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
1101	2025-05-03	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	系统综述	本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议	首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险	仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足	评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量	使用深度学习和眼底图像预测系统性参数的文献	数字病理学	糖尿病及相关疾病、心血管疾病等	深度学习	NA	眼底图像	31篇研究文献（涉及4969篇初步筛选文献）
1102	2025-05-03	AI-guided histopathology predicts brain metastasis in lung cancer patients 2024-05, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6263 PMID:38433721	研究论文	使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险	首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家	样本量相对较小（158例），需要更大规模验证	开发AI模型预测非小细胞肺癌患者的脑转移风险	I-III期非小细胞肺癌患者的H&E染色组织切片	数字病理学	肺癌	深度学习	DL算法	病理图像	158例I-III期NSCLC患者（65例发生脑转移，93例未进展）
1103	2025-05-03	Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111403 PMID:38452732	research paper	该研究开发了一种名为Deep-SHAP的可解释AI方法，用于探索轻度认知障碍(MCI)/阿尔茨海默病(AD)患者区域神经影像生物标志物与认知功能之间的多变量关系	结合深度学习和SHAP方法，首次提出Deep-SHAP方法来揭示MCI/AD中区域脑部特征与认知功能之间的复杂多变量关系	研究仅针对MCI/AD患者，结果可能不适用于其他神经退行性疾病	探索MCI/AD患者区域脑成像指标与认知功能之间的多变量关系	MCI/AD患者	digital pathology	geriatric disease	MRI, PET	深度学习神经网络	神经影像数据	MCI/AD患者的实验数据
1104	2024-08-07	Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS) 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02877-2 PMID:38135772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1105	2024-08-07	Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)' 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02878-1 PMID:38135773	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1106	2025-05-03	Evaluation of a Cascaded Deep Learning-based Algorithm for Prostate Lesion Detection at Biparametric MRI 2024-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.230750 PMID:38713024	研究论文	评估一种基于级联深度学习的算法在双参数MRI中检测前列腺病变的性能，并与放射科医生的读取和活检结果进行比较	开发了一种用于双参数MRI的前列腺病变检测和分割的AI算法，其性能与经验丰富的放射科医生相当	算法在病变级别的检测灵敏度为55%，阳性预测值为57%，且每个参与者的平均假阳性病变数为0.61	评估AI算法在双参数MRI中检测前列腺病变的性能	疑似或已知前列腺癌的患者	数字病理学	前列腺癌	双参数MRI	级联深度学习算法	MRI图像	658名男性参与者，共1029个MRI可见病变
1107	2025-05-03	NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions 2024-May-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.10.033 PMID:37972715	research paper	评估基于人工智能深度学习的自动分割在放射治疗中的当前发展、临床考虑和未来方向	探讨了AI深度学习神经网络在放射治疗自动分割中的应用，特别是在减少人工勾画工作量和缩短治疗计划时间方面的显著优势	商业AI分割模型在多样化临床场景中应用时面临挑战，特别是在非受控环境中	评估商业AI自动分割工具的临床应用和潜力	商业AI自动分割工具及其在放射治疗中的应用	digital pathology	NA	deep learning neural networks (DLNN)	AI-based models	medical imaging data	NA
