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	2025-04-06	Machine Learning Prediction of Lymph Node Metastasis in Breast Cancer: Performance of a Multi-institutional MRI-based 4D Convolutional Neural Network 2024-05, Radiology. Imaging cancer DOI:10.1148/rycan.230107 PMID:38607282	research paper	开发了一种基于多机构MRI数据的4D卷积神经网络模型，用于无创预测乳腺癌淋巴结转移	提出了一种结合动态图像时间信息的4D CNN模型，整合临床病理指标以提高预测性能	研究为回顾性设计，样本量相对有限（350例患者）	开发深度学习模型预测乳腺癌淋巴结转移状态	新诊断的原发性浸润性乳腺癌患者	digital pathology	breast cancer	dynamic contrast-enhanced (DCE) breast MRI	4D CNN	MRI图像	350例女性患者（平均年龄51.7±11.9岁）
2	2025-04-01	VesselBoost: A Python Toolbox for Small Blood Vessel Segmentation in Human Magnetic Resonance Angiography Data 2024-May-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.22.595251 PMID:38826408	research paper	介绍了一个名为VesselBoost的Python工具箱，用于在人类磁共振血管造影数据中进行小血管分割	结合深度学习和不完美训练标签进行血管分割，并利用创新的数据增强技术	需要大量正确和全面标记的数据集，这在实践中可能难以获得	通过高分辨率MRA数据进行小血管的定量表征和精确表示，以支持血流模拟	人类大脑的小血管	digital pathology	cardiovascular disease	MRA, deep learning	deep learning-based methods	image	NA
3	2025-03-30	Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence 2024-May-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae158 PMID:38544295	研究论文	本研究利用Google街景图像和深度学习技术评估建筑环境与冠状动脉疾病患病率之间的关联	首次将深度学习应用于Google街景图像分析，建立建筑环境特征与心血管疾病患病率的关联模型	横断面研究设计无法确定因果关系，研究仅限于美国七个城市	探索基于机器视觉的建筑环境评估与心血管疾病患病率之间的关系	美国七个城市的789个人口普查区的建筑环境特征	计算机视觉	心血管疾病	深度学习	CNN, 线性混合效应模型	图像	53万张Google街景图像，覆盖7个美国城市的789个人口普查区
4	2025-03-29	Enhancing Global Estimation of Fine Particulate Matter Concentrations by Including Geophysical a Priori Information in Deep Learning 2024-May-10, ACS ES&T air DOI:10.1021/acsestair.3c00054 PMID:38751607	research paper	该研究通过结合地球物理先验信息和深度学习技术，改进了全球细颗粒物(PM)浓度的估计	开发了一种包含地球物理估计的损失函数，并引入了新颖的空间交叉验证方法，以解决监测站稀少区域的估计问题	在远离监测站的区域，模型性能仍然会受到一定影响	改进全球细颗粒物(PM)浓度的估计精度	全球细颗粒物(PM)浓度分布	machine learning	NA	深度学习	CNN	卫星数据、模拟数据和监测数据	1998-2019年间的月度数据
5	2025-03-28	Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230318 PMID:38568095	research paper	开发并验证了一种用于数字乳腺断层合成（DBT）图像的AI模型，以提高乳腺癌诊断准确性和减少放射科医生的阅读时间	AI模型在乳腺癌检测中显示出比放射科医生更高的诊断准确性，并显著减少了阅读时间	研究为回顾性设计，可能影响结果的普遍性	开发AI模型以提高乳腺癌诊断的准确性和效率	258名女性的DBT图像，包括65例癌症病例	digital pathology	breast cancer	deep learning	deep learning AI algorithm	image	258名女性（平均年龄56岁±13.41）的DBT图像，来自14个机构
6	2025-03-26	Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial 2024-May-28, ArXiv PMID:38855551	研究论文	本文提出了一种基于深度学习的模型，通过组织病理学切片预测肾癌抗血管生成治疗的响应	开发了一种新型深度学习模型，能够从组织病理学切片预测RNA基础的Angioscore，并生成可视化的血管网络以提高模型的可解释性	ccRCC肿瘤具有高度异质性，且多区域测序在实际操作中存在困难	预测转移性透明细胞肾细胞癌（ccRCC）对抗血管生成治疗的响应	转移性透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	深度学习	DL（深度学习模型）	组织病理学图像	多个队列包括临床试验数据集
