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
261	2025-07-21	Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study 2024-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102919 PMID:39764545	研究论文	本研究利用深度学习技术分析重症婴儿的视频数据，以检测神经系统变化	首次将姿态AI应用于ICU环境，仅通过视频数据预测脑功能障碍	单中心回顾性研究，样本量相对有限	开发连续、可靠的神经系统监测方法	重症监护病房中1岁以下的婴儿	计算机视觉	神经系统疾病	深度学习姿态识别算法	深度学习	视频	115名婴儿，282301分钟视频数据
262	2025-07-21	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究整合空间转录组学和单核RNA测序数据，增强了对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析能力	结合空间转录组学和单核RNA测序数据，提高了空间信息和细胞类型特异性差异基因表达分析的检测能力，发现了传统方法无法识别的与阿尔茨海默病相关的基因和通路	研究依赖于推断的空间位置信息，可能存在一定的误差	增强对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析	阿尔茨海默病相关的β-淀粉样蛋白、缠结密度和认知衰退表型	生物信息学	阿尔茨海默病	空间转录组学(ST)、单核RNA测序(snRNA-seq)	深度学习工具CelEry、线性混合回归模型	基因表达数据	436个死后大脑的背外侧前额叶皮层(DLPFC)组织
263	2025-07-21	In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78891-5 PMID:39537775	研究论文	本研究评估了在常规结肠镜检查中使用内窥镜光学相干断层扫描（OCT）和深度学习技术评估复杂息肉的可行性	结合内窥镜OCT和深度学习技术，提供了对多种组织学亚型息肉的详细比较，而不仅仅是良性和恶性病变的区分	样本量较小（35个息肉，32名患者），且为初步临床研究	评估内窥镜OCT在常规结肠镜检查中评估结直肠息肉的可行性	接受内窥镜治疗的大型结直肠息肉患者	数字病理学	结直肠癌	内窥镜光学相干断层扫描（OCT）	深度学习模型	图像	35个息肉来自32名患者
264	2025-07-21	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的工作流程，用于改善电声断层扫描（EAT）的图像质量，以实时监测基于纳秒脉冲电场（nsPEF）的电穿孔治疗	首次在实验环境中使用单一线性阵列实现高质量EAT，通过监督学习模型纠正图像失真	研究仅基于实验数据，未涉及临床环境下的验证	提高电声断层扫描在实时监测电穿孔治疗中的实用性	纳秒脉冲电场（nsPEF）产生的电声信号	医学影像处理	NA	电声断层扫描（EAT）	深度学习模型	超声信号	56组不同强度和几何形状的nsPEF电声数据集（46组训练，10组测试）
265	2025-07-21	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-08-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	利用深度学习分析H&E染色切片，识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性风险模型以预测总体生存率	首次采用端到端深度学习方法，分别在男性和女性患者中识别与生存相关的性别特异性组织病理学特征，并构建性别特异性预后模型	研究仅基于H&E染色切片，未整合其他分子或临床数据	探索高级别胶质瘤中性别差异对生存预后的影响，并开发性别特异性预后模型	高级别胶质瘤患者的H&E染色组织切片	数字病理学	高级别胶质瘤	H&E染色	ResNet18, mResNet-Cox	图像	多个独立验证队列（具体数量未明确说明）
266	2025-07-21	Quantification of Human Photoreceptor-Retinal Pigment Epithelium Macular Topography with Adaptive Optics-Optical Coherence Tomography 2024-Jul-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141518 PMID:39061655	研究论文	使用自适应光学-光学相干断层扫描技术量化人类光感受器-视网膜色素上皮黄斑地形图	首次利用FDML-AO-OCT平台结合深度学习算法，在活体人眼中完整描述了PR-RPE复合体的三维细胞形态及黄斑区地形分布	研究样本量较小（仅11名健康志愿者），且仅关注了颞侧黄斑区域	建立人类PR-RPE复合体黄斑区地形分布的定量标准，为视网膜疾病研究提供基础数据	活体人眼的光感受器（PRs）与视网膜色素上皮（RPE）细胞构成的PR-RPE复合体	生物医学成像	视网膜疾病	FDML-AO-OCT（傅里叶域模式锁定激光自适应光学-光学相干断层扫描）	深度学习算法	三维光学相干断层扫描图像	11名健康志愿者的颞侧黄斑区域数据
267	2025-07-21	A Primer for Utilizing Deep Learning and Abdominal MRI Imaging Features to Monitor Autosomal Dominant Polycystic Kidney Disease Progression 2024-May-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12051133 PMID:38791095	研究论文	本文探讨了如何利用深度学习和腹部MRI成像特征监测常染色体显性多囊肾病（ADPKD）的进展	提出了使用深度学习模型分割肾脏及其他器官组织，提取额外生物标志物来表征ADPKD的肾外表现	未提及具体实验数据或模型性能的详细评估	评估和监测ADPKD的疾病进展及治疗效果	常染色体显性多囊肾病（ADPKD）患者	数字病理学	肾脏疾病	MRI成像	深度学习模型	医学影像	NA
268	2025-07-21	Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach 2024-Mar-27, Biometrics IF:1.4Q2 DOI:10.1093/biomtc/ujae030 PMID:38682463	研究论文	提出了一种基于贝叶斯多层次上下文学习的方法，用于发现潜在的癌症突变主题	利用计算语言学中的主题模型对突变上下文进行降维，产生可解释且去相关的元特征主题，并提出了一种高效的MCMC算法实现严格的贝叶斯推断	突变上下文的体积、相关性和不可解释性使得原则性统计推断不可行	推断癌症类型特异性超罕见体细胞突变	全基因组体细胞突变	机器学习	癌症	贝叶斯多层次上下文学习、主题模型、MCMC算法	多级多逻辑隐藏基因组模型	基因组数据	数千个肿瘤中的数千万个变异
