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	2025-05-31	Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography 2024-Jun-14, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.13.24308898 PMID:38947008	research paper	开发并评估了一种基于深度学习的心动图视频算法，用于慢性肝病的机遇性筛查	利用深度学习技术从常规心动图视频中自动识别高质量图像并检测肝硬化或脂肪性肝病（SLD），实现了慢性肝病的机遇性筛查	研究为回顾性观察队列，可能存在选择偏差；外部测试队列样本量较小（106例患者）	开发慢性肝病的机遇性筛查方法	接受心动图和腹部影像检查的成年患者	digital pathology	chronic liver disease	deep learning computer vision pipeline	CNN（推测）	video	1,596,640个心动图视频（来自24,276名患者）
2	2025-05-27	Physician Assistant Educators' Production Blueprint for Video Pedagogy 2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association DOI:10.1097/JPA.0000000000000592 PMID:38684095	研究论文	本文提出了一个基于验证教学实践的医师助理(PA)教育视频制作蓝图，旨在改进视频制作实践并提高学生学习效果	结合认知负荷理论和专门为PA教育设计的视频制作蓝图，提出改进视频教学效果的新方法	NA	改进医师助理教育中的视频教学方法	医师助理教育中的视频教学	教育技术	NA	视频制作技术	NA	视频	NA
3	2025-05-20	Rapid Detection of SARS-CoV-2 Variants Using an Angiotensin-Converting Enzyme 2-Based Surface-Enhanced Raman Spectroscopy Sensor Enhanced by CoVari Deep Learning Algorithms 2024-06-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00488 PMID:38843447	研究论文	开发了一种结合表面增强拉曼光谱(SERS)和深度学习算法CoVari的方法，用于快速准确检测和量化SARS-CoV-2变种	使用ACE2功能化的AgNR@SiO阵列SERS传感器和CoVari深度学习算法，实现了对病毒变种的高精度检测和浓度定量	在未知样本测试中，浓度低于781 PFU/mL时分类准确率可能下降	开发快速定量检测病毒变种的诊断平台	SARS-CoV-2及其变种病毒	机器学习	COVID-19	表面增强拉曼光谱(SERS)	CoVari深度学习算法	光谱数据	三种病毒(SARS-CoV-2、SARS-CoV-2 B1和CoV-NL63)的SERS光谱数据
4	2025-05-20	Two-Dimensional Deep Learning Frameworks for Drug-Induced Cardiotoxicity Detection 2024-06-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00654 PMID:38842187	research paper	本研究提出了两种基于深度学习的框架STFT-CNN和SST-CNN，用于显著提高药物诱导心脏毒性的检测准确性和可靠性	利用诱导多能干细胞衍生的心肌细胞(iPSC-CMs)作为更接近人类的细胞模型，并通过先进的转换技术将时间信号转化为二维表示，显著提高了检测的准确性	NA	开发更准确、可靠的药物诱导心脏毒性检测方法	药物诱导的心脏毒性	machine learning	cardiovascular disease	impedance measurements, short-time Fourier transform (STFT), synchro-squeezing transform (SST)	CNN	temporal signals converted into two-dimensional representations	NA
5	2025-05-18	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，用于提高肿瘤负荷监测的灵敏度	MRD-EDGE通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比提高了约300倍，并将CNV检测所需的非整倍性程度从1 Gb降低到200 Mb	NA	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于微小残留病（MRD）评估和治疗反应监测	多种癌症类型中的ctDNA，包括肺癌、结直肠腺瘤和晚期黑色素瘤	机器学习	肺癌、结直肠癌、黑色素瘤	全基因组测序（WGS）	深度学习	DNA测序数据	NA
6	2025-05-17	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2024-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.04.597442 PMID:38895386	研究论文	本文通过分析扩展的ENCODE TF ChIP-seq数据集和深度学习模型，创建了一个全面的核转录因子与线粒体基因组关联的汇编	利用扩展的ENCODE数据集和深度学习模型，首次全面汇编了核转录因子与线粒体基因组的关联证据	部分核转录因子的chrM占用证据在不同抗体和ChIP协议下不可重复	评估核转录因子在线粒体基因组上的占用证据	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性TF）
