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	2025-04-24	Development of a Deep Learning Model for Classification of Hepatic Steatosis from Clinical Standard Ultrasound 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.09.020 PMID:39537545	研究论文	开发了一种深度学习模型，用于从临床标准超声图像中分类肝脂肪变性	利用深度学习技术从标准灰度超声图像中分类肝脂肪变性，提供高敏感性和准确性	单中心回顾性研究，样本量相对较小（403例患者）	开发一种深度学习程序，用于从标准超声图像中分类肝脂肪变性	肝脂肪变性患者	数字病理学	肝脂肪变性	深度学习	深度学习多实例程序	图像	403例患者的403次超声检查
202	2025-04-24	Applications of deep learning in trauma radiology: A narrative review 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100743 PMID:38679199	综述	本文综述了深度学习在创伤放射学中的应用及其当前进展	概述了深度学习在创伤影像中各模态的应用现状及未来发展方向	商业AI产品在创伤领域的临床应用仍有限，需多学科团队合作开发实用解决方案	探讨深度学习在创伤放射学中的应用潜力	创伤影像中的各类损伤检测	数字病理	创伤	深度学习	NA	医学影像（超声、X射线、CT）	NA
203	2025-04-24	ECG-surv: A deep learning-based model to predict time to 1-year mortality from 12-lead electrocardiogram 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2024.100732 PMID:38697480	研究论文	本研究提出了一种名为ECG-surv的深度学习模型，用于从12导联心电图中预测患者1年内的死亡率	ECG-surv模型能够同时处理删失数据和非结构化心电图数据，通过特征提取神经网络和时间到事件分析神经网络，显著提高了预测1年全因死亡率和心血管死亡的准确性	研究依赖于特定设备采集的心电图数据，可能在不同设备间的泛化能力有限	开发一种深度学习模型，利用心电图数据预测患者1年内的死亡率	心电图数据和患者生存数据	机器学习	心血管疾病	深度学习	深度神经网络	心电图数据	独立测试集和外部测试集
204	2025-04-24	The Future of Artificial Intelligence Using Images and Clinical Assessment for Difficult Airway Management 2025-Feb-01, Anesthesia and analgesia IF:4.6Q1 DOI:10.1213/ANE.0000000000006969 PMID:38557728	review	本文综述了人工智能（AI）特别是深度学习在利用影像和临床评估进行困难气道管理中的应用及其优势	探讨了AI模型如何影响临床实践，并讨论了使用机器学习进行困难喉镜预测的未来方法及智能插管设备的前景	NA	探索AI在困难气道管理中的应用及其对临床实践的影响	困难气道管理	machine learning	NA	deep learning, machine-learning	deep-learning models	imaging data	NA
205	2025-04-24	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	review	该综述全面概述了大语言模型（LLMs）在生物信息学中的关键组成部分及其应用	探讨LLMs在解决生物信息学问题上的潜力，超越其在人类语言建模方面的熟练程度	NA	推动生物信息学领域的发展，优化LLMs的使用并促进进一步创新	大语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标记的输入数据	NA
206	2025-04-24	iMFP-LG: Identify Novel Multi-functional Peptides Using Protein Language Models and Graph-based Deep Learning 2025-Jan-15, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae084 PMID:39585308	research paper	该研究提出了一种基于蛋白质语言模型和图注意力网络的多功能肽识别方法iMFP-LG，用于发现具有多种生物活性的肽段	结合蛋白质语言模型和图注意力网络，开发了iMFP-LG方法，能够高效识别多功能肽，并在实验中验证了其预测效果	仅从UniRef90数据库中筛选了部分候选肽段，验证范围有限	开发高效准确的多功能肽识别技术，促进多功能肽的发现和机制理解	多功能生物活性肽和多功能治疗肽	machine learning	NA	蛋白质语言模型(pLMs)和图注意力网络(GATs)	GAT	蛋白质序列数据	从UniRef90数据库中的数百万已知肽段中筛选，最终验证了8个候选肽段
