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
1301	2025-04-16	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本文报告了两种基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的开发与性能	开发了两种新型深度学习模型（ADVAS和ADRET），其中ADRET采用自监督学习卷积神经网络，在阿尔茨海默病筛查中表现出更高的准确性	需要在更大和多样化的人群中进一步验证，并整合技术以协调眼底照片和减少成像相关噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的性能	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	数字病理学	阿尔茨海默病	深度学习	U-Net, 自监督学习卷积神经网络（ADRET）	图像	来自UK Biobank和一家三级学术机构的两组独立数据集
1302	2025-04-16	Integrating Interpretability in Machine Learning and Deep Neural Networks: A Novel Approach to Feature Importance and Outlier Detection in COVID-19 Symptomatology and Vaccine Efficacy 2024-11-29, Viruses DOI:10.3390/v16121864 PMID:39772174	研究论文	本研究提出了一种新颖的方法，整合了传统机器学习和深度神经网络的可解释性技术，用于量化特征重要性并检测COVID-19症状学和疫苗效力中的异常值	该方法弥合了可解释的机器学习模型与强大的深度学习架构之间的差距，为模型预测背后的关键驱动因素提供了全面的见解	研究仅使用了2020年早期的COVID-19疫情数据，样本可能不够全面	提高对COVID-19症状学的理解并增强早期病例检测	COVID-19检测个体的自我报告症状和测试结果	机器学习	COVID-19	机器学习和深度学习的可解释性技术	传统ML和DNN	医疗数据	2020年早期接受COVID-19检测的个体数据集
1303	2025-04-16	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	介绍了一种名为HLAPepBinder的集成模型，用于预测HLA-肽结合	使用随机森林方法整合多个预测模型的结果，提供了一种自动化的预测框架，无需手动选择模型	缺乏可靠的阴性数据，且通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合	机器学习	癌症	集成机器学习方法	随机森林	肽序列数据	NA
1304	2025-04-16	Reproducible image-based profiling with Pycytominer 2024-Jul-02, ArXiv PMID:38045474	research paper	介绍了一个名为Pycytominer的用户友好开源Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据	提出了Pycytominer这一工具，实现了图像分析后的生物信息学步骤，即“基于图像的剖析”	未提及具体的技术限制或应用范围的局限性	开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，用于下游应用	高通量显微镜图像分析产生的单细胞特征数据	digital pathology	NA	high-throughput microscopy	NA	image	NA
1305	2025-04-16	Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis 2024-06, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101840 PMID:38548062	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习放射组学在口腔鳞状细胞癌（OSCC）中的应用	结合深度学习算法与放射组学技术，提高了OSCC的诊断、鉴别诊断、疗效评估和预后预测的准确性	存在轻微的发表偏倚（P = 0.03），且当前阶段的深度学习放射组学技术仍有不足	评估深度学习放射组学在OSCC中的应用效果	口腔鳞状细胞癌（OSCC）的医学影像	digital pathology	oral squamous cell carcinoma	深度学习放射组学	深度学习算法	医学影像	26项研究，共64,731张医学影像
1306	2025-04-16	Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.005 PMID:38993485	research paper	本研究利用深度学习模型预测肝移植后主要不良心血管事件（MACE）的风险	使用双向门控循环单元（BiGRU）深度学习模型预测肝移植后不同时间段的MACE风险，并与其他基线机器学习模型进行比较	研究依赖于纵向索赔数据，可能存在数据不完整或偏差	验证深度学习模型在预测肝移植后MACE风险中的能力	18,304名肝移植受者	machine learning	cardiovascular disease	BiGRU	deep learning	longitudinal claims data	18,304名肝移植受者（平均年龄57.4岁，39.1%为女性）
1307	2025-04-16	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	本文综述了自然语言处理（NLP）在甲状腺相关疾病中的应用，总结了当前挑战和未来潜在方向	系统性地回顾了NLP在甲状腺学中的应用，并总结了当前挑战和未来方向	临床文档不一致和模型可移植性等问题限制了NLP在甲状腺学中的临床应用	回顾NLP在甲状腺相关疾病中的应用并总结挑战与未来方向	甲状腺相关疾病（如甲状腺结节、甲状腺癌等）的NLP应用研究	自然语言处理	甲状腺疾病	NLP（包括基于规则、机器学习和深度学习方法）	深度学习、基于规则、传统机器学习	电子健康记录、健康论坛、医学文献数据库、基因组数据库	24项符合条件的NLP研究
