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
181	2025-05-31	Prediction of mortality in hemodialysis patients based on autoencoders 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105744 PMID:39642591	研究论文	本研究提出了一种基于自动编码器的血液透析患者死亡率预测模型，利用短期数据评估患者30至450天的死亡风险	通过自动编码器处理数据不平衡和缺失特征问题，设计了自适应特征提取模块，能够利用短期数据进行无监督学习并重建缺失特征	模型在短期预测中表现优异，但长期预测效果可能受限	解决血液透析患者短期数据不平衡和特征缺失问题，实现准确的死亡率风险评估	终末期肾病患者(ESRD)接受血液透析(HD)治疗的患者	机器学习	肾脏疾病	自动编码器	autoencoder	临床数据	NA
182	2025-05-31	Convolutional neural networks for automatic MR classification of myocardial iron overload in thalassemia major patients 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11245-x PMID:39658686	研究论文	开发深度学习模型用于从T2*多回波MR图像中自动分类心肌铁过载	开发了两种2D卷积神经网络（MS-HippoNet和SS-HippoNet）用于多切片和单切片分析，实现了对心肌铁过载水平的自动分类，性能与放射科医生间的观察一致性相当	研究仅回顾性分析了特定数据库中的患者数据，未涉及更广泛的人群验证	开发自动分类心肌铁过载的深度学习模型	496名重型地中海贫血患者的心脏T2*多回波MR图像	数字病理	心血管疾病	T2*多回波MR成像	CNN	图像	823张心脏T2*多切片多回波MR图像，来自496名患者（285名女性，占57%）
183	2025-05-31	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-03, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	本研究利用常规收集的临床数据，通过时间序列深度学习技术，提高了细菌性血流感染的识别能力	使用LSTM模型分析时间序列数据，显著提高了对血流感染的预测准确性	研究为回顾性队列研究，可能存在数据偏差	开发和评估利用医疗数据预测住院患者血流感染的模型	住院患者	机器学习	血流感染	血液培养	LSTM, logistic regression	临床数据	20850名患者（训练集15212名，测试集5638名）
184	2025-05-31	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学领域利用人工智能（AI）的临床研究中人口统计数据报告的透明度和参与者的多样性	首次系统评估了AI在肿瘤学临床研究中人口统计数据报告的透明度和多样性，揭示了种族和民族数据报告的不足	仅纳入了2016-2021年间发表的研究，且仅通过PubMed数据库检索，可能存在遗漏	评估AI在肿瘤学临床研究中人口统计数据报告的透明度和参与者多样性	2016-2021年间发表的利用AI的肿瘤学临床研究	数字病理学	肿瘤学	NA	NA	临床研究数据	220项研究（其中118项符合条件）
185	2025-05-31	A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.242133 PMID:40067103	研究论文	本研究开发了一种基于深度学习的模型，用于从非对比胸部CT中三维测定全胸椎骨密度，并在预测椎体骨折方面表现出优越性能	首次使用TotalSegmentator（nnU-net算法）实现全胸椎（T1-T10）的三维骨密度测量，相比传统二维方法显著提高了预测椎体骨折的准确性	研究样本主要来自多民族动脉粥样硬化研究（MESA）队列，可能限制结果的普适性	开发并验证一种基于深度学习的全胸椎三维骨密度测定方法，并评估其在预测椎体骨折中的价值	2956名接受非对比胸部CT检查的参与者（其中1546名女性，平均年龄69±9岁）	数字病理学	骨质疏松症	深度学习算法（TotalSegmentator/nnU-net）、CT成像	nnU-net	CT图像	2956名参与者（其中1304名有纵向随访数据）
186	2025-05-31	Deep Learning Radiopathomics Models Based on Contrast-enhanced MRI and Pathologic Imaging for Predicting Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240213 PMID:40084948	研究论文	基于对比增强MRI和病理成像的深度学习放射病理组学模型预测肝细胞癌中血管包裹肿瘤簇及预后	结合深度学习的放射组学和病理组学模型预测VETC及生存预后，首次在肝细胞癌中应用Swin Transformer模型	回顾性多中心研究可能存在选择偏倚，样本量相对有限	预测肝细胞癌中的VETC模式及患者生存预后	578例肝细胞癌患者	数字病理	肝细胞癌	对比增强MRI、病理成像	Swin Transformer	MRI图像、病理图像	578例患者（训练集317例，内部测试集137例，外部测试集124例）
187	2025-05-31	A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning 2025-03, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400959 PMID:40114483	research paper	提出一种基于深度学习的表示型DNA存储架构，用于图像的高效和鲁棒存储	利用深度学习的出色表示和图像生成能力，结合自编码器和U-Net网络，实现了DNA存储中噪声读取下的图像表示、构建和优化	在插入-删除-替换(IDS)错误率低于6%的场景下才能重建中等质量的图像	开发一种鲁棒且高效的DNA存储架构，用于大规模图像应用	图像数据	数字病理	NA	DNA存储	autoencoder, U-Net	图像	14个质粒中存储的图像
