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	2025-04-02	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型能够在不依赖经验丰富的读者或结构MRI的情况下，自动准确地对脑部PET扫描进行分类	研究为回顾性研究，可能受到数据收集和处理方法的限制	开发并评估一种深度学习模型，用于分类脑部PET扫描中的淀粉样蛋白阳性或阴性	脑部PET扫描	digital pathology	Alzheimer's disease	PET imaging	deep learning	image	8476 PET scans (6722 patients)
2	2025-04-01	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	本文提出了一种名为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	开发了TACIT算法，无需训练数据即可进行细胞注释，并在多组学分析中识别模糊细胞，提高了准确性和可扩展性	虽然TACIT在多个数据集中表现良好，但其在更广泛细胞类型和疾病中的应用仍需进一步验证	解决空间生物学中细胞类型和状态识别的挑战，提高注释的准确性和效率	细胞类型和状态，特别是在脑、肠道和腺体三个生态位中的细胞	空间生物学	炎症性腺体疾病	多组学分析，空间转录组学和蛋白质组学	无监督算法	多组学数据	5个数据集，包含5,000,000个细胞和51种细胞类型
3	2025-04-01	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	本文提出了一种名为TACIT的无监督算法，用于细胞注释，通过预定义的签名在无需训练数据的情况下操作，利用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分析中的模糊细胞	开发了TACIT算法，一种无需训练数据的无监督细胞注释方法，通过无偏阈值和聚焦相关标记来提高准确性和可扩展性	未明确提及算法的局限性，但可能包括对预定义签名的依赖以及在更广泛细胞类型和状态中的泛化能力	解决空间生物学中细胞类型和状态识别的时间消耗和易出错问题	细胞类型和状态，特别是在脑、肠和腺体三个生态位中的细胞	空间生物学	炎症性腺体疾病	多组学分析，空间转录组学和蛋白质组学	无监督算法	多组学数据	五个数据集（5,000,000个细胞；51种细胞类型）
4	2025-03-29	Variants in tubule epithelial regulatory elements mediate most heritable differences in human kidney function 2024-Jun-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.18.599625 PMID:38948875	研究论文	该研究通过GWAS和单细胞染色质可及性测序，揭示了肾小管上皮细胞调控元件中的遗传变异对人类肾功能遗传差异的主要影响	首次系统鉴定了肾功能相关遗传位点，开发了ChromKid深度学习模型预测肾细胞类型特异性染色质可及性，并利用CRISPRi技术验证了调控元件对基因表达的影响	研究主要关注SNP遗传力，可能忽略了其他类型的遗传变异对肾功能的影响	解析影响人类肾功能的遗传变异及其分子机制	人类肾功能相关的遗传变异和调控元件	基因组学	肾脏疾病	GWAS, scATAC-seq, CRISPRi, 深度学习	ChromKid (深度学习模型)	基因组数据, 单细胞染色质可及性数据	NA
5	2025-03-27	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	利用深度学习增强心动图视频分析，实现慢性肝病的自动化筛查	研究基于回顾性数据，可能影响模型的泛化能力	开发一种自动化工具，通过心动图视频筛查慢性肝病	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	video	1,596,640 心动图视频（来自 24,276 名患者）
6	2025-03-27	Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373703 PMID:38507374	研究论文	本文提出了一种利用对抗攻击预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化的简单框架	通过对抗攻击找到输入空间中的对抗进展方向，利用决策边界的距离预测患者下一次就诊的诊断结果	阿尔茨海默病研究中的可用数据集规模不足以从患者数据中学习复杂模型	预测MCI向AD的转化并辅助患者分型	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	对抗攻击	浅层神经网络	患者数据	两个公开可用的阿尔茨海默病研究数据集
