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	2025-08-12	Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering 2024-09, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.9.093507 PMID:39247058	research paper	该研究利用深度学习分析高光谱图像，量化组织中的血红蛋白、黑色素和散射特性	使用人工神经网络(ANN)快速分析高光谱数据，相比传统最小二乘法速度提升4000倍以上	研究基于模拟数据训练，实际应用效果需进一步验证	开发快速量化组织光学特性的方法	人体活体组织	computer vision	NA	hyperspectral imaging	ANN	image	24,000组模拟数据 + 6000组测试数据
2	2025-08-12	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法	涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向	未提及具体方法的性能比较或实证研究结果	探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制	脑功能网络	神经影像学	脑部疾病	fMRI	矩阵分解、聚类、深度学习	fMRI数据	NA
3	2025-08-12	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-06-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究结合前沿方法开发了一种新型肽基PROTAC药物开发范式，用于治疗雄激素性脱发	结合ProteinMPNN、RFdiffusion等AI工具设计肽基PROTAC药物，并整合透皮微针贴片技术进行给药	未提及临床试验结果或体内药效验证数据	开发针对雄激素受体(AR)的肽基PROTAC药物用于雄激素性脱发治疗	雄激素受体(AR)和Von Hippel-Lindau (VHL)蛋白	药物开发	雄激素性脱发	ProteinMPNN、RFdiffusion、Alphafold2-multimer、ZDOCK	深度学习模型	蛋白质结构数据	NA
4	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，能够显著优于现有的弱监督模型，并在独立数据集中表现出强大的泛化能力	研究主要关注HR+/HER2-乳腺癌患者，可能不适用于其他亚型的乳腺癌	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险的准确预测	乳腺癌患者	数字病理学	乳腺癌	深度学习	Deep-BCR-Auto	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
6	2025-08-11	Ultra low-power, wearable, accelerated shallow-learning fall detection for elderly at-risk persons 2024-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2024.100498 PMID:40777999	research paper	开发一种无线、可穿戴、低功耗的跌倒检测传感器（FDS），用于预测和检测老年高危人群的跌倒	利用先进的低功耗FPGA实现固定功能神经网络，用于分类日常生活活动（ADLs），包括跌倒检测	NA	提高老年人的安全和福祉，通过提供及时准确的跌倒检测和预测	老年高危人群	machine learning	geriatric disease	FPGA, CNN	CNN	3D accelerometer and gyroscope measurements	使用志愿者人类受试者收集的数据
7	2025-08-11	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	research paper	该研究开发了一种基于深度学习算法的早期预警指标，用于在噪声干扰下检测疾病爆发的早期信号	通过结合加性白噪声、乘性环境噪声和人口统计学噪声，开发了一种新的深度学习算法，用于在复杂噪声环境下提供更可靠的早期预警信号	研究主要基于模拟数据和有限的真实世界COVID-19数据，需要在更多疾病和更大规模数据上进行验证	开发能够在噪声干扰下可靠检测疾病爆发早期信号的预警指标	疾病传播模型和真实世界COVID-19数据	machine learning	COVID-19	deep learning	深度学习算法	时间序列数据	埃德蒙顿的COVID-19病例数据和模拟时间序列数据
8	2025-08-10	Advancing dermoscopy through a synthetic hair benchmark dataset and deep learning-based hair removal 2024-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.11.116003 PMID:39564076	研究论文	本文通过合成毛发基准数据集和基于深度学习的毛发去除方法，提升皮肤镜图像在黑色素瘤检测中的诊断准确性	开发了一个新颖的合成毛发皮肤镜图像数据集，并设计了一个专注于毛发去除同时保留病变完整性的CNN模型	NA	提升皮肤镜图像在黑色素瘤早期检测中的诊断准确性	皮肤镜图像中的毛发干扰	数字病理学	黑色素瘤	深度学习	CNN	图像	NA
