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
41	2025-04-12	Deep Learning-Based Prediction of Hepatic Decompensation in Patients With Primary Sclerosing Cholangitis With Computed Tomography 2024-Sep, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.07.002 PMID:40206109	研究论文	本研究探讨了使用深度学习模型基于CT影像预测原发性硬化性胆管炎（PSC）患者肝失代偿的潜力	首次应用3D-DenseNet121模型分析CT影像预测PSC患者的肝失代偿，并通过解剖区域分割验证模型决策过程	回顾性研究设计，样本量有限（277例），未进行外部验证	开发基于深度学习的肝失代偿预测工具	原发性硬化性胆管炎（PSC）患者	数字病理	肝病	CT成像	3D-DenseNet121	3D医学影像	277例接受腹部CT扫描的成人PSC患者
42	2025-04-08	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	research paper	提出了一种名为MultiSC的深度学习流程，用于分析多组学单细胞数据	开发了一个新的流程MultiSC，利用多模态约束自编码器和基于矩阵分解的模型来整合多组学数据并预测转录因子调控的靶基因	未提及具体的数据处理或模型性能限制	解决多组学单细胞数据整合和分析工具缺乏的问题	多组学单细胞数据，包括基因表达、染色质可及性和转录因子蛋白表达	machine learning	NA	NEAT-seq	multimodal constraint autoencoder, matrix factorization-based model (scMF), multivariate linear regression models	multiomics single-cell data	未提及具体样本数量
43	2025-04-06	Few-shot Class-incremental Learning for Retinal Disease Recognition 2024-Sep-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457915 PMID:39292587	研究论文	本文提出了一种名为Re-FSCIL的新框架，用于少样本类增量视网膜疾病识别，通过整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习来提高模型的适应性和特征判别能力	提出Re-FSCIL框架，整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习，显著提升了少样本类增量学习在视网膜疾病识别中的性能	NA	开发能够持续学习新类别且保留现有知识的深度学习模型，特别适用于视网膜疾病诊断系统	视网膜疾病	数字病理	视网膜疾病	监督对比学习，特征融合	RETFound	图像	两个新基准数据集RFMiD38和JSIEC39
44	2025-04-06	Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416039 PMID:38889027	research paper	该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测	该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法	该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用	开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担	ICU患者的实时生命体征时间序列数据	machine learning	NA	随机信号分析，机器学习	NA	时间序列数据	NA
45	2025-04-05	Artificial Intelligence in Metabolomics: A Current Review 2024-Sep, Trends in analytical chemistry : TRAC DOI:10.1016/j.trac.2024.117852 PMID:39071116	综述	本文综述了人工智能在代谢组学中的方法与应用，探讨了其在系统生物学和人类健康中的潜力	总结了人工智能在代谢组学分析中的多种应用，包括分析检测、数据预处理、生物标志物发现、预测建模和多组学数据整合	尽管存在局限性和挑战，但代谢组学与人工智能的结合在提升人类健康方面具有革命性进展的潜力	探讨人工智能在代谢组学研究中的方法和应用	代谢组学数据及其在系统生物学和人类健康中的应用	代谢组学	NA	机器学习和深度学习	NA	代谢组学数据	NA
46	2025-04-03	Deep Learning for Grading Endometrial Cancer 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	该研究介绍了EndoNet，一种结合卷积神经网络和视觉变换器的深度学习模型，用于子宫内膜癌的分级	结合CNN提取组织学特征和视觉变换器聚合特征进行分级，无需手动标注	需要进一步验证	开发自动分级子宫内膜癌的深度学习模型	子宫内膜癌组织切片	数字病理学	子宫内膜癌	深度学习	CNN + 视觉变换器	图像	929张全切片图像（内部数据集）和100例患者（外部数据集）
