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
221	2025-07-23	Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features 2024-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3260776 PMID:37015120	研究论文	本文开发了一种基于多源特征的自适应深度学习网络，用于肝癌多模式消融治疗的生存分析和疗效评估	提出了一种结合术前术后MRI影像组学特征、基于视觉Transformer的深度学习特征以及免疫特征的多源特征融合方法，并改进了深度Cox混合模型（DCM）用于生存分析	研究仅基于临床数据集进行评估，未进行大规模多中心验证	开发肝癌多模式消融治疗后的生存预测和疗效评估框架	接受多模式消融治疗的肝癌患者	数字病理学	肝癌	MRI影像组学、流式细胞术、常规血液检测	改进的深度Cox混合模型（DCM）、随机生存森林、视觉Transformer	MRI影像数据、免疫特征数据、常规血液检测数据	临床数据集（具体样本量未明确说明）
222	2025-07-23	Deep learning-based diagnosis of aortic dissection using an electrocardiogram: Development, validation, and clinical implications of the AADE score 2024, Kardiologia polska IF:3.7Q1 DOI:10.33963/v.phj.98880 PMID:38230465	研究论文	本研究开发了一种基于深度学习的AI模型，利用心电图(ECG)检测主动脉夹层(AD)，并引入了AI-Aortic-Dissection-ECG (AADE)评分以帮助临床医生评估AD的严重程度	首次开发了基于CNN的AI模型用于AD的ECG检测，并提出了AADE评分系统	研究样本量相对有限(313例AD患者)，且随访时间中位数为21.2个月	开发AI模型改善主动脉夹层的诊断和临床管理	主动脉夹层患者和胸痛对照组患者	数字病理	心血管疾病	深度学习	CNN	心电图数据	1878名患者(313名AD患者和313名胸痛对照组患者)
223	2025-07-23	A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study 2023-12-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002931 PMID:37682775	研究论文	开发并验证了一种基于治疗前后MRI对比的深度学习模型，用于预测直肠癌新辅助放化疗后的病理完全缓解	开发了名为DeepRP-RC的多任务深度学习模型，不仅能预测治疗反应，还能同时进行图像分割，并在多中心验证中表现出色	研究设计为回顾性，且缺乏多民族数据	预测直肠癌患者对新辅助放化疗的病理完全缓解情况	局部晚期直肠癌患者	数字病理	直肠癌	MRI成像	深度学习模型(DeepRP-RC)	医学影像(MRI)	1201名来自中国4家医院的直肠癌患者(2013-2020年)
224	2025-07-23	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.19.558548 PMID:37786667	research paper	提出了一种名为Bering的图深度学习模型，用于在2D和3D空间转录组数据中联合进行噪声感知细胞分割和分子注释	利用转录共定位关系，通过转移图嵌入作为多模态输入的一部分来丰富基因关系，显著提高了细胞分割的准确性和检测到的转录本数量	当前方法依赖于细胞核或细胞体染色，可能导致转录组深度的显著损失和空间共定位关系潜在表示学习能力的限制	解决空间转录组学中细胞分割和注释的准确性挑战	2D和3D空间转录组数据中的细胞	digital pathology	NA	空间转录组学	graph deep learning	spatial transcriptomics data	各种空间技术和组织
225	2025-07-23	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	本研究开发并验证了一种基于机器学习的算法，用于预测手术案例的持续时间，以提高手术室资源规划和患者沟通的效率	利用非线性预测模型和机器学习方法，开发了一个可扩展至多中心的预测算法，显著提高了手术持续时间的预测准确性	研究依赖于历史数据，可能无法完全适应未来手术技术或流程的变化	开发一个可扩展的机器学习算法，以准确预测手术案例的持续时间，优化手术室资源管理	手术案例的持续时间	机器学习	NA	深度学习、梯度提升和集成机器学习	梯度提升机	手术室数据	1,177,893例手术案例，来自13家学术和私立医院（2016-2019年）
226	2025-07-23	Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy 2023-Jul-26, Research square DOI:10.21203/rs.3.rs-3112632/v1 PMID:37546731	研究论文	开发了一种基于深度学习的快速体积图像生成框架，用于质子FLASH放射治疗的图像引导	提出了一种结合正交kV X射线投影和深度学习的体积图像重建方法，用于质子FLASH放射治疗中的快速目标定位	研究仅针对30名肺癌患者的数据进行了验证，样本量有限	开发快速体积图像重建框架以支持质子FLASH放射治疗的精确目标定位	肺癌患者	数字病理	肺癌	深度学习	DL	CT图像	30名肺癌患者，每人有包含十个呼吸阶段的四维CT数据集
227	2025-07-23	Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida 2023-05, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000003267 PMID:36787376	research paper	本研究开发了深度学习模型，利用视频尿动力学数据对脊柱裂患者的膀胱功能障碍严重程度进行分类	首次将深度学习应用于视频尿动力学数据，自动分类膀胱功能障碍的严重程度	研究样本来自单一机构，可能存在选择偏差	开发自动分类膀胱功能障碍严重程度的深度学习模型	脊柱裂患者	digital pathology	geriatric disease	videourodynamics	CNN, random forest, ensemble model	image, raw data from volume-pressure recordings	306例视频尿动力学研究