1108	2025-05-03	Image factory: A method for synthesizing novel CT images with anatomical guidance 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16864 PMID:38043097	research paper	提出了一种名为Image factory的方法，用于在解剖学指导下合成新的CT图像，以解决医学影像领域标记数据不足的问题	通过结合StyleGAN、U-Net和CycleGAN/P2P架构，能够从少量标记数据生成大量高质量的标记CT图像，并合成具有新解剖结构的图像	需要依赖初始的小规模标记数据集和大量非标记数据，且生成图像的解剖合理性可能存在轻微下降	解决医学影像领域深度学习训练数据不足的问题	CT图像	digital pathology	lung cancer	StyleGAN, U-Net, CycleGAN/P2P	GAN, CNN	image	30例标记的肺部CT数据（来自TCIA）和14k例未标记的高分辨率CT数据（来自NIH）
1109	2025-05-03	RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108318 PMID:38522253	research paper	介绍了一种名为RAPHIA的深度学习流程，用于高效准确地对前列腺MRI和全切片组织病理学图像进行配准	RAPHIA自动化了现有方法中多个耗时的手动步骤，包括前列腺分割、组织病理学图像旋转角度和水平翻转的估计，以及MRI-组织病理学切片对应关系的估计，并通过深度学习配准网络大幅减少计算时间	未明确提及具体限制，但可能依赖于深度学习模型的性能和训练数据的质量	开发一种高效准确的MRI和组织病理学图像配准流程，以促进前列腺癌早期检测的机器学习方法的发展	前列腺MRI和全切片组织病理学图像	digital pathology	prostate cancer	deep learning registration networks	NA	image	未明确提及具体样本数量
1110	2025-05-03	TractGeoNet: A geometric deep learning framework for pointwise analysis of tract microstructure to predict language assessment performance 2024-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103120 PMID:38458095	研究论文	提出了一种基于几何深度学习的框架TractGeoNet，用于利用扩散磁共振成像(dMRI)纤维束成像和相关的点状组织微结构测量进行回归分析	采用点云表示法直接利用纤维束内所有点的组织微结构和位置信息，无需沿流线平均或分箱数据；提出了一种新的损失函数Paired-Siamese Regression loss，以提高回归性能；提出了Critical Region Localization算法，用于识别白质纤维束中对预测结果贡献最大的解剖区域	研究仅基于806名受试者的20个关联白质纤维束数据集，样本量和区域范围可能有限	通过几何深度学习增强对大脑白质纤维束的研究，并将其结构与人类语言表现等特征联系起来	人脑白质纤维束及其与语言表现的关系	机器学习	NA	扩散磁共振成像(dMRI)纤维束成像	几何深度学习	图像	806名受试者的20个关联白质纤维束
1111	2025-05-03	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study 2024-03-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006137 PMID:38381018	研究论文	本研究验证了深度学习基础的心脏骤停风险管理系统DeepCARS在快速反应系统（RRS）运行和非运行期间的预测性能，并探索了其在RRS运行时间之外的潜力	DeepCARS在RRS运行和非运行期间均表现出优于传统早期预警系统的预测性能，且性能稳定	研究为单中心回顾性研究，可能限制了结果的普遍性	验证DeepCARS在预测住院患者心脏骤停方面的性能，特别是在RRS非运行期间的有效性	入住普通病房的成年患者	医疗人工智能	心血管疾病	深度学习	DeepCARS	电子健康记录	2019年9月1日至2020年8月31日期间入住普通病房的成年患者数据
1112	2025-05-03	Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1450804 PMID:39364166	研究论文	通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联	首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法	仅研究了10种抗生素抗性菌株，样本量有限	探索细菌形态特征与抗生素抗性之间的关联	10种抗生素抗性细菌菌株	生物信息学	细菌感染	光学显微镜、深度学习	深度学习	图像	10种抗生素抗性细菌菌株
1113	2025-05-03	ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1449798 PMID:39830185	research paper	提出了一种基于多模态数据的高效阿尔茨海默病初步筛查框架ReIU	结合U-Net和迭代配准学习技术，从OCT-A设备中提取视网膜血管图，用于阿尔茨海默病的早期筛查	在HRF数据集上的分割准确率相对较低（68.3%）	开发一种经济、非侵入性的阿尔茨海默病早期筛查工具	阿尔茨海默病患者和健康受试者的多模态数据集	digital pathology	geriatric disease	OCT angiography (OCT-A)	U-Net	image	包含健康受试者和AD患者的多模态数据集（具体数量未明确说明）
1114	2025-05-02	Performance Improvement with Reduced Number of Channels in Motor Imagery BCI System 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010120 PMID:39796911	研究论文	本研究探讨了在运动想象脑机接口系统中减少通道数量以提高灵活性、便携性和计算效率的方法	结合EOG通道和少量EEG通道比单独使用大量EEG通道更有效，挑战了EOG仅引入眼相关噪声的传统观点	在7类运动想象任务中准确率相对较低（61%）	提高运动想象脑机接口系统的实用性和性能	运动想象EEG信号分类	脑机接口	NA	深度学习	1D卷积块和深度可分离卷积	EEG和EOG信号	两个数据集：BCI Competition IV Dataset IIa（4类MI）和Weibo数据集（7类MI）