7	2025-03-20	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	本研究提出了一种自监督学习方法，通过减少对标签的依赖来提高帕金森病检测的泛化能力	结合Barlow Twins损失和差异损失的自监督损失函数，用于从未标记数据中学习更稳健的特征表示	缺乏标准化的数据采集协议和注释数据集的有限可用性	验证自监督学习方法在减少标签依赖和提高帕金森病检测泛化能力方面的有效性	帕金森病患者和对照组	机器学习	帕金森病	自监督学习	自监督学习模型	击键动态信号	2个独立数据集中的对照组和帕金森病患者
8	2025-03-15	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	本文利用迁移学习训练和解释深度学习模型，通过DNA序列预测两种剂量敏感转录因子（TWIST1, SOX9）对面部祖细胞中调控元件染色质可及性的影响	首次结合迁移学习和定量测量染色质对转录因子剂量的响应，揭示了顺式调控代码的额外层次	研究主要针对两种特定的转录因子，可能不适用于其他转录因子或细胞类型	揭示转录因子剂量对染色质状态的定量响应的序列决定因素	面部祖细胞中的调控元件染色质可及性	机器学习	NA	迁移学习	深度学习模型	DNA序列	NA
9	2025-03-15	A Perspective on Protein Structure Prediction Using Quantum Computers 2024-May-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00067 PMID:38703105	研究论文	本文探讨了使用量子计算机进行蛋白质结构预测的潜力，并提出了一个框架来选择适合量子优势的蛋白质结构预测问题	提出了一个系统选择适合量子优势的蛋白质结构预测问题的框架，并在量子硬件上验证了该框架	识别适合量子优势的具体问题实例和估计所需的量子资源仍然具有挑战性	探讨量子计算机在蛋白质结构预测中的应用潜力	蛋白质结构预测问题	生物医学研究	NA	量子计算	NA	NA	NA
10	2025-03-15	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究评估了心外膜和心包脂肪组织（EPAT）与心血管疾病的关联，并探讨了其遗传基础	使用深度学习模型从磁共振图像中量化EPAT面积，并在大规模人群队列中评估其与心血管疾病的关联及遗传基础	研究结果在控制腹部内脏脂肪组织（VAT）后，EPAT与心血管疾病的关联不再显著	评估EPAT与心血管疾病的关联并阐明其遗传基础	44,475名来自UK Biobank的参与者	数字病理学	心血管疾病	磁共振成像（MRI）	深度学习模型	图像	44,475名参与者
11	2025-03-15	Artificial Intelligence Predicts Hospitalization for Acute Heart Failure Exacerbation in Patients Undergoing Myocardial Perfusion Imaging 2024-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.266761 PMID:38548351	研究论文	本研究评估了结合临床、压力测试和影像参数的人工智能模型是否能预测接受SPECT/CT心肌灌注成像的患者因急性心力衰竭恶化而住院的情况	提出了一个结合临床风险因素、压力变量、SPECT影像参数和深度学习生成的钙化评分的人工智能模型，用于预测心力衰竭住院风险	研究仅基于单一中心的数据，外部验证队列的样本量相对较小	评估人工智能模型在预测心力衰竭住院风险中的应用	接受SPECT/CT心肌灌注成像的患者	数字病理学	心血管疾病	SPECT/CT心肌灌注成像	深度学习	影像数据	内部队列4766名患者，外部验证队列2912名患者
12	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	研究论文	本文探讨了将扩散加权MRI（dMRI）作为卷积神经网络（CNN）模型的输入，用于脑龄分析和痴呆分类的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为CNN模型输入的价值，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的益处	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探讨dMRI在脑龄预测和阿尔茨海默病分类中的应用价值	北美和印度人群的脑部MRI数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN），3D CycleGAN	MRI图像	北美ADNI数据集和印度NIMHANS数据集
13	2025-03-05	Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort 2024-May-23, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.22.24307756 PMID:38826236	研究论文	本文探讨了深度学习模型AlphaMissense在罕见病队列中与临床级变异致病性分类之间的不一致性	揭示了AlphaMissense在评估内在无序区域（IDRs）中错义变异致病性方面的局限性	AlphaMissense在评估IDRs中错义变异的致病性时表现不佳，导致某些包含IDRs的基因的基因必需性评分不可靠	评估深度学习模型在罕见病队列中预测错义变异致病性的准确性	罕见病队列中的错义变异	生物医学信息学	罕见病	深度学习	AlphaMissense	基因变异数据	NA
14	2025-03-05	Assessment of changes in vessel area during needle manipulation in microvascular anastomosis using a deep learning-based semantic segmentation algorithm: A pilot study 2024-May-09, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02437-6 PMID:38722409	研究论文	本研究开发了一种基于深度学习的语义分割算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	首次使用手术视频评估手术对象面积变化，提出了一种新的微血管吻合术性能评估方法	研究为初步研究，样本量较小，且仅使用人工血管进行训练	开发一种基于深度学习的算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	微血管吻合术中的血管	计算机视觉	NA	深度学习	ResNet-50	视频	微血管端侧吻合术训练视频
