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	2025-04-04	RiceSNP-ABST: a deep learning approach to identify abiotic stress-associated single nucleotide polymorphisms in rice 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae702 PMID:39757606	研究论文	提出了一种名为RiceSNP-ABST的深度学习模型，用于预测水稻中与非生物胁迫相关的单核苷酸多态性(SNPs)	开发了一种新的负样本构建策略，提出了四种基于DNA序列片段的特征编码方法，并采用带有残差连接的卷积神经网络进行预测	高质量的非生物胁迫相关数据稀缺可能影响模型性能	开发计算模型以识别水稻中与非生物胁迫相关的SNPs，助力水稻抗性品种培育	水稻基因组中的单核苷酸多态性(SNPs)	机器学习	NA	全基因组关联研究(GWAS), 深度学习	CNN	DNA序列数据	六个训练数据集(具体数量未明确说明)
2	2025-04-04	Multicenter investigation of preoperative distinction between primary central nervous system lymphomas and glioblastomas through interpretable artificial intelligence models 2024-Nov, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03451-7 PMID:39225815	research paper	本研究通过可解释的人工智能模型，基于MRI图像对原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）进行术前区分	结合了放射组学模型和深度学习模型，提出了最优的Max-Fusion模型，并利用SHAP和Grad-CAM进行可解释性分析	研究为回顾性分析，样本量相对有限（261例患者），且仅来自两个医疗中心	探索基于MRI的深度学习和放射组学模型在术前区分PCNSL和GBM中的有效性和适用性	261例PCNSL和GBM患者的MRI图像和临床数据	digital pathology	brain tumor	MRI	MobileVIT, ConvNeXt, Max-Fusion Model	image	261例患者（训练集153例，外部测试集108例）
3	2025-04-03	Understanding the role of machine learning in predicting progression of osteoarthritis 2024-Nov-01, The bone & joint journal DOI:10.1302/0301-620X.106B11.BJJ-2024-0453.R1 PMID:39481441	系统综述	本文通过系统综述探讨了机器学习在预测骨关节炎进展中的作用	揭示了机器学习模型在预测骨关节炎进展中的可行性及当前临床应用的局限性	评估指标缺乏标准化，外部验证有限，临床适用性受限	探讨机器学习在预测骨关节炎进展中的应用及其潜力	骨关节炎（OA）患者	机器学习	骨关节炎	机器学习算法	深度学习，自动化机器学习	临床、放射学和生化数据	39项研究（初始筛选1,160项）
4	2025-04-01	Accurate de novo design of high-affinity protein binding macrocycles using deep learning 2024-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.18.622547 PMID:39605685	研究论文	本文介绍了一种基于深度学习的去噪扩散管道RFpeptides，用于设计针对特定蛋白质靶点的大环肽结合物	首次提出了一种稳健的方法用于设计蛋白质结合大环肽，克服了传统大规模筛选方法的资源密集和结合模式控制不足的问题	研究仅测试了四种不同蛋白质的设计效果，样本量相对有限	开发一种高效、可定制的大环肽设计方法，用于诊断和治疗应用	蛋白质靶点的大环肽结合物	机器学习	NA	深度学习	去噪扩散模型	蛋白质序列和结构数据	针对四种不同蛋白质各测试了20个或更少的设计大环肽
5	2025-04-01	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	research paper	介绍更新后的REFINE SPECT 2.0注册表的设计和初步结果，该注册表扩展了患者数量和CT衰减校正成像	更新后的注册表包含更多患者数据和CT衰减校正成像，利用深度学习软件检测冠状动脉钙化（CAC），并整合了多模态成像	仅有8.4%的患者有侵入性冠状动脉造影数据，CT衰减校正成像仅适用于13,405名患者	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名来自13个中心的患者	digital pathology	cardiovascular disease	SPECT, CT attenuation correction imaging, deep learning	deep learning	image, clinical data	45,252名患者（55.9%男性，平均年龄64.7±11.8岁）
6	2025-03-30	STMGraph: spatial-context-aware of transcriptomes via a dual-remasked dynamic graph attention model 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae685 PMID:39764614	研究论文	介绍了一种名为STMGraph的双重掩蔽动态图注意力模型，用于空间转录组数据的全局上下文感知分析	提出了一种结合双重掩蔽机制(MASK-REMASK)与动态图注意力模型(DGAT)的新型深度学习框架，能够更好地处理空间转录组数据	未明确提及具体局限性	提高空间转录组数据分析的准确性和鲁棒性，实现微环境异质性检测、空间域聚类和批次效应校正	空间转录组数据	生物信息学	NA	空间转录组技术	动态图注意力模型(DGAT)	空间转录组数据	未明确提及具体样本量
