深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2461	2025-03-25	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用	开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响	研究为回顾性分析，可能受到数据选择和采集时间的限制	评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果	急诊室中接受脑MRI检查的患者	数字病理学	心血管疾病	MRI（包括DWI和FLAIR序列）	深度学习应用（DLA）	医学影像（MRI）	947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性	NA	NA	NA	NA
2462	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）	NA	NA	NA	NA
2463	2025-10-07	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练结合细粒度网络架构，专门针对亚厘米级别肺结节的良恶性分类问题	回顾性研究设计，内部数据集特别富集了恶性病例	开发用于区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节（SSPNs）	计算机视觉	肺癌	CT影像分析	深度学习	CT图像	内部数据集1276名患者的1389个SSPNs（625个良性），外部测试集202个SSPNs	NA	自监督预训练细粒度网络	AUC, 准确率, 敏感度, 特异度	NA
2464	2025-10-07	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	研究论文	开发并验证基于动态对比增强MRI的深度学习模型，用于预测增殖性肝细胞癌及术后早期复发风险	首次将深度学习模型应用于DCE-MRI图像来区分增殖性与非增殖性肝细胞癌，并用于预测根治性切除术后的早期复发风险	回顾性研究设计，样本量相对有限（355例患者），需进一步前瞻性验证	通过术前评估优化肝细胞癌治疗策略，预测早期复发风险	肝细胞癌患者	计算机视觉	肝细胞癌	动态对比增强MRI	深度学习模型	医学影像	355例来自两个中国医疗中心的肝细胞癌患者（训练集251例，内部测试集62例，外部测试集42例）	NA	NA	AUC	NA
2465	2025-10-07	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	研究论文	本研究结合PET/CT深度学习特征和全身代谢肿瘤体积构建风险分层模型，用于预测非小细胞肺癌患者的总生存期和无进展生存期	首次将深度学习特征与代谢肿瘤体积结合构建风险分层模型，作为TNM分期的补充预测工具	样本量相对有限（590例患者），测试集在预测总生存期时C-index提升未达统计显著性	提高非小细胞肺癌患者生存期预测准确性，辅助临床治疗决策	非小细胞肺癌患者	医学影像分析	肺癌	PET/CT成像	CNN	医学影像（PET/CT图像）	590例非小细胞肺癌患者（训练集413例，测试集177例）	NA	卷积神经网络	C-index	NA
2466	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者	NA	NA	NA	NA
2467	2025-03-25	Community assessment of methods to deconvolve cellular composition from bulk gene expression 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50618-0 PMID:39191725	research paper	评估从批量基因表达数据中解卷积细胞组成的方法，通过社区范围的DREAM挑战进行	评估了多种解卷积方法，包括深度学习方法的强表现，确立了该范式在解卷积中的适用性	部分方法未针对所有功能性CD8+ T细胞状态进行训练或准确度较低	评估解卷积方法在推断肿瘤样本中免疫浸润水平的效果	体外和计算机模拟的癌症与健康免疫细胞的混合转录谱	machine learning	cancer	bulk gene expression analysis	deep learning	gene expression data	NA	NA	NA	NA	NA
2468	2025-03-25	Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients 2024-08, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.054 PMID:38796387	research paper	该研究探讨了深度学习模型在预测术后需要阿片类药物补充的患者中的应用	首次将深度学习模型应用于预测术后阿片类药物补充需求，并通过多机构队列验证其高准确性	研究为回顾性设计，且仅纳入单一医疗中心的患者数据	优化术后阿片类药物处方策略，平衡药物滥用风险与患者疼痛控制需求	接受择期手术的成年患者	machine learning	NA	deep learning, random forest, eXtreme Gradient Boosting	深度学习、随机森林、XGBoost	临床医疗记录	9,731例择期手术患者（平均年龄62.1岁，51.4%为女性）	NA	NA	NA	NA