47	2025-04-03	Automated detection of Bornean white-bearded gibbon (Hylobates albibarbis) vocalizations using an open-source framework for deep learning 2024-09-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0028268 PMID:39248557	research paper	本文介绍了一个开源深度学习框架，用于自动检测婆罗洲白须长臂猿的鸣叫，以解决大规模声学数据分析的瓶颈问题	采用开源深度学习框架自动检测特定物种的鸣叫，显著减少分析时间，且检测结果与人工标注无显著差异	未来需要将该模型应用于长期声学数据集以了解鸣叫活动的时空变化	开发一个自动检测濒危物种鸣叫的深度学习框架，以促进声学监测	婆罗洲白须长臂猿（Hylobates albibarbis）的鸣叫	bioacoustics	NA	deep learning	neural network	audio recordings	90小时的手动标注音频记录
48	2025-04-03	A systematic review of the application of machine learning techniques to ultrasound tongue imaging analysis 2024-09-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0028610 PMID:39287468	review	本文系统回顾了机器学习技术在超声舌成像分析中的应用	深入探讨了深度学习在超声舌图像序列分析中的应用潜力，特别是在克服斑点噪声和视野遮挡方面的优势	未提及具体实验验证或实际应用效果的局限性	评估机器学习技术在超声舌成像分析中的研究现状和发展趋势	超声舌图像帧序列(UTIFs)	machine learning	NA	B-mode ultrasound	deep learning	image	NA
49	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0490 PMID:39313234	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
50	2025-04-01	Modeling protein-small molecule conformational ensembles with ChemNet 2024-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.25.614868 PMID:39386615	research paper	该研究开发了一种名为ChemNet的图神经网络，用于模拟蛋白质-小分子系统的构象异质性	ChemNet能够快速生成小分子和蛋白质-小分子系统的构象集合，并在酶设计方面表现出更高的成功率和活性	NA	模拟蛋白质-小分子系统的构象异质性，并提高酶设计的成功率	蛋白质-小分子系统	machine learning	NA	graph neural network	ChemNet	atomic level structures	数据来自Cambridge Structural Database和Protein Data Bank
51	2024-08-07	Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis' 2024-Sep-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001718 PMID:38814316	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
52	2025-03-28	An initial game-theoretic assessment of enhanced tissue preparation and imaging protocols for improved deep learning inference of spatial transcriptomics from tissue morphology 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae476 PMID:39367648	研究论文	本文探讨了通过改进组织制备和成像协议来增强深度学习从组织形态学推断空间转录组学的性能	提出了采用临床实施标准的组织处理和成像实践（永久切片、自动组织染色和临床级扫描）以显著提高模型性能的新方法	研究仅针对13名病理T III期结直肠癌患者进行，样本量较小	研究旨在通过改进组织制备和成像协议，提高深度学习从组织形态学推断空间转录组学的性能，并降低大规模空间分析的成本	13名病理T III期结直肠癌患者的组织样本	数字病理	结直肠癌	空间转录组学（ST）、Visium CytAssist检测	Inceptionv3	全切片图像（WSI）	13名病理T III期结直肠癌患者的组织样本
53	2025-03-28	Prediction of future dementia among patients with mild cognitive impairment (MCI) by integrating multimodal clinical data 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36728 PMID:39281465	研究论文	本研究评估了多模态机器学习方法，特别是集成集成（EI）框架，在预测轻度认知障碍（MCI）患者未来痴呆发展方面的能力	使用EI框架来利用多模态数据的互补性和共识性，这是之前痴呆相关预测研究未充分捕捉的	NA	预测轻度认知障碍（MCI）患者未来痴呆的发展	轻度认知障碍（MCI）患者	机器学习	老年病	结构磁共振成像（MRI）和正电子发射断层扫描（PET）	集成集成（EI）框架、XGBoost、深度学习	临床和影像数据	来自TADPOLE挑战的数据
