深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
261	2025-10-07	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	开发了一个名为HLAPepBinder的集成机器学习模型，用于预测HLA-肽结合	首次使用随机森林方法整合九个预测器的结果，提供全面的预测框架，无需手动模型选择	缺乏可靠的阴性数据，通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合对	机器学习	癌症	集成机器学习	随机森林	肽序列数据	NA	NA	随机森林	预测准确性，资源效率	有限计算环境
262	2025-10-07	Knot data analysis using multiscale Gauss link integral 2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2408431121 PMID:39392667	研究论文	提出一种结合曲线分割和多尺度分析的高斯链接积分方法，用于分析复杂生物数据中的拓扑结构	将曲线分割和多尺度分析引入高斯链接积分，创建多尺度高斯链接积分方法，能够同时捕捉数据的全局拓扑特性和局部结构	NA	开发能够分析复杂数据中局部结构和连接性的拓扑数据分析方法	13个复杂生物数据集，包括蛋白质灵活性分析、蛋白质-配体相互作用、hERG钾通道阻断筛选和毒性评估	拓扑数据分析	NA	多尺度高斯链接积分	NA	生物数据	13个复杂生物数据集	NA	NA	NA	NA
263	2025-10-07	Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72120-5_4 PMID:40207034	研究论文	提出一种结合噪声标签学习和主动学习的两阶段方法，用于处理医学图像分类中的标签噪声和类别不平衡问题	提出梯度方差方法补充基于损失的样本选择，在有限标注预算下迭代改进数据集质量，避免将少数类干净样本误判为噪声样本	仅在两个不平衡噪声医学分类数据集上验证，需要进一步在更多数据集上测试泛化能力	提高医学图像分类在标签噪声存在下的鲁棒性，并主动清理噪声标签	医学图像分类任务	计算机视觉	NA	深度学习	深度学习模型	医学图像	两个不平衡噪声医学分类数据集	NA	NA	分类性能	NA
264	2025-10-07	Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71562-5 PMID:39353972	研究论文	开发基于心电图检测血钾异常的深度学习算法	首次开发能够从心电图中检测高钾血症和低钾血症的深度学习模型，并验证其临床预测价值	回顾性研究设计，模型性能在不同心电图导联配置下存在差异	通过深度学习技术实现血钾异常的无创快速检测	心电图与血清钾浓度配对数据	医疗人工智能	电解质紊乱	心电图分析	深度学习	心电图信号	训练集310,449个、验证集15,828个、内部测试集23,849个、外部验证集130,415个ECG-K样本	NA	NA	AUROC, 敏感度, 特异度	NA
265	2025-10-07	A phenotypic drug discovery approach by latent interaction in deep learning 2024-Oct, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240720 PMID:40191531	研究论文	开发了一种基于深度学习的表型药物发现方法，通过潜在交互作用规避传统结合测定方法的局限性	提出端到端的深度学习模型，仅利用治疗信息生成潜在表示，能隐式考虑上位效应和化学-遗传相互作用等复杂机制	在基础机制知识有限的情况下使用，对化学多样性数据有依赖性	开发新的计算药物发现方法以克服传统结合测定方法的限制	药物和病毒的遗传信息	机器学习	病毒性疾病	深度学习，数据增强	深度学习	文本（药物和病毒遗传信息的文本表示）	NA	NA	NA	样本外验证性能	NA
266	2025-04-06	An Automated Deep Learning-Based Framework for Uptake Segmentation and Classification on PSMA PET/CT Imaging of Patients with Prostate Cancer 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01104-y PMID:38587770	研究论文	开发并评估了一种基于深度学习的自动化框架，用于在前列腺癌患者的PSMA PET/CT成像上进行摄取分割和分类	采用解剖学先验引导策略，使深度学习框架专注于PSMA高摄取病变，并构建了多模态决策融合分类框架	样本量相对有限（193例扫描），且仅来自两个机构	自动化全身肿瘤负荷评估	前列腺癌患者的PSMA PET/CT扫描图像	数字病理学	前列腺癌	PSMA PET/CT成像	CNN, 多模态决策融合框架	医学影像	193例[F]DCFPyL PET/CT扫描（137例用于训练和内部测试，56例用于外部测试）	NA	NA	NA	NA
267	2025-10-07	Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models 2024-10-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75748-9 PMID:39455655	研究论文	提出一种结合Yolov5和ConvNeXt的深度学习集成模型YoCNET，用于根尖片中牙齿自动分割和多颗牙齿根尖病变的同步检测	首次将目标检测模型Yolov5与图像分类模型ConvNeXt集成，克服单一分类模型无法同时识别多个病变目标的限制	数据集排除了乳牙，且仅使用1305张根尖片进行训练验证	开发能够自动分割牙齿并同时检测多颗牙齿根尖病变的深度学习模型	根尖片中的牙齿和根尖病变	计算机视觉	牙科疾病	放射影像分析	CNN, 集成模型	图像	1305张根尖片用于训练验证，717张单个牙齿图像用于集成模型验证	PyTorch	Yolov5, ConvNeXt, ResNet34	准确率, 精确率, 灵敏度, F1分数, AUC, 混淆矩阵	NA