7	2025-05-17	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	提出了一种名为ProkDBP的新型机器学习模型，用于更精确地预测原核DNA结合蛋白	ProkDBP模型结合了浅层学习算法和进化重要特征，显著提高了预测原核DNA结合蛋白的准确性	未提及具体样本量或数据集的详细构成	开发高精度的计算模型以预测原核DNA结合蛋白，促进原核生物学研究和疾病干预治疗的发展	原核DNA结合蛋白	机器学习	NA	随机森林变量重要性测量(RF-VIM), 光梯度提升机(LGBM)	浅层学习算法和深度学习模型	蛋白质序列数据	NA
8	2025-05-16	ASPTF: A computational tool to predict abiotic stress-responsive transcription factors in plants by employing machine learning algorithms 2024-06, Biochimica et biophysica acta. General subjects DOI:10.1016/j.bbagen.2024.130597 PMID:38490467	研究论文	开发了一个名为ASPTF的计算工具，通过机器学习算法预测植物中响应非生物胁迫的转录因子	结合了浅层学习和深度学习算法，并采用特征选择技术提高预测准确性	未提及模型在跨物种应用中的泛化能力	识别与植物非生物胁迫响应相关的转录因子，以培育抗逆作物品种	植物转录因子	机器学习	NA	机器学习算法（包括浅层学习和深度学习）	LGBM（Light-Gradient Boosting Machine）	序列数据	未明确提及具体样本数量
9	2025-05-15	TA-RNN: an attention-based time-aware recurrent neural network architecture for electronic health records 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae264 PMID:38940180	研究论文	提出了一种基于注意力机制的时间感知循环神经网络架构TA-RNN，用于电子健康记录分析	提出了两种可解释的深度学习架构TA-RNN和TA-RNN-AE，通过时间嵌入处理临床访问间隔不规则问题，并采用双级注意力机制提高模型可解释性	模型性能仅在特定疾病(阿尔茨海默病)和特定数据集上验证	开发可解释的深度学习模型来预测患者临床结果	电子健康记录(EHR)数据	机器学习	阿尔茨海默病	深度学习	RNN, TA-RNN, TA-RNN-AE	电子健康记录	ADNI和NACC数据集(阿尔茨海默病)，MIMIC-III数据集(死亡率预测)
10	2025-05-14	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Jun-23, ArXiv PMID:39398214	research paper	评估一种自动深度学习方法在检测腹水并量化肝硬化及卵巢癌患者腹水体积中的性能	提出了一种自动深度学习方法来分割和量化腹水体积，并与专家评估结果高度一致	研究为回顾性研究，且样本来源仅限于两个机构的数据	评估深度学习在腹水体积自动量化中的性能	肝硬化及卵巢癌患者的腹水	digital pathology	liver cirrhosis, ovarian cancer	deep learning	CNN	CT scans	NIH-LC (25例), NIH-OV (166例), UofW-LC (124例)
11	2025-05-13	Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4559971/v1 PMID:38978609	研究论文	本文提出了一种利用大型语言模型（LLMs）进行无领域知识的弱监督方法，用于临床自然语言处理任务	通过微调LLMs并采用基于提示的方法生成弱标记数据，结合少量黄金标准数据微调下游BERT模型，显著提升了性能	LLMs推理计算量大，且性能仍略低于使用大量黄金标准数据的传统监督方法	解决临床自然语言处理任务中标注数据稀缺的问题	临床文本数据	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2）、BERT	文本	三个n2c2数据集，不超过10-50份黄金标准临床记录
12	2025-05-13	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中对图像质量和支架伪影的影响	首次将SR-DLR应用于CCTA图像重建，显著提高了支架的清晰度和图像质量	研究为回顾性分析，样本量较小（66例患者）	评估不同图像重建算法对冠状动脉支架成像质量的影响	冠状动脉CT血管造影图像	医学影像处理	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习模型	医学影像	66例CCTA患者
13	2025-05-10	Streamlining social media information retrieval for public health research with deep learning 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae118 PMID:38718216	research paper	该研究开发了一个深度学习系统，用于从社交媒体数据中提取和规范化医学术语，以改进公共卫生研究中的流行病监测	提出了一种新颖的系统化流程，用于从社交媒体数据中整理症状词典，相比传统的关键词匹配方法能更有效地识别精神疾病症状	研究仅基于COVID-19相关推文，可能不适用于其他疾病或语境	改进公共卫生研究中社交媒体数据的利用效率	COVID-19相关推文中的症状描述	natural language processing	COVID-19	named entity recognition, entity normalization	deep learning	text	498,480条独特的症状实体表达（处理后为38,175条）
