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	2025-06-03	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面回顾了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布的假设方法	深度学习在ULM中的应用显著提高了图像质量、处理速度，并减少了微泡高浓度下的采集时间，为ULM的临床应用提供了新思路	当前方法在优化问题表述、评估标准和网络架构方面存在差异，仍需解决这些方法的局限性和挑战	探讨深度学习在超声定位显微镜中的应用及其未来潜力	超声定位显微镜（ULM）中的微泡定位、血流速度估计和像差校正	医学影像处理	NA	超声定位显微镜（ULM）	深度学习	图像	NA
2	2025-06-03	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	提出了一种基于VoxelMorph的深度学习运动校正方法，用于提高脊髓超声定位显微镜（ULM）成像的性能	首次将VoxelMorph深度学习模型应用于脊髓超声定位显微镜的运动校正，显著提高了微血管重建的分辨率	未提及在极端运动条件下的性能表现	提高脊髓血管超声定位显微镜成像的准确性	脊髓血管系统	医学影像处理	脊髓损伤	超声定位显微镜（ULM）	VoxelMorph	超声图像	NA
3	2025-06-03	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种基于深度学习的功率感知可调加权方法（DPT），用于改善超声微血管成像（UMI）的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，用于估计噪声和信号功率，并引入可调噪声控制因子（NCF）以提高不同UMI应用的质量	模型仅在私有大鼠脑数据集上进行训练，可能在其他数据集上的泛化能力有待进一步验证	提高超声微血管成像（UMI）的图像质量，降低计算复杂度	超声微血管成像（UMI）中的噪声和信号功率估计	医学影像处理	NA	深度学习（DL）、平面波（PW）传输、延迟求和（DAS）波束成形	Yformer（结合CNN和Transformer的混合结构）	超声图像	公共模拟数据集、公共大鼠脑数据集、私有大鼠脑数据集、私有大鼠肝数据集
4	2025-06-03	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	本文提出了一种结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，用于从少量超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归Transformer的新型深度学习框架，显著减少了数据采集和计算时间	NA	开发一种能够快速实现超分辨率超声定位显微镜成像的方法	超声定位显微镜成像中的微血管	医学影像处理	NA	超声定位显微镜(ULM)	多分支CNN和递归Transformer(RT)	超声图像	数值模拟和体内实验
5	2025-06-03	Uncertainty Quantification for Conditional Treatment Effect Estimation under Dynamic Treatment Regimes 2024-Dec, Proceedings of machine learning research PMID:40443560	research paper	该研究提出了一种在动态治疗策略下估计条件治疗效果时量化深度学习模型中不确定性的方法	首次提出并比较了在机器学习模型中量化g-computation不确定性的多种方法，以改进动态治疗策略下的条件治疗效果估计	研究使用了模拟数据集和单一真实世界数据集（脓毒症数据），可能限制了结果的普遍性	改进动态治疗策略下条件治疗效果的估计，并量化模型不确定性	动态治疗策略下的治疗效果	machine learning	sepsis	variational dropout, deep ensembles	deep learning	clinical data	两个模拟数据集和一个真实世界脓毒症数据集
6	2025-06-03	Artificial Intelligence and Radiomics Applied to Prostate Cancer Bone Metastasis Imaging: A Review 2024-Dec, iRadiology DOI:10.1002/ird3.99 PMID:40453356	review	本文综述了人工智能和放射组学在前列腺癌骨转移影像分析中的应用	综合分析了放射组学、机器学习和深度学习在前列腺癌骨转移影像分析中的多种方法，并提出了未来研究方向	文献中缺乏对各种方法的详细分析和未来方向的深入探讨	探讨定量方法在前列腺癌骨转移影像分析中的应用及其临床意义	前列腺癌骨转移的影像数据	digital pathology	prostate cancer	radiomics, machine learning, deep learning	NA	image	NA
7	2025-06-01	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	research paper	该研究开发了一种高分辨率运动学方法来量化营养不良斑马鱼幼虫的运动障碍	使用高速摄像技术和基于深度学习的无标记运动捕捉技术，开发了幼虫逃逸反应游泳的链接段模型	NA	评估营养不良斑马鱼幼虫的运动障碍，为早期治疗开发提供精确的生物标志物	营养不良斑马鱼幼虫	digital pathology	Duchenne muscular dystrophy	high speed videography, deep learning-based markerless motion capture	random forest, support vector machine	video	NA
