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
981	2025-07-23	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究开发了一种端到端的深度学习方法，用于预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗的反应	首次将混合监督的深度学习模型应用于全切片图像，以预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心	探索利用深度学习模型预测子宫内膜疾病患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	全切片图像（WSI）分析	Autoencoder或ResNet50	图像	112例患者	NA	NA	NA	NA
982	2025-10-06	Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features 2024-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3260776 PMID:37015120	研究论文	开发了一种基于多源特征的自适应深度学习网络，用于肝癌多模式消融治疗后的生存分析预测	提出结合MRI影像组学特征、视觉Transformer深度学习特征和免疫特征的多源特征融合方法，并改进了深度Cox混合模型和自适应全连接层	方法仅在单一临床数据集上验证，需要更大规模的多中心研究确认泛化能力	开发生存分析框架用于肝癌消融治疗后的生存预测和疗效评估	接受多模式热疗（冷冻后射频加热）的肝癌患者	医学影像分析	肝癌	MRI影像组学、流式细胞术、常规血液检测	深度Cox混合模型、随机生存森林	医学影像、血液检测数据	临床数据集（具体样本数未明确说明）	NA	视觉Transformer、自适应全连接层	C-index、综合Brier评分	NA
983	2025-10-06	Deep learning-based diagnosis of aortic dissection using an electrocardiogram: Development, validation, and clinical implications of the AADE score 2024, Kardiologia polska IF:3.7Q1 DOI:10.33963/v.phj.98880 PMID:38230465	研究论文	开发基于心电图和深度学习技术的主动脉夹层诊断模型及AADE评分系统	首次将卷积神经网络应用于心电图分析以实现主动脉夹层的自动检测，并创新性地提出AI衍生的AADE评分系统	研究样本量相对有限（共1878例患者），需要更大规模的多中心验证	开发基于心电图的深度学习AI模型用于主动脉夹层检测和严重程度评估	主动脉夹层患者和胸痛对照患者	医疗人工智能	心血管疾病	心电图分析	CNN	心电图信号	1878例患者（313例主动脉夹层，313例胸痛对照，其余为训练验证集）	NA	卷积神经网络	准确率,F1分数	NA
984	2025-10-06	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2024-Dec-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.30.630782 PMID:39803485	研究论文	开发了一种基于深度学习的高精度果蝇大脑Micro-CT图像分割模型	仅需1-3张Micro-CT图像即可训练出准确的分割模型，并能跨不同组织染色、扫描仪型号和基因型进行泛化	训练数据量较小（仅1-3张图像），可能限制模型在更广泛场景下的适用性	实现果蝇大脑Micro-CT图像的自动化精确分割	黑腹果蝇成年大脑	计算机视觉	NA	Micro-CT成像	深度学习	三维医学图像	1-3张果蝇大脑Micro-CT图像	Dragonfly	预训练神经网络	分割准确性，体积量化分析	NA
985	2025-10-06	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	研究论文	本研究开发了一个结合生物学知识的多阶段深度学习框架Deep-Block，用于从全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	提出了一个结合连锁不平衡模式的三阶段深度学习框架，在降维过程中保留SNP相互作用，最小化偏差和信息损失	研究仅包含7,416名非西班牙裔白人参与者，样本多样性有限	识别与阿尔茨海默病风险相关的遗传因素	阿尔茨海默病患者的全基因组测序数据	机器学习	阿尔茨海默病	全基因组测序	TabNet, Random Forest	基因组数据	7,416名非西班牙裔白人参与者（3,150名认知正常老年人，4,266名AD患者）	NA	稀疏注意力机制, TabNet, Random Forest	eQTL分析, 交叉验证	NA