14	2025-05-08	A systematic evaluation of Euclidean alignment with deep learning for EEG decoding 2024-06-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4f18 PMID:38776898	研究论文	系统评估了欧几里得对齐与深度学习在脑电图解码中的效果	首次系统评估欧几里得对齐（EA）对共享和个体深度学习模型训练性能的影响，并展示了其在提高解码准确性和减少收敛时间方面的优势	未探讨EA在其他类型脑机接口任务中的适用性，且实验样本量未明确说明	评估欧几里得对齐技术结合深度学习在脑机接口信号解码中的效果	脑电图信号	脑机接口	NA	欧几里得对齐（EA）	深度学习模型	脑电图信号	NA
15	2025-05-08	Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits 2024-Jun-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000001023 PMID:38289331	research paper	该研究探讨了在高等级胶质瘤手术中，结合机器学习的放射组学模型预测5-ALA单独使用效果不佳的情况，并强调了iMRI在特定复杂病例中的辅助价值	开发了一种基于U2-Net深度学习算法的放射组学模型，能够准确预测5-ALA在HGG手术中的效果不佳情况，为个性化手术策略提供依据	样本量较小（73例患者），且iMRI与5-ALA联合使用的效果提升未达到统计学显著性	评估在高等级胶质瘤手术中iMRI的辅助价值，并开发预测模型以优化手术策略	73例高等级胶质瘤患者	digital pathology	high-grade glioma	intraoperative MRI (iMRI), 5-aminolevulinic acid (5-ALA), radiomics	U2-Net, binary logistic regression	MRI图像	73例高等级胶质瘤患者
16	2025-05-07	Single-cell multi-omics analysis reveals cooperative transcription factors for gene regulation in oligodendrocytes 2024-Jun-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.19.599799 PMID:38948852	研究论文	通过单细胞多组学分析揭示少突胶质细胞中转录因子的协同调控机制	整合scRNA-seq和scATAC-seq数据，利用深度学习模型预测目标基因表达，并计算TF重要性和TF-TF相互作用分数，揭示了少突胶质细胞中转录因子的协同调控机制	研究主要基于计算模型预测，部分结果需要实验验证	探究少突胶质细胞中转录因子如何协同调控基因表达	少突胶质细胞中的转录因子及其靶基因	生物信息学	脑部疾病	scRNA-seq, scATAC-seq, 深度学习, ChIP-seq	深度学习模型	单细胞多组学数据	NA
17	2025-05-03	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-Jun-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	本研究利用深度学习技术从卫星图像中提取建筑环境特征，并探讨其与城市中心脏代谢疾病患病率之间的关联	首次大规模使用Google卫星图像结合卷积神经网络评估建筑环境与心脏代谢疾病的关系，并发现特定建筑环境特征与疾病的相关性	横断面研究设计无法确定因果关系，且仅覆盖了美国7个城市的数据	探究基于图像的建筑环境特征与心脏代谢疾病患病率之间的关系	美国7个城市(克利夫兰、弗里蒙特等)的789个人口普查区的建筑环境和居民健康数据	计算机视觉	心血管疾病	卫星图像分析	CNN(卷积神经网络)、LightGBM(轻量梯度提升机)	卫星图像、人口普查数据	31,786张航拍图像覆盖789个人口普查区
18	2025-05-01	DMAF-Net: deformable multi-scale adaptive fusion network for dental structure detection with panoramic radiographs 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae014 PMID:38518093	研究论文	提出了一种名为DMAF-Net的可变形多尺度自适应融合网络，用于全景X光片中的牙齿结构检测	改进了YOLO网络，通过不同模块增强特征提取能力，并利用自适应空间特征融合解决不同特征层尺度不匹配的问题	NA	提高全景X光片中牙齿结构问题检测的准确性	牙齿结构问题（阻生牙、缺失牙、种植体、冠修复体和根管治疗牙）	计算机视觉	牙科疾病	深度学习	DMAF-Net（基于YOLO改进）	图像（全景X光片）	1474张全景X光片
19	2025-05-01	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	review	本文综述了深度学习在颌骨囊性病变诊断中的最新进展	探讨了深度学习在颌骨囊性病变诊断中的性能表现，并比较了不同模型的差异	模型可解释性不足，缺乏多中心数据验证	研究深度学习在颌骨囊性病变诊断中的应用	颌骨囊性病变	digital pathology	颌骨囊性病变	deep learning	DL	image	44项研究
20	2025-04-26	Sex estimation from maxillofacial radiographs using a deep learning approach 2024-06-01, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2023-253 PMID:38599831	研究论文	本研究构建了深度学习模型用于更高效和可靠的性别估计	使用VGG16和DenseNet-121两种深度学习模型进行性别估计，并通过显著性图分析模型关注区域	研究为回顾性研究，样本量仅为600例	开发高效可靠的性别估计方法	600例头颅侧位X光片	计算机视觉	NA	深度学习	VGG16, DenseNet-121	医学影像	600例头颅侧位X光片