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
181	2025-06-07	Toward trustable use of machine learning models of variant effects in the clinic 2024-Dec-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响	提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用	现有模型验证和校准策略仍存在重要局限性	提高临床变异注释的可靠性和影响力，以指导诊断和治疗	蛋白质编码基因中的错义替换	机器学习	NA	深度学习	NA	序列数据	NA
182	2025-06-07	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据和癌症通路信息，用于改进癌症诊断和预后	DeePathNet首次将癌症特异性通路信息整合到多组学数据分析中，并采用基于Transformer的深度学习模型	NA	改进癌症诊断和预后预测	多组学数据和癌症通路	机器学习	癌症	多组学数据分析	Transformer	多组学数据	多个大型数据集（ProCan-DepMapSanger、Cancer Cell Line Encyclopedia、The Cancer Genome Atlas）
183	2025-06-07	Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30106 PMID:38576068	research paper	开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像	提出了基于3D物理驱动的展开网络架构用于高分辨率笛卡尔灌注成像重建，以及基于2D U-Net的运动校正网络	样本量较小，仅使用了20名受试者的135个切片	开发快速高质量的图像重建和运动校正技术，用于心肌灌注成像	高分辨率笛卡尔首过心肌灌注成像	computer vision	cardiovascular disease	deep learning	3D physics-driven unrolled network, 2D U-Net	image	135 slices from 20 subjects
184	2025-06-07	Designing Clinical MRI for Enhanced Workflow and Value 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	research paper	探讨如何通过优化MRI工作流程和采用数字工具提升临床MRI的价值和效率	提出利用数字工具和深度学习加速图像重建方法优化MRI工作流程，并强调患者准备流程的重新配置和实时信息工具的应用	未提及具体实施这些优化策略的临床效果数据或案例研究	优化MRI工作流程，提升患者价值和医疗效率	MRI成像过程及其相关技术和人员	数字病理	NA	深度学习加速图像重建方法	NA	图像	NA
185	2025-06-07	Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29046 PMID:37803817	research paper	本研究比较了全脑输入采样策略和区域/特定组织策略，以基于残疾水平对多发性硬化症患者进行分层	首次比较了全脑与区域输入策略在MRI深度学习模型中对多发性硬化症患者残疾水平分层的效果	研究仅使用了单一供应商的MRI设备数据，可能影响模型的泛化能力	比较不同MRI输入策略对多发性硬化症患者残疾水平分层的效果	多发性硬化症患者的脑部MRI扫描数据	digital pathology	multiple sclerosis	MRI	3D-CNN	image	319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多中心的MS患者外部验证队列
186	2025-06-07	Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29058 PMID:37846440	research paper	该研究探讨了利用深度学习和放射组学减少乳腺密度评估中观察者间变异性的可行性	结合深度学习和放射组学模型，通过AI辅助解释显著减少了乳腺密度评估的观察者间变异性	研究为回顾性设计，可能限制了结果的普遍适用性	评估人工智能辅助解释在减少乳腺密度评估观察者间变异性中的效果	621名无乳腺假体或重建手术的患者	digital pathology	breast cancer	deep learning, radiomics	CNN	MRI images	621名患者（训练集377名，验证集98名，独立测试集146名）
187	2025-06-07	Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29064 PMID:37888871	research paper	该研究旨在构建并比较基于VETC-MVI的临床、放射组学和深度学习模型，以评估肝细胞癌患者的无复发生存期	首次基于VETC和MVI两种转移性血管模式构建深度学习放射组学模型，用于评估HCC患者的无复发生存期	回顾性研究设计，样本量相对有限（398例患者）	评估肝细胞癌患者的无复发生存期	肝细胞癌患者	digital pathology	liver cancer	MRI（T1WI SPGR, T2WI FSE, 增强动脉期和延迟期成像）	deep learning model	medical imaging	398例HCC患者（训练队列358例，测试队列40例）
188	2024-08-07	Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma" 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29063 PMID:37818933	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
189	2024-08-07	Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability" 2024-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29059 PMID:37818764	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
190	2025-06-07	Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3364911 PMID:38335079	research paper	提出一种用于欠采样MRI重建的扫描特异性自监督贝叶斯深度非线性反演方法	无需自动校准扫描区域，采用深度图像先验型生成建模方法和近似贝叶斯推理来正则化深度卷积神经网络	需要进一步验证在不同解剖结构、对比度和采样模式下的广泛适用性	提高欠采样MRI重建的效率和准确性	欠采样的MRI数据	医学影像处理	NA	深度卷积神经网络，贝叶斯推理	CNN	MRI图像	多种解剖结构、对比度和采样模式的MRI数据
191	2025-06-07	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-Mar-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特性对深度学习模型在心电图异常检测中泛化性能的影响，并引入了注意力机制以提高泛化能力	揭示了平衡数据集（仅占大型数据集的1%）在泛化任务中的等效性能，以及注意力机制对模型泛化能力的进一步优化	未提及具体的心电图异常类型或模型在其他医疗领域的泛化能力	研究训练数据特性对深度学习模型泛化性能的影响，并探索提高模型泛化能力的方法	心电图数据集和深度学习模型	机器学习	心血管疾病	深度学习	带有注意力机制的深度学习模型	心电图数据	多个心电图数据集（具体数量未提及）