207	2025-04-24	Automated segmentation and deep learning classification of ductopenic parotid salivary glands in sialo cone-beam CT images 2025-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03240-w PMID:39085681	研究论文	本研究开发了一种自动算法，用于在唾液锥形束CT图像中检测和分类腮腺导管减少症的严重程度	结合经典图像处理和深度学习技术，提出了一种端到端的自动管道，用于腮腺导管减少症的自动检测和分类	研究样本量较小，仅包含126例腮腺唾液锥形束CT扫描	提高腮腺导管减少症的诊断准确性和效率	腮腺唾液锥形束CT图像	数字病理学	唾液腺功能障碍	sialo cone-beam CT (sialo-CBCT)	RNN (残差神经网络)	图像	126例腮腺唾液锥形束CT扫描（正常、中度和重度导管减少症病例）
208	2025-04-24	Deep Learning Based Automatic Segmentation of the Thoracic Aorta from Chest Computed Tomography in Healthy Korean Adults 2025-Jan, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2024.07.030 PMID:39089448	研究论文	本研究利用深度学习技术自动分割健康韩国成人胸部计算机断层扫描中的胸主动脉，并建立主动脉各区域的参考值	首次使用全自动深度学习分割方法建立主动脉各区域的参考值，并验证其与手动校正结果的可靠性	研究仅针对健康韩国成人，可能不适用于其他人群或患者	建立主动脉各区域的参考值，以更好地理解主动脉夹层或动脉瘤的干预措施	704名健康成人（平均年龄50.6±7.5岁；男性407人，占57.8%）	数字病理	心血管疾病	对比增强胸部计算机断层扫描（CT）	CNN	3D CT图像	704名健康成人
209	2025-04-24	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习方法预测慢性阻塞性肺疾病(COPD)患者的急性加重表型	首次将VGG-16深度学习方法应用于COPD患者急性加重表型的预测，并结合临床特征、定量CT参数和深度学习特征构建了高性能预测模型	样本量相对较小(219例)，外部验证队列仅29例患者	开发基于深度学习特征的COPD患者急性加重预测模型	219例接受吸气和呼气HRCT扫描的COPD患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描，VGG-16深度学习特征提取	VGG-16，逻辑回归	医学影像(HRCT扫描)	219例COPD患者(训练队列) + 29例外部验证患者
210	2025-04-24	New Technologies for Monitoring Coastal Ecosystem Dynamics 2025-Jan, Annual review of marine science IF:14.3Q1 DOI:10.1146/annurev-marine-040523-020221 PMID:39059419	综述	本文综合了关于沿海生态系统监测新兴技术的最新文献	介绍了包括卫星监测、空中和水下无人机、原位传感器网络、光纤系统和社区科学观测站在内的新兴技术	尽管技术有所进步，但在全球变化加速期间，沿海生态系统监测仍存在重大空白	探讨沿海生态系统监测的新兴技术及其应用	沿海生态系统	环境监测	NA	卫星监测、无人机、传感器网络、光纤系统、社区科学观测站	深度学习	遥感数据、传感器数据	NA
211	2025-04-24	Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3435714 PMID:39078771	研究论文	提出一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化	1) 设计了一个级联网络，结合几何变形网络，用于冠状动脉分割和结果向量化，生成的冠状动脉网格连续且准确 2) 不同于传统的基于体素标签的marching cube方法生成的网格注释，重建了具有规则化形态的更精细的向量化网格 3) 收集了一个包含200例冠状动脉疾病CCTA图像的数据集CCA-200	NA	解决冠状动脉分割中的碎片化问题，提高分割和向量化的准确性	冠状动脉	数字病理	心血管疾病	深度学习	级联神经网络	医学图像（CCTA）	200例CCTA图像（CCA-200数据集）和公开ASOCA数据集
212	2025-04-24	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN），用于预测阿尔茨海默病的早期阶段并定位与疾病相关的重要小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN），用于识别神经病理事件的传播模式，解决了现有图基深度学习方法在缺乏共同大脑网络参考基础和适当传播模式识别机制方面的不足	研究主要基于合成和真实数据集进行实验，可能在实际临床应用中需要进一步验证	通过计算模型确定神经病理事件的传播模式，以理解阿尔茨海默病的病理生理机制	阿尔茨海默病（AD）患者的大脑网络和神经病理事件	数字病理学	阿尔茨海默病	谐波小波神经网络（HWNN）	HWNN	图数据	合成和真实数据集
213	2025-04-24	Optimizing pain management in breast cancer care: Utilizing 'All of Us' data and deep learning to identify patients at elevated risk for chronic pain 2025-Jan, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing IF:2.4Q1 DOI:10.1111/jnu.13009 PMID:39056443	研究论文	利用深度学习方法开发预测模型，识别乳腺癌患者中慢性疼痛高风险人群	结合时间序列和静态数据，采用基于Transformer的时间序列分类器进行预测	样本量较小（1131名患者），且为回顾性研究	优化乳腺癌患者的疼痛管理，预测慢性疼痛风险	乳腺癌患者	机器学习	乳腺癌	深度学习	Transformer-based time-series classifier	人口统计、诊断和社会调查数据	1131名患者