986	2025-10-06	Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00103 PMID:39652797	研究论文	开发基于深度学习的模型从三维重建数字乳腺断层合成图像中估计乳腺体积密度	首次使用深度学习直接从三维重建DBT图像估计乳腺体积密度，无需依赖原始二维数据	回顾性研究设计，依赖历史数据	开发从三维重建DBT图像自动估计乳腺体积密度的方法	乳腺筛查检查中的三维重建数字乳腺断层合成图像	数字病理	乳腺癌	数字乳腺断层合成	深度学习	三维重建医学图像	1080个非操作性三维重建DBT筛查检查（2011-2016年），外加834个样本的独立病例对照研究（180病例+654对照）	NA	NA	Dice系数, AUC, 比值比	NA
987	2025-10-06	Identifying retinal pigment epithelium cells in adaptive optics-optical coherence tomography images with partial annotations and superhuman accuracy 2024-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.538473 PMID:39679394	研究论文	提出一种基于深度学习的视网膜色素上皮细胞自动分割方法，在自适应光学光学相干断层扫描图像中实现超人类准确度的细胞识别	采用部分标注训练策略，在AO-OCT图像中实现超越人类专家性能的RPE细胞检测精度	NA	开发自动化细胞分割算法，实现视网膜色素上皮细胞结构的快速、经济、客观量化	视网膜色素上皮细胞	计算机视觉	视网膜神经退行性疾病	自适应光学光学相干断层扫描	深度学习	医学图像	NA	NA	NA	准确度	NA
988	2025-10-06	Leveraging Deep Learning of Chest Radiograph Images to Identify Individuals at High Risk for Chronic Obstructive Pulmonary Disease 2024-Nov-15, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.14.24317055 PMID:39606360	研究论文	本研究通过深度学习分析常规胸部X光片，识别慢性阻塞性肺疾病高风险个体	将已开发的CXR-Lung-Risk卷积神经网络模型应用于COPD风险预测，并在外部验证中证明其超越传统临床风险评分的预测价值	研究基于特定医疗机构的门诊患者数据，需进一步验证在其他人群中的适用性	评估深度学习模型在胸部X光片上识别COPD高风险个体的能力	无肺癌、COPD或肺气肿的门诊患者，包括有吸烟史和无吸烟史人群	计算机视觉	慢性阻塞性肺疾病	胸部X光成像	CNN	图像	主要分析：27,848人（12,550名有吸烟史者，15,298名无吸烟史者）；次要分析：2,097人	NA	CXR-Lung-Risk	AUC	NA
989	2025-10-06	Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis 2024-Oct-31, ArXiv PMID:39575118	研究论文	提出一种用于多子空间学习的监督独立子空间主成分分析方法，旨在解决高维数据表示中可解释性问题	将希尔伯特-施密特独立性准则(HSIC)融入PCA框架，同时实现监督学习和子空间解缠	未明确说明方法在大规模数据集上的计算效率限制	开发能够捕获人类可理解概念的高维数据表示方法	高维数据表示和可解释性分析	机器学习	乳腺癌, 疟疾, 衰老相关疾病	主成分分析, 希尔伯特-施密特独立性准则	线性模型, 自编码器	图像特征, DNA甲基化数据, 单细胞数据	NA	NA	sisPCA	NA	NA
990	2025-10-06	The gene expression signature of electrical stimulation in the human brain 2024-Oct-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558812 PMID:37790527	研究论文	本研究通过转录组和表观基因组测序技术揭示了人脑电刺激对基因表达的分子影响，重点关注小胶质细胞的反应	首次发现临床常用电刺激主要影响小胶质细胞特异性细胞因子活性相关基因表达，而非神经元基因表达	研究样本量有限，仅针对前颞叶电刺激，未涵盖其他脑区	探索人脑电刺激的分子机制及其对基因表达的影响	接受神经外科手术患者的前颞叶脑组织	生物信息学	神经系统疾病	转录组测序, 表观基因组测序, 单细胞测序	深度学习	基因表达数据, 表观遗传数据	神经外科手术患者脑组织样本	NA	NA	NA	NA
