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	2025-07-25	Enhancing Molecular Property Prediction through Task-Oriented Transfer Learning: Integrating Universal Structural Insights and Domain-Specific Knowledge 2024-06-13, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00692 PMID:38748846	research paper	提出了一种基于BERT的双层次预训练框架TOML-BERT，用于分子属性预测，结合了结构模式和领域知识	引入了双层次预训练框架TOML-BERT，结合了分子结构模式和领域知识，提升了分子属性预测性能	未提及具体的数据稀缺性如何影响模型性能，以及在不同分子类型上的泛化能力	提升分子属性预测的准确性，以支持药物发现	分子属性预测	machine learning	NA	BERT, 自监督预训练	TOML-BERT	分子结构数据	10个药物数据集
2	2025-07-24	Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.521657 PMID:38867785	research paper	本研究探讨了光学相干断层扫描血管成像（OCTA）中差异动脉-静脉（AV）分析对糖尿病视网膜病变（DR）机器学习分类的影响	利用深度学习进行动脉-静脉区域（AVA）分割，并从OCTA图像中提取六种定量特征，通过差异AV分析显著提高了DR分类的准确率	未提及具体样本量，可能影响结果的泛化性	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变患者和对照组	digital pathology	diabetic retinopathy	optical coherence tomography angiography (OCTA)	SVM	image	NA
3	2025-07-23	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2024-Jun-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.16.599221 PMID:38915557	research paper	PSSR2是一个用户友好的Python包，旨在普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进并扩展了原有的PSSR工作流程，实现了同时超分辨率和去噪功能，并通过集成的CLI和Napari插件使技术更易于使用	NA	开发一个用户友好的工具，使显微镜和生物学研究社区能够轻松实现超分辨率工作流程	显微镜数据	digital pathology	NA	deep learning	NA	image	NA
4	2025-07-20	Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65357-x PMID:38937555	研究论文	开发了一种多模态深度学习模型，用于预测非缺血性心肌病患者致命性室性心律失常的风险	结合了LGE心脏MRI、心电图和临床数据的多模态深度学习模型，提高了预测恶性室性心律失常的准确性	研究样本量较小（289名患者），且为回顾性研究，可能影响模型的泛化能力	预测非缺血性心肌病患者致命性室性心律失常的风险，以指导ICD植入决策	非缺血性心肌病患者	数字病理	心血管疾病	LGE心脏MRI、12导联心电图	残差变分自编码器、DEEP RISK机器学习模型	图像（MRI）、信号（ECG）、临床数据	289名来自两家三级医院的患者
5	2025-07-20	CURE: A deep learning framework pre-trained on large-scale patient data for treatment effect estimation 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100973 PMID:39005483	research paper	提出了一种名为CURE的深度学习框架，用于从观察数据中估计治疗效果	CURE框架通过在大规模未标记患者数据上进行预训练，学习具有代表性的上下文患者表示，并在标记患者数据上进行微调以进行治疗效果估计	未明确提及具体局限性	识别治疗对重要结果的因果效应	患者数据	machine learning	NA	深度学习	预训练与微调框架	观察数据	大规模未标记患者数据和标记患者数据
6	2025-07-20	Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17072 PMID:38721977	研究论文	本文提出了一种基于胸部CT的自动化椎体骨折评估方法，利用深度学习和形态学特征进行椎体分割、标记及骨折检测	结合深度学习、多参数冻结-生长算法和强度自相关技术，实现了椎体的自动化分割和标记，并通过计算椎体高度特征进行骨折检测	方法在低剂量CT上的泛化性虽经评估，但样本量相对较小（n=236），可能需要更多数据验证	开发自动化椎体骨折评估方法，以替代人工专家阅读，提高大规模人群研究的效率	慢性阻塞性肺疾病（COPD）患者的胸部CT图像	数字病理学	慢性阻塞性肺疾病	深度学习、多参数冻结-生长算法、强度自相关、CT成像	DL网络	CT图像	3231名COPDGene研究参与者的40,050个椎体，其中120例用于DL分类器训练与验证，236例低剂量CT评估泛化性
