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
2521	2025-07-08	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究验证了一种基于计算机视觉的深度学习算法EchoNet-LVH在国际多中心数据中检测心脏淀粉样变性的性能	开发并验证了一种新型AI算法EchoNet-LVH，能够通过超声心动图视频准确检测心脏淀粉样变性，且在不同人群和设备中表现一致	研究为回顾性病例对照设计，需要在前瞻性研究中进一步验证其临床效用	验证AI算法在心脏淀粉样变性早期诊断中的性能	心脏淀粉样变性患者和对照组的超声心动图数据	计算机视觉	心血管疾病	深度学习	CNN（基于视频分析的深度学习算法）	超声心动图视频	多中心回顾性病例对照研究（具体样本量未明确说明）
2522	2025-07-08	Performance of Risk Models for Antimicrobial Resistance in Adult Patients With Sepsis 2024-11-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43658 PMID:39509131	研究论文	评估患者病例组合和当地耐药率对革兰阴性菌（GNB）败血症风险分层模型在不同医院间性能差异的影响	揭示了抗菌药物耐药性流行率而非患者病例组合是导致模型性能差异的主要原因	研究为回顾性队列设计，可能受数据完整性和准确性的限制	评估GNB败血症风险分层模型在不同医院间的性能差异及其影响因素	来自密苏里州和伊利诺伊州10家急症护理医院的39,893名成人败血症患者	医疗数据分析	败血症	深度学习模型	深度学习	临床数据	39,893名患者，共85,238次败血症发作事件
2523	2025-07-08	Stain-Free Approach to Determine and Monitor Cell Heath Using Supervised and Unsupervised Image-Based Deep Learning 2024-08, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.05.001 PMID:38710387	研究论文	本文提出了一种基于深度学习的无染色方法，用于通过细胞形态指纹预测细胞健康指标	结合基于图像的深度学习和流式成像显微镜技术，无需染色即可评估细胞健康状态	研究仅使用了Jurkat细胞系，未在其他细胞类型上验证	开发用于细胞治疗产品的快速、无标记的质量控制方法	未染色的人T淋巴细胞(Jurkat细胞)	数字病理学	NA	流式成像显微镜(FIM)	监督学习算法和变分自编码器(VAE)	图像	健康细胞、死亡细胞和化学诱导凋亡的Jurkat细胞样本
2524	2025-07-08	Convolutional neural network deep learning model accurately detects rectal cancer in endoanal ultrasounds 2024-04-01, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-02917-3 PMID:38561492	研究论文	本研究开发并验证了一种基于深度学习的卷积神经网络模型，用于在标准肛门内超声图像中准确检测直肠癌	利用深度学习模型提升非专业医疗中心对直肠癌的检测准确性，特别是在检查者经验不足的情况下	研究样本量较小（294张图像），且仅在单一数据集上进行验证	开发AI系统以提高非专业医疗中心对直肠癌的诊断准确性	直肠癌患者的肛门内超声图像	数字病理学	直肠癌	深度学习	CNN	图像	294张肛门内超声图像
2525	2025-07-08	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2024-03-13, Stem cell research & therapy IF:7.1Q1 DOI:10.1186/s13287-024-03682-8 PMID:38475857	研究论文	本研究探讨了利用深度学习技术基于形态学区分小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）的可行性	首次在稳态条件下使用深度学习区分HSCs和MPPs，开发了能够可靠区分长期HSCs、短期HSCs和MPPs的三分类模型LSM，以及区分老年和年轻HSCs的二分类模型	研究仅基于小鼠细胞，未涉及人类细胞验证	开发基于深度学习的造血干细胞功能亚群分类方法	小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）	数字病理学	NA	深度学习	CNN（根据上下文推测）	图像（DIC显微镜图像）	大量图像数据集（具体数量未说明）
2526	2025-07-08	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2023-Nov-14, Research square DOI:10.21203/rs.3.rs-3332530/v1 PMID:38014055	研究论文	本研究探索了使用深度学习技术基于形态学区分小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）的可行性	首次在稳态条件下使用深度学习区分HSCs和MPPs，开发了能够可靠区分LT-HSCs、ST-HSCs和MPPs的三分类模型LSM，以及区分老年和年轻HSCs的二分类模型	研究仅基于小鼠细胞，尚未在人类细胞中验证	探索深度学习在造血干细胞和祖细胞分类中的应用	小鼠造血干细胞（HSCs）和多能祖细胞（MPPs）	数字病理学	NA	深度学习	CNN	图像	大量图像数据集
2527	2025-07-08	Modeling islet enhancers using deep learning identifies candidate causal variants at loci associated with T2D and glycemic traits 2023-08-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206612120 PMID:37603758	研究论文	本研究利用深度学习模型分析序列变异对增强子的影响，以识别与2型糖尿病(T2D)及其相关性状相关的候选因果变异	开发了一种深度学习方法来分析序列变异对增强子的影响，并成功应用于优先排序候选因果变异	研究主要关注胰腺胰岛组织，可能无法完全代表其他相关组织中的变异效应	识别与2型糖尿病及其相关性状相关的特定因果变异	胰腺胰岛组织中的增强子和遗传变异	机器学习	2型糖尿病	深度学习	DL	基因组序列数据	约6700万遗传变异