7	2025-03-29	Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3459391 PMID:39264782	研究论文	本研究探讨了在超声计算机断层扫描（USCT）中，基于深度学习的声速估计方法中不同输入模态的影响	首次系统分析了旅行时间断层扫描（TT）和反射断层扫描（RT）作为输入模态对深度学习重建方法的影响，并提出了双通道输入方法	研究主要基于数值乳腺模型，临床数据验证有限	提高超声计算机断层扫描中声速重建的准确性和计算效率	数值乳腺模型和临床人类乳腺数据	医学影像处理	乳腺癌	超声计算机断层扫描（USCT），旅行时间断层扫描（TT），反射断层扫描（RT）	CNN	图像	数值乳腺模型和临床人类乳腺数据（具体数量未提及）
8	2025-03-28	Assessing deep learning reconstruction for faster prostate MRI: visual vs. diagnostic performance metrics 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10771-y PMID:38724765	research paper	评估深度学习重建在加速前列腺MRI中的视觉与诊断性能指标	将诊断性深度学习纳入评估框架，提供临床相关指标，以评估重建模型的诊断质量	深度学习重建虽然提高了视觉质量，但可能降低诊断准确性	评估深度学习重建在前列腺MRI中的视觉和诊断性能	1535名患者的前列腺MRI数据	digital pathology	prostate cancer	深度学习重建（DLRecon）和诊断性深度学习检测（DLDetect）	DL	MRI图像	1535名患者
9	2025-03-28	Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients 2024-11, Abdominal radiology (New York) DOI:10.1007/s00261-024-04331-7 PMID:38796795	研究论文	开发并验证了一种基于深度学习放射组学的列线图模型，用于预测局部晚期胃癌患者对新辅助化疗的反应	结合手工放射组学特征、深度学习特征和临床特征构建列线图模型，提高了预测新辅助化疗反应的准确性	研究为回顾性设计，可能存在选择偏倚，且样本量相对有限	预测局部晚期胃癌患者对新辅助化疗的治疗反应	局部晚期胃癌患者	数字病理	胃癌	多期对比增强CT成像	EfficientNet V2	CT图像	322名胃癌患者
10	2025-03-28	Longitudinal ultrasound-based AI model predicts axillary lymph node response to neoadjuvant chemotherapy in breast cancer: a multicenter study 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10786-5 PMID:38724768	研究论文	开发基于纵向乳腺超声和超声医师腋窝超声诊断的深度学习放射组学模型，用于预测乳腺癌新辅助化疗后腋窝淋巴结反应	结合纵向超声图像和深度学习特征，开发融合模型以预测腋窝淋巴结反应，性能优于传统超声医师诊断	研究局限于三个中心的数据，样本量可能不足以代表广泛人群	预测乳腺癌患者新辅助化疗后腋窝淋巴结的反应	乳腺癌患者	数字病理学	乳腺癌	超声成像，深度学习放射组学	随机森林，支持向量机	超声图像	2016年11月至2022年12月间三个中心招募的乳腺癌患者
11	2025-03-26	Artificial intelligence facial recognition of obstructive sleep apnea: a Bayesian meta-analysis 2024-Nov-30, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-024-03173-3 PMID:39614959	meta-analysis	该研究通过贝叶斯元分析评估了人工智能通过颅面照片诊断阻塞性睡眠呼吸暂停（OSA）的准确性	利用人工智能和颅面照片进行OSA诊断，提供了一种低成本且可及的筛查方法	研究仅包含6项研究，样本量相对较小，且未来需要更多基于智能手机图像的深度学习研究以提高可行性	评估人工智能通过颅面照片诊断OSA的准确性	成人（≥18岁）的颅面照片和OSA诊断数据	人工智能	阻塞性睡眠呼吸暂停	人工智能算法，特别是深度学习（卷积神经网络）	CNN	图像（颅面照片）	1,417名参与者用于训练，983名用于测试
12	2025-03-26	Artificial intelligence-based model for the recurrence of hepatocellular carcinoma after liver transplantation 2024-11, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.07.039 PMID:39181726	research paper	开发基于人工智能的深度学习模型，用于预测肝细胞癌患者接受活体肝移植后的复发风险	利用人工智能模型结合移植前因素和肿瘤分级，显著提高了肝细胞癌患者肝移植后复发风险的预测准确性	单中心回顾性研究，样本量较小(n=192)，外部验证效果有待进一步确认	改进肝细胞癌患者肝移植的候选者选择标准	接受活体肝移植的肝细胞癌患者	digital pathology	hepatocellular carcinoma	deep learning	AI-based model	clinical data	192例接受活体肝移植的肝细胞癌患者(分为训练组和验证组)