2469	2025-10-07	Deep learning structural insights into heterotrimeric alternatively spliced P2X7 receptors 2024-Aug, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-023-09978-3 PMID:38032425	研究论文	本研究应用AlphaFold2-Multimer深度学习方法预测异源三聚体选择性剪接P2X7受体的结构	首次验证AF2M在预测三聚体P2X7受体结构中的准确性，并成功生成多种异源三聚体剪接变体的结构模型	模型验证主要依赖计算指标和分子动力学模拟，缺乏实验结构直接验证异源三聚体模型	探索选择性剪接对P2X7受体结构和功能的影响	P2X7受体及其剪接变体（P2X7B、P2X7E、P2X7J、P2X7L）	结构生物信息学	NA	深度学习结构预测，冷冻电镜，分子动力学模拟	AlphaFold2-Multimer	蛋白质序列，结构数据	多种P2X7受体剪接变体组合	AlphaFold2	AlphaFold2-Multimer	模型置信度评分，分子动力学稳定性，保守区域灵活性	NA
2470	2025-10-07	A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders 2024-04-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.134 PMID:38244796	研究论文	本研究使用深度学习模型评估患者对话特异性对网络认知行为疗法出席率和治疗效果的影响	首次使用深度学习量化患者对话特异性，并分析其与治疗结果的关系	无法从数据中推断因果关系	评估患者对话特异性是否能够预测治疗结束时的症状水平和疗程完成情况	接受网络认知行为疗法的常见心理健康障碍患者	自然语言处理	常见心理健康障碍	深度学习	深度学习模型	文本	65,030名参与者，353,614次治疗会话	NA	NA	线性混合效应模型	NA
2471	2025-10-07	Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling 2024-03-19, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.123.067750 PMID:38314583	研究论文	本研究开发了一种基于心电图的深度学习模型，用于预测儿童左心室功能障碍和重构	首次将人工智能增强的心电图分析应用于儿科人群，并在外部验证中表现出色，模型对左心室肥厚的预测甚至超过了儿科心脏病专家的基准	研究排除了主要先天性心脏病患者，可能限制了模型的普适性	开发一种低成本筛查儿童左心室功能障碍和重构的方法	18岁以下无主要先天性心脏病的儿科患者	数字病理	心血管疾病	心电图, 超声心动图	CNN	心电图信号, 医学影像	训练队列：92,377对心电图-超声心动图配对数据（46,261名患者）；测试队列包括内部测试12,631名患者、急诊科2,830名患者和外部验证5,088名患者	NA	卷积神经网络	AUROC, AUPRC, 阴性预测值	NA
2472	2025-10-07	CMNet: deep learning model for colon polyp segmentation based on dual-branch structure 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024004 PMID:38525292	研究论文	提出基于双分支结构的深度学习模型CMNet用于结肠息肉分割	采用CNN与Transformer结合的双分支结构，引入深度可分离卷积和条纹池化模块，提出聚合注意力模块实现高维语义信息融合	NA	开发用于结肠息肉分割的深度学习模型以辅助医疗诊断	结肠息肉	计算机视觉	结肠癌	深度学习	CNN, Transformer	医学图像	Kvasir-SEG数据集上的五折交叉验证	NA	ResNet, 双分支结构	mIoU, mDice	NA
2473	2025-10-07	Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning 2024-Jun-30, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuae037 PMID:38518758	研究论文	开发并外部验证了一种基于深度学习的动态风险评分系统CShock，用于早期预测心脏重症监护室患者的心源性休克	首次开发了动态风险评分系统CShock，能够利用常规临床数据实现心源性休克的早期自动化预测	研究样本量相对有限，外部验证队列仅包含131名患者	改善心脏重症监护室心源性休克的早期检测和预警	心脏重症监护室收治的急性失代偿性心力衰竭和/或心肌梗死患者	机器学习	心血管疾病	深度学习	深度学习模型	结构化临床数据，包括人口统计学、实验室检查、生命体征、超声心动图和心导管报告特征	训练集1500名患者（其中204名心源性/混合性休克），外部验证集131名患者（其中25名心源性/混合性休克）	NA	NA	AUROC	NA
