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
21	2025-05-17	Protein engineering using variational free energy approximation 2024-12-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54814-w PMID:39617781	研究论文	本文提出了一种名为PREVENT的模型，通过变分自由能近似方法生成稳定且功能性的蛋白质变体	PREVENT模型通过学习蛋白质的序列和热力学景观，生成热力学稳定的功能性蛋白质变体，相比传统方法具有更高的效率和成功率	研究仅针对E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)的40种变体进行了评估，需要更多样本来验证模型的普适性	加速蛋白质工程过程，生成稳定且功能性的蛋白质变体	E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)	蛋白质工程	NA	变分自由能近似	PREVENT	蛋白质序列和结构数据	40种EcNAGK变体
22	2025-05-17	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	review	本文分析了人工智能在医学诊断中的挑战与可能性	系统性地分析了不同类型AI在医学诊断中的应用及其面临的挑战，并提出了未来发展趋势	研究仅基于2019-2024年的24项研究，可能存在样本量不足的问题	评估人工智能在医疗诊断中的应用效果及其潜在机会	人工智能在医学诊断中的各类应用	machine learning	NA	multi-modal AI, deep learning, machine learning	NA	multi-modal data	24项研究
23	2025-05-17	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	研究论文	开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多种MRI图像，旨在减少PI-RADS分级中的人为错误	灵敏度和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	开发支持临床决策的计算机辅助诊断系统，提高前列腺癌诊断准确性	前列腺癌患者（PI-RADS评分4-5）和良性病变患者（PI-RADS评分1-2）	数字病理	前列腺癌	MRI（T2W、DWI、DCE）	3D U-Net	医学影像	136名患者（108例前列腺癌，28例良性病变）
24	2025-05-16	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过12导联心电图图像自动检测和预测多种结构性心脏病	利用集成深度学习方法从心电图图像中自动检测多种结构性心脏病，并在多个医院和人群研究中验证其性能	研究主要依赖于特定医院和人群的数据，可能在其他人群中的泛化能力有待进一步验证	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者和普通人群	数字病理学	心血管疾病	深度学习	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，并在11,023名个体中进行了验证
25	2025-05-16	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并利用该数据库开发了序列和结构感知的RNA生成模型	提出了GARNET数据库，结合GTDB参考生物的实验和预测最佳生长温度，开发了序列和结构感知的RNA生成模型，并成功预测了提高大肠杆菌核糖体热稳定性的突变	RNA结构预测仍受限于高质量参考数据的缺乏	探索RNA序列、结构和功能之间的联系	RNA序列和结构	自然语言处理	NA	GPT-like模型	GPT	RNA序列数据	GTDB参考生物的RNA序列
26	2025-05-16	Development and validation of a deep learning model for predicting gastric cancer recurrence based on CT imaging: a multicenter study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001627 PMID:38896865	research paper	开发和验证了一种基于CT影像的深度学习模型，用于预测胃癌术后复发	提出了一种结合深度学习特征和临床特征的融合模型（DLFS），用于准确预测胃癌术后复发风险	研究为回顾性设计，可能存在选择偏倚	预测胃癌患者的术后复发风险	2813名接受根治性手术的胃癌患者	digital pathology	gastric cancer	CT imaging	Resnet50	image	2813名患者
27	2025-05-15	Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere 2024-12, International journal of circumpolar health IF:1.3Q4 DOI:10.1080/22423982.2024.2404274 PMID:39285655	研究论文	本研究比较了南北半球两个医学项目中学生的学习目标取向和学习特征，以探讨适合农村医疗环境的学生特质	首次在跨半球背景下比较农村医学项目学生的学习特征和目标取向	样本仅来自两个医学项目，可能无法代表所有农村医学学生	探讨适合农村医疗环境的学生学习特征和目标取向	263名医学学生（分别来自南北半球的两个医学项目）	医学教育	NA	问卷调查（三种调查工具）	NA	问卷调查数据	263名医学学生