188	2025-05-31	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出了一种利用神经网络评估和改进生物数据建模中非线性动力学和参数推断的新方法	使用卷积神经网络同时处理生物建模、参数化和参数推断，为数学模型中的参数推断建立了深度学习框架	方法依赖于模拟数据的生成，可能受到模拟数据与真实数据差异的影响	改进生物数据建模中的参数优化方法	葡萄糖、胰岛素和游离脂肪酸（FFA）的动力学模型	机器学习	NA	卷积神经网络	CNN	临床数据和模拟数据	有限的临床数据和大量模拟数据
189	2025-05-31	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	research paper	该研究利用AI技术分析超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于超声心动图视频和心电图图像，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，可能存在选择偏倚，且外部验证队列样本量相对较小	开发可扩展的ATTR-CM临床前监测策略	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者和年龄/性别匹配的对照组	digital pathology	cardiovascular disease	deep learning	CNN	image, video	内部队列984人（YNHHS），外部队列806人（HMH），共分析7,352个超声心动图和32,205个心电图
190	2025-05-31	Combinatorial mapping of E3 ubiquitin ligases to their target substrates 2025-Feb-20, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.01.016 PMID:39919746	研究论文	本文介绍了一种名为COMET的组合映射方法，用于大规模识别E3泛素连接酶与其底物蛋白的降解关系	开发了COMET框架，能够在一个实验中同时测试多个E3连接酶对多个候选底物的降解作用，并利用深度学习预测E3-底物相互作用的结构基础	未明确说明实验验证的覆盖范围是否足够全面，深度学习模型的预测准确性可能存在局限	大规模识别人类E3泛素连接酶与其底物蛋白的降解关系	人类E3泛素连接酶及其底物蛋白	生物信息学	NA	COMET框架、深度学习	深度学习模型	蛋白质相互作用数据	6,716种F-box-ORF组合和26,028种E3-TF组合
191	2025-05-31	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	review	本文系统回顾了过去十年深度学习在牙科领域的应用，包括诊断、治疗规划和预后预测等方面	提供了深度学习在牙科领域的全面概述，识别了研究趋势和未来改进方向	主要依赖监督学习，需要大量标注数据，且未充分探索新兴模型架构	探索深度学习在牙科领域的应用及其临床意义	2012年至2023年发表的深度学习在牙科领域的研究	digital pathology	NA	深度学习	CNN	image	1,007项研究（从21,242项筛选）
192	2025-05-31	Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control 2025-Feb-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本研究利用深度学习技术自动分析脂肪细胞大小，探讨其与肥胖相关性状及遗传关联的关系	开发了基于深度学习的脂肪组织切片语义分割方法，进行了迄今为止最大规模的脂肪细胞表型与遗传关联研究	研究样本主要来自特定人群，可能限制结果的普适性	探究脂肪细胞大小与肥胖相关代谢特征的关联及其遗传基础	皮下和内脏脂肪组织样本	数字病理学	肥胖相关疾病	深度学习	语义分割模型	组织切片图像	5个独立队列中的2,667份样本，包含9,000张全切片图像和超过2,700万个脂肪细胞
193	2025-05-31	Unraveling Human Hepatocellular Responses to PFAS and Aqueous Film-Forming Foams (AFFFs) for Molecular Hazard Prioritization and In Vivo Translation 2025-Feb-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c10595 PMID:39893674	研究论文	本研究探讨了人类肝细胞对PFAS和AFFFs的反应，旨在预测人类肝损伤的效力范围并识别更安全的替代品	结合高通量转录组学、细胞形态图像的深度学习和肝酶泄漏分析，创新性地将机制性肝细胞反应数据转化为预测PFAS诱导的肝肿大效力范围	研究仅使用了体外培养的人类肝细胞（HepaRG, 2D），可能无法完全模拟体内环境	理解PFAS和AFFFs的毒性潜力，识别更安全的替代品，并为风险评估提供新方法	人类肝细胞（HepaRG, 2D）和30种物质（包括AFFF、PFAS和临床药物）	毒理学	肝病	高通量转录组学、深度学习、肝酶泄漏分析	深度学习	转录组数据、细胞形态图像	30种物质（包括AFFF、PFAS和临床药物）