9	2025-08-10	An end-to-end recurrent compressed sensing method to denoise, detect and demix calcium imaging data 2024-Sep, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00892-w PMID:40771998	研究论文	本文介绍了一种名为DeepCaImX的端到端深度学习方法，用于钙成像数据的去噪、检测和解混	首次提出了一种能够同时生成准确神经元足迹和提取干净神经元活动轨迹的神经网络	NA	开发一个自动化、高速度的钙成像数据分析流程	钙成像数据中的神经元活动	计算机视觉	NA	双光子钙成像	LSTM神经网络	图像	模拟数据集和体内实验数据
10	2025-08-10	Enhanced Partial Fourier MRI With Zero-Shot Deep Untrained Priors 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3508761 PMID:40766109	研究论文	提出了一种基于零样本无监督深度学习的部分傅里叶重建新方法	将传统的相位约束与零样本深度学习技术相结合，无需训练数据即可实现图像重建和先验学习	未提及具体局限性	提高部分傅里叶重建的质量和鲁棒性	MRI图像	医学影像处理	NA	零样本深度学习、虚拟共轭线圈(VCC)相位约束	无训练生成先验的神经网络	MRI图像数据	fastMRI数据集、QALAS多对比数据集和低场数据集
11	2025-08-09	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究旨在利用深度学习模型对阿尔茨海默病疑似患者的脑部PET图像中的淀粉样斑块沉积进行分类	使用卷积神经网络(CNN)对脑部PET图像进行淀粉样斑块沉积的二元分类，验证了该模型的高可靠性	研究为回顾性研究，样本量相对较小(175例患者)	提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	数字病理学	阿尔茨海默病	18 F florapronol PET/CT成像	CNN	图像	175例患者(77男，98女)
12	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	research paper	提出一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高荧光显微镜在厚样本成像中的图像质量	荧光显微镜图像	computer vision	NA	深度学习	神经网络	image	多种数据集（共聚焦、光片、多光子和超分辨率显微镜捕获）
13	2025-08-09	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文比较了放射组学特征、3D深度学习卷积神经网络（CNN）及其融合模型在痴呆患者和正常对照者全脑18F-FDG PET图像评估中的应用	首次将放射组学特征与3D-CNN融合应用于全脑18FDG PET研究，提高了痴呆患者的诊断准确性	样本量相对较小（85例痴呆患者和125例健康对照），且仅使用了18F-FDG PET一种成像方式	评估不同模型在痴呆诊断中的性能差异	痴呆患者和健康对照者的全脑18F-FDG PET图像	数字病理学	老年痴呆症	18F-FDG PET-CT成像	3D-CNN与放射组学融合模型	医学影像	85例痴呆患者和125例健康对照者
14	2025-08-09	Machine learning diagnosis of active Juvenile Idiopathic Arthritis on blood pool [ 99M Tc] Tc-MDP scintigraphy images 2024-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001822 PMID:38312058	研究论文	本研究利用深度学习技术，通过分析血液池图像，对青少年特发性关节炎（JIA）进行诊断	采用自设计的多输入CNN模型及预训练模型（VGG16、ResNet50和Xception）进行JIA诊断，自设计模型表现最佳	样本量较小（326名儿童和青少年），且仅针对JIA的诊断	探索深度学习在核医学中诊断青少年特发性关节炎的应用	326名健康及已知JIA的儿童和青少年（年龄1-16岁）	数字病理学	青少年特发性关节炎	深度学习	CNN、VGG16、ResNet50、Xception	图像	1304张血液池图像（来自326名儿童和青少年）