991	2025-10-06	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本研究通过使用基因组基础模型的预训练嵌入，开发了能够从DNA序列预测个性化基因表达的深度学习模型	首次将Nucleotide Transformer基础模型的预训练嵌入应用于个性化基因表达预测，显著缩小了与仅使用遗传变异的弹性网络回归方法的性能差距	训练数据规模有限（290个个体），需要更多训练数据和计算资源改进方法	提高从DNA序列预测个性化基因表达的准确性	人类基因组DNA序列和基因表达数据	基因组学	NA	基因表达分析，基因型分析	Transformer	DNA序列数据，基因表达数据，基因型数据	290个个体的基因型和表达数据	NA	Transformer	相关性	NA
992	2025-10-06	Integrated image-based deep learning and language models for primary diabetes care 2024-Oct, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03139-8 PMID:39030266	研究论文	开发集成图像和语言模型的DeepDR-LLM系统，用于改善基层糖尿病管理和糖尿病视网膜病变筛查	首次将基于图像的深度学习模型与大型语言模型集成，为基层医生提供个性化糖尿病管理建议	仅进行了单中心前瞻性研究，样本量有限，需要在更广泛人群中验证	解决基层糖尿病管理和DR筛查资源不足的问题	糖尿病患者和基层医生	计算机视觉,自然语言处理	糖尿病,糖尿病视网膜病变	深度学习,大型语言模型	Transformer	图像,文本	回顾性评估未明确样本量，前瞻性研究769名患者（397名无辅助组，372名辅助组）	NA	Transformer	准确率,依从性改善统计显著性	NA
993	2025-10-06	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发基于图结构的超分辨率蛋白质-蛋白质相互作用技术，用于预测单细胞水平的癌症药物反应	首次将图神经网络与超分辨率显微镜结合，实现单细胞水平蛋白质相互作用空间网络的三维解析	研究样本数量有限（约10,000个细胞），仅针对EGFR突变细胞系进行验证	开发空间信号网络解析技术以理解癌症耐药机制	EGFR突变PC9和HCC827癌细胞、临床肺组织样本、T细胞	计算生物学	肺癌	空间邻近连接分析、超分辨率显微镜、3D空间蛋白质组分子像素化	图神经网络	蛋白质相互作用图像、3D空间蛋白质数据	超过10,000个EGFR突变细胞	深度学习框架	图神经网络架构	准确率、AUC、F1分数	NA
994	2025-10-06	Association of quantitative histopathology measurements with antemortem medial temporal lobe cortical thickness in the Alzheimer's disease continuum 2024-09-03, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-024-02789-9 PMID:39227502	研究论文	开发深度学习算法定量测量p-tau和pTDP-43病理，并分析其与阿尔茨海默病连续谱中内侧颞叶皮层厚度的关联	首次开发两种深度学习算法分别定量测量p-tau和pTDP-43病理，相比半定量评分能更精确地揭示病理与结构的关系	样本量相对有限（140例），仅关注内侧颞叶区域，未涵盖其他脑区病理	探究内侧颞叶萎缩与特定神经病理（p-tau和pTDP-43）之间的具体关系	阿尔茨海默病连续谱和边缘系统为主年龄相关TDP-43脑病患者	数字病理学	阿尔茨海默病	深度学习，组织切片分析，MRI成像	深度学习	组织切片图像，MRI图像	140例具有生前MRI成像的病例	NA	NA	病理分级区分能力，模型拟合优度	NA
995	2025-10-06	Deep5hmC: predicting genome-wide 5-hydroxymethylcytosine landscape via a multimodal deep learning model 2024-09-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae528 PMID:39196755	研究论文	开发了一个多模态深度学习框架Deep5hmC，用于预测全基因组5-羟甲基胞嘧啶修饰景观	首次整合DNA序列和表观遗传特征（组蛋白修饰和染色质可及性）的多模态深度学习模型预测5hmC修饰	NA	预测全基因组5-羟甲基胞嘧啶修饰景观，理解组织特异性基因调控	人脑类器官发育四个阶段和17种人体组织的5hmC测序数据	机器学习	阿尔茨海默病	5hmC测序	深度学习	DNA序列数据, 表观遗传数据	四个前脑发育阶段和17种人体组织的5hmC测序数据	NA	多模态深度学习架构	AUROC, Spearman相关系数	NA
