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	2025-07-04	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	通过对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并结合原子、功能基团和分子等多粒度信息增强分子表示	未明确提及具体局限性	提高分子属性预测的准确性	分子（以图或文本形式表示）	机器学习	NA	对比损失、交叉注意力	多模态深度学习模型	图数据、文本数据	未明确提及具体样本量
2	2025-07-04	A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2024-Nov, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200 PMID:39600246	研究论文	本研究开发了一种基于心率变异性（HRV）参数和生命体征的深度学习模型，用于预测儿科患者的镇静水平	首次将HRV参数和生命体征结合深度学习模型用于儿科患者镇静水平的连续自动化监测	研究为单中心回顾性研究，需要多中心验证研究以确认广泛适用性	开发能够有效预测儿科患者镇静水平的自动化监测方法	儿科重症监护患者	数字病理	儿科重症	HRV分析	1D ResNet	心电图波形和生命体征数据	324名患者的4,193个特征集
3	2025-07-04	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	research paper	该研究提出了一种结合深度学习和先验信息的集成分析方法，用于基因与疾病关系的复杂特征选择和结果预测	引入了先验辅助的集成深度学习方法（PANDA），通过特征选择层和集成学习利用先前研究中的先验信息	未提及具体的数据集规模限制或模型泛化能力的验证	解决生物医学研究中‘小而大’的挑战，提高基因与疾病关系的预测准确性	基因与疾病关系	machine learning	skin cutaneous melanoma (SKCM)	deep learning, ensemble learning	PANDA	genomic data	NA
4	2025-07-04	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出了一种基于深度人工神经网络的非线性加速失效时间模型deepAFT，用于建模生存结果数据	开发了非参数、非线性算法deepAFT，直接预测生存结果，并通过插补算法、重加权和基于逆审查概率的转换技术处理审查问题	未明确提及具体局限性	改进生存分析中的预测准确性，提供非线性协变量效应的灵活建模	生存结果数据	机器学习	淋巴瘤	深度人工神经网络	deepAFT	生存数据	NA
5	2025-07-04	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型，用于从医疗记录中识别手术部位感染	结合注意力机制提升模型的可解释性，同时性能优于传统机器学习方法	研究数据仅来自单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工审查负担	手术病例的电子健康记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	来自犹他大学医疗系统的9185例手术事件
6	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据，提高了空间生物学中细胞类型和状态识别的准确性和可扩展性	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞，无需训练数据	算法在泛化性方面可能存在挑战，因为细胞、邻域和生态位在健康和疾病中的变异性	提高空间生物学中细胞类型和状态识别的准确性和可扩展性	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	5个数据集（5,000,000个细胞；51种细胞类型）
7	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学检测中的模糊细胞，提高了准确性和可扩展性	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	五个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠、腺体）
8	2025-07-04	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	本文开发了一种基于人工智能的前列腺癌恶性程度分级系统，利用多机构国际数据集进行验证，并展示了其在预测生化复发和癌症特异性死亡方面的优越性	提出了一种新的前列腺癌分级系统，通过AI技术开发了四个风险组，独立且优于当前的五级分组系统，并能预测去势抵抗性前列腺癌的风险	研究依赖于根治性前列腺切除术患者的数据，可能不适用于其他治疗方式或早期患者	开发并验证一种基于AI的前列腺癌恶性程度分级系统，以改善风险分层和临床决策	2647名接受根治性前列腺切除术并长期随访≥10年的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名前列腺癌患者
9	2025-07-03	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于量化小鼠牙周炎模型中的牙槽骨	创新点在于使用U-Net AI深度学习引擎开发了一个3D深度学习模型，能够高精度地分割微CT数据中的牙槽骨，并自动排除牙齿部分	研究仅在小鼠模型中进行，尚未在人类样本中验证	开发一个无需机器学习背景知识即可使用的自动牙槽骨量化工具	小鼠牙周炎模型中的牙槽骨	数字病理学	牙周炎	微计算机断层扫描(µCT)	U-Net	3D图像	不同时间点(4、7、9、14天)的小鼠上颌骨样本
10	2025-07-03	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	research paper	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统评估了MR图像质量指标与深度学习分割性能之间的相关性，并提出了基于特定IQMs筛选训练图像以提升模型泛化能力的方法	研究仅针对特定类型的脑肿瘤和单一深度学习模型（3D DenseNet）进行验证	评估MR图像质量指标与深度学习分割准确性的关系，开发更具泛化能力的多机构数据模型	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	3D DenseNet	image	BraTS 2020和2021数据集的MRI扫描