8	2025-05-31	Boltz-1 Democratizing Biomolecular Interaction Modeling 2024-Dec-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624167 PMID:39605745	research paper	介绍了一个名为Boltz-1的开源深度学习模型，用于预测生物分子复合物的3D结构	Boltz-1在模型架构、速度优化和数据处理方面进行了创新，达到了AlphaFold3级别的预测精度	NA	推动生物分子相互作用建模的民主化，促进全球合作和加速发现	生物分子复合物的3D结构	machine learning	NA	deep learning	Boltz-1	3D结构数据	NA
9	2025-05-31	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本研究利用自编码器对来自UK Biobank的31,135名参与者的视网膜光学相干断层扫描（OCT）图像进行分析，以探索遗传变异与视网膜形态之间的关系	使用自编码器检测视网膜图像中更细微的变异模式，并发现了118个与视网膜结构特征显著相关的遗传位点	研究依赖于UK Biobank的数据，可能无法完全代表其他人群	探索深度学习在识别视网膜图像变异模式中的应用，并发现影响视网膜形态的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	数字病理学	眼科疾病	OCT	自编码器	图像	31,135名参与者
10	2025-05-31	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	research paper	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于从全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	Deep-Block框架将生物学知识融入AI架构，采用三阶段方法（基于连锁不平衡模式的基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性）来识别AD风险遗传因素	研究主要针对非西班牙裔白人参与者，可能限制了结果的普适性	开发先进的分析工具以有效识别大规模高通量测序数据中与阿尔茨海默病相关的遗传位点	阿尔茨海默病相关的遗传位点	machine learning	阿尔茨海默病	WGS	TabNet, Random Forest	genomic data	7,416名非西班牙裔白人参与者（3,150名认知正常老年人，4,266名AD患者）
11	2025-05-31	Using deep learning to classify developmental differences in reaching and placing movements in children with and without autism spectrum disorder 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81652-z PMID:39632922	研究论文	本研究利用深度学习技术分析自闭症谱系障碍（ASD）儿童与正常发育儿童在伸手和放置动作中的运动学差异，探索潜在的生物标志物	结合上肢运动学和深度学习方法，首次提出利用运动学特征和MLP模型对ASD儿童进行分类，准确率达78.1%	样本量较小（41名学龄儿童），且需要在更年幼儿童群体中进一步验证特异性	探索可用于ASD诊断的客观生物标志物，改善ASD的早期识别	学龄儿童（ASD组26名，典型发育组15名）	机器学习	自闭症谱系障碍	惯性测量单元（IMU）	MLP（多层感知器）	运动学数据	41名学龄儿童（ASD组26名，典型发育组15名）
12	2025-05-31	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	research paper	该研究探讨了非洲裔美国男性前列腺癌风险较高的非编码遗传变异机制	使用基于序列的深度学习模型识别影响增强子功能的SNPs，揭示了非洲裔男性前列腺癌风险增加的两种互补机制	未明确说明样本量及具体实验验证的细节	探索非洲裔男性前列腺癌风险较高的遗传机制	非洲裔美国男性前列腺癌患者	machine learning	prostate cancer	deep learning	sequence-based deep learning model	genetic data	NA
13	2025-05-31	PLMC: Language Model of Protein Sequences Enhances Protein Crystallization Prediction 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00639-6 PMID:39155325	研究论文	提出了一种名为PLMC的新型深度学习框架，通过利用预训练的蛋白质语言模型，改进了多阶段蛋白质结晶倾向的预测	PLMC框架整合了蛋白质语言嵌入和手工制作的特征集，显著提高了蛋白质结晶倾向的预测准确性	未明确提及研究的局限性	改进蛋白质结晶倾向的预测，以指导实验设计	蛋白质序列及其结晶倾向	机器学习	NA	深度学习，蛋白质语言模型	PLMC	蛋白质序列数据	未明确提及具体样本数量
14	2025-05-31	Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays 2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm62325.2024.10822172 PMID:40134830	研究论文	本研究探讨了使用潜在扩散模型（LDM）进行数据增强以解决儿科胸部X光片疾病分类中的类别不平衡问题	首次将文本引导的图像到图像LDM应用于合成疾病阳性的胸部X光片，并通过数据增强显著改善了分类性能	研究仅针对两种特定的肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的疾病谱	解决医学图像分类中的类别不平衡问题，提高深度学习模型的泛化能力	儿科胸部X光片（CXRs）	数字病理	肺炎和支气管肺炎	潜在扩散模型（LDM）	Inception-V3和LDM	图像	未明确提及具体样本数量，但涉及类别不平衡的数据集