1308	2025-04-16	Deep learning based digital pathology for predicting treatment response to first-line PD-1 blockade in advanced gastric cancer 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05262-z PMID:38720336	研究论文	本研究利用深度学习分析病理图像，旨在预测晚期胃癌患者对一线PD-1联合化疗的治疗反应	开发了基于深度学习的免疫检查点抑制剂反应评分（ICIsRS），作为一种新型组织病理学生物标志物，用于预测治疗反应	研究为多中心回顾性分析，可能需要前瞻性研究进一步验证	预测晚期胃癌患者对一线PD-1联合化疗的治疗反应，以实现精准患者选择	晚期胃癌患者	数字病理学	胃癌	深度学习	集成模型（ICIsNet）	图像（H&E染色切片）	264名晚期胃癌患者的313张全切片图像（WSIs），共148,181个图像块
1309	2025-04-16	Deep learning imaging phenotype can classify metabolic syndrome and is predictive of cardiometabolic disorders 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05163-1 PMID:38720370	研究论文	本研究利用深度学习从腹部CT扫描中提取图像衍生表型（IDP），用于分类代谢综合征并预测未来心血管代谢疾病的发生	提出了一种基于深度学习的图像衍生表型（IDP），在代谢综合征分类和心血管代谢疾病预测方面优于传统的放射组学特征和临床定义	研究样本量有限，且仅基于腹部CT扫描，未考虑其他可能的影像学或临床数据	开发一种基于深度学习的图像衍生表型（IDP），用于早期检测和干预代谢异常，以降低心血管代谢疾病的风险	2000多名个体的腹部CT扫描数据，其中1300多名用于预测未来高血压、II型糖尿病和脂肪肝疾病的发生	数字病理学	心血管疾病	深度学习	深度学习模型（未具体说明）	图像（腹部CT扫描）	2000多名个体（其中1300多名用于疾病预测）
1310	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA
1311	2024-09-20	Label-free and rapid mechanics of single cells under high-density co-culture conditions by deep learning image recognition-assisted atomic force microscopy 2024-Sep-18, Acta biochimica et biophysica Sinica IF:3.3Q1 DOI:10.3724/abbs.2024158 PMID:39295485	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1312	2025-04-15	PlantC2U: deep learning of cross-species sequence landscapes predicts plastid C-to-U RNA editing in plants 2024-04-15, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erae007 PMID:38190348	研究论文	本研究开发了一个名为PlantC2U的卷积神经网络，用于预测植物质体中C-to-U RNA编辑	PlantC2U在预测C-to-U RNA编辑方面表现出色，其敏感性和特异性均优于现有工具，并能评估不同突变对RNA编辑的影响	仅基于基因组序列进行预测，可能无法完全捕捉转录组数据中的复杂性	提高植物质体中C-to-U RNA编辑位点的预测准确性	植物质体中的RNA编辑	机器学习	NA	RNA编辑分析	CNN	基因组序列	NA
1313	2025-04-15	Artificial intelligence- and computer-assisted navigation for shoulder surgery 2024 Jan-Apr, Journal of orthopaedic surgery (Hong Kong) DOI:10.1177/10225536241243166 PMID:38546214	综述	本文全面分析了肩部手术领域的最新技术进展，特别是人工智能和计算机辅助导航技术的应用	详细探讨了人工智能和计算机辅助导航技术在肩部手术中的创新应用及其未来潜力	未提及具体临床数据或案例研究来验证这些技术的实际效果	概述当前肩部手术技术的现状，并强调人工智能和计算机辅助技术的作用	肩部手术及相关技术	数字病理	骨科疾病	计算机辅助手术、机器人辅助手术、深度学习	深度学习模型	医学影像数据（如超声、CT、MRI）	NA
1314	2025-04-14	Enhancing the Diagnostic Utility of ASL Imaging in Temporal Lobe Epilepsy through FlowGAN: An ASL to PET Image Translation Framework 2024-May-30, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.28.24308027 PMID:38853910	研究论文	本研究开发了一个名为FlowGAN的深度学习框架，用于从ASL和结构MRI输入合成类似FDG-PET的图像，以提高ASL在颞叶癫痫诊断中的性能	提出FlowGAN框架，通过生成对抗网络从ASL和MRI合成FDG-PET样图像，显著提升了ASL在癫痫诊断中的性能	样本量相对较小（68例患者），且仅针对颞叶癫痫患者进行研究	提高动脉自旋标记（ASL）成像在颞叶癫痫诊断中的性能	68例癫痫患者（其中36例为明确侧化的颞叶癫痫）	数字病理	颞叶癫痫	ASL成像、FDG-PET成像、MRI	GAN	医学影像	68例癫痫患者（36例明确侧化的颞叶癫痫）