214	2025-04-24	Generalizable Reconstruction for Accelerating MR Imaging via Federated Learning With Neural Architecture Search 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3432388 PMID:39037877	research paper	提出了一种基于联邦学习和神经架构搜索的通用性磁共振成像加速重建框架GAutoMRI	结合自动神经架构搜索和公平性调整方法，提升模型在异构数据分布下的泛化能力和公平性	未明确说明模型在极端异构数据场景下的表现	解决异构数据下磁共振成像重建模型的泛化性和隐私保护问题	多中心磁共振成像数据	medical imaging	NA	federated learning, neural architecture search	GAutoMRI	magnetic resonance images	多中心数据（具体数量未说明）
215	2025-04-24	Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3431192 PMID:39028599	研究论文	提出了一种基于可逆网络的无监督域自适应方法，用于电子显微镜(EM)图像去噪	首次提出无监督域自适应EM图像去噪方法，通过域对齐建立共享的域无关内容空间，并引入域正则化确保精确对齐	方法依赖于EM图像内容特征的相似性假设，可能不适用于内容差异较大的图像	解决电子显微镜图像去噪中存在的域偏移问题	电子显微镜(EM)图像	计算机视觉	NA	无监督域自适应	可逆网络	图像	合成和真实EM数据集
216	2025-04-24	Deep Learning for the Accurate Prediction of Triggered Drug Delivery 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3426291 PMID:39018211	研究论文	本研究利用深度学习技术准确预测触发药物释放行为，探索纳米载体在癌症治疗中的应用	结合实验测量与深度学习技术开发预测模型，显著优于线性预测方法	未提及模型在临床环境中的验证情况	提高化疗药物递送的精确性和有效性	脂质体和金属有机框架纳米载体	机器学习	癌症	深度学习	深度学习模型	实验测量数据	NA
217	2025-04-24	Concept-Based Lesion Aware Transformer for Interpretable Retinal Disease Diagnosis 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3429148 PMID:39012729	research paper	提出了一种基于概念的病变感知Transformer模型，用于可解释的视网膜疾病诊断	将视网膜病变视为概念，结合Transformer架构和图像级注释，实现病变特征识别与人类认知的对齐，并通过交叉注意力机制实现疾病诊断和解释	未提及具体的数据集规模或多样性限制	提高视网膜疾病诊断模型的性能和可解释性	视网膜疾病	digital pathology	视网膜疾病	Transformer架构，交叉注意力机制	Transformer	image	四个眼底图像数据集
218	2025-04-24	Deep learning methods for protein function prediction 2025-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	review	本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展	总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向	未提及具体实验验证或实际应用效果的局限性	推进蛋白质功能预测领域的发展	蛋白质功能预测	生物信息学	NA	深度学习	NA	蛋白质序列、结构、相互作用及其他相关信息	NA
219	2025-04-24	Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.343 PMID:38993092	研究论文	本研究通过RNA测序探索子宫肉瘤的基因组特征，并构建深度学习模型预测患者生存	发现新的基因融合位点MRPS18A-PDC-AS1作为潜在诊断标志物，开发了MMN-MIL深度学习模型用于生存预测	样本量相对较小（71例），且部分亚型样本数较少（如腺肉瘤仅3例）	阐明子宫肉瘤的基因组特征并开发生存预测模型	71例子宫肉瘤样本（包括ESS、uLMS等亚型）	数字病理学	子宫肉瘤	RNA测序	MMN-MIL（Max-Mean Non-Local多示例学习模型）	基因组数据	71例子宫肉瘤样本（47例ESS，18例uLMS等）
220	2025-04-24	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	research paper	本文介绍了一种名为LQSF的创新方法，利用深度学习模型预测DNA存储中的高风险序列，以提高存储效率和减少错误	LQSF方法首次在DNA存储技术中引入了主动序列过滤机制，通过深度学习模型在编码阶段预测和过滤低质量序列	NA	提高DNA存储技术的效率和准确性，减少合成和测序过程中的错误	DNA存储中的高风险序列	machine learning	NA	深度学习	Alexnet, VGG16, VGG19	DNA序列数据	多种神经网络和测试集