268	2025-04-01	A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09688-0 PMID:39417954	研究论文	本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构	开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升	仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证	理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解	普通狨猴大脑的Nissl染色和髓鞘染色切片图像	数字病理学	神经系统疾病	深度学习	深度学习模型（未明确具体类型）	图像	普通狨猴大脑切片图像（具体数量未说明）	NA	NA	NA	NA
269	2025-03-28	Message-Passing Monte Carlo: Generating low-discrepancy point sets via graph neural networks 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409913121 PMID:39325425	研究论文	本文提出了一种名为消息传递蒙特卡洛(MPMC)的新型低差异点集生成方法，利用图神经网络工具实现	首次将几何深度学习方法应用于低差异点集生成，提出MPMC点集并在低维和小点数情况下达到最优或接近最优差异	目前主要适用于低维和小规模点集的情况	开发更有效的低差异点集生成方法以提高数值积分、计算机视觉等领域的性能	低差异点集的生成方法	机器学习	NA	几何深度学习	图神经网络(GNN)	空间点集数据	低维和小规模点集	NA	NA	NA	NA
270	2025-10-07	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题	未明确说明模型在更广泛癌症类型中的性能表现	提高不同类型癌症中有丝分裂细胞的识别准确性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	深度学习	CNN, Transformer	图像	使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集	NA	YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer	精确率, 召回率, F1分数	NA
271	2025-10-07	Body composition analysis by radiological imaging - methods, applications, and prospects 2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2263-1501 PMID:38569516	综述	本文综述了使用放射学成像方法进行人体组织成分定量分析的技术、应用及发展前景	系统整合了放射学体成分分析的不同方法和定义，特别关注人工智能方法在自动化组织分割中的应用	AI训练所需的分析工具和合适数据集的可用性被认为是主要限制因素	向放射学读者介绍体成分分析方法以促进其应用和传播	人体组织成分，特别是腹部脂肪腔室和肌肉群	医学影像分析	肿瘤和代谢疾病	CT、MRI、放射学成像	深度学习	放射学横断面图像数据	NA	NA	NA	NA	NA
272	2025-10-07	Deep Learning Accelerated Brain Diffusion-Weighted MRI with Super Resolution Processing 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.049 PMID:38521612	研究论文	本研究探讨了深度学习加速脑部扩散加权成像结合超分辨率处理的临床可行性和图像质量	首次将深度学习图像重建与超分辨率处理相结合用于加速脑部DWI，显著提高了图像质量和诊断信心	样本量相对较小（85例患者），仅在一台3T扫描仪上进行研究	评估深度学习加速脑部扩散加权成像的临床可行性和图像质量	85例连续接受临床MRI检查的患者	医学影像分析	脑部疾病	扩散加权成像，深度学习图像重建，超分辨率处理	深度学习模型	脑部MRI图像	85例患者，其中35例检测出颅内病变	NA	NA	图像质量评分，诊断信心评分，Fleiss' kappa，信号强度值	3T MRI扫描仪
273	2025-10-07	Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.033 PMID:38614826	系统评价与荟萃分析	系统评估影像组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	首次对影像组学和深度学习在软组织肿瘤诊断中的性能进行系统评价和荟萃分析	纳入研究存在异质性，部分研究缺乏独立验证集	评估影像组学和深度学习在软组织肿瘤良恶性鉴别诊断中的性能	软组织肿瘤患者	医学影像分析	软组织肿瘤	影像组学分析，深度学习	深度学习模型	医学影像数据	21项研究共3866例患者，其中13项研究包含独立测试/验证集	NA	NA	敏感性，特异性	NA