7	2025-07-20	MAD-Former: A Traceable Interpretability Model for Alzheimer's Disease Recognition Based on Multi-Patch Attention 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368500 PMID:38442047	research paper	提出了一种基于多块注意力机制的可追踪解释性模型MAD-Former，用于阿尔茨海默病的识别	设计了3D脑特征提取网络和双分支注意力结构，提出重要注意力相似性位置损失函数，并开发了一种基于注意力选择和感受野追踪的可追踪方法	NA	开发一种具有可解释性的阿尔茨海默病自动诊断模型	阿尔茨海默病患者的结构磁共振成像(sMRI)数据	digital pathology	geriatric disease	deep learning	CNN, MAD-Former	3D MRI images	ADNI和OASIS数据集
8	2025-07-19	Iterative deep learning-design of human enhancers exploits condensed sequence grammar to achieve cell type-specificity 2024-Jun-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599076 PMID:38915713	研究论文	本文应用迭代深度学习设计合成增强子，实现在两种人类细胞系中的强差异活性	利用迭代深度学习优化预测器，设计出具有更高特异性的第二代增强子，并揭示了增强子活性与单细胞水平转录因子表达的相关性	研究仅针对两种人类细胞系，可能无法推广到其他细胞类型	解决合成生物学中如何靶向特定细胞类型进行基因表达的问题	人类合成增强子	合成生物学	NA	深度学习	NA	序列数据	两种人类细胞系
9	2025-07-11	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-06, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本研究评估了基于Fleischner Society定义的自动量化间质性肺异常（ILA）在I期非小细胞肺癌（NSCLC）患者中的预测价值	使用深度学习自动量化程序评估术前CT数据，并基于Fleischner Society定义对患者进行分类	回顾性研究设计可能引入选择偏差	评估自动量化ILA在I期NSCLC患者中的预后意义	948名病理I期NSCLC患者	数字病理	肺癌	CT扫描	深度学习	图像	948名患者
10	2025-07-11	Automated Prediction of Proximal Middle Cerebral Artery Occlusions in Noncontrast Brain Computed Tomography 2024-06, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.045772 PMID:38787932	研究论文	提出了一种基于机器学习的算法（JLK-CTL），利用非对比脑计算机断层扫描的手工特征预测大血管闭塞（LVO）	结合手工特征和深度学习算法，整合血栓征象作为额外特征，提高了LVO的预测准确性	研究样本来自特定时间段和医院，可能影响模型的泛化能力	早期识别缺血性卒中患者的大血管闭塞（LVO）以进行及时干预	缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描（CT）和计算机断层扫描血管造影（CTA）	ExtraTrees, random forest, extreme gradient boosting, support vector machine, multilayer perceptron, deep learning	图像	2919名患者（2463名训练集，275名内部验证集，95名外部验证集）
11	2025-07-07	CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10372-1 PMID:37951855	研究论文	本研究利用深度学习算法从常规胸部CT中自动提取胸肌组成指标，并探讨这些指标与肺炎住院事件的纵向关联	首次使用全自动深度学习算法(Mask R-CNN)从常规胸部CT中提取胸肌组成指标，并发现其在COPD患者中的肺炎预测价值	研究结果仅在COPD患者群体中具有显著性，样本量有限(2595名参与者)	探究胸部CT衍生的胸肌组成指标与肺炎住院事件的关联	多民族动脉粥样硬化研究(MESA)的参与者	数字病理学	慢性阻塞性肺疾病(COPD)	深度学习算法	Mask R-CNN (基于Faster R-CNN)	CT图像	2595名参与者(51%女性，中位年龄68岁)，其中507名COPD患者
12	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据，提高了空间生物学中细胞类型和状态识别的准确性和可扩展性	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞，无需训练数据	算法在泛化性方面可能存在挑战，因为细胞、邻域和生态位在健康和疾病中的变异性	提高空间生物学中细胞类型和状态识别的准确性和可扩展性	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	5个数据集（5,000,000个细胞；51种细胞类型）
13	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学检测中的模糊细胞，提高了准确性和可扩展性	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	五个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠、腺体）