54	2025-03-27	Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100107 PMID:39378966	研究论文	使用序列深度学习分割技术评估儿童期阿托品治疗对成人脉络膜厚度的影响	首次使用序列深度学习方法测量成人脉络膜厚度，并探讨儿童期阿托品治疗的长期影响	研究样本量有限，且未考虑其他可能影响脉络膜厚度的因素	评估儿童期阿托品治疗对成人脉络膜厚度的长期影响	接受过儿童期阿托品治疗的成人	数字病理学	近视	扫频光学相干断层扫描（SS-OCT）	序列深度学习	图像	422只眼睛（94只未接受阿托品治疗，328只接受过治疗）
55	2024-09-10	Validation of a fully automated deep learning-enabled solution for CCTA atherosclerotic plaque and stenosis quantification in a diverse real-world cohort 2024 Sep-Oct, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.03.012 PMID:38553402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
56	2025-03-21	A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.002 PMID:38637240	研究论文	本文评估了深度学习在利用来自两个机构的DCE-MRI预测不同乳腺癌分子亚型中的性能	开发了一种多分支卷积神经网络（MBCNN），并采用中间融合和80像素的ROI大小进行外观转换，以优化性能	在预测luminal B、HER2-enriched和TN亚型时，MBCNN虽然表现优于CNN和CLSTM，但除了在TN亚型中对CNN表现出统计显著性外，其他情况下未达到统计显著性	评估深度学习在预测乳腺癌分子亚型中的性能	366名乳腺癌患者	计算机视觉	乳腺癌	DCE-MRI	MBCNN, CNN, CLSTM	图像	366名乳腺癌患者（训练集292名，验证集49名，测试集25名）
57	2025-03-21	Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.035 PMID:38641451	研究论文	开发并验证了一个结合对比增强光谱乳腺摄影（CESM）深度学习和临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗（NAC）反应	结合CESM深度学习和临床病理特征，开发了一个新的列线图模型，用于预测NAC反应，该模型在预测性能上优于单独的深度学习模型和临床模型	研究为回顾性研究，可能存在选择偏差，且样本量相对较小	预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	265名ER阳性/HER2阴性乳腺癌患者	数字病理	乳腺癌	对比增强光谱乳腺摄影（CESM）	ResNet34	图像	265名乳腺癌患者
58	2025-03-16	Cardiovascular care with digital twin technology in the era of generative artificial intelligence 2024-Sep-26, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae619 PMID:39322420	综述	本文综述了数字孪生技术在心血管医学中的应用及其未来潜力，特别是在生成式人工智能的背景下	探讨了数字孪生技术如何结合生成式人工智能和多模态数据，以增强心血管疾病的个性化治疗和预测	讨论了将数字孪生技术整合到个性化心血管护理中的个体和社会挑战以及伦理考虑	探索数字孪生技术在心血管医学中的应用及其未来发展方向	心血管疾病患者	数字病理学	心血管疾病	生成式人工智能	深度学习模型	多模态数据	NA
59	2025-03-16	Deep-learning generated B-line score mirrors clinical progression of disease for patients with heart failure 2024-Sep-16, The ultrasound journal DOI:10.1186/s13089-024-00391-4 PMID:39283362	研究论文	本研究探讨了深度学习算法生成的B线严重程度评分与肺充血和疾病严重程度之间的关系，并评估了治疗过程中评分的变化	利用深度学习算法生成B线评分，为临床提供了一种客观评估肺充血和疾病严重程度的方法	B线评分与Rothman指数无显著关联，可能限制了其在某些临床评估中的应用	确定深度学习生成的B线评分是否与肺充血和疾病严重程度相关，并评估治疗过程中的评分变化	疑似充血性心力衰竭的患者	数字病理学	心血管疾病	深度学习	深度学习算法	超声图像	110名独特受试者（3379个超声片段）
60	2025-03-16	Deep network and multi-atlas segmentation fusion for delineation of thigh muscle groups in three-dimensional water-fat separated MRI 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054003 PMID:39234425	研究论文	本文提出了一种多方法和多图谱的自动化分割方法，用于三维大腿磁共振图像中功能性肌肉群的分割	结合多图谱分割（MAS）和深度学习模型，提出了一种融合多种解剖映射的框架，以提高分割精度	研究样本量较小，仅包括15名健康受试者和4名患者	开发一种自动化分割方法，用于三维大腿磁共振图像中功能性肌肉群的分割，以支持衰老和代谢疾病的研究及成像生物标志物的开发	大腿的四个主要功能性肌肉群：股薄肌、腘绳肌、股四头肌和缝匠肌	计算机视觉	NA	化学位移编码水脂磁共振成像（CSE-MRI）	3D深度学习模型	三维磁共振图像	15名健康受试者和4名患者