7	2025-03-26	Critical assessment of missense variant effect predictors on disease-relevant variant data 2024-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597828 PMID:38895200	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的性能	系统评估了多种错义变异效应预测工具，包括CAGI6挑战赛提交的工具、临床遗传学社区常用工具及最新开发的深度学习方法，并探讨了不同应用场景下的性能差异	评估数据集中可能存在标签不平衡问题，且某些预测工具在区分极罕见良性变异与致病变异时性能下降	评估错义变异效应预测工具的临床和研究实用性，并为未来改进提供方向	错义变异效应预测工具	基因组学	NA	深度学习方法	NA	基因组变异数据	来自疾病相关数据库的罕见错义变异数据集
8	2025-03-24	Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning 2024-Jun-30, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuae037 PMID:38518758	研究论文	开发并外部验证了一种名为CShock的动态风险评分，用于心脏重症监护病房（ICU）中早期预测心源性休克	CShock是一种基于深度学习的风险分层工具，能够自动检测并提供心源性休克的早期预警	研究依赖于特定数据库（MIMIC-III和NYU Langone Health），可能限制了模型的广泛适用性	提高心脏ICU中心源性休克的早期检测能力	心脏ICU中因急性失代偿性心力衰竭和/或心肌梗死入院的患者	机器学习	心血管疾病	深度学习	深度学习模型	患者人口统计、实验室值、生命体征、超声心动图和左心导管报告	训练集：1500名患者（其中204名有心源性/混合休克）；外部验证集：131名患者（其中25名有心源性/混合休克）
9	2025-03-24	DMAF-Net: deformable multi-scale adaptive fusion network for dental structure detection with panoramic radiographs 2024-Jun-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae014 PMID:38518093	研究论文	本文提出了一种名为DMAF-Net的可变形多尺度自适应融合网络，用于在牙科全景X光片中检测五种牙齿状况	改进了YOLO网络，提出了不同的模块以增强网络的特征提取能力，并采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	提高牙科全景X光片中牙齿结构问题检测的准确性	牙科全景X光片	计算机视觉	牙科疾病	NA	DMAF-Net	图像	1474张牙科全景X光片
10	2025-03-20	Deep Learning Based on ResNet-18 for Classification of Prostate Imaging-Reporting and Data System Category 3 Lesions 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.042 PMID:38302387	研究论文	本研究探讨了基于ResNet-18的深度学习模型在前列腺影像报告和数据系统（PI-RADS）3类病变中对良性前列腺病变、非临床显著性前列腺癌（non-csPCa）和临床显著性前列腺癌（csPCa）的分类和预测效果	首次使用ResNet-18模型对PI-RADS 3类病变进行分类，并通过T-SNE和类激活映射进行特征可视化和模型关注区域的可视化	研究为回顾性研究，样本量相对较小，且仅使用了T2加权图像	探索深度学习模型在前列腺PI-RADS 3类病变中的分类和预测效果	PI-RADS 3类病变的T2加权图像	数字病理学	前列腺癌	多参数MRI或双参数MRI	ResNet-18	图像	428张良性前列腺病变图像、158张非临床显著性前列腺癌图像和273张临床显著性前列腺癌图像
11	2025-03-20	Deep Learning Image Reconstruction for Transcatheter Aortic Valve Implantation Planning: Image Quality, Diagnostic Performance, Contrast volume and Radiation Dose Assessment 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.026 PMID:38472024	研究论文	本研究评估了在经导管主动脉瓣植入（TAVI）规划CT中使用高强度深度学习图像重建（DLIR-H）对图像质量、对比剂用量、辐射剂量及诊断性能的影响	首次在TAVI规划CT中应用DLIR-H技术，并系统评估其在降低辐射剂量、对比剂用量及提升图像质量方面的潜力	研究样本量相对较小（128例患者），且仅在一家医疗机构进行，可能影响结果的普遍性	评估DLIR-H在TAVI规划CT中的应用效果，包括图像质量、辐射剂量、对比剂用量及诊断性能	128例接受TAVI规划CT的患者	数字病理学	心血管疾病	深度学习图像重建（DLIR-H）	NA	CT图像	128例患者