14	2025-07-03	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	本文通过系统综述探讨了机器学习和深度学习模型在医院环境中检测不当处方的应用现状	总结了AI在临床药学领域的应用现状，并指出了整合AI到临床医院药学实践中的潜在价值	纳入的研究中有12项被认为存在高偏倚风险，且训练数据集非常异质	探讨机器学习和深度学习模型在检测医院不当药物医嘱中的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习和深度学习模型	药物医嘱数据	分析的处方医嘱数量从31到5,804,192不等
15	2025-07-01	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	本研究提出了一种基于语义和上下文相似性的脑解码新方法，利用fMRI数据和深度学习解码流程来推断和重建概念相似的图像	结合了神经科学启发的大脑解码模型和潜在扩散模型，通过线性映射fMRI活动到语义视觉特征空间，实现了语义分类和图像检索/生成	方法依赖于预训练神经网络的潜在空间表示，可能受限于网络本身的表征能力	开发一种新的脑解码方法，能够从fMRI数据中重建概念相似的图像	人类大脑对自然图像刺激的神经活动模式	计算神经科学	NA	fMRI, 潜在扩散模型	线性脑到特征模型, 潜在扩散模型	fMRI数据, 图像数据	三个fMRI数据集(Generic Object Decoding, BOLD5000, NSD)
16	2025-06-24	Longitudinal risk prediction for pediatric glioma with temporal deep learning 2024-Jun-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.04.24308434 PMID:38978642	研究论文	该研究提出了一种自监督的深度学习方法来分析纵向医学影像，预测儿童胶质瘤的复发风险	提出了一种名为时间学习的深度学习框架，能够利用患者当前和既往的脑部MR影像中的时空信息来预测未来复发	研究仅基于715名患者的3,994次扫描，样本量相对有限，且仅在儿童胶质瘤中进行了验证	提高儿童胶质瘤复发的个体化预测准确性	儿童胶质瘤患者	数字病理	儿童胶质瘤	深度学习	时间学习（Temporal Learning）	医学影像（MRI）	715名患者的3,994次扫描
17	2025-06-18	Providing context: Extracting non-linear and dynamic temporal motifs from brain activity 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.600937 PMID:38979316	研究论文	本研究提出了一种使用非线性深度学习模型（DSVAE）从静息态功能磁共振成像（rs-fMRI）中提取非线性动态时间模式的新方法	使用解耦变分自编码器（DSVAE）分离窗口特定（上下文）信息和时间步特定（局部）信息，以捕捉多时间尺度的差异	NA	分析rs-fMRI动态特性，探索精神分裂症患者与对照组在脑活动模式上的差异	精神分裂症患者和对照组受试者的rs-fMRI数据	神经影像分析	精神分裂症	rs-fMRI	DSVAE（解耦变分自编码器）	功能磁共振成像数据	NA
18	2025-06-18	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Jun-23, ArXiv PMID:39398214	research paper	评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动分割和量化腹水体积的方法，并在多机构数据集上验证了其性能	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发并验证一种自动量化腹水体积的深度学习方法	肝硬化及卵巢癌患者的腹水	digital pathology	liver cirrhosis, ovarian cancer	deep learning	CNN	CT scans	315 patients (25 NIH-LC, 166 NIH-OV, 124 UofW-LC)
19	2025-06-15	Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques 2024-06-28, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5a14 PMID:38901416	研究论文	本文提出了一种基于可解释AI的自动化分割和多阶段分类方法，用于诊断胃食管反流病（GERD）	开发了一个针对胃肠道疾病诊断的系统，结合了Yolov5目标检测、DeepLabV3+分割和多种机器学习分类器进行多阶段分类	NA	通过计算机辅助技术快速准确地诊断胃食管反流病（GERD）	胃食管反流病（GERD）患者的内窥镜图像	数字病理学	胃食管反流病	视频内窥镜	Yolov5, DeepLabV3+, SVM, 自定义深度神经网络	图像	NA
20	2025-06-15	An extensive analysis of artificial intelligence and segmentation methods transforming cancer recognition in medical imaging 2024-06-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad555b PMID:38848695	综述	本文全面分析了人工智能和分割方法在医学影像中癌症识别的应用	重点评估了卷积神经网络（CNNs）在医学图像分割和分类中的自学习和决策能力	现有图像分割方法在应用于某些特定类型图像时存在局限性	探讨图像分割技术在医学影像中癌症识别的重要性和应用	医学影像中的癌症区域	计算机视觉	癌症	计算机辅助诊断（CAD）系统	CNN	医学影像	NA