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
1	2025-05-29	Early Detection of Optic Nerve Changes on Optical Coherence Tomography Using Deep Learning for Risk-Stratification of Papilledema and Glaucoma 2024-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001945 PMID:37494177	研究论文	本研究利用深度学习技术分析光学相干断层扫描（OCT）图像，以早期发现视神经变化，预测视乳头水肿和青光眼的风险分层	利用AI检测人类难以识别的微观特征，预测视乳头水肿和青光眼的早期进展，而临床医生在OCT上未发现显著变化	研究为概念验证性质，需要进一步研究以建立可用于眼科早期诊断或风险分层的AI模型	探索人工智能在眼科早期疾病预测中的应用	视乳头水肿和青光眼患者的OCT图像	数字病理学	青光眼	光学相干断层扫描（OCT）	Visual Geometry Group-19 (VGG-19)	图像	视乳头水肿患者93例（166眼），青光眼患者187例（327眼），以及匹配的对照组视乳头水肿254例（379眼）和青光眼441例（739眼）
2	2025-05-28	Deep Learning Models for Predicting Hearing Thresholds Based on Swept-Tone Stimulus-Frequency Otoacoustic Emissions 2024 Mar-Apr 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001443 PMID:37990395	研究论文	本研究旨在开发基于扫频刺激频率耳声发射（SFOAEs）的深度学习模型，用于定量预测听力阈值	提出了四种深度学习模型（传统CNN、混合CNN-KNN、混合CNN-SVM和混合CNN-RF），用于从SFOAEs预测听力阈值，并探索了SFOAEs与听力阈值之间的关系	样本量相对较小（174只正常听力耳朵和388只感音神经性听力损失耳朵），且仅覆盖了0.3至4.3 kHz的频率范围	开发深度学习模型以定量预测听力阈值	正常听力及感音神经性听力损失的耳朵	机器学习	听力损失	扫频刺激频率耳声发射（SFOAEs）	CNN, KNN, SVM, RF	SFOAE振幅谱及其信噪比谱	174只正常听力耳朵和388只感音神经性听力损失耳朵
3	2025-05-16	Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model 2024-03-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102778 PMID:38104313	研究论文	提出了一种使用YOLOv8深度学习模型定量评估邻里物理紊乱(PD)的协议	利用YOLOv8深度学习模型构建检测模型，为不同国家和地区评估PD提供方法学基础	未提及具体样本量或数据收集范围	开发定量评估邻里物理紊乱(PD)的方法	邻里物理紊乱(PD)	计算机视觉	NA	YOLOv8深度学习模型	YOLOv8	街景图像	NA
4	2025-05-10	ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae177 PMID:38569889	research paper	介绍了一种基于深度学习的半自动神经元分割工具ViNe-Seg，用于光学功能成像中神经元胞体的分割	ViNe-Seg提供了一种用户友好的图形界面，支持专家监督，确保精确识别感兴趣区域，并允许在实验过程中进行分割	在信噪比低的数据集中，当前分割工具仍难以产生准确的分割结果	提高神经元分割的速度和一致性，减少对人工分割的依赖	光学功能成像中的神经元胞体	digital pathology	NA	deep learning	CNN	image	NA
5	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
6	2025-05-02	A New Deep Learning Algorithm for Detecting Spinal Metastases on Computed Tomography Images 2024-Mar-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000004889 PMID:38084012	研究论文	开发了一种新的深度学习算法，用于在计算机断层扫描（CT）图像上自动检测胸腰椎区域的溶骨性骨转移病灶	提出了一种新的基于深度学习的计算机辅助检测模型，用于自动检测CT图像中的溶骨性骨转移病灶	模型的准确性仍需进一步提高	提高骨转移病灶的检测率，预防癌症末期患者生活质量的恶化	胸腰椎区域的溶骨性骨转移病灶	计算机视觉	骨转移	深度学习	DL-based AI模型	CT图像	263份阳性CT扫描（包含至少一个溶骨性骨转移病灶）和172份阴性CT扫描（无骨转移），以及40份测试数据（20份阳性和20份阴性）
7	2025-05-01	Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach 2024-Mar-27, Biometrics IF:1.4Q2 DOI:10.1093/biomtc/ujae030 PMID:38682463	研究论文	提出了一种基于贝叶斯多层次上下文学习的方法，用于发现潜在的癌症突变主题	利用计算语言学中的主题模型对突变上下文进行降维，产生可解释、去相关的元特征主题	突变上下文的体积、相关性和不可解释性使得原则性统计推断不可行	推断超罕见、全基因组体细胞突变的癌症类型特异性	全基因组体细胞突变	机器学习	癌症	贝叶斯多层次上下文学习、主题模型	hidden genome模型	基因组数据	数千个肿瘤中的数千万个变异