12	2025-03-20	CT-Based Super-Resolution Deep Learning Models with Attention Mechanisms for Predicting Spread Through Air Spaces of Solid or Part-Solid Lung Adenocarcinoma 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.034 PMID:38184418	研究论文	本研究开发了一种基于CT超分辨率和注意力机制的深度学习模型，用于预测实性或部分实性肺腺癌的空气传播扩散状态	使用SE-ResNet50模型结合CT超分辨率技术，显著提高了预测肺腺癌空气传播扩散状态的准确性	研究为回顾性研究，样本量相对有限，且仅来自两个医疗中心	预测肺腺癌的空气传播扩散状态，以帮助选择合适的手术方法	602名被诊断为肺腺癌的患者	计算机视觉	肺癌	CT超分辨率	SE-ResNet50, ResNet50	CT图像	602名患者（中心1：512名，中心2：90名）
13	2025-03-20	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	研究论文	本研究开发了一种基于深度学习的AI模型，用于在前列腺癌的分期CT上自动检测和分类骨病变，并与放射科医生的表现进行比较	开发了两个自动化的深度学习AI模型，分别用于骨病变的检测与分割以及良性与转移性病变的分类，并在分期CT上进行了性能评估	研究为回顾性研究，样本量相对较小，且仅针对前列腺癌患者	开发并评估用于前列腺癌分期CT上骨病变检测和分类的AI模型	前列腺癌患者的分期CT扫描图像	计算机视觉	前列腺癌	深度学习	3DAISeg（分割模型）和3DAIClass（分类模型）	CT图像	297例分期CT扫描（81例转移性病变），包含4601个良性病变和1911个转移性病变
14	2025-03-20	CEMRI-Based Quantification of Intratumoral Heterogeneity for Predicting Aggressive Characteristics of Hepatocellular Carcinoma Using Habitat Analysis: Comparison and Combination of Deep Learning 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.024 PMID:38057182	研究论文	本研究探索了基于栖息地分析的肿瘤内异质性模型和基于对比增强磁共振成像的深度学习模型，并验证了其在预测肝细胞癌微血管侵犯和病理分化中的效率	结合了肿瘤内异质性模型和深度学习模型，设计了一个融合模型，用于预测肝细胞癌的微血管侵犯和低分化	研究为回顾性研究，样本量相对较小	预测肝细胞癌的微血管侵犯和病理分化	肝细胞癌患者	数字病理学	肝细胞癌	对比增强磁共振成像	深度学习模型	图像	265名患者的277个肝细胞癌样本
15	2025-03-20	Deep Learning Radiomics Nomogram Based on Magnetic Resonance Imaging for Differentiating Type I/II Epithelial Ovarian Cancer 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.08.002 PMID:37643927	研究论文	本研究开发并验证了一种基于T2加权磁共振成像（MRI）的深度学习放射组学列线图（DLRN），用于区分I型和II型上皮性卵巢癌（EOC）	首次结合深度学习特征、放射组学特征和独立临床预测因子构建DLRN，用于区分I型和II型EOC	研究样本来自五个中心，可能存在数据异质性	开发并验证一种基于MRI的DLRN，用于区分I型和II型EOC	I型和II型上皮性卵巢癌（EOC）患者	数字病理学	卵巢癌	T2加权磁共振成像（MRI）	深度学习模型	图像	437名患者，分为训练集（271人）、内部验证集（68人）和外部验证集（98人）