194	2025-05-31	Artificial intelligence-driven volumetric CT outcome score in cystic fibrosis: longitudinal and multicenter validation with/without modulators treatment 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11019-5 PMID:39150489	研究论文	本研究通过3D深度学习技术开发了一种自动定量测量囊性纤维化(CF)患者气道异常的CT评分方法(NOVAA-CT)，并进行了纵向和多中心的临床验证	首次开发了基于AI的全肺自动定量CT评分系统(NOVAA-CT)，可全面监测CF严重程度并量化治疗效果	研究为回顾性设计，样本量相对有限(139例)	验证AI驱动的容积CT评分在囊性纤维化诊疗中的临床应用价值	接受ETI或ABPA治疗的囊性纤维化患者	数字病理	囊性纤维化	3D深度学习	3D CNN	CT影像	139例CF患者(ETI组60例，ABPA组20例，外部验证组59例)
195	2025-05-31	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	使用基于深度学习的OCT图像分析量化pegcetacoplan治疗下地理萎缩(GA)中光感受器(PRs)和视网膜色素上皮(RPE)层的形态变化	首次采用深度学习技术对OCT图像进行分割，量化PR和RPE的退化情况，并评估pegcetacoplan治疗的疗效	研究为事后纵向图像分析，可能存在选择偏倚	评估pegcetacoplan治疗对GA患者PR和RPE层退化的影响	年龄相关性黄斑变性导致的GA患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习	图像	897名患者的897只眼
196	2025-05-31	Spatial Transcriptomics of the Respiratory System 2025-Feb, Annual review of physiology IF:15.7Q1 DOI:10.1146/annurev-physiol-022724-105144 PMID:39353142	综述	本文回顾了呼吸系统空间转录组学的最常用分析流程，并概述了机器学习和人工智能在空间数据解释中的最新进展	结合机器学习和深度学习计算工具的空间解析基因表达技术，为理解呼吸系统细胞类型的三维空间互作提供了新方法	文中提到的技术和方法可能仍存在数据处理和解释的挑战	探讨呼吸系统细胞类型在三维空间中的互作机制及其在健康和疾病中的作用	呼吸系统（肺和气道）的细胞类型	空间转录组学	肺癌、COVID-19、肺纤维化	空间解析基因表达技术	机器学习、深度学习	基因表达数据	NA
197	2025-05-31	Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14602 PMID:39636019	research paper	提出了一种基于频域聚合的个性化联邦学习框架（PAF-Fed），用于腹部多器官分割	PAF-Fed选择性收集部分模型参数进行客户端间协作，保留其余参数以学习本地数据分布，并利用傅里叶变换与自注意力机制聚合参数的低频成分	NA	解决医学图像分割中数据隐私和标注工作量大的问题	腹部多器官分割	digital pathology	NA	Federated Learning (FL), Fourier Transform, Self-attention mechanism	DL models	MRI, CT	CHAOS 2019数据集和私人CT数据集
198	2025-05-31	Tumour purity assessment with deep learning in colorectal cancer and impact on molecular analysis 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6376 PMID:39710952	研究论文	本文探讨了深度学习模型SoftCTM在结直肠癌肿瘤纯度评估中的应用及其对分子分析的影响	开发了开源多器官深度学习模型SoftCTM，用于H&E染色切片中肿瘤和非肿瘤细胞的检测，并在OCELOT Challenge 2023中开发	NA	比较SoftCTM与传统病理学(CP)和生物信息学反卷积方法在肿瘤纯度评估(TPE)中的效用和准确性	结直肠癌(CRC)患者	数字病理学	结直肠癌	RNA表达分析、DNA甲基化分析	深度学习(DL)	数字病理图像、多组学数据	1,097名患者
199	2025-05-31	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	开发了一个名为PreEMPT-ECMO的分层深度学习模型，用于预测ECMO的使用，以优化患者分诊和资源分配	利用多模态数据开发了一个连续预测ECMO使用的分层深度学习模型，该模型整合了静态和多粒度时间序列特征，优于现有的预测模型	未来需要在前瞻性验证和非COVID-19难治性呼吸衰竭中进行泛化性验证	开发一个连续的ECMO风险预测模型，以优化患者分诊和资源分配	使用ECMO的患者	机器学习	COVID-19	深度学习	分层深度学习模型	多模态数据（静态和时间序列数据）	101,400名患者（其中1,298名使用ECMO）
200	2025-05-31	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	research paper	该研究介绍了一个新的数据集TB-Portals SIFT，用于胸部X光片中结核病(TB)病灶的语义分割，并评估了多种语义分割模型的性能	提出了一个新的数据集TB-Portals SIFT，包含6,328张带有10,435个伪标签病灶实例的胸部X光片，并首次将语义分割模型应用于TB病灶分割任务	数据集使用伪标签而非专家标注，可能影响模型性能评估的准确性	开发能够自动分割胸部X光片中TB病灶的深度学习模型，以提高TB诊断的自动化水平和可解释性	胸部X光片中的TB病灶	computer vision	lung cancer	深度学习	UNet, YOLOv8-seg, DenseNet121	image	6,328张胸部X光片，包含10,435个伪标签病灶实例