269	2025-07-21	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于同时校正单个体素的MEGA-PRESS MRS数据的频率和相位	首次将深度学习应用于磁共振波谱配准，提出了一种新的CNN-SR方法	研究主要基于模拟数据，真实数据样本量较小(101例)	开发一种高效的磁共振波谱配准方法	MEGA-PRESS MRS数据	医学影像分析	NA	MEGA-PRESS磁共振波谱	CNN	磁共振波谱数据	40,000个模拟数据集和101个真实数据集
270	2025-07-21	shinyDeepDR: A user-friendly R Shiny app for predicting anti-cancer drug response using deep learning 2024-Feb-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100894 PMID:38370127	研究论文	介绍了一个用户友好的R Shiny应用shinyDeepDR，用于通过深度学习预测抗癌药物反应	开发了一个用户友好的网络工具，使没有丰富编程经验的研究人员也能使用DeepDR模型进行抗癌药物敏感性预测	未提及模型在临床样本上的验证情况	推进精准肿瘤学，提高治疗反应预测的准确性和预测模型的可及性	癌症样本（细胞系或肿瘤）的突变和/或基因表达数据	机器学习	癌症	深度学习	DeepDR	基因表达数据和突变数据	包含来自Cancer Cell Line Encyclopedia (CCLE)和The Cancer Genome Atlas (TCGA)的数据
271	2025-07-21	Enhancing Hierarchical Transformers for Whole Brain Segmentation with Intracranial Measurements Integration 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009084 PMID:39220623	research paper	该研究通过增强分层Transformer模型UNesT，实现了包含133个脑区及颅内测量（TICV/PFV）的全脑分割	提出了一种改进的分层Transformer模型，首次在全脑分割任务中同时实现脑区细分和颅内体积测量	面临手动标注图谱数据不足的挑战，特别是同时包含全脑分割和TICV/PFV标签的数据稀缺	开发能够同时进行全脑精细分割和颅内体积测量的深度学习模型	脑MRI图像中的133个解剖结构和颅内测量指标（TICV/PFV）	digital pathology	NA	MRI，多图谱分割流程	hierarchical transformer UNesT	3D MRI volumes	预训练使用4859个T1加权3D体积（来自8个不同站点），微调使用45个OASIS数据集样本
272	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）
273	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
274	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
275	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）
276	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
277	2025-07-20	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索了利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	研究仅涉及27名健康参与者，样本量较小	预测体力消耗水平	健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度(RPM)和心率变异性(HRV)测量	LSTM网络与传统机器学习模型	生理信号数据	27名健康参与者
278	2025-07-20	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	本文提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提升疾病结果预测	引入了HdFIT框架，结合特征筛选步骤和机器学习模型，有效识别关键生物标志物并提升预测准确性	未提及具体疾病类型的应用限制或框架在不同数据集上的泛化能力	提高疾病结果预测的准确性并理解疾病机制	行为、临床和高维分子特征	机器学习	NA	深度学习	深度神经网络	高维分子数据	蒙特卡洛实验和真实微生物组研究
279	2025-07-20	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	该研究探讨了SARS-CoV-2病毒突变对人类与动物间交叉传播的影响，并利用深度学习模型预测了可能增强传播的关键突变	提出了病毒在动物宿主中的适应性突变不一定增加人类传染性的假设，并构建了多任务深度学习模型MT-TopLap来预测跨物种传播的关键突变	研究主要关注RBD区域的突变，可能忽略了病毒其他区域突变对传播的影响	研究SARS-CoV-2病毒突变对人类与动物间交叉传播能力的影响	SARS-CoV-2病毒的受体结合域(RBD)突变	机器学习	COVID-19	深度突变扫描	MT-TopLap(多任务深度学习模型)	蛋白质序列数据	多种物种(人类、猫、蝙蝠、鹿、仓鼠)的ACE2受体数据
280	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	research paper	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位（STN LFPs）中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能优势	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中进行测试	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改善自适应深部脑刺激（DBS）疗法的效果	帕金森病患者的丘脑底核局部场电位和步态表现	machine learning	Parkinson's disease	深部脑刺激（DBS），局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（STN LFPs），地面反作用力数据	18名帕金森病患者