228	2025-07-23	Scribe: Next Generation Library Searching for DDA Experiments 2023-02-03, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.2c00672 PMID:36695531	研究论文	介绍了一种名为Scribe的新型库搜索引擎，用于数据依赖性采集实验，利用深度学习碎片预测软件如Prosit来预测FASTA数据库中每个肽的碎片和保留时间	Scribe不依赖高度精选的DDA库，而是预测每个肽的碎片和保留时间，结合Percolator进行错误发现率校正和无标记定量整合，提供端到端的蛋白质组学工作流	NA	提高数据依赖性采集实验中肽段鉴定的敏感性和定量精度	FASTA数据库中的肽段	蛋白质组学	NA	深度学习碎片预测	NA	质谱数据	NA
229	2025-07-23	Overtriage, Undertriage, and Value of Care after Major Surgery: An Automated, Explainable Deep Learning-Enabled Classification System 2023-02-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000000471 PMID:36648256	研究论文	本研究开发了一个自动化、可解释的深度学习分类系统，用于评估大手术后患者的过度分诊和不足分诊及其对护理价值的影响	提出了一种可解释的深度学习模型，用于自动生成术后分诊分类，并验证了其可重复性	研究仅在两所大学医院进行，样本可能不具有广泛代表性	评估术后分诊决策对护理价值和患者结局的影响	接受住院手术的成年患者	医疗人工智能	术后护理	深度学习	可解释深度学习模型	电子健康记录数据	4669例ICU入院患者和8594例普通病房入院患者
230	2025-07-23	Uncovering additional predictors of urothelial carcinoma from voided urothelial cell clusters through a deep learning-based image preprocessing technique 2023-01, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.22633 PMID:35997513	研究论文	本研究开发了一种基于深度学习的图像预处理技术，用于分析尿路上皮细胞簇，以揭示尿路上皮癌的额外预测因素	开发了一种自动化的尿路上皮细胞簇预处理工具，能够将细胞簇分割为有意义的组成部分，用于下游评估	当前尿液细胞学报告系统的半主观性可能影响可重复性，且尿路上皮细胞簇的分类标准仍存在争议	提高尿路上皮癌的诊断准确性和可重复性，通过自动化技术优化尿液细胞学评估	尿路上皮细胞簇	数字病理学	尿路上皮癌	深度学习	NA	图像	NA
231	2025-07-23	Prediction of lactate concentrations after cardiac surgery using machine learning and deep learning approaches 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1165912 PMID:37790131	研究论文	本研究利用机器学习和深度学习方法预测心脏手术后血乳酸浓度的最大值	采用动态方法整合术前变量与术中时间序列数据，相比传统静态模型显著提高了预测准确性	研究仅基于单一医疗中心的患者数据，可能影响模型的泛化能力	开发预测心脏手术后血乳酸浓度的模型，以指导围手术期管理	接受心脏手术并使用体外循环的成年患者	机器学习	心血管疾病	机器学习与深度学习	线性回归、随机森林、人工神经网络、循环神经网络（RNN）、Transformer	时间序列数据	2,187名患者
232	2025-07-23	LONGL-Net: temporal correlation structure guided deep learning model to predict longitudinal age-related macular degeneration severity 2022-Mar, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgab003 PMID:35360552	研究论文	提出了一种名为LONGL-Net的深度学习模型，用于同时评估当前年龄相关性黄斑变性（AMD）的严重程度并预测其纵向进展	设计了基于时间相关性结构的生成对抗网络模型，能够学习连续时间点CFP图像中的时间变化相互关系，并为分类器的决策提供可解释性	模型仅在特定数据集上进行了验证，可能需要更多样化的数据来证明其泛化能力	开发自动化方法以预测AMD的纵向进展，帮助识别易患晚期AMD的个体	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	深度学习	GAN	图像	来自4,628名参与者的约30,000张CFP图像
233	2025-07-22	Advancing non-invasive melanoma diagnostics with deep learning and multispectral photoacoustic imaging 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100743 PMID:40686556	研究论文	本文介绍了一种结合深度学习和多光谱光声成像的非侵入性黑色素瘤诊断方法	提出了一种结合K-means聚类、一维CNN和主动轮廓算法的计算框架，用于自动确定黑色素瘤边界	未提及具体样本量或模型验证的广泛性	提高黑色素瘤诊断效率，减少手术切口	人类黑色素瘤的多光谱光声成像数据	数字病理学	黑色素瘤	多光谱光声成像	一维CNN, K-means聚类, 主动轮廓算法	多光谱光声成像数据	NA