274	2025-10-07	Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.010 PMID:38658211	研究论文	基于B超和彩色多普勒超声图像开发深度学习放射组学列线图用于术前评估浸润性乳腺癌淋巴血管侵犯状态	首次结合B超和彩色多普勒超声图像开发深度学习放射组学列线图，通过多中心研究验证其对淋巴血管侵犯的预测价值	回顾性研究设计，样本仅来自八个医院	术前评估浸润性乳腺癌的淋巴血管侵犯状态	832例经病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	B超，彩色多普勒血流成像	深度学习	超声图像	832例患者来自八个医院，分为训练集、内部测试集和外部测试集	NA	NA	AUC, 准确率, 校准曲线, 决策曲线分析, 临床影响曲线, 净重分类改进, 综合判别改进	NA
275	2025-10-07	Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.041 PMID:38664146	研究论文	本研究探讨基于深度学习的压缩感知加速3D T1 VISTA序列在血管壁磁共振成像中的可行性，并与传统压缩感知方法进行比较	首次将人工智能约束压缩感知技术应用于血管壁MRI，探索比传统压缩感知更高的加速因子	样本量较小（40例患者），需要更大规模研究验证	优化血管壁磁共振成像的加速因子，获得高质量临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像分析	心血管疾病	3D T1加权容积各向同性涡轮自旋回波采集，磁共振成像	深度学习	磁共振图像	40例患者	NA	NA	信噪比，对比噪声比，图像质量评分	3.0T MR系统
276	2025-10-07	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	开发并验证基于增强CT的深度学习放射组学模型，用于识别肝转移瘤的原发灶来源	采用深度学习放射组学方法结合分步分类策略，首次实现对五种不同原发灶肝转移瘤的鉴别诊断	样本量相对有限，仅包含五个特定癌种的肝转移病变	开发能够识别肝转移瘤原发灶来源的智能诊断模型	657个肝转移病灶（来自428例患者），包括乳腺癌、肺癌、结直肠癌、胃癌和胰腺癌	医学影像分析	肝转移癌	增强CT成像	深度学习放射组学模型	医学影像（CT图像）	训练验证集545个病灶（7:3分割），外部测试集112个病灶	NA	NA	准确率，AUC	NA
277	2025-10-07	A deep profile of gene expression across 18 human cancers 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.17.585426 PMID:38559197	研究论文	提出DeepProfile框架，利用无监督深度学习分析18种人类癌症的基因表达数据	开发了具有生物可解释性的无监督深度学习框架，能够从大规模基因表达数据中提取有价值的生物学信息	未明确说明模型在独立验证集上的性能表现及计算资源需求	利用无监督深度学习挖掘癌症基因表达数据中的生物学信息	18种人类癌症的50,211个转录组数据	机器学习	多癌种研究	基因表达分析，转录组测序	深度学习	基因表达数据	50,211个转录组样本，涵盖18种癌症类型	NA	NA	生物可解释性评估，Kaplan-Meier生存分析	NA
278	2025-10-07	Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning 2024-Oct, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00902-w PMID:39083144	系统综述	系统回顾了过去二十年白质高信号分割方法的演变历程和实施情况	首次系统性地分析了过去二十年WMH分割工具的方法学演变，特别关注了深度学习技术的兴起趋势	仅包含公开可用技术且详细描述方法的文献，可能遗漏部分商业或未公开方法	分析白质高信号分割方法的发展趋势和实施差异	白质高信号分割工具和方法	医学影像分析	神经系统疾病	系统综述方法	深度学习,传统图像分割方法	医学影像数据	1007个视觉评分量表研究,118个流程开发文章,509个实施文章	NA	NA	评估标准	NA
279	2025-10-07	An artificial intelligence-driven scoring system to measure histological disease activity in ulcerative colitis 2024-10, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12562 PMID:38590110	研究论文	开发了一种基于人工智能的评分系统，用于测量溃疡性结肠炎的组织学疾病活动度	首次将人工智能系统应用于基于Nancy指数的溃疡性结肠炎组织学疾病活动度评估	样本量相对较小（200张图像），需要更大规模验证	开发能够自动评估溃疡性结肠炎组织学疾病活动度的人工智能系统	溃疡性结肠炎患者的组织学图像	数字病理学	溃疡性结肠炎	图像处理，深度学习，特征提取	深度学习	组织学图像	200张溃疡性结肠炎组织学图像	NA	NA	组内相关系数	NA
280	2025-03-14	Radio-opaque contrast agents for liver cancer targeting with KIM during radiation therapy (ROCK-RT): an observational feasibility study 2024-Oct-08, Radiation oncology (London, England) DOI:10.1186/s13014-024-02524-4 PMID:39380004	研究论文	本研究旨在探讨使用X射线图像实时引导放射治疗肝细胞癌的可行性	开发了一种用于实时运动跟踪的深度学习方法，以提高放射治疗的靶向准确性	研究样本量较小，且为回顾性分析，可能影响结果的普遍性	建立使用X射线图像实时引导放射治疗肝细胞癌的可行性	50名肝细胞癌患者	数字病理学	肝癌	X射线和计算机断层扫描	深度学习	图像	50名肝细胞癌患者	NA	NA	NA	NA