15	2025-08-09	Greater accuracy of radiomics compared to deep learning to discriminate normal subjects from patients with dementia: a whole brain 18FDG PET analysis 2024-Apr-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001810 PMID:38189449	研究论文	比较放射组学和深度学习在区分痴呆患者与正常受试者方面的准确性	研究发现放射组学特征在标准化PET全脑图像中比CNN更准确地区分痴呆患者与正常受试者	样本量相对较小（85名痴呆患者和125名健康对照）	比较放射组学和深度学习在痴呆诊断中的准确性	85名痴呆患者和125名健康对照	数字病理学	老年疾病	18F-FDG脑PET成像	Neural Network, CNN	图像	85名痴呆患者和125名健康对照
16	2025-08-09	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发了一种基于深度学习的模型，利用治疗前的[18F]FDG-PET/CT图像数据预测局部晚期子宫颈癌患者的远处转移	采用新型三维图像增强技术和深度学习模型，首次在治疗前预测子宫颈癌患者的远处转移	需要外部验证以确定模型的预测性能	早期预测局部晚期子宫颈癌患者在确定性放化疗后的远处转移	局部晚期子宫颈癌患者	数字病理学	子宫颈癌	[18F]FDG-PET/CT成像	深度学习模型	医学影像	186名患者用于训练，25名患者用于验证
17	2025-08-08	Deep learning significantly boosts CRT response prediction using synthetic longitudinal strain data: Training on synthetic data and testing on real patients 2024-Oct-28, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100803 PMID:39477070	研究论文	本研究利用深度学习技术构建模型，通过合成数据预测心脏再同步治疗(CRT)的反应	首次使用合成数据和深度学习技术预测CRT反应，并展示出高准确性和临床适用性	样本量相对较小(131名患者)，且依赖于合成数据增强技术	提高心脏再同步治疗(CRT)反应预测的准确性	心力衰竭患者	机器学习	心血管疾病	SMOTE(合成少数类过采样技术), t-SNE, SHAP分析	DNN, 1D-CNN	二维超声心动图应变轨迹	131名真实患者数据+2000个合成样本
18	2025-08-08	Capability and reliability of deep learning models to make density predictions on low-dose mammograms 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044506 PMID:39114539	研究论文	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性	首次评估深度学习模型在低剂量乳腺X光片上的预测能力，并提出通过平均CC-MLO图像和多次训练模型来提高预测性能的方法	模型在预测密度较高和乳房较小的乳腺时性能下降	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的可靠性，以便为年轻女性提供风险估计	乳腺X光片	数字病理学	乳腺癌	深度学习	深度学习模型	图像	包含配对的常规剂量和低剂量乳腺X光片的数据集
19	2025-08-08	Length of Stay Prediction With Standardized Hospital Data From Acute and Emergency Care Using a Deep Neural Network 2024-Apr-01, Medical care IF:3.3Q1 DOI:10.1097/MLR.0000000000001975 PMID:38345863	研究论文	本研究提出了一种基于深度学习的住院时间预测方法，使用广泛可用的急性和急诊护理管理数据，并与其它方法进行比较	使用嵌入和前馈神经网络（FFNN）模型进行细粒度的住院时间预测，相比随机森林和逻辑回归方法表现更优	研究数据仅来自法国里昂大都会的6所大学医院，可能限制了模型的泛化能力	预测住院时间以优化医疗活动的组织和调度	515,199名患者的1,140,100次住院记录	机器学习	NA	深度学习	FFNN（前馈神经网络）	结构化医院管理数据（人口统计学、诊断、医疗程序等）	1,140,100次住院记录（来自515,199名患者）
20	2025-08-08	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	research paper	开发了一个基于ResNet-50、EfficientNet-B3和ResNet-101的深度学习模型融合系统，用于通过DICOM图像预测肺癌	结合三种不同的深度学习模型和迁移学习技术，构建了一个统一的预测系统，显著提高了肺癌分类的精确度	深度学习在癌症数据分析方面的能力仍在发展中，可能存在过拟合风险	通过深度学习技术提高肺癌的早期检测准确率，降低死亡率	肺癌DICOM图像	digital pathology	lung cancer	transfer learning	ResNet-50, EfficientNet-B3, ResNet-101	image	1000张来自LIDC-IDRI库的DICOM图像