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
41	2025-06-18	Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure 2024-02, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.07.014 PMID:37768241	研究论文	本研究使用深度学习模型分析身体成分，探讨冠状动脉微血管功能障碍（CMD）与骨骼肌（SM）、皮下脂肪组织（SAT）和内脏脂肪组织（VAT）的关系及其对不良心血管事件的影响	首次揭示了骨骼肌减少而非脂肪组织增加与冠状动脉微血管功能障碍及未来不良心血管事件（尤其是心力衰竭）的独立关联	研究样本主要为女性（71%），可能限制结果在男性人群中的普适性	探究身体成分与冠状动脉微血管功能障碍的关系及其对心血管预后的影响	400例接受冠状动脉疾病评估的患者	数字病理学	心血管疾病	心脏应激正电子发射断层扫描（PET）、腹部计算机断层扫描（CT）	深度学习模型	医学影像数据	400例患者（71%女性，50%非白人，50%肥胖）中位随访6年
42	2025-06-18	An automatic parathyroid recognition and segmentation model based on deep learning of near-infrared autofluorescence imaging 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7065 PMID:38457206	研究论文	该研究基于深度学习的近红外自发荧光成像技术，开发了一种自动识别和分割甲状旁腺的模型	利用AI模型自动识别和分割甲状旁腺，提高了识别率，并优于初级外科医生的识别能力	模型在召回率上表现一般（57.8%），可能影响其在实际应用中的全面性	建立一种新模型，帮助外科医生更好地识别和保护甲状旁腺	甲状旁腺的近红外自发荧光图像	数字病理	甲状旁腺疾病	近红外自发荧光成像（NIFI）	深度学习模型	图像	523张NIFI图像
43	2025-06-15	An approach to detect and predict epileptic seizures with high accuracy using convolutional neural networks and single-lead-ECG signal 2024-02-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad29a3 PMID:38359446	研究论文	提出一种基于卷积神经网络和单导联心电信号的高精度癫痫发作检测和预测方法	使用单导联ECG信号替代EEG信号进行癫痫发作的检测和预测，提出了一种轻量级的预处理步骤，无需手动特征提取	仅针对局灶性癫痫进行研究，未涉及其他类型的癫痫	开发一种基于深度学习的算法，用于癫痫发作的检测和预测	癫痫患者	数字病理学	癫痫	单导联ECG信号处理	CNN	ECG信号	NA
44	2025-06-14	Prior Clinico-Radiological Features Informed Multi-Modal MR Images Convolution Neural Network: A novel deep learning framework for prediction of lymphovascular invasion in breast cancer 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6932 PMID:38230837	research paper	本研究开发了一种名为PCMM-Net的深度学习框架，用于提高乳腺癌淋巴血管侵犯（LVI）预测的准确性	PCMM-Net整合了多参数MRI和先前的临床知识，以提高LVI评估的精确度	当前基于术前MRI的放射组学方法在评估早期乳腺癌患者的LVI时缺乏精确性	开发一个深度学习框架以提高乳腺癌LVI预测的准确性	341名乳腺癌患者	digital pathology	breast cancer	MRI	CNN	image	341名患者
45	2025-06-10	Machine and deep learning models for accurate detection of ischemia and scar with myocardial blood flow positron emission tomography imaging 2024-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101797 PMID:38185409	研究论文	比较传统统计方法、机器学习和深度学习技术在仅使用静息和应激心肌血流（MBF）值诊断冠状动脉疾病（CAD）中的能力	首次比较了多种机器学习和深度学习模型在心肌血流PET成像中检测缺血和瘢痕的准确性，并发现随机森林模型表现最佳	对于每血管定位缺血或瘢痕，机器学习模型的表现与传统统计模型相比没有显著差异	评估不同模型在心肌血流PET成像中检测和定位CAD的准确性	3245例静息和应激铷-82 PET研究及匹配的灌注报告诊断标签	机器学习	心血管疾病	PET成像	逻辑回归、Lasso逻辑回归、支持向量机、随机森林、多层感知机、密集U-Net	图像	3245例PET研究
46	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
47	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）
48	2025-05-31	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	research paper	该论文提出了一种弱监督学习方法，用于腹部CT扫描中皮下水肿的自动分割，以提高水肿的量化准确性	使用强度先验生成的水肿伪标签和肌肉、皮下及内脏脂肪组织的伪标签进行上下文学习，结合多阶段nnU-Nets，显著降低了分割误差	依赖于伪标签的质量，可能受到初始分割误差的影响	开发一种非侵入性方法，通过腹部CT扫描自动分割水肿，以监测肾、肝或心力衰竭等疾病的进展	腹部CT扫描中的皮下水肿	digital pathology	kidney, liver or heart failure	weakly supervised learning, nnU-Nets	nnU-Nets	3D CT images	NA
49	2025-05-19	Multi-scale Multi-site Renal Microvascular Structures Segmentation for Whole Slide Imaging in Renal Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering PMID:40375952	research paper	提出了一种名为Omni-Seg的新方法，用于从人类肾脏全切片图像中分割微血管结构	利用多站点、多尺度的训练数据，采用单一动态网络方法，能够处理部分标记的图像	方法依赖于多站点、多尺度的训练数据，可能对数据获取和处理提出更高要求	开发一种自动分割肾脏微血管结构的计算方法	人类肾脏全切片图像中的微血管结构（如小动脉、小静脉和毛细血管）	digital pathology	renal pathology	deep learning	dynamic network	image	来自HuBMAP和NEPTUNE两个数据集的图像，包括不同放大倍数（40×、20×、10×和5×）
