于肝癌多模式消融治疗的生存分析和疗效评估	提出了一种结合术前术后MRI影像组学特征、基于视觉Transformer的深度学习特征以及免疫特征的多源特征融合方法，并改进了深度Cox混合模型（DCM）用于生存分析	研究仅基于临床数据集进行评估，未进行大规模多中心验证	开发肝癌多模式消融治疗后的生存预测和疗效评估框架	接受多模式消融治疗的肝癌患者	数字病理学	肝癌	MRI影像组学、流式细胞术、常规血液检测	改进的深度Cox混合模型（DCM）、随机生存森林、视觉Transformer	MRI影像数据、免疫特征数据、常规血液检测数据	临床数据集（具体样本量未明确说明）
46	2025-07-23	Deep learning-based diagnosis of aortic dissection using an electrocardiogram: Development, validation, and clinical implications of the AADE score 2024, Kardiologia polska IF:3.7Q1 DOI:10.33963/v.phj.98880 PMID:38230465	研究论文	本研究开发了一种基于深度学习的AI模型，利用心电图(ECG)检测主动脉夹层(AD)，并引入了AI-Aortic-Dissection-ECG (AADE)评分以帮助临床医生评估AD的严重程度	首次开发了基于CNN的AI模型用于AD的ECG检测，并提出了AADE评分系统	研究样本量相对有限(313例AD患者)，且随访时间中位数为21.2个月	开发AI模型改善主动脉夹层的诊断和临床管理	主动脉夹层患者和胸痛对照组患者	数字病理	心血管疾病	深度学习	CNN	心电图数据	1878名患者(313名AD患者和313名胸痛对照组患者)
47	2025-07-22	Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation 2024-Jan-16, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031257 PMID:38226515	研究论文	本研究利用人工智能技术通过超声心动图检测风湿性心脏病，特别关注二尖瓣反流	首次将卷积神经网络和带有注意力机制的深度学习模型应用于超声心动图数据，用于风湿性心脏病的自动检测和二尖瓣反流分析	研究样本量有限（511例儿童超声心动图），且仅关注二尖瓣反流	开发人工智能辅助诊断工具以提高风湿性心脏病的早期筛查效率	儿童风湿性心脏病患者的超声心动图数据	数字病理学	心血管疾病	超声心动图	CNN, 带有注意力机制的深度学习模型	图像（超声心动图）	511例儿童超声心动图（229例正常，282例RHD）
48	2025-07-22	ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES 2024-01-01, Shock (Augusta, Ga.) DOI:10.1097/SHK.0000000000002227 PMID:37752080	研究论文	本研究探讨了机器学习技术在结合临床数据和基因表达信息以更好地预测和理解脓毒症方面的潜力	利用机器学习模型（包括神经网络、深度学习和集成方法）整合基因转录信息，提升脓毒症预测准确性并探索其病理生理学	脓毒症缺乏明确定义，机器学习模型存在可解释性和偏差问题	提升脓毒症患者预后，推动精准医学方法在脓毒症管理中的应用	脓毒症患者	机器学习	脓毒症	基因表达分析	神经网络、深度学习、集成方法	基因表达数据、临床数据	NA
49	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）
50	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
51	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
52	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）
53	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
54	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）
55	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）
56	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
57	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
58	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）
59	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
60	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