16	2025-03-20	Contrast-Enhanced CT-Based Deep Learning Radiomics Nomogram for the Survival Prediction in Gallbladder Cancer 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.027 PMID:38061942	研究论文	本研究提出了一种基于增强CT图像的深度学习放射组学列线图模型，用于预测胆囊癌患者手术切除后的生存率	结合临床特征、放射组学和深度学习技术，构建了一个多模态模型，用于胆囊癌患者的生存预测	研究样本量较小（167例），且为回顾性研究，可能存在选择偏差	开发一种准确的预后模型，以指导胆囊癌患者的治疗策略	胆囊癌患者	数字病理学	胆囊癌	增强CT成像	DenseNet121	图像	167例胆囊癌患者
17	2025-03-20	Fusion Radiomics-Based Prediction of Response to Neoadjuvant Chemotherapy for Osteosarcoma 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.015 PMID:38151381	研究论文	本研究旨在开发一种基于深度学习的放射组学模型，利用术前MR图像准确预测骨肉瘤患者对新辅助化疗的反应	结合深度学习与放射组学技术，开发了一种新的预测模型，能够高精度预测骨肉瘤患者对新辅助化疗的反应	样本量相对较小，仅106名患者，且仅使用了T2加权成像和对比增强T1加权成像两种MR图像	开发一种深度学习放射组学模型，用于预测骨肉瘤患者对新辅助化疗的反应	106名病理确诊为骨肉瘤的患者	数字病理	骨肉瘤	深度学习放射组学	深度学习模型	MR图像	106名骨肉瘤患者
18	2025-03-20	Anti-motion Ultrafast T2 Mapping Technique for Quantitative Detection of the Normal-Appearing Corticospinal Tract Changes in Subacute-Chronic Stroke Patients with Distal Lesions 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.036 PMID:38142175	研究论文	本研究利用多重叠回波分离（MOLED）定量技术，克服中风患者在磁共振成像（MRI）检查中的不自主运动问题，并检测亚急性-慢性中风患者正常外观皮质脊髓束（NA-CST）的微观结构变化	采用MOLED技术进行定量成像，解决了中风患者因不自主运动导致的成像难题，并首次通过T2映射检测NA-CST的微观结构变化	研究样本量有限，仅包括79名患者，且未探讨MOLED技术在其他类型中风或神经系统疾病中的应用	克服中风患者MRI检查中的运动问题，并定量检测NA-CST的微观结构变化	亚急性-慢性中风患者	数字病理学	中风	MOLED技术	深度学习网络	MRI图像	79名患者
19	2025-03-20	Habitat Radiomics Based on MRI for Predicting Platinum Resistance in Patients with High-Grade Serous Ovarian Carcinoma: A Multicenter Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.038 PMID:38129227	研究论文	本研究探讨了基于MRI的生境放射组学在预测高级别浆液性卵巢癌患者对铂类化疗反应中的可行性，并与传统放射组学和深度学习模型进行了比较	首次将生境放射组学应用于预测高级别浆液性卵巢癌患者的铂类化疗反应，并开发了一个结合生境特征和临床独立预测因子的列线图模型	研究为回顾性研究，可能存在选择偏倚，且样本量相对有限	预测高级别浆液性卵巢癌患者对铂类化疗的反应	高级别浆液性卵巢癌患者	数字病理学	卵巢癌	MRI	K-means聚类、放射组学模型、深度学习模型	图像	394名符合条件的患者
20	2025-03-20	Influence of Deep Learning Based Image Reconstruction on Quantitative Results of Coronary Artery Calcium Scoring 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.020 PMID:38582685	研究论文	本文评估了基于深度学习的图像重建（DLIR）对冠状动脉钙化评分（CACS）定量结果的影响，并探讨了DLIR在CACS中减少辐射剂量的潜力	首次系统评估了DLIR在CACS中的应用，并与传统的滤波反投影（FBP）和自适应统计迭代重建（ASiR-V）进行了比较	研究样本量较小（100名患者），且为回顾性研究，可能影响结果的普遍性	评估DLIR对CACS定量结果的影响及其在减少辐射剂量方面的潜力	100名连续患者和一个人体模型	医学影像	心血管疾病	深度学习图像重建（DLIR）	NA	图像	100名患者（平均年龄62±10岁，40%女性）和一个人体模型