8	2025-05-01	Development and validation of a deep learning system for detection of small bowel pathologies in capsule endoscopy: a pilot study in a Singapore institution 2024-03-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2023-187 PMID:38527297	研究论文	开发并验证了一种用于胶囊内窥镜中小肠病理检测的深度学习系统	在新加坡机构中首次应用深度学习模型进行胶囊内窥镜图像分析，提出了一种结合预训练模型和本地数据的方法	样本量较小（总样本72例），且仅在单一机构进行验证	提高胶囊内窥镜诊断效率，缩短诊断时间	小肠胶囊内窥镜图像	计算机视觉	小肠疾病	胶囊内窥镜	CNN（基于ResNet50架构）	图像	72例（43例来自开源数据集Kvasir-Capsule，29例为本地收集数据）
9	2025-04-27	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2024-Mar-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.15.24301011 PMID:38293023	研究论文	评估手术或经皮室间隔减容术（SRT）和口服药物mavacamten对肥厚型心肌病（HCM）患者AI-ECG评分的影响	首次利用AI-ECG模型评估不同治疗方法对HCM患者心电图标记物的影响，为HCM治疗监测提供新方法	样本量相对有限，且仅在三家医疗中心进行	评估SRT和mavacamten治疗对HCM患者的生物学反应	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	SRT组：YNHHS 70例，CCF 100例，AHS 145例；mavacamten组：YNHHS 36例
10	2025-04-25	Fine-Grained Forecasting of COVID-19 Trends at the County Level in the United States 2024-Mar-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.13.24301248 PMID:38293076	research paper	本文提出了一种名为FIGI-Net的循环神经网络模型，用于预测美国县级COVID-19的感染趋势	FIGI-Net利用堆叠的双向LSTM结构，能够提前两周准确预测县级COVID-19感染趋势，并能预测疾病趋势的突然变化	NA	提高COVID-19短期疾病活动预测的准确性和实时性	美国县级COVID-19感染趋势	machine learning	COVID-19	deep learning	LSTM	time-series data	县级数据（具体数量未提及）
11	2025-04-12	Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.002 PMID:40206681	系统综述与荟萃分析	本文通过系统综述和荟萃分析，深入探讨了深度学习算法在脑肿瘤检测和分割模型中的泛化能力影响因素	研究揭示了MRI硬件制造商对数据集多样性的影响，并发现3D模型在检测性能上优于2D和集成模型	需要进一步研究开发全面的多样性指数，并利用生成对抗网络进行数据多样化	分析影响深度学习算法在脑肿瘤检测和分割模型中泛化能力的因素	脑肿瘤患者的MRI数据	数字病理学	脑肿瘤	MRI	3D模型、2D模型、集成模型	图像	19项研究，涉及12,000名患者
12	2025-04-12	Differences Between Patient and Clinician-Taken Images: Implications for Virtual Care of Skin Conditions 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.005 PMID:40206682	research paper	比较患者自拍和临床拍摄的皮肤状况图像在临床、人口统计学和图像质量特征上的差异	首次系统性地分析了患者自拍和临床拍摄皮肤图像的多维度差异，并识别出与拍摄来源相关的关键因素	研究为回顾性设计，仅基于单一医疗系统的数据，且排除了无法诊断或多重病症的病例	探究不同来源皮肤图像的特征差异及其对虚拟皮肤科护理的启示	2500例斯坦福医疗保健系统eConsult中的皮肤病例图像（628例患者自拍和1719例临床拍摄）	digital pathology	skin conditions	deep learning	NA	image	2347例有效病例（628 PAT + 1719 CLIN）
13	2025-04-12	An Automated Approach for Diagnosing Allergic Contact Dermatitis Using Deep Learning to Support Democratization of Patch Testing 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.006 PMID:40206684	research paper	开发一种深度学习算法用于分析斑贴试验结果，以支持过敏性接触性皮炎的自动化诊断	利用深度学习模型从照片中分类斑贴试验结果，实现过敏性接触性皮炎的自动化检测	样本量较小（37名患者），模型性能仍有提升空间	开发一种自动化方法来诊断过敏性接触性皮炎，支持斑贴试验的普及	斑贴试验的照片结果	digital pathology	allergic contact dermatitis	deep learning	CNN	image	5070个测试部位（来自37名患者）
14	2025-04-10	Cascaded cross-attention transformers and convolutional neural networks for multi-organ segmentation in male pelvic computed tomography 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024009 PMID:38595327	research paper	提出了一种基于深度学习的自动两步分割流程，用于男性盆腔CT图像中多器官的分割	采用混合卷积-Transformer模型进行初始多器官分割，并通过图像增强模块和器官特定精细分割提高分割精度	仅在30张测试图像上验证，样本量较小	提高男性盆腔CT图像中多器官分割的准确性，以支持放射治疗计划	前列腺、膀胱、直肠、精囊和股骨头	digital pathology	prostate cancer	computed tomography (CT)	axial cross-attention UNet (混合卷积-Transformer模型)	image	30张男性盆腔CT图像