1115	2025-05-02	Cross-Shaped Heat Tensor Network for Morphometric Analysis Using Zebrafish Larvae Feature Keypoints 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010132 PMID:39796924	research paper	提出了一种基于深度学习的特征端点检测方法，用于定量确定斑马鱼幼体的表型和器官特征	引入了交叉形热张量网络（CSHT-Net），通过新颖的关键点训练方法和组合卷积块特征提取器，解决了基于热图方法仅关注关键点局部区域的问题，并增强了模型学习连续带状特征的能力	NA	开发一种非破坏性的斑马鱼幼体形态计量分析方法，用于识别异常和诊断疾病	斑马鱼幼体	computer vision	NA	deep learning	CSHT-Net	image	4389张斑马鱼幼体的明场显微照片
1116	2025-05-02	Porter 6: Protein Secondary Structure Prediction by Leveraging Pre-Trained Language Models (PLMs) 2024-Dec-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010130 PMID:39795988	研究论文	利用预训练语言模型（PLMs）进行蛋白质二级结构预测的研究	提出了Porter 6模型，结合CBRNN和蛋白质语言模型ESM-2，显著提升了预测准确率	未提及具体局限性	提高蛋白质二级结构预测的准确性和计算效率	蛋白质二级结构	自然语言处理	NA	预训练语言模型（PLMs），包括ProtTrans和ESM-2	CBRNN	蛋白质序列数据	大规模独立测试集（2022年和2024年测试集）
1117	2025-05-02	Comparative Analysis of Edge Detection Operators Using a Threshold Estimation Approach on Medical Noisy Images with Different Complexities 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010087 PMID:39796878	研究论文	本文通过提出的阈值估计方法，比较分析了噪声对不同复杂度医学图像边缘检测的影响	提出了一种创新的边缘检测方法，考虑了不同噪声类型和浓度，并在多种复杂度的医学图像上进行了评估	研究仅针对特定类型的医学图像（视网膜图像、脑肿瘤分割和肺部CT扫描），可能不适用于其他类型的医学图像	评估噪声对医学图像边缘检测的影响，并提出一种有效的阈值估计方法	医学图像（视网膜图像、脑肿瘤分割和肺部CT扫描）	计算机视觉	脑肿瘤、肺部疾病	网格搜索（GS）方法和随机搜索（RS9）	Canny算子、Laplace算子、AlexNet、ResNet、VGGNet、MobileNetv2、Inceptionv3	图像	三个不同的数据集（视网膜图像、脑肿瘤分割和肺部CT扫描）
1118	2025-05-02	Deep Learning Unravels Differences Between Kinematic and Kinetic Gait Cycle Time Series from Two Control Samples of Healthy Children Assessed in Two Different Gait Laboratories 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010110 PMID:39796901	research paper	研究利用深度学习比较两个不同步态实验室评估的健康儿童步态周期时间序列的差异	使用基于ResNet的深度学习模型成功识别数据来源实验室，并探索减少实验室间差异的预处理方法	研究仅涉及两个实验室的数据，可能无法完全代表所有实验室的差异	比较不同实验室评估的健康儿童步态周期时间序列差异，并提高机器学习模型在临床环境中的可转移性	两组健康儿童的步态周期时间序列数据	machine learning	NA	步态分析协议	ResNet	时间序列数据	两组健康儿童的步态数据
1119	2025-05-02	DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf019 PMID:39799516	research paper	介绍了一种名为DDGemb的新方法，结合蛋白质语言模型嵌入和transformer架构，预测蛋白质在单点和多点变异时的ΔΔG值	DDGemb是首个结合蛋白质语言模型嵌入和transformer架构来预测蛋白质在单点和多点变异时稳定性变化的方法	NA	开发一种计算方法来预测蛋白质在单点和多点变异时的稳定性变化，以辅助功能性蛋白质设计和疾病变异研究	蛋白质在单点和多点变异时的稳定性变化	生物信息学	NA	蛋白质语言模型嵌入和transformer架构	transformer	蛋白质序列数据	来源于文献的高质量数据集和可用的基准测试数据集
1120	2025-05-02	EnrichRBP: an automated and interpretable computational platform for predicting and analysing RNA-binding protein events 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf018 PMID:39804669	research paper	介绍了一个名为EnrichRBP的自动化、可解释的计算平台，用于预测和分析RNA结合蛋白事件	EnrichRBP是一个集成了70种深度学习算法的网络服务，支持特征表示、选择、模型训练、比较、优化和评估，并提供了全面的可视化和模型可解释性	NA	预测RNA结合蛋白（RBPs）以理解转录后调控机制	RNA结合蛋白（RBPs）与RNA的相互作用	natural language processing	NA	深度学习、机器学习	多种深度学习算法	RNA序列数据	NA