234	2025-07-22	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，用于高分辨率和多参数维度的4D非笛卡尔MRI	提出了深度因子模型（DFM），通过神经网络表示多对比图像序列，并采用自监督单次学习（SSL）方式从k空间数据中学习模型参数，同时开发了兼容的迁移学习（TL）方法以减少重建时间	在训练神经网络时，若无专用高端GPU阵列，计算需求可能较高	开发高效的多对比MRI图像重建方法	4D非笛卡尔MRI图像	医学影像处理	NA	MRI	DFM（深度因子模型）	图像	幻影和体内实验
235	2025-07-22	Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning 2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf074 PMID:40418276	research paper	该研究开发了一种新型的人工神经网络架构MMTSimTA，用于整合多模态非侵入性纵向数据，以预测接受免疫治疗的癌症患者的生存率	提出了一种基于transformer的多模态时序注意力网络MMTSimTA，整合了治疗前后的血液测量、处方药物和CT扫描数据，提高了短期生存预测的准确性	研究仅基于694名患者的队列，可能需要更大样本量验证模型的泛化能力	探索利用人工智能整合多模态非侵入性数据来改善免疫治疗癌症患者的个性化预后预测	694名接受免疫治疗的泛癌患者	digital pathology	cancer	deep learning	MMTSimTA (multimodal transformer-based simple temporal attention network)	multimodal data (血液测量、处方药物、CT扫描)	694名患者
236	2025-07-22	Ensemble learning approach for detecting breast invasive ductal carcinoma from histopathological images 2025-Aug, Pathology, research and practice DOI:10.1016/j.prp.2025.156041 PMID:40460639	研究论文	本文提出了一种集成学习方法，用于从组织病理学图像中检测乳腺浸润性导管癌	结合多种深度学习模型的优势，提出加权平均集成算法，显著提高诊断准确性和鲁棒性	未提及模型在临床环境中的实际应用验证及对不同分辨率图像的普适性	提高乳腺浸润性导管癌的诊断准确率	乳腺组织病理学切片图像	数字病理学	乳腺癌	深度学习集成方法	ResNet50, Xception, MobileNetV2, VGG16, VGG19的集成模型	图像	未明确提及具体样本数量
237	2025-07-22	READRetro web: A user-friendly platform for predicting plant natural product biosynthesis 2025-Aug, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	research paper	介绍了一个用户友好的网络平台READRetro web，用于预测植物天然产物的生物合成路径	开发了一个基于现代网络技术的用户友好平台，使不具备深厚计算背景的研究人员也能轻松使用高级机器学习驱动的逆合成预测	未提及具体的技术局限性或平台适用范围	促进天然产物的大规模生产，通过预测其生物合成路径	植物天然产物及其生物合成路径	machine learning	NA	deep learning-based retrosynthesis models	READRetro ML model	chemical compounds data	NA
238	2025-07-22	Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification 2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf070 PMID:40498469	研究论文	本研究探讨了在医疗保健环境中应用深度学习模型时，如何通过持续学习策略解决分布偏移导致的灾难性遗忘问题，特别是在代谢综合征识别中	提出了一个结合持续学习策略的代谢综合征识别流程，有效缓解了分布偏移导致的灾难性遗忘，并研究了训练顺序对模型性能的影响	研究仅使用了三个数据集，可能无法涵盖所有可能的分布偏移情况	解决深度学习模型在真实医疗环境中部署时面临的分布偏移和灾难性遗忘问题	代谢综合征患者	机器学习	代谢综合征	深度学习	持续学习模型	医疗健康数据	来自三个数据集（MIMIC、NHANES和一个专有数据集）的样本
239	2025-07-22	Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma 2025-Aug, Pathology, research and practice DOI:10.1016/j.prp.2025.156071 PMID:40499499	研究论文	本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的预后	结合临床特征和组织病理学特征，开发了一种新型的非侵入性预后预测方法	样本量相对较小（194例患者），且仅基于单一机构的回顾性数据	预测弥漫性大B细胞淋巴瘤（DLBCL）患者的预后	194例DLBCL患者的全切片图像和临床特征	数字病理学	弥漫性大B细胞淋巴瘤	深度学习，Cox回归分析，AUC分析，校准曲线，决策曲线分析（DCA）	深度学习模型	图像（全切片图像），临床数据	194例患者
240	2025-07-22	StarNet: Indian star gooseberries dataset for quality and maturity assessment 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111825 PMID:40687364	研究论文	介绍了一个名为StarNet的印度星醋栗数据集，用于质量和成熟度评估	开发了一个专门用于星醋栗检测、质量评估、重量估计和不同成熟度分类的公开数据集	数据集仅包含来自印度Mysuru地区的星醋栗图像，可能无法代表其他地区的品种	开发自动化计算机视觉模型以更准确评估水果质量	印度星醋栗	计算机视觉	NA	机器学习和深度学习	NA	图像	792张星醋栗图像样本