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
641	2025-06-05	Prediction of Biliary Complications After Human Liver Transplantation Using Hyperspectral Imaging and Convolutional Neural Networks: A Proof-of-concept Study 2024-02-01, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000004757 PMID:37592397	研究论文	本研究探讨了利用高光谱成像（HSI）和卷积神经网络（CNN）预测人类肝移植术后胆道并发症（BCs）的新方法	首次将HSI与CNN结合用于预测肝移植术后胆道并发症，提供了一种非侵入性技术	样本量较小（14例患者作为验证队列），且为概念验证研究，需要更大规模的验证	开发一种非侵入性技术以预测肝移植术后胆道并发症	肝移植患者的胆道组织	数字病理学	肝病	高光谱成像（HSI）、免疫组化、实时共聚焦显微镜	CNN	图像	136张HSI肝脏图像，14例肝移植患者作为验证队列
642	2025-06-04	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统（DLS），用于在眼底照片上准确区分视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿	首次开发了一个专用的深度学习系统，能够高精度区分ODD和视乳头水肿，包括埋藏型ODD与轻中度视乳头水肿的鉴别	研究为回顾性设计，且外部验证数据集规模相对较小	开发一个能准确区分ODD和视乳头水肿的深度学习系统	视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底图像（来自2,180名患者），包括训练集3,230张视乳头水肿图像和857张ODD图像，外部测试集421张图像
643	2025-06-04	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	research paper	开发了一种基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多模态MRI图像，旨在减少PI-RADS分级中的人为错误	敏感性和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	探索基于深度学习的计算机辅助诊断系统在PI-RADS分级中的应用	前列腺癌患者和良性病例的MRI图像	digital pathology	prostate cancer	MRI (T2W, DWI, DCE)	3D U-Net	image	136名患者（108例PCa，28例良性病例）
644	2025-06-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	利用深度学习蛋白质设计工具设计针对肽-MHC-I复合物的小蛋白结合物	采用深度学习工具设计能够特异性结合肽-MHC复合物的小蛋白，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	NA	深度学习	NA	蛋白质结构	十个目标pMHC复合物
645	2025-06-04	A Fully Automated Pipeline Using Swin Transformers for Deep Learning-Based Blood Segmentation on Head Computed Tomography Scans After Aneurysmal Subarachnoid Hemorrhage 2024-10, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.07.216 PMID:39111661	research paper	开发并验证了一种基于Swin-UNETR架构的全自动血液分割工具，用于非对比计算机断层扫描（NCCT）中的蛛网膜下腔出血（SAH）患者	首次采用基于Transformer的Swin-UNETR架构进行SAH患者的全自动血液分割，提高了分割准确性和处理速度	需要进一步在不同数据集中验证以确保临床可靠性，且计算资源需求较高	开发一种全自动的血液分割工具，用于SAH患者的NCCT扫描	蛛网膜下腔出血（SAH）患者的非对比计算机断层扫描（NCCT）图像	digital pathology	cardiovascular disease	NCCT	Swin-UNETR	image	回顾性分析的NCCT扫描数据，包括来自外部机构的验证队列
646	2025-06-04	Artificial Intelligence (AI): A Potential Game Changer in Regenerative Orthopedics-A Scoping Review 2024-Oct, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01189-1 PMID:39324081	综述	本文对人工智能在再生骨科不同治疗方法中的作用进行了范围综述	探讨了AI技术在再生骨科治疗中的潜在应用及其优势	AI在再生骨科中的临床应用涉及伦理问题，需要进一步解决	综述AI在再生骨科治疗中的作用和未来发展方向	再生骨科治疗方法，如干细胞疗法、富血小板血浆疗法等	再生医学	骨科疾病	机器学习(ML)、深度学习(DL)	NA	文献数据	18项研究