28	2025-05-15	Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing 2024-Dec, AI (Basel, Switzerland) DOI:10.3390/ai5040131 PMID:40351335	研究论文	本研究探讨了使用Fitbit生物信号监测物质使用的可行性，并通过个性化机器学习和自监督学习技术提高了检测准确性	采用参与者特定的卷积神经网络（CNNs）结合自监督学习（SSL）来检测药物使用，以应对个体间数据异质性问题	样本量较小（仅9名参与者），限制了研究结果的普适性	开发一种基于可穿戴设备生物信号的物质使用实时监测系统	物质使用障碍患者	机器学习	物质使用障碍	自监督学习（SSL）	1D-CNN	生物信号数据	9名参与者
29	2025-05-13	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	首次将Transformer和CNN作为双编码器集成，通过NRFF模块融合全局与局部特征，显著提升3D冠状动脉分割效果	未提及模型在小型医疗机构或低质量CT图像上的泛化能力	提高冠状动脉CTA图像自动分割的准确率	冠状动脉的3D CTA图像	计算机视觉	心血管疾病	CTA成像	DUNETR（Transformer+CNN双编码器U-Net变体）	3D医学图像	公开数据集（具体数量未说明）
30	2025-05-12	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	该研究利用预训练的卷积神经网络通过声音样本的声谱图图像识别帕金森病	采用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，并在更大带宽的智能手机录音数据集上验证性能	电话线录音带宽有限可能影响特征提取	自动检测帕金森病	帕金森病患者的声音样本	数字病理学	帕金森病	声谱图分析	CNN（卷积神经网络）	图像（声谱图）	两个不同录音平台（电话线和智能手机）生成的声音数据集
31	2025-05-11	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	本文提出了一种结合放射组学和深度学习的框架，用于高精度自动术前分类肾结石类型	结合放射组学特征和深度学习，实现肾结石类型的自动分类	实验结果的准确率为84.5%，仍有提升空间	实现肾结石类型的自动术前分类	感染性和非感染性肾结石	数字病理	肾结石	放射组学方法	3D CNN, LightGBM	图像	NA
32	2025-05-11	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	research paper	提出了一种轻量化的扩张并行卷积U-Net（DPU-Net）及多尺度适应向量知识蒸馏（MAVKD）训练策略，用于心脏磁共振图像分割	采用独特的卷积通道变化方式减少参数数量，结合残差块和扩张卷积缓解梯度爆炸和空间信息丢失问题，并利用知识蒸馏策略提升分割精度	未提及模型在更广泛数据集上的泛化能力或临床实际应用效果	降低心脏MRI图像分割深度学习网络的参数量和浮点运算量，同时保持或提高分割精度	心脏磁共振图像	digital pathology	cardiovascular disease	MRI	DPU-Net（基于U-Net改进的轻量化网络）	image	ACDC公共数据集（具体样本量未说明）
33	2025-05-11	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	review	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用，并总结了相关的计算机辅助诊断系统和多模态算法	总结了深度学习在胃肿瘤内镜诊断中的应用，并展望了未来研究方向	未提及具体的数据集或实验结果的局限性	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	digital pathology	gastric cancer	deep learning	NA	image	NA
34	2025-05-11	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	提出了一种基于深度学习的多标签风险因素识别框架，用于自动识别建筑工地上的材料和人为风险因素	结合材料和人为风险因素为单一标签，并通过可视化解释模型的决策基础以提高性能	模型在视觉模糊和涉及透视时倾向于关注附近物体，导致性能下降	开发并优化深度学习模型，以自动且同时识别和分类建筑工地上的多种材料和人为风险因素	建筑工地上的材料和人为风险因素	计算机视觉	NA	深度学习	多标签识别模型	图像	14,605个实例，涵盖八种材料和人为风险因素
