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
201	2025-07-02	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本文通过mRNA展示技术结合深度学习模型，评估了环脱水酶LynD的底物范围及其在核糖体合成和翻译后修饰肽（RiPP）天然产物生物合成途径中的应用	利用mRNA展示这一高通量肽展示技术，结合深度学习模型，首次对LynD的底物混杂性进行了大规模分析，并构建了能够准确预测LynD底物加工的模型	研究主要集中于LynD这一特定酶，对其他RiPP酶的适用性尚需进一步验证	评估和预测RiPP环脱水酶LynD的底物混杂性，以促进RiPP酶的进一步研究和应用	核糖体合成和翻译后修饰肽（RiPP）天然产物及其生物合成途径中的多域酶	机器学习	NA	mRNA展示技术	深度学习模型	肽序列数据	非常大（具体数量未提及）的肽库
202	2025-07-02	Deep Learning Estimation of Small Airways Disease from Inspiratory Chest CT is Associated with FEV1 Decline in COPD 2024-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.10.24313079 PMID:39314974	研究论文	本研究开发了一种基于深度学习的AI模型，用于从吸气胸部CT中估计小气道疾病（fSADTLC），并研究了其与慢性阻塞性肺疾病（COPD）临床指标的关联	通过生成模型从吸气CT中估计fSADTLC，避免了传统方法需要额外呼气CT扫描的限制	研究结果在SPIROMICS和COPDGene两个队列中验证，但可能仍需更多外部验证	评估AI模型在估计fSADTLC方面的性能及其与COPD临床指标的关联	COPD患者	数字病理	慢性阻塞性肺疾病	深度学习	生成模型	CT图像	SPIROMICS研究中的2513名参与者和COPDGene研究中的458名参与者
203	2025-07-02	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出了一种双自监督多操作变换网络（DSMT-Net），用于多源内镜超声（EUS）诊断，以提高胰腺癌和乳腺癌的诊断准确性	设计了基于transformer的双自监督网络，整合未标记的EUS图像进行预训练，并提出多操作变换方法标准化EUS图像中感兴趣区域的提取	未提及具体局限性	提高胰腺癌和乳腺癌的内镜超声诊断准确性	胰腺癌和乳腺癌的内镜超声图像	数字病理学	胰腺癌, 乳腺癌	深度学习	DSMT-Net, transformer	图像	3500张标记的EUS图像（胰腺癌和非胰腺癌）和8000张未标记的EUS图像
204	2025-07-02	Effectiveness of Artificial Intelligence Models for Cardiovascular Disease Prediction: Network Meta-Analysis 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5849995 PMID:35251153	meta-analysis	该研究通过网络荟萃分析比较了机器学习和深度学习模型在心血管疾病预测中的有效性	首次通过网络荟萃分析比较不同AI模型在多种心血管疾病预测中的表现，并识别出针对不同疾病的最佳算法	缺乏关于深度学习方法在心血管疾病领域的文献支持，需要更大样本量的研究验证结果	评估人工智能模型在心血管疾病预测中的有效性	心力衰竭、中风、高血压和糖尿病患者	machine learning	cardiovascular disease	网络荟萃分析	深度学习(DL)、机器学习(ML)包括GBM、ANN、SVM、RF	临床数据	17项研究共285,213名心血管疾病患者
205	2025-07-02	Automated detection and segmentation of thoracic lymph nodes from CT using 3D foveal fully convolutional neural networks 2021-04-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00599-z PMID:33849483	研究论文	开发了一种基于3D foveal全卷积神经网络的工具，用于自动检测和分割胸部CT扫描中的淋巴结	使用3D foveal patches的全卷积神经网络进行淋巴结的自动3D检测和分割	对于较小的淋巴结（短轴直径5-10mm）检测率较低（62.2%）	开发自动检测和分割胸部CT扫描中淋巴结的工具，以辅助临床工作和无观察者偏见的放射组学研究	胸部CT扫描中的淋巴结	数字病理	肺癌	CT扫描	3D foveal全卷积神经网络	3D医学影像	训练集89例增强CT扫描（4275个淋巴结），测试集15例增强CT扫描
206	2025-07-01	Accelerating 3D radial MPnRAGE using a self-supervised deep factor model 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30549 PMID:40457622	研究论文	开发了一种自监督且内存高效的深度学习图像重建方法，用于高分辨率和大量参数维度的4D非笛卡尔MRI	提出了一种深度因子模型（DFM），利用神经网络以反转时间为条件，使用高效的零填充重建作为输入估计，以自监督学习（SSL）方式从每次采集的k空间数据中学习模型参数	在没有专用高端GPU阵列的情况下，训练神经网络可能会变得计算密集	开发一种用于4D非笛卡尔MRI的高分辨率和大量参数维度的图像重建方法	3D多对比图像	医学影像	NA	MRI, 深度学习	DFM (深度因子模型)	k空间数据	幻影和体内实验
