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
121	2025-04-05	GPS-pPLM: A Language Model for Prediction of Prokaryotic Phosphorylation Sites 2024-11-08, Cells IF:5.1Q2 DOI:10.3390/cells13221854 PMID:39594603	research paper	介绍了一个名为GPS-pPLM的在线服务器，用于预测原核生物中的磷酸化位点	结合了transformer和深度神经网络两种深度学习方法，整合了10种序列特征和上下文特征，构建了针对特定磷酸化残基类型和物种的预测模型	NA	预测原核生物中的磷酸化位点	原核生物中的磷酸化位点	natural language processing	NA	transformer, deep neural network	transformer, DNN	protein sequences	44,839个非冗余磷酸化位点，来自16,041个蛋白质和95种原核生物
122	2025-04-05	An All-in-One Array of Pressure Sensors and sEMG Electrodes for Scoliosis Monitoring 2024-11, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202404136 PMID:39115097	研究论文	开发了一种集成压力传感器和表面肌电电极的一体化阵列，用于脊柱侧弯监测	利用分层MXene/壳聚糖/聚二甲基硅氧烷(PDMS)/聚氨酯海绵和MXene/聚酰亚胺(PI)材料开发了一体化传感器阵列，具有高灵敏度和稳定性，并能通过深度学习预测Cobb角	未提及长期临床验证结果或大规模患者测试数据	改进脊柱侧弯治疗中支具效果的实时监测方法	脊柱侧弯患者	生物医学工程	脊柱侧弯	MXene复合材料技术、深度学习	深度学习模型(未指定具体类型)	压力数据、肌电信号	未明确说明样本数量
123	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）
124	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）
125	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
126	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
127	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
128	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
129	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)
130	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
131	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
132	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
133	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）
134	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
135	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）
136	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)
137	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者
138	2025-03-23	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	本研究通过多中心、随机、双盲、非劣效性平行组试验，评估了深度学习在选择体外受精最佳胚胎中的价值	首次在体外受精胚胎选择中比较了深度学习算法（iDAScore）与标准形态学评估的效果	未能证明深度学习在临床妊娠率上不劣于标准形态学评估和预定义的优先方案	评估深度学习在体外受精胚胎选择中的应用价值	42岁以下、至少有2个早期囊胚的女性	数字病理	生殖健康	深度学习	iDAScore	胚胎图像	1066名患者（533名在iDAScore组，533名在形态学组）
139	2025-03-23	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	本文介绍了一个名为ehrapy的开源Python框架，用于电子健康记录（EHR）数据的端到端分析	ehrapy框架首次提供了一个模块化的开源工具，能够处理异构的流行病学和EHR数据，并支持从数据提取到低维表示生成的全流程分析	尽管ehrapy功能强大，但其在特定疾病或数据类型的应用效果仍需进一步验证	开发一个标准化的分析框架，用于电子健康记录数据的全面探索性分析	电子健康记录（EHR）数据	数字病理学	肺炎, 心血管疾病, SARS-CoV-2	数据提取, 质量控制, 低维表示生成, 生存分析, 轨迹推断, 因果推断	深度学习模型	电子健康记录（EHR）数据, 影像数据	未明确提及具体样本数量
140	2025-03-22	Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae242 PMID:39301656	研究论文	本文探讨了可穿戴设备数据和多尺度熵分析在改善医院再入院预测中的应用	结合可穿戴设备数据和多尺度熵分析，开发了基于LSTM的时间序列深度学习模型，用于预测90天内非计划再入院	需要前瞻性研究来验证这些发现	提高医院非计划再入院的预测能力	使用可穿戴设备数据的患者	机器学习	NA	多尺度熵分析	FNN, LSTM	时间序列数据，可穿戴设备数据，人口统计和实验室数据	612名患者