647	2024-08-10	Influenza time series prediction models in a megacity from 2010 to 2019: Based on seasonal autoregressive integrated moving average and deep learning hybrid prediction model 2024-Sep-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003238 PMID:39119631	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
648	2025-06-04	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性分类	该模型能够自动准确分类脑部PET扫描，无需依赖经验丰富的读者或结构MRI	研究为回顾性研究，可能受到数据选择和时间的限制	开发并评估一个深度学习模型，用于脑部PET扫描的淀粉样蛋白阳性或阴性分类	脑部PET扫描	digital pathology	Alzheimer's Disease	PET imaging	CNN	image	8476 PET scans (6722 patients)
649	2025-06-04	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	本文提出了一种基于深度学习的骨微结构图像协调方法，用于处理低分辨率和高分辨率CT扫描仪获取的图像数据	提出了3D版本的GAN-CIRCLE方法，通过两个生成对抗网络同时学习低分辨率CT到高分辨率CT的映射及其反向映射，实现了图像数据的协调	样本量较小，仅招募了20名志愿者，且仅对胫骨远端进行了扫描	开发一种深度学习方法，用于协调不同分辨率CT扫描仪获取的骨微结构图像数据	骨微结构图像数据，特别是胫骨远端的低分辨率和高分辨率CT图像	医学影像处理	骨质疏松症	CT扫描	GAN-CIRCLE	3D图像	20名志愿者，500对64×64×64体素的图像块用于训练，8名志愿者的数据用于评估
650	2025-06-04	Knowledge-embedded spatio-temporal analysis for euploidy embryos identification in couples with chromosomal rearrangements 2024-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002803 PMID:37640743	research paper	本研究开发了一种名为AMCFNet的深度学习模型，用于评估染色体重排夫妇胚胎的整倍体状态	首次将多焦点延时视频与临床信息融合，开发AMCFNet模型评估染色体重排夫妇胚胎的整倍体状态	研究样本量有限，模型性能有待进一步验证	开发人工智能模型评估染色体重排夫妇胚胎的整倍体状态	染色体重排夫妇的胚胎	digital pathology	chromosomal rearrangement	preimplantation genetic testing (PGT)	AMSNet, AMCFNet	time-lapse videos, clinical information	4112 embryos for blastocyst formation prediction, 1422 blastocysts for euploidy assessment
651	2025-06-04	Artificial intelligence-based analysis of tumor-infiltrating lymphocyte spatial distribution for colorectal cancer prognosis 2024-Feb-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002964 PMID:38238158	研究论文	本研究利用人工智能技术分析结直肠癌肿瘤微环境中CD3+和CD8+T细胞的空间分布，以评估其对预后的影响	首次使用深度学习技术自动化量化全切片图像中T细胞的空间分布，并验证CD3 CT作为独立的预后因素	研究样本来自两个医疗中心，可能存在选择偏倚，且未探讨其他免疫细胞的影响	评估CD3 CT在结直肠癌预后中的预测能力	结直肠癌患者的肿瘤微环境中CD3+和CD8+T细胞的空间分布	数字病理学	结直肠癌	深度学习	NA	图像	492名患者（训练队列358名，验证队列134名）
652	2025-06-04	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	通过无标记跟踪和无监督多变量时间序列分析，研究成年斑马鱼自由游泳时的典型姿势	利用DeepLabCut和B-SOiD机器学习软件进行无标记姿势跟踪和无监督聚类分析，揭示了斑马鱼运动设计的效率	研究仅基于12只斑马鱼的数据，样本量较小	探究斑马鱼运动设计中最小化主动神经控制的效率	成年斑马鱼	计算机视觉	NA	DeepLabCut, B-SOiD	深度学习	视频	12只自由行为的斑马鱼，超过14,000帧序列记录
653	2025-06-04	Identifying keystone species in microbial communities using deep learning 2024-Jan, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02250-2 PMID:37974003	research paper	提出了一种基于深度学习的框架DKI，用于识别微生物群落中的关键物种	利用深度学习模型从特定生境的微生物组样本中学习群落的组装规则，并通过假想实验量化物种的关键性	未提及具体的数据集大小或模型验证的局限性	解决微生物群落中关键物种识别的系统性问题	微生物群落中的关键物种	machine learning	NA	deep learning	deep-learning model	microbiome samples	NA