192	2025-06-07	Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy 2024, Theranostics IF:12.4Q1 DOI:10.7150/thno.100298 PMID:39479453	research paper	该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态	结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92%	未提及具体样本量或实验重复次数，可能影响结果的普遍性	开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性	树突状细胞（DC）	digital pathology	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA
193	2025-06-06	Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review 2024-Dec, iRadiology DOI:10.1002/ird3.99 PMID:40453356	review	本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用	综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的应用，并提出了未来研究方向	文献中缺乏对各种方法的详细分析和未来方向的深入探讨	探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义	前列腺癌骨转移的影像数据	digital pathology	prostate cancer	radiomics, machine learning, deep learning	NA	image	NA
194	2025-06-06	Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review 2024-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57124 PMID:39475815	综述	本文探讨了人工智能和数据科学在急诊医学中整合社会健康决定因素（SDOH）数据的潜力和应用	首次系统性地评估了AI和数据科学在急诊医学中SDOH数据整合的应用，突出了机器学习和自然语言处理技术的优势	研究仍处于初级阶段，纳入的研究数量有限（26篇），且主要集中在急诊科患者	探索AI和数据科学在急诊医学中SDOH数据建模、提取和整合的应用潜力	急诊科患者及其SDOH数据	医疗信息学	急诊医学相关疾病（如脓毒症、急性心肌梗死、哮喘等）	机器学习（ML）、自然语言处理（NLP）、深度学习、模式匹配	NLP模型（包括基于规则的NLP、深度学习模型）	文本数据（临床记录等）	26项符合条件的研究（其中9项专门针对急诊患者）
195	2025-06-06	DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION 2024-08-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004106 PMID:38489765	research paper	本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管成像（OCTA）的深度学习分类器，用于预测年龄相关性黄斑变性患者中非渗出性黄斑新生血管的早期渗出风险	首次结合OCT和OCTA图像分析，使用多种CNN模型（ResNet-101、Inception-ResNet-v2和DenseNet-201）进行预测，并通过多数投票和软投票技术提升性能	样本量相对较小（89例患者），且为回顾性研究	开发AI工具预测非渗出性黄斑新生血管的早期渗出风险	年龄相关性黄斑变性患者的非渗出性黄斑新生血管	digital pathology	age-related macular degeneration	OCT, OCTA	CNN (ResNet-101, Inception-ResNet-v2, DenseNet-201)	image	89例患者（35例渗出组，54例非渗出组）
196	2025-06-06	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎	首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级	六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能	评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能	葡萄膜炎患者的超广角眼底视网膜照片	数字病理	葡萄膜炎	超广角眼底成像	DenseNet121 CNN	图像	1181张图像
197	2025-06-06	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-06, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	研究论文	本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用	首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比	需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求	评估深度学习算法在膝关节积液量化中的有效性	53名OAI受试者的膝关节MRI数据	数字病理学	骨关节炎	深度学习	DL算法	MRI图像	53名受试者
198	2025-06-06	OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS 2024-04-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000003990 PMID:37948741	研究论文	开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据	结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作	研究仅基于单中心数据库，可能限制了算法的泛化能力	开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗	SD-OCT单眼黄斑立方体报告	计算机视觉	眼科疾病	光学字符识别(OCR)，深度学习	LSTM	图像	675份SD-OCT报告（训练集125份，测试集550份）
199	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
200	2025-06-05	ImmuneApp for HLA-I epitope prediction and immunopeptidome analysis 2024-10-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53296-0 PMID:39414796	研究论文	开发了名为ImmuneApp的可解释深度学习框架，用于HLA-I表位预测和免疫肽组分析	提出了ImmuneApp-MA复合模型，整合单等位基因和多等位基因数据以提高预测性能，并开发了优于现有方法的免疫原性预测器ImmuneApp-Neo	未明确提及具体局限性	开发高效方法用于免疫肽组学分析和(新)抗原预测	HLA-I表位和免疫肽组	生物信息学	NA	质谱分析	深度学习	HLA配体数据集	216个多等位基因免疫肽组学样本，识别了835,551个配体