207	2025-07-01	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本研究提出了一种基于深度学习的快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学（CFD）的快速替代方案	提出了一种名为MultiViewUNet的深度学习代理模型，采用领域转换技术将复杂的主动脉几何形状转换为适用于先进神经网络的表示形式	未明确说明在真实临床环境中的验证情况	开发快速准确的主动脉瘤壁面剪应力预测方法以辅助临床决策	腹主动脉瘤（AAA）	数字病理	心血管疾病	深度学习	MultiViewUNet	几何形状数据	真实和合成的AAA几何形状数据集
208	2025-07-01	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种能够在超低剂量全身PET成像中实现多器官分割的深度学习模型，具有跨中心和跨示踪剂的鲁棒性和泛化性	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发一种能够在不同成像条件和示踪剂下进行多器官PET分割的深度学习模型	798名来自多个中心的患者，使用不同示踪剂的PET图像	数字病理学	NA	3D深度学习	深度学习模型	PET图像	798名患者
209	2025-07-01	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	评估基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，实现了有效的去噪和超分辨率处理，同时缩短了扫描时间	研究样本量较小（43例患者），且未详细说明深度学习模型的具体架构和训练细节	比较传统方法和基于深度学习的图像重建在头颈部脂肪抑制T2加权成像中的效果	头颈部脂肪抑制T2加权成像的图像质量	计算机视觉	头颈部病变	深度学习图像重建	DL（深度学习）	医学图像	43例患者
210	2025-07-01	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	research paper	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）图像质量提升中的应用	首次将超分辨率深度学习图像重建技术应用于心肌CT晚期增强图像，显著降低了图像噪声并提高了图像质量	研究样本量较小（仅30例患者），且为回顾性研究	评估SR-DLR技术在心肌CT晚期增强图像质量改善方面的效果	心肌CT晚期增强图像	digital pathology	cardiovascular disease	超分辨率深度学习图像重建（SR-DLR）	深度学习模型（未明确具体类型）	医学影像（CT图像）	30例接受心肌CT晚期增强检查的患者
211	2025-07-01	Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis 2025-Jul, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104537 PMID:40424835	综述与荟萃分析	本文全面回顾并荟萃分析了机器学习和深度学习在帕金森病神经影像学和计算病理生理学中的应用	提出了Meta-Park模型用于帕金森病诊断，训练、测试和验证准确率分别达到97.67%、95%和94.04%	需要更广泛和多样化的数据集以及改进模型的可及性	通过机器学习和深度学习技术改进帕金森病的诊断和治疗	帕金森病患者	机器学习	帕金森病	MRI、语音和手写数据集分析	Meta-Park模型	MRI图像、语音和手写数据	NA
212	2025-07-01	AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting 2025-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07309-7 PMID:40579399	研究论文	比较AI支持与手动显微镜在初级医疗环境中诊断土壤传播蠕虫感染的效果	使用便携式全玻片扫描仪和深度学习AI技术，在初级医疗环境中进行诊断，提高了对低强度感染的检测灵敏度	研究仅基于704份适合分析的样本，可能无法代表所有情况	提高土壤传播蠕虫感染的诊断效率和准确性	学校儿童的粪便样本	数字病理学	土壤传播蠕虫感染	深度学习AI，全玻片扫描	深度学习	图像	965份粪便样本，其中704份适合分析
213	2025-07-01	A two-step automatic identification of contrast phases for abdominal CT images based on residual networks 2025-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01995-7 PMID:40579615	研究论文	基于残差网络的两步法自动识别腹部CT图像的对比阶段	提出了一种基于ResNet的两步法模型，用于自动准确识别腹部CT图像的对比阶段，显著优于传统的一步法策略	研究依赖于回顾性收集的数据集，可能无法涵盖所有临床场景	开发一种深度学习模型，用于自动准确识别腹部CT图像的对比阶段	腹部对比增强CT扫描图像	计算机视觉	NA	深度学习	ResNet	图像	内部数据集1175例，外部测试数据集215例
214	2025-07-01	Advancing atomic electron tomography with neural networks 2025-Jun-19, Applied microscopy DOI:10.1186/s42649-025-00113-7 PMID:40533670	综述	本文综述了神经网络在原子电子断层扫描（AET）中的应用进展	整合深度学习特别是卷积神经网络（CNN）到AET工作流程中，以提高重建保真度	重建伪影由几何限制和电子剂量约束引起，可能阻碍可靠的原子结构确定	提高三维原子结构的准确测定，以理解和控制纳米材料的特性	纳米材料的三维原子结构	计算机视觉	NA	原子电子断层扫描（AET）	CNN	图像	NA