996	2025-10-06	Presurgical Upgrade Prediction of DCIS to Invasive Ductal Carcinoma Using Time-dependent Deep Learning Models with DCE MRI 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230348 PMID:38900042	研究论文	本研究使用时间依赖性深度学习模型预测DCIS术前升级为浸润性导管癌	首次将时间依赖性深度学习模型应用于DCE MRI数据，无需病灶分割即可预测DCIS升级	样本量较小（154例），为回顾性研究	预测导管原位癌术前升级为浸润性恶性肿瘤	经活检证实的DCIS患者（154例，其中25例术后升级）	计算机视觉	乳腺癌	动态对比增强MRI	CNN, LSTM	医学影像	154例DCIS病例（25例升级，129例未升级）	NA	ResNet50, VGG16, CNN-LSTM	AUC	NA
997	2025-10-06	Prediction of extraction difficulty for impacted maxillary third molars with deep learning approach 2024-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101817 PMID:38458545	研究论文	本研究开发了一种基于深度学习的模型，用于通过全景X光片预测上颌阻生第三磨牙的手术难度	首次使用YoloV5x架构对阻生上颌第三磨牙进行自动分割和手术难度分类	数据集仅包含708张全景X光片，样本量相对有限	评估深度学习模型在预测上颌阻生第三磨牙手术难度方面的有效性	上颌阻生第三磨牙	计算机视觉	口腔疾病	全景X光成像	深度学习	医学图像	708张全景X光片	YoloV5	YoloV5x	灵敏度,精确度,F1分数	NA
998	2025-10-06	Clinical Translation of a Deep Learning Model of Radiation-Induced Lymphopenia for Esophageal Cancer 2024-Sep, International journal of particle therapy IF:2.1Q2 DOI:10.1016/j.ijpt.2024.100624 PMID:39228692	研究论文	本研究将深度学习模型应用于食管癌放疗中预测辐射诱导淋巴细胞减少症风险，并提出将免疫系统作为风险器官纳入放疗计划优化的策略	首次提出将免疫系统作为风险器官的概念，并开发深度学习模型指导放疗计划优化以减轻辐射诱导淋巴细胞减少症	研究基于回顾性数据和小样本量（20例患者），需要前瞻性临床试验验证	开发并验证深度学习模型在预测和减轻食管癌放疗中辐射诱导淋巴细胞减少症风险的应用	食管癌患者	数字病理	食管癌	深度学习	深度学习模型	放疗计划数据、剂量学参数、淋巴细胞计数	20例食管癌患者（10例接受调强放疗，10例接受被动散射质子治疗）	NA	NA	绝对淋巴细胞计数最低值预测准确性	NA
999	2025-10-06	Investigating the relationship between radiographic joint space width loss and deep learning-derived magnetic resonance imaging-based cartilage thickness loss in the medial weight-bearing region of the tibiofemoral joint 2024-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100508 PMID:39238657	研究论文	研究膝关节X射线关节间隙宽度损失与深度学习衍生的MRI软骨厚度损失之间的关系	首次使用深度学习定量分析MRI软骨厚度损失，并与传统X射线测量方法进行对比分析	样本量相对有限(n=256)，仅关注膝关节内侧承重区域，观察时间较短(12-24个月)	评估X射线关节间隙宽度损失是否能有效代表MRI测量的软骨厚度损失	骨关节炎倡议(OAI)研究中可能处于早期骨关节炎阶段的膝关节	医学影像分析	骨关节炎	磁共振成像, X射线成像, 深度学习	深度学习模型	医学影像(MRI和X射线)	256个膝关节	NA	NA	Pearson相关系数, p值, 线性混合效应模型系数	NA
1000	2025-10-06	ConIQA: A deep learning method for perceptual image quality assessment with limited data 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70469-5 PMID:39209864	研究论文	提出一种基于深度学习的图像质量评估方法ConIQA，能够在有限标注数据条件下有效评估图像质量	结合一致性训练和新型数据增强方法，能够同时利用标注和未标注数据进行学习	在特定领域（如计算机生成全息图）的验证，通用性需要进一步验证	开发在有限标注数据条件下仍能有效评估图像质量的深度学习方法	虚拟现实和增强现实应用中的图像质量评估	计算机视觉	NA	深度学习	神经网络	图像	1000张自然图像，每张配对不同CGH算法渲染的图像，由13名参与者进行质量评分	NA	NA	皮尔逊相关系数, 斯皮尔曼相关系数, 肯德尔tau系数	NA