11	2025-07-03	Neural network dose prediction for cervical brachytherapy: Overcoming data scarcity for applicator-specific models 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17230 PMID:38814165	research paper	该研究比较了三种神经网络训练方法，以确定宫颈近距离放射治疗剂量预测的最佳方法	通过结合所有应用器数据进行训练，克服了单一应用器数据稀缺的挑战，提高了剂量预测的准确性	研究仅针对四种特定的应用器类型，可能不适用于其他类型的应用器	比较不同神经网络训练方法在宫颈近距离放射治疗剂量预测中的性能	266名宫颈癌患者的859个治疗计划	digital pathology	cervical cancer	3D Cascade U-Net	CNN	image	859 treatment plans from 266 cervical cancer patients
12	2025-07-03	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	提出了一种新型全自动方法3D-svFMBV，用于通过超声评估组织灌注	结合图像处理、数值建模和深度学习，首次实现了全自动三维单血管分数移动血容量估计，无需背景信号数学校正	目前仅在合成图像和143例早孕期胎盘超声数据上进行了验证	开发更准确可靠的组织灌注评估方法	子宫动脉和胎盘组织	医学影像分析	先兆子痫	功率多普勒超声(PD-US)	深度学习	三维超声图像	143例早孕期胎盘超声数据
13	2025-07-03	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	research paper	提出一种基于深度学习的MRI图像方法，用于预测临床显著前列腺癌，通过混合监督提高分类性能	通过分布回归而非简单值回归，利用传统上被深度学习策略忽略的额外病理发现，提高分类性能	混合监督可能导致与基于图像的分割一致性降低	提高非侵入性前列腺癌分类的阳性预测值，改善患者护理	前列腺癌患者的多参数MRI检查数据	digital pathology	prostate cancer	MRI, deep learning	deep networks	image	973例多参数前列腺MRI检查（测试集n=198）
14	2025-07-03	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究利用深度学习和统计图谱方法，探索COVID-19患者肺部形状变化及其与疾病严重程度的关系	首次使用3D残差卷积网络结合肺部浸润特征，揭示COVID-19不同严重程度患者的肺部形状差异	研究为回顾性多中心设计，可能存在选择偏倚	探究COVID-19患者肺部形状变化与疾病严重程度的关联	COVID-19患者（轻症与重症）及健康对照组的基线胸部CT影像	数字病理	COVID-19	深度学习	3D残差卷积网络	CT影像	3443例（健康组、轻症COVID-19组、重症COVID-19组）
15	2025-07-03	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本文提出使用自监督学习技术提高基于IMU的地面反作用力估计的准确性和数据效率	利用自监督学习预训练深度学习模型，减少对标记数据的需求，提高估计准确性和数据效率	未明确提及具体局限性	提高基于IMU的地面反作用力估计的准确性和数据效率	地面反作用力（GRF）估计	机器学习	NA	自监督学习（SSL）	transformer	IMU数据	包含真实IMU数据、合成IMU数据或两者组合的三个预训练数据集
16	2025-07-03	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	research paper	本文系统评估了在组织病理学分析中训练的深度神经网络（DNNs），以了解其学习策略是否可信或具有欺骗性	首次系统分析了DNNs在组织病理学分析中的视觉策略是否可信，提出了模型评估和解释的框架	DNNs在分子分析中利用了组织学亚型与突变之间的相关性，未能推广到通过激光捕获显微切割（LCM）获得的挑战性测试集	评估DNNs在组织病理学分析中的可信度和有效性	221张来自肺腺癌患者的全切片图像（WSIs）	digital pathology	lung cancer	deep learning, laser capture microdissection (LCM)	DNNs	image	221张全切片图像（WSIs）
17	2024-08-07	Development and External Validation of a Multidimensional Deep Learning Model to Dynamically Predict Kidney Outcomes in IgA Nephropathy 2024-Jul-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000000000471 PMID:38728096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2025-07-03	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	research paper	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法，用于识别和移除语义冗余的训练数据，从而提升模型性能	研究仅基于公开的NIH胸部X光数据集，未在其他医学影像数据上进行验证	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光影像数据	digital pathology	lung cancer	deep learning	CNN	image	公开的NIH胸部X-ray数据集
19	2025-07-03	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	research paper	提出一种端到端深度学习模型，用于心脏磁共振成像的运动校正和超分辨率重建	模型包含两个特定组件分别处理运动校正和超分辨率，以端到端方式训练	NA	从2D短轴切片重建高分辨率3D心脏体积	心脏磁共振成像数据	医学影像处理	心血管疾病	深度学习	端到端深度学习模型	医学影像	模拟数据集和真实世界数据集
20	2025-07-03	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	research paper	该研究提出了一种基于物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状动脉MRI重建方法，解决了硬件限制和训练数据不足的问题	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，利用2D卷积神经网络处理3D体积数据，以有限训练数据实现高质量重建	训练数据有限可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	医学影像处理	心血管疾病	MRI	CNN	3D MRI图像	NA