215	2025-07-01	Enhanced AlexNet with Gabor and Local Binary Pattern Features for Improved Facial Emotion Recognition 2025-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s25123832 PMID:40573719	研究论文	本文提出了一种结合Gabor和局部二值模式特征的增强AlexNet模型，用于提高面部情绪识别的准确性和适应性	通过整合Gabor和LBP特征提取技术到改进的AlexNet架构中，显著提升了面部情绪识别的性能	研究未提及模型在极端光照或遮挡条件下的表现	提高面部情绪识别的准确性和适应性，特别是在硬件资源有限的环境中	面部情绪识别	计算机视觉	NA	Gabor和局部二值模式(LBP)特征提取	改进的AlexNet	图像	使用了FER2013和RAF-DB两个基准数据集进行验证
216	2025-07-01	Dental caries detection in children using intraoral scans and deep learning 2025-Jun-15, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105906 PMID:40527440	研究论文	本研究旨在利用深度学习和儿童口腔内扫描数据自动检测龋齿，并评估模型预测与牙科医生评估在3D模型上的一致性	首次使用Attention U-Net模型对儿童口腔内扫描数据进行龋齿检测，并比较模型与牙科医生在不同龋齿程度下的一致性	模型对于早期和中等程度龋损的检测性能有限，需要进一步改进模型准确性和泛化能力	开发基于AI的儿童龋齿自动检测方法	儿童口腔内扫描数据	数字病理	龋齿	深度学习	Attention U-Net	3D扫描数据	第一队列332颗龋齿牙齿（训练192，验证63，测试77），第二独立队列119颗龋齿牙齿用于外部验证
217	2025-07-01	The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis 2025-Jun-13, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102429 PMID:40518015	meta-analysis	通过系统综述和荟萃分析评估人工智能在口腔鳞状细胞癌诊断中的性能	首次通过系统综述和荟萃分析全面评估AI在OSCC诊断中的表现，并比较深度学习和传统机器学习方法的性能差异	研究间存在显著异质性（I² > 97%），需要标准化方法和外部验证	评估人工智能在口腔鳞状细胞癌诊断中的准确性和临床应用价值	口腔鳞状细胞癌（OSCC）的诊断	数字病理	口腔鳞状细胞癌	AI诊断系统	深度学习和传统机器学习	医学影像和病理数据	24项研究共18,574份样本
218	2025-07-01	A Deep Learning Approach to Measure Visual Function in Zebrafish 2025-Jun-09, Biology DOI:10.3390/biology14060663 PMID:40563916	研究论文	本文提出了一种基于深度学习的方法，用于测量斑马鱼的视觉功能，特别是在低对比度或无色素疾病模型中的应用	使用ResNet-50在DeepLabCut框架中构建深度学习管道，实现对斑马鱼眼动的稳健量化，不受对比度或色素变化的限制	研究仅针对5天大的斑马鱼幼虫在控制条件下进行，尚未在其他发育阶段或更复杂的行为测试中验证	开发一种更灵活、准确的视觉行为分析方法，以支持人类神经和眼部疾病研究及药物毒性测试	野生型和白化突变斑马鱼幼虫	计算机视觉	眼部疾病	DeepLabCut框架，ResNet-50模型	CNN	视频	野生型和白化突变斑马鱼幼虫（具体数量未明确说明）
219	2025-07-01	Evaluation of a Deep Learning and XAI based Facial Phenotyping Tool for Genetic Syndromes: A Clinical User Study 2025-Jun-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.08.25328588 PMID:40568665	研究论文	评估基于深度学习和XAI的面部表型工具在遗传综合征诊断中的临床应用效果	首次通过临床用户研究探讨XAI在遗传综合征诊断中对医生表现、信心和信任的实际影响	样本量较小（31名医学遗传学家），且仅针对特定遗传综合征的面部表型分析	评估AI和XAI在遗传综合征面部表型诊断中的辅助效果	31名医学遗传学家和18张已知遗传综合征患者及正常人的面部图像	数字病理学	遗传综合征	深度学习和可解释人工智能（XAI）	深度学习模型（具体类型未说明）	图像	31名医学遗传学家参与实验，使用18张面部图像
220	2025-07-01	Comprehensive molecular impact mapping of common and rare variants at GWAS loci 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.658079 PMID:40501721	研究论文	本文介绍了一种名为DNACipher的深度学习模型，能够预测遗传变异在多种生物环境中的分子效应，并提出了DNACipher Deep Variant Impact Mapping (DVIM)方法，用于识别GWAS位点中具有分子效应的变异	DNACipher模型能够预测未直接测量的生物环境中的变异效应，且预测的上下文数量是Enformer的7倍以上，DVIM方法显著提高了GWAS位点变异的精细定位效率	模型的预测依赖于输入的196 kb基因组序列，且仅针对38,582种细胞类型-测定组合进行了验证	开发一种能够广泛预测遗传变异分子效应的深度学习模型，并应用于GWAS位点的变异精细定位	遗传变异及其在多种生物环境中的分子效应	机器学习	1型糖尿病	深度学习、单核ATAC-seq、荧光素酶测定	DNACipher	基因组序列	38,582种细胞类型-测定组合