1315	2025-04-13	Deep learning-based prediction of chemical accumulation in a pathogenic mycobacterium 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.15.628588 PMID:39764009	研究论文	该研究利用深度学习模型预测病原性分枝杆菌中化学物质的积累情况，以提高抗生素设计的成功率	首次使用深度学习模型预测药物在分枝杆菌中的积累，突破了传统化学性质预测方法的局限	研究仅针对一种特定的病原性分枝杆菌（M. abscessus），结果可能不适用于其他细菌	提高抗生素候选药物的设计成功率，解决细菌药物积累不足的问题	1528种已批准药物在M. abscessus中的积累情况	机器学习	分枝杆菌感染	液相色谱-质谱联用技术（LC-MS）	深度学习模型	化学物质积累数据	1528种已批准药物
1316	2025-04-13	Deep Learning-Based Classification of Histone-DNA Interactions Using Drying Droplet Patterns 2024-Nov, Small science IF:11.1Q1 DOI:10.1002/smsc.202400252 PMID:40213456	研究论文	本研究利用深度学习神经网络对源自不同组蛋白-DNA混合物的干燥液滴沉积物的偏振光显微镜图像进行分类，以预测组蛋白-DNA结合亲和力	首次发现组蛋白-DNA相互作用可以通过染色模式进行分层，并应用深度学习实现高准确度的DNA分类和结合亲和力预测	对于训练集未包含的物种样本，预测准确度有所下降	开发可扩展且准确的蛋白质-DNA结合分类预测分析方法	组蛋白-DNA相互作用	数字病理学	NA	偏振光显微镜	CNN	图像	多种物种的DNA样本（具体数量未明确说明）
1317	2025-04-13	Knot data analysis using multiscale Gauss link integral 2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2408431121 PMID:39392667	research paper	提出了一种结合曲线分割和多尺度分析的高斯链环积分方法，用于数据科学中的拓扑数据分析	引入了knot data analysis (KDA)范式，通过多尺度高斯链环积分(mGLI)捕捉数据的局部结构和连通性，显著优于现有方法	未提及具体局限性	开发一种新的拓扑数据分析方法，以解决传统方法在定位和量化方面的不足	13种复杂的生物数据集，包括蛋白质灵活性分析、蛋白质-配体相互作用等	machine learning	NA	multiscale Gauss link integral (mGLI)	NA	biological datasets	13种生物数据集
1318	2025-04-13	Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72120-5_4 PMID:40207034	research paper	提出一种结合噪声标签学习（LNL）和主动学习的两阶段方法，以提高医学图像分类在标签噪声下的鲁棒性，并通过有限标注预算迭代提升数据集质量	引入梯度方差方法在LNL阶段补充基于损失的样本选择，同时采样代表性不足的样本，避免将少数类别的干净样本误判为噪声样本	方法仅在两种不平衡噪声医学分类数据集上验证，需进一步测试更广泛场景	提升医学图像分类在标签噪声和不平衡数据集下的鲁棒性	医学图像分类任务	digital pathology	NA	Learning with Noisy Labels (LNL), active learning	deep learning	image	两种不平衡噪声医学分类数据集（未明确样本数量）
1319	2025-04-13	qlty: handling large tensors in scientific imaging deep-learning workflows 2024-Sep, Software impacts IF:1.3Q3 DOI:10.1016/j.simpa.2024.100696 PMID:40206204	research paper	介绍了一个名为qlty的工具包，用于处理科学成像中深度学习工作流程中的大型张量数据	提出了一个专门用于处理超出标准GPU内存容量的大型体积数据集的工具包qlty，通过张量管理技术实现有效训练和推理	未提及具体的性能对比实验或与其他工具的比较	解决科学成像中深度学习工作流程中大型张量数据处理的问题	大型体积数据集	computer vision	NA	NA	NA	image	NA
1320	2025-04-13	Multiscale Computational and Artificial Intelligence Models of Linear and Nonlinear Composites: A Review 2024-May, Small science IF:11.1Q1 DOI:10.1002/smsc.202300185 PMID:40213577	综述	本文综述了多尺度建模方法在硬质和软质复合材料中的应用，包括分子动力学模拟、有限元分析和机器学习/深度学习替代模型	综述了最新的多尺度建模方法，包括无网格方法、混合机器学习和有限元模型，以及非线性本构材料模型	计算资源可用性、模型保真度和可重复性方面的限制	为读者提供复合材料多尺度建模研究和开发的未来趋势的清晰展望	硬质（聚合物、金属、纱线、纤维、纤维增强聚合物和聚合物基复合材料）和软质（如脑白质[BWM]等生物组织）复合材料	机器学习	NA	分子动力学模拟、有限元分析、机器学习/深度学习	分子动力学、有限元、机器学习/深度学习替代模型	数值模拟和大量实验结果	NA