15	2025-03-05	Abdominal CT metrics in 17,646 patients reveal associations between myopenia, myosteatosis, and medical phenotypes: a phenome-wide association study 2024-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105116 PMID:38636199	研究论文	本研究利用深度学习技术和大规模电子健康记录数据，通过腹部CT扫描评估身体组成指标，探索其与多种医学表型的关联	首次将PheWAS方法应用于大规模CT成像生物标志物和电子健康记录数据的整合分析，揭示了肌肉减少症和肌肉脂肪变性生物标志物与多种医学表型之间的新关联	研究结果主要基于北美人群，可能不适用于其他人群；研究设计为横断面研究，无法确定因果关系	探索腹部CT扫描得出的骨骼肌指标与医学表型之间的关联	17,646名成年患者（2012-2018年间接受腹部CT扫描）	数字病理学	NA	深度学习	NA	CT图像和电子健康记录数据	17,646名成年患者（平均年龄56岁±19，57.5%为女性）
16	2025-03-02	A Deep Learning Framework for End-to-End Control of Powered Prostheses 2024-May, IEEE robotics and automation letters IF:4.6Q2 DOI:10.1109/lra.2024.3374189 PMID:40012860	研究论文	本文提出了一种深度学习框架，用于端到端控制动力假肢，消除了传统任务分类、状态机和中级控制方程的需求	通过将整个控制问题压缩到一个深度神经网络中，消除了传统任务分类、状态机和中级控制方程的需求	研究仅针对五种运动模式进行，样本量为12名经股截肢者，可能需要更多样化的数据和更大的样本量来验证模型的普适性	探索深度学习在动力假肢控制中的应用，以实现端到端的关节级辅助	动力膝踝假肢（OSL）及其传感器数据	机器学习	NA	深度学习	时间卷积网络（TCN）	传感器数据	12名经股截肢者
17	2025-02-27	Patients Perceptions of Artificial Intelligence in a Deep Learning-Assisted Diabetic Retinopathy Screening Event: A Real-World Assessment 2024-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968241234378 PMID:38404014	研究论文	本文通过调查糖尿病患者对人工智能辅助糖尿病视网膜病变筛查的看法，评估了患者对AI在医疗中应用的感知	在真实世界的糖尿病视网膜病变筛查活动中，首次调查了患者对AI的感知和态度	样本主要为初级医疗保健中的低教育水平糖尿病患者，可能影响结果的普遍性	评估糖尿病患者对AI在医疗中应用的感知和态度	糖尿病患者	数字病理	糖尿病	深度学习	NA	调查数据	NA
18	2025-02-24	A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635583 PMID:39464200	研究论文	本文开发了一个深度学习框架，用于在药物难治性局灶性癫痫患者的静息态功能磁共振成像（rs-fMRI）中定位致痫区（EZ），并处理训练和测试中的噪声标签问题	提出了一个多任务深度学习框架，能够同时识别噪声标签的概率和每个感兴趣区域（ROI）的定位预测	由于临床协议的限制，具有可靠EZ标签的数据集稀缺，且使用的标签可能包含噪声	开发一个数学框架来表征EZ定位中的噪声标签，并提高定位性能	药物难治性局灶性癫痫患者	数字病理学	癫痫	rs-fMRI	多任务深度学习框架	图像	模拟数据集（来自人类连接组计划）和临床癫痫数据集
19	2025-02-21	Missing Wedge Completion via Unsupervised Learning with Coordinate Networks 2024-May-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25105473 PMID:38791508	研究论文	本文介绍了一种基于无监督学习的坐标网络方法，用于解决冷冻电子断层扫描中的缺失楔形问题	提出了一种无需预训练的无监督学习方法，直接优化网络权重，减少了重建时间并提高了形状完整性和减少了缺失楔形伪影	目前仅为概念验证阶段，尚未在实际生物样本上进行验证	解决冷冻电子断层扫描中的缺失楔形问题，提高重建质量	冷冻电子断层扫描数据	计算机视觉	NA	冷冻电子断层扫描（cryoET）	坐标网络（CNs）	3D图像	NA
20	2025-02-21	Deep hybrid modeling of a HEK293 process: Combining long short-term memory networks with first principles equations 2024-May, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28668 PMID:38343176	研究论文	本文首次将长短期记忆（LSTM）网络与第一性原理方程结合，用于描述人胚胎肾293（HEK293）培养过程的动态	首次将LSTM网络与第一性原理方程结合，用于HEK293培养过程的建模	LSTM混合模型通常比前馈神经网络（FFNN）混合模型更复杂，参数更多，计算成本更高	研究生物过程数字化的新方法，结合物理方程和深度学习	HEK293培养过程的动态	机器学习	NA	长短期记忆网络（LSTM），第一性原理方程	LSTM，FFNN	实验数据	20个分批补料HEK293培养物中的27个细胞外状态变量