13	2025-03-26	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	本研究结合深度学习数字图像分析和多重荧光免疫组化技术，深入研究了骨肉瘤肿瘤微环境的空间异质性	引入了一种新的TAM/破骨细胞分化算法，并揭示了PD-1/PD-L1定义的患者中细胞组成和空间编排的异质性	NA	研究骨肉瘤肿瘤微环境中细胞亚型的空间编排及其在免疫治疗策略中的潜在应用	骨肉瘤肿瘤微环境中的肿瘤相关巨噬细胞（TAM）、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化，深度学习	深度学习	图像	NA
14	2025-03-26	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-11, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	本研究利用多重荧光免疫组化技术，定量评估肿瘤与免疫细胞之间的相互作用，以识别转移性非小细胞肺癌患者对免疫检查点抑制剂反应的模式	引入了多种计算方法，首次应用于包含52名转移性非小细胞肺癌患者的1,269张多重荧光免疫组化图像数据集，并利用空间G-cross函数量化细胞间相互作用	样本量相对较小（52名患者），可能限制结果的普遍性	通过多空间尺度分析肿瘤免疫微环境，以区分转移性非小细胞肺癌患者对免疫治疗的反应	转移性非小细胞肺癌患者的肿瘤微环境	数字病理学	肺癌	多重荧光免疫组化	可解释的深度学习模型	图像	52名患者的1,269张多重荧光免疫组化图像
15	2025-03-25	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	research paper	本研究比较了五种基于CT的胰腺分割深度学习模型在不同指标下的性能	首次对五种高性能胰腺分割模型进行多指标分层比较，并分析了影响分割性能的扫描和患者特征	研究为回顾性设计，部分患者特征数据缺失	评估不同深度学习模型在胰腺CT分割中的性能差异	胰腺CT扫描图像	digital pathology	pancreatic pathologies	CT扫描	CNN, transformer network (AAUNet, AASwin, TS, MSD-nnUNet, DM-UNet)	image	352例CT扫描（来自2000-2023年）
16	2025-03-25	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用	开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响	研究为回顾性分析，可能受到数据选择和采集时间的限制	评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果	急诊室中接受脑MRI检查的患者	数字病理学	心血管疾病	MRI（包括DWI和FLAIR序列）	深度学习应用（DLA）	医学影像（MRI）	947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性
17	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）
18	2025-03-25	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	本研究开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练和细粒度网络相结合的方法，提高了亚厘米实性肺结节良恶性分类的准确性	研究为回顾性设计，且内部数据集特意富集了恶性病例，可能影响模型的泛化能力	开发能够准确区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节(SSPNs)	数字病理	肺癌	CT成像	自监督预训练+细粒度网络	医学影像	内部数据集1389个SSPNs(来自1276名患者)，外部测试集202个SSPNs
19	2025-03-25	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	research paper	开发并验证了一种基于深度学习的动态对比增强MRI模型，用于区分增殖性和非增殖性肝细胞癌，以优化术前评估和治疗策略	首次使用深度学习模型结合DCE-MRI图像预测肝细胞癌的增殖性，并评估其早期复发风险	研究为回顾性设计，样本量相对有限，且外部验证集的性能有所下降	通过非侵入性方法预测肝细胞癌的增殖性和早期复发风险，优化个体化治疗策略	355例接受根治性切除术的肝细胞癌患者	digital pathology	hepatocellular carcinoma	dynamic contrast-enhanced MRI (DCE-MRI)	DL (Deep Learning)	image	355例患者（训练集251例，内部测试集62例，外部测试集42例）
20	2025-03-25	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	research paper	该研究通过结合PET/CT的深度学习特征和全身代谢肿瘤体积(MTVwb)构建风险分层(CRS)，用于预测非小细胞肺癌(NSCLC)患者的总生存期(OS)和无进展生存期(PFS)，作为TNM分期的补充	首次将深度学习特征与MTVwb结合构建风险分层(CRS)，并验证其作为TNM分期补充工具的预测价值	测试集中预测OS时CRS的C-index未显著优于TNM分期(0.73 vs 0.736)	提高非小细胞肺癌患者的生存预测准确性	590例非小细胞肺癌患者(413例训练集，177例测试集)	digital pathology	lung cancer	PET/CT	CNN	医学影像	590例NSCLC患者(训练集413例，测试集177例)