15	2025-04-06	A Comprehensive Framework for Long-Tailed Learning via Pretraining and Normalization 2024-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3192475 PMID:35895650	research paper	提出了一种通过对比预训练和特征归一化来改进长尾学习特征提取器和分类器的综合框架	提出了一种新的平衡对比损失和快速对比初始化方案，以及一种新颖的广义归一化分类器，包括广义归一化和分组可学习缩放	未明确提及具体局限性	改进长尾识别中的特征提取器和分类器	长尾分布数据	computer vision	NA	对比预训练, 特征归一化	NA	image	多个长尾识别基准数据集
16	2025-03-29	Deep learning from latent spatiotemporal information of the heart: Identifying advanced bioimaging markers from echocardiograms 2024-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0176850 PMID:38559589	research paper	该研究利用深度学习技术从超声心动图的潜在时空信息中提取高级生物成像标记，以改进心脏病的诊断和管理	提出了新颖的时空深度学习模型，能够基于未标记的像素超声心动图数据整合时间臂信息，构建个性化的4D心脏网格，评估心脏功能，检测早期瓣膜病变，并区分罕见心血管疾病	依赖于手动和主观的人类追踪，可能导致工作流程和协议标准化以及最终解释准确性的挑战	开发先进的生物成像标记，改进心脏病的早期诊断和个性化治疗策略	超声心动图数据	digital pathology	cardiovascular disease	spatiotemporal deep learning	DL	image	NA
17	2025-03-28	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	开发了一种自动化方法，用于前列腺T2加权MRI强度标准化，以改善前列腺癌侵袭性信号的检测	提出了一种基于深度学习的自动化三参考组织标准化技术，显著提高了前列腺癌与正常前列腺组织的区分能力	研究样本量有限，训练集仅包含32名患者的手动轮廓	开发前列腺T2W MRI强度标准化方法，以改善前列腺癌的定量评估	前列腺癌患者	数字病理学	前列腺癌	T2加权MRI	MASK R-CNN	MRI图像	训练集32名患者，独立测试集83名患者，共231个活检ROI
18	2025-03-25	Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling 2024-03-19, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.123.067750 PMID:38314583	research paper	本研究利用深度学习技术分析儿童心电图，预测左心室功能障碍和重构	首次将人工智能增强的心电图分析应用于儿科人群，预测左心室功能障碍和重构	研究未包括患有重大先天性心脏病的儿童，可能限制了模型的普适性	开发一种经济有效的筛查工具，用于儿童左心室功能障碍和重构的早期检测	年龄≤18岁且无重大先天性心脏病的儿童	digital pathology	cardiovascular disease	ECG-echocardiogram配对分析	CNN	ECG和超声心动图数据	训练队列包括92,377对ECG-超声心动图数据（46,261名患者），测试组包括内部测试（12,631名患者）、急诊科（2,830名患者）和外部验证（5,088名患者）队列
19	2025-03-25	ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics 2024-Mar-18, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2326671 PMID:38497749	研究论文	本文开发了一种基于人工神经网络的多层感知器模型，用于预测能够穿透血脑屏障的化合物，以促进中枢神经系统药物的早期筛选	使用大型数据集开发了一个高精度的ANN模型，用于预测BBB渗透性，其准确率、特异性、敏感性和AUC均表现优异	仅基于化学结构预测BBB渗透性可能存在一定难度，未提及模型在其他独立数据集上的验证情况	开发机器学习模型以预测化合物的血脑屏障渗透性，促进中枢神经系统药物的发现	潜在的能够穿透血脑屏障的化合物	机器学习	中枢神经系统疾病	机器学习	ANN多层感知器	化学结构数据	大型数据集（具体数量未提及）
20	2025-03-25	Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network 2024-Mar-07, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2323144 PMID:38450715	research paper	该研究提出了一种名为Deep-VEGF的深度学习集成模型，用于预测血管内皮生长因子（VEGF）	提出了一种新的特征描述符KSTS-BPSSM，并采用GRU、GAN和CNN的深度学习技术进行模型训练，通过堆叠学习方法集成GRU和CNN	实验识别VEGF昂贵且耗时，该方法可能依赖于特定数据集的质量和规模	开发一种计算模型以准确预测VEGF，加速相关研究和药物发现	血管内皮生长因子（VEGF）及其在多种疾病中的作用	machine learning	cancer, diabetic retinopathy, macular degeneration, arthritis	deep learning	GRU, GAN, CNN	primary sequences	NA