654	2025-06-03	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面回顾了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布的假设方法	深度学习在ULM中的应用显著提高了图像质量、处理速度，并减少了微泡高浓度下的采集时间，为ULM的临床应用提供了新思路	当前方法在优化问题表述、评估标准和网络架构方面存在差异，仍需解决这些方法的局限性和挑战	探讨深度学习在超声定位显微镜中的应用及其未来潜力	超声定位显微镜（ULM）中的微泡定位、血流速度估计和像差校正	医学影像处理	NA	超声定位显微镜（ULM）	深度学习	图像	NA
655	2025-06-03	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	提出了一种基于VoxelMorph的深度学习运动校正方法，用于提高脊髓超声定位显微镜（ULM）成像的性能	首次将VoxelMorph深度学习模型应用于脊髓超声定位显微镜的运动校正，显著提高了微血管重建的分辨率	未提及在极端运动条件下的性能表现	提高脊髓血管超声定位显微镜成像的准确性	脊髓血管系统	医学影像处理	脊髓损伤	超声定位显微镜（ULM）	VoxelMorph	超声图像	NA
656	2025-06-03	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种基于深度学习的功率感知可调加权方法（DPT），用于改善超声微血管成像（UMI）的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，用于估计噪声和信号功率，并引入可调噪声控制因子（NCF）以提高不同UMI应用的质量	模型仅在私有大鼠脑数据集上进行训练，可能在其他数据集上的泛化能力有待进一步验证	提高超声微血管成像（UMI）的图像质量，降低计算复杂度	超声微血管成像（UMI）中的噪声和信号功率估计	医学影像处理	NA	深度学习（DL）、平面波（PW）传输、延迟求和（DAS）波束成形	Yformer（结合CNN和Transformer的混合结构）	超声图像	公共模拟数据集、公共大鼠脑数据集、私有大鼠脑数据集、私有大鼠肝数据集
657	2025-06-03	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	本文提出了一种结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，用于从少量超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归Transformer的新型深度学习框架，显著减少了数据采集和计算时间	NA	开发一种能够快速实现超分辨率超声定位显微镜成像的方法	超声定位显微镜成像中的微血管	医学影像处理	NA	超声定位显微镜(ULM)	多分支CNN和递归Transformer(RT)	超声图像	数值模拟和体内实验
658	2025-06-03	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计	研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性	改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性	动态治疗策略下的治疗效果	machine learning	sepsis	variational dropout, deep ensembles	deep learning	clinical data	两个模拟数据集和一个真实世界脓毒症数据集
659	2025-06-03	Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity 2024-11-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00542 PMID:39495623	research paper	该研究探讨了平衡训练集对基于深度学习的CRISPR sgRNA活性预测的影响	通过使用平衡和不平衡的数据集训练CNN和LLM模型，并测试合成sgRNA对预测性能的提升，强调了平衡训练集的重要性	研究仅针对CRISPR-Cas12a和CRISPR-Cas9系统，可能不适用于其他CRISPR系统	提高CRISPR sgRNA活性预测的准确性	CRISPR sgRNA	machine learning	NA	CRISPR-Cas12a和CRISPR-Cas9筛选	CNN, LLM	序列数据	来自酵母的CRISPR-Cas12a筛选数据及CRISPR-Cas9数据集
660	2025-06-03	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-10-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	提出了一种名为Modal-Nexus Auto-Encoder (Monae)的深度学习方法，用于多模态单细胞数据的整合与填补	利用模态间的调控关系和模态特定的自编码器中的对比学习，Monae在统一空间中增强了细胞表征，并能够生成精确的模态内和跨模态填补计数	未明确提及具体限制	解决多模态单细胞数据整合与填补中的异构特征空间和技术噪声问题	单细胞数据	机器学习	NA	对比学习	Auto-Encoder	单细胞数据	多个数据集（未明确提及具体样本数量）