2474	2025-10-07	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出基于深度学习算法的体育教学概念理解与认知模式构建方法	结合关联图卷积神经网络和超图卷积神经认知诊断模型，挖掘学生长期学习序列数据	NA	提高学生对体育教学概念的理解，帮助教师分析学生认知模式	体育教学中的学生认知状态	机器学习	NA	深度学习算法	CNN, 图卷积神经网络	图像, 学习序列数据	90000个训练样本	NA	关联图卷积神经网络, 超图卷积神经认知诊断模型	准确率	NA
2475	2025-10-07	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型在脑卒中预测中的表现，探索可解释人工智能在早期中风检测中的应用	首次系统比较八种主流机器学习和深度学习模型在中风预测中的性能，并结合SHAP方法提供模型可解释性	研究样本量相对有限（663条记录），仅来自伊朗德黑兰单一医疗中心的数据	比较深度学习和机器学习模型在中风预测中的效能，探索早期检测方法	来自伊朗Hazrat Rasool Akram医院的住院患者，包括401名健康个体和262名中风患者	机器学习	脑卒中	NA	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录数据	663条患者记录（401健康，262中风）	NA	DNN, FNN, LSTM, CNN	准确率, 特异性, 敏感性, F1分数, ROC曲线	NA
2476	2025-10-07	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	通过多中心随机双盲非劣效性试验比较深度学习算法与人工形态学评估在IVF胚胎选择中的效果	首次在大型多中心随机双盲试验中评估深度学习算法(iDAScore)在IVF胚胎选择中的临床应用价值	未能证明深度学习在临床妊娠率方面不劣于标准形态学评估方法	评估深度学习在体外受精胚胎选择中的价值	年龄42岁以下、至少有2个第5天早期囊胚的女性患者	数字病理	生殖系统疾病	胚胎形态学评估	深度学习算法	胚胎图像	1,066名患者(每组533名)	NA	iDAScore	临床妊娠率,风险差异,置信区间	NA
2477	2025-10-07	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	介绍ehrapy——一个用于电子健康记录数据端到端分析的模块化开源Python框架	首个专门为异质性流行病学和电子健康记录数据设计的可扩展探索性分析框架，整合了从数据提取到低维表示生成的全流程分析步骤	NA	开发一个标准化的电子健康记录数据分析框架，解决数据异质性挑战	电子健康记录数据，流行病学数据	医疗数据分析	肺炎，心血管疾病，SARS-CoV-2感染	电子健康记录分析，深度学习	深度学习模型	电子健康记录，医学影像数据	NA	Python	NA	NA	NA
2478	2025-10-07	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题	未明确说明模型在更广泛癌症类型中的性能表现	提高不同类型癌症中有丝分裂细胞的识别准确性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	深度学习	CNN, Transformer	图像	使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集	NA	YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer	精确率, 召回率, F1分数	NA
2479	2025-10-07	Hessian Regularized L 2 , 1 -Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction 2024-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00594-8 PMID:38099958	研究论文	提出一种结合Hessian正则化非负矩阵分解与深度学习的混合算法，用于预测miRNA与疾病之间的关联关系	提出新型迭代融合方法整合所有相似性，有效降低初始miRNA-疾病关联矩阵的稀疏性；设计混合模型框架结合深度学习、矩阵分解和奇异值分解来捕获非线性特征	NA	预测miRNA与疾病之间的潜在关联关系，为医学研究提供初步见解	microRNAs（miRNAs）与人类疾病（特别是肿瘤疾病）	机器学习	肿瘤疾病	矩阵分解，深度学习	非负矩阵分解，深度学习模型	miRNA-疾病关联矩阵，相似性矩阵	NA	NA	Hessian正则化L2,1-非负矩阵分解，奇异值分解	AUC, AUPR	NA
2480	2025-10-07	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	对基于机器学习和深度学习的蛋白质序列赖氨酸丙二酰化位点预测技术及工具进行全面分析与比较	提出混合架构集成多种分类器，并在最新数据集上评估比较现有工具性能	现有方法存在特征提取不当、高维特征和分类器效率低等特定缺陷	开发有效的赖氨酸丙二酰化位点预测方法	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	蛋白质序列分析	机器学习模型,深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集	NA	混合架构	NA	NA