50	2025-05-17	Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data 2024-02, International journal of geriatric psychiatry IF:3.6Q1 DOI:10.1002/gps.6071 PMID:38372966	研究论文	本研究探讨了使用深度学习模型通过活动追踪和睡眠数据筛查老年抑郁和焦虑的可行性	首次开发了基于活动追踪数据的混合输入深度学习模型，用于老年抑郁和焦虑的多标签识别	研究依赖于消费级腕戴活动追踪器的数据，可能存在数据质量和一致性问题	探索使用深度学习模型通过活动追踪数据识别老年抑郁和焦虑的可行性	老年抑郁和焦虑患者	机器学习	老年疾病	深度学习	CNN, LSTM, ResNet	时间序列数据（步数和睡眠阶段）和非时间序列数据（抑郁和焦虑评估分数）	NA
51	2025-05-15	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	research paper	提出了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在2D或3D时间上的扩散行为	DeepSPT能够从扩散行为中自动提取功能信息，无需人工干预，准确率高达95%	未提及具体的技术限制或应用范围的局限性	研究目的是通过深度学习框架自动关联亚细胞扩散与功能信息	分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	NA	2D或3D时间序列数据	未提及具体样本数量
52	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA
53	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA
54	2025-05-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	research paper	该研究提出了一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG标记	提出了一种基于特征交互的可解释性方法和几种新的多模型解释总结方法	研究中仅分析了少量模型的解释，可能影响生物标志物的普遍适用性	识别精神分裂症的诊断生物标志物	精神分裂症患者的EEG数据	machine learning	schizophrenia	EEG spectral power data	deep learning	EEG数据	NA
55	2025-05-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以可解释的方式检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型(LDM)和去噪扩散概率模型(DDPM)应用于神经影像数据，生成个性化的疾病效应图	训练数据集规模有限，计算时间和内存资源存在限制	开发可解释的AI方法用于神经科学研究和临床诊断应用	阿尔茨海默病患者的大脑MRI图像	数字病理	阿尔茨海默病	去噪扩散模型	LDM, DDPM, CNN	3D T1加权MRI扫描图像	500个真实训练扫描
56	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）
57	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）
58	2025-05-04	Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study 2024-02-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006046 PMID:38095506	研究论文	开发了一种基于深度学习的计算机辅助检测系统，用于定位和检测便携式仰卧胸部X光片中气管插管的错位	使用DeepLabv3+和ResNeSt50、DenseNet121模型架构进行分割和分类任务，实现了对气管插管错位的高精度检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发一种计算机辅助检测系统，用于检测便携式仰卧胸部X光片中气管插管的错位	便携式仰卧胸部X光片中的气管插管	数字病理学	NA	深度学习	DeepLabv3+, ResNeSt50, DenseNet121	图像	训练数据集5767张图像，测试数据集NTUH-20 955张图像，NTUH-YB 656张图像
59	2025-05-02	Inflamed immune phenotype predicts favorable clinical outcomes of immune checkpoint inhibitor therapy across multiple cancer types 2024-02-14, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2023-008339 PMID:38355279	研究论文	本研究探讨了基于AI的免疫表型在预测多种实体瘤类型中免疫检查点抑制剂治疗临床结果的能力	利用深度学习模型Lunit SCOPE IO客观且可重复地定义炎症免疫表型（IIP），并验证其作为跨多种肿瘤类型的免疫检查点抑制剂治疗反应的生物标志物	微卫星不稳定/错配修复缺陷亚组的IIP未能预测有利的无进展生存期	评估AI定义的IIP与免疫检查点抑制剂治疗临床结果之间的相关性	1,806名接受免疫检查点抑制剂治疗的患者，涵盖超过27种实体瘤类型	数字病理学	多种癌症	深度学习	Lunit SCOPE IO	图像	1,806名患者
60	2025-04-27	EvoAI enables extreme compression and reconstruction of the protein sequence space 2024-Feb-23, Research square DOI:10.21203/rs.3.rs-3930833/v1 PMID:38464127	研究论文	本文介绍了一种名为EvoAI的混合实验计算方法，用于极端压缩和重建蛋白质序列空间	提出了EvoScan方法全面分割和扫描高适应性序列空间以获取关键锚点，并结合深度学习和大型语言模型准确重建序列空间	方法仅适用于能够与转录输出耦合的生物分子功能	探索蛋白质序列与功能之间的关系，实现高效压缩序列空间并预测新型高适应性序列	蛋白质序列空间	机器学习	NA	深度学习和大型语言模型	NA	蛋白质序列数据	82个锚点