15	2025-05-29	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39808513	research paper	本研究开发了一种深度学习AI算法，通过眼底照片预测视神经炎亚型，以辅助疑似患者的诊断评估	首次利用深度学习AI算法从眼底照片中区分多发性硬化相关视神经炎与其他亚型视神经炎	样本量相对较小，且为回顾性研究，未来需要扩大数据集并结合临床和辅助检查指标优化模型	开发AI算法早期区分不同亚型视神经炎以指导临床治疗决策	视神经炎患者（多发性硬化相关亚型与非多发性硬化相关亚型）的眼底照片	digital pathology	neuromyelitis optica spectrum disorders	deep learning	CNN	image	321名患者的1599张眼底照片（MS ON组262人/1114张，非MS ON组59人/485张）
16	2025-05-29	Mining and rational design of psychrophilic catalases using metagenomics and deep learning models 2024-Dec, Applied microbiology and biotechnology IF:3.9Q2 DOI:10.1007/s00253-023-12926-1 PMID:38175233	研究论文	通过宏基因组学和深度学习模型挖掘和理性设计嗜冷过氧化氢酶	利用宏基因组测序和深度学习模型Preoptem预测并验证了一种新型嗜冷过氧化氢酶soiCAT1，并通过定点突变技术成功扩展了其最适温度范围	soiCAT1的最适温度范围仍然较窄，仅从4°C扩展到20°C	挖掘和理性设计具有更广温度适应范围的嗜冷过氧化氢酶	从土壤样本中获得的嗜冷过氧化氢酶soiCAT1及其突变体	生物信息学	NA	宏基因组测序、深度学习模型Preoptem、定点突变	深度学习模型Preoptem	基因序列数据、酶活性数据	从土壤样本中挖掘的多个潜在过氧化氢酶基因
17	2025-05-28	Learning a Hand Model From Dynamic Movements Using High-Density EMG and Convolutional Neural Networks 2024-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3432800 PMID:39042539	研究论文	该研究提出了一种深度学习方法，能够将前臂肌肉的电生理活动解码为人类手部运动	使用高密度EMG和CNN模型，首次实现了对手部运动的连续精确估计，并发现EMG信号中存在编码手部运动的独特神经嵌入	研究仅涉及13名健康参与者，未在临床患者或更复杂运动场景中验证	开发一种能够解码肌肉电信号并预测手部运动的方法	人类手部运动和肌肉电信号	生物医学工程	NA	高密度表面肌电(sEMG)采集	CNN	EMG信号和运动学/动力学数据	13名健康参与者
18	2025-05-26	Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network 2024-Dec, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.S1.S12804 PMID:38799270	research paper	开发了一种基于先验知识的迭代去噪神经网络（PKAID-Net），用于降低光子计数探测器CT扫描中高分辨率虚拟单能图像（VMI）的噪声	PKAID-Net利用低噪声VMI作为先验输入，并通过迭代构建精炼的训练数据集来提升去噪性能	原始方法在去噪过程中可能导致一些空间细节的丢失	降低光子计数探测器CT扫描中高分辨率虚拟单能图像的噪声	光子计数探测器CT扫描的高分辨率虚拟单能图像	digital pathology	cardiovascular disease	CT扫描	PKAID-Net	image	10例患者冠状动脉CT血管造影检查
19	2025-05-23	A novel deep learning model for obstructive sleep apnea diagnosis: hybrid CNN-Transformer approach for radar-based detection of apnea-hypopnea events 2024-12-11, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae184 PMID:39115132	研究论文	本研究开发了一种基于雷达数据的深度学习模型，用于检测阻塞性睡眠呼吸暂停（OSA）中的呼吸暂停-低通气事件	采用混合CNN-Transformer架构，结合雷达数据进行OSA诊断，为传统多导睡眠图（PSG）提供了一种成本效益高且易于获取的替代方案	研究为单中心前瞻性队列研究，样本量相对较小（开发集54人，测试集35人）	开发并验证一种用于阻塞性睡眠呼吸暂停诊断的深度学习模型	疑似睡眠呼吸障碍的参与者	数字病理	阻塞性睡眠呼吸暂停	雷达数据采集	混合CNN-Transformer架构	雷达信号数据	开发集54人，测试集35人
20	2025-05-21	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	research paper	本文通过冷冻电子断层扫描技术分析了生化重建的染色质凝聚物的结构，并开发了深度学习分割与新型上下文感知模板匹配相结合的方法来识别凝聚物内密集堆积的分子	整合深度学习分割与新型上下文感知模板匹配技术，用于高分辨率可视化染色质凝聚物内部结构	方法主要针对生化重建的染色质凝聚物，对于细胞内的某些凝聚物可能适用性有限	研究染色质凝聚物的形成和功能机制	生化重建的染色质凝聚物及原位天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描技术（cryo-electron tomography）、深度学习分割、上下文感知模板匹配	深度学习	图像数据	NA