35	2025-05-10	Unsupervised inter-domain transformation for virtually stained high-resolution mid-infrared photoacoustic microscopy using explainable deep learning 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55262-2 PMID:39738110	research paper	本文提出了一种基于可解释深度学习的无监督跨域变换方法，将低分辨率无标记中红外光声显微镜图像转换为类似共聚焦荧光显微镜的高分辨率虚拟染色图像	采用无监督生成对抗网络并结合显著性约束，提高了变换过程的稳定性和可靠性，实现了无标记高分辨率双工细胞成像	NA	提升中红外光声显微镜图像的分辨率，使其达到共聚焦荧光显微镜的水平	人类心脏成纤维细胞的细胞核和丝状肌动蛋白	digital pathology	cardiovascular disease	mid-infrared photoacoustic microscopy	GAN	image	cultured human cardiac fibroblasts
36	2025-05-10	The Theranostic Genome 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55291-x PMID:39738156	研究论文	本文介绍了Theranostic Genome的概念，即人类基因组中可用于结合治疗和诊断应用的部分，并利用深度学习技术识别癌症中的治疗诊断靶点和化合物	提出了Theranostic Genome的新概念，并开发了一个结合AI和人类智慧的混合流程，用于识别癌症中的治疗诊断靶点和化合物	NA	克服治疗诊断药物开发中的瓶颈，促进新型靶向治疗诊断药物的开发	人类癌症中的基因和治疗诊断化合物	精准医学	癌症	深度学习，RNAseq	深度学习模型	基因表达数据	超过17,000个人类组织样本
37	2025-05-10	Artificial intelligence model for perigastric blood vessel recognition during laparoscopic radical gastrectomy with D2 lymphadenectomy in locally advanced gastric cancer 2024-Dec-30, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae158 PMID:39963943	研究论文	开发了一种基于深度学习的实时胃周血管识别模型，用于辅助局部晚期胃癌腹腔镜根治术中的D2淋巴结清扫	首次将DeepLabv3+模型应用于胃周血管实时识别，为腹腔镜手术提供AI辅助决策支持	在出血或手术烟雾等复杂场景下识别性能下降，肥胖患者数据表现良好但未说明具体样本量	提高局部晚期胃癌手术安全性，减少术中意外出血	腹腔镜胃癌根治术视频中的胃周血管	数字病理	胃癌	深度学习	DeepLabv3+	手术视频图像	116个手术视频的2460张图像
38	2025-05-09	ASAP-DTA: Predicting drug-target binding affinity with adaptive structure aware networks 2024-Dec, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500288 PMID:39961610	research paper	提出了一种基于图深度学习的药物-靶标结合亲和力预测模型ASAP-DTA，利用自适应结构感知池化进行图处理	整合了自注意力机制与增强的图神经网络，通过聚类相邻节点并按注意力分数加权形成最终分子表示，显著改进了图特征提取	未提及模型在更大规模或更复杂数据集上的表现	高效预测药物-靶标结合亲和力，减少药物再利用的资源浪费	药物-靶标结合亲和力	machine learning	NA	graph-based deep learning	graph neural network with self-attention mechanism	2D molecular graph	multiple benchmark datasets including KIBA dataset
39	2025-05-04	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	research paper	该研究提出了一种基于灰狼优化、混合特征提取和深度学习方法增强的椎间盘突出分类方法	结合灰狼优化算法与混合特征提取及深度学习方法，提升椎间盘突出分类性能	NA	提高椎间盘突出的分类准确性	腰椎间盘突出病例	digital pathology	geriatric disease	deep learning	NA	image	NA
40	2025-05-04	Deep learning segmentation model for quantification of infarct size in pigs with myocardial ischemia/reperfusion 2024-12, Basic research in cardiology IF:7.5Q1 DOI:10.1007/s00395-024-01081-x PMID:39348000	研究论文	本研究开发了一种基于深度学习的分割模型，用于自动化量化心肌缺血/再灌注猪模型中的梗死面积	首次将动态U-Net架构应用于心肌梗死面积的自动化量化，显著提高了处理效率	在鼠心脏实验数据上的模型性能较低(DSC: 0.66)，表明模型跨物种泛化能力有待提高	开发自动化心肌梗死面积量化方法以替代传统手工测量	猪和鼠的心肌缺血/再灌注模型	数字病理	心血管疾病	TTC染色	动态U-Net	图像	390个猪心脏实验(3869张图像)和27个鼠心脏实验