2528	2025-07-08	Refinement of AlphaFold2 Models against Experimental Cryo-EM Density Maps at 4-6Å Resolution 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995676 PMID:40612328	research paper	本研究探讨了深度学习蛋白质结构预测方法AlphaFold2在解析4-6 Å分辨率冷冻电镜图谱中的应用	结合实验与AI方法，从低分辨率密度图中构建准确模型，并评估AlphaFold2模型在低分辨率冷冻电镜图谱中的表现	小链（115个残基）的预测效果较差，TM-score仅为0.52，且后续精炼步骤的成功与否高度依赖于AlphaFold2预测质量、冷冻电镜数据质量及模型与密度图的匹配度	评估AlphaFold2在低分辨率冷冻电镜图谱中的模型精炼效果	蛋白质结构模型与冷冻电镜密度图	computational biology	NA	cryo-EM, AlphaFold2	AlphaFold2	cryo-EM density maps, protein structure models	10个实验图谱/模型对（包含9个较大链（226-373个残基）和1个小链（115个残基））
2529	2025-07-07	Kernelized weighted local information based picture fuzzy clustering with multivariate coefficient of variation and modified total Bregman divergence measure for brain MRI image segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110458 PMID:40527240	研究论文	提出了一种基于核化加权局部信息的图片模糊聚类方法，用于脑部MRI图像分割	首次在图片模糊集框架下使用多元变异系数理论开发局部图片模糊信息度量，并整合非欧几里得距离度量以提高分割精度	NA	解决噪声环境下医学图像分割的挑战	脑部MRI图像	计算机视觉	脑部疾病	核化加权局部信息方法	图片模糊聚类	MRI图像	Brainweb、IBSR和MRBrainS18 MRI数据集以及CT图像模板
2530	2025-07-07	Learning hemodynamic scalar fields on coronary artery meshes: A benchmark of geometric deep learning models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110477 PMID:40532501	research paper	该研究通过几何深度学习模型对冠状动脉血流动力学标量场进行预测，作为计算流体动力学（CFD）模拟的替代方法	首次对多种几何深度学习后端在预测冠状动脉虚拟血流储备分数（vFFR）场方面进行全面实证分析，并确定基于变压器的架构在复杂拓扑数据集中的优越性	研究主要关注几何深度学习模型在特定数据集上的表现，可能无法完全代表所有临床场景	评估不同几何深度学习后端在预测冠状动脉血流动力学场方面的性能，寻找CFD模拟的有效替代方法	冠状动脉血流动力学场（特别是vFFR场）	digital pathology	cardiovascular disease	computational fluid dynamics (CFD), geometric deep learning	transformer-based architectures, CNN, LSTM, GAN	mesh data	1,500个合成的左冠状动脉分叉数据集和427个患者特异性CFD模拟数据集
2531	2025-07-07	Patch-type wearable electrocardiography and impedance pneumography for sleep staging: A multi-modal deep learning approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110452 PMID:40532503	研究论文	本研究评估了一种基于单导联心电图（ECG）和阻抗呼吸描记术（IPG）的贴片式可穿戴设备在多阶段睡眠分类中的可行性	提出了一种结合ECG和IPG的多模态深度学习方法，用于睡眠分期，并通过特征选择和模型优化实现了高准确性和计算效率的平衡	样本量相对较小（92名患者），且未涵盖所有睡眠阶段（如N3阶段）	探索便携式ECG-IPG系统在睡眠分期中的应用，以实现连续睡眠监测和个性化健康管理	睡眠分期	数字病理	睡眠障碍	单导联ECG和IPG	RCNN	生理信号数据（ECG和IPG）	92名患者
2532	2025-07-07	Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110478 PMID:40541073	research paper	该研究开发了两种深度学习模型MRANet和MLRANet，用于从不完全川崎病和肺炎的超声心动图中进行专家级区分	提出了结合多重感受野注意力机制的新型深度学习模型MLRANet，在检测冠状动脉异常方面超过专家水平表现	研究样本量相对较小（203个超声心动图数据集），需要在更大规模数据上进行验证	开发能够辅助诊断不完全川崎病的计算机辅助诊断工具	不完全川崎病和肺炎患者的超声心动图数据	digital pathology	cardiovascular disease	deep learning	MRANet, MLRANet	image	203个超声心动图数据集
2533	2025-07-07	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究探讨了使用基于生成式深度学习模型的对比度增强技术来改善数字减影血管造影（DSA）图像的质量	提出了一种基于文本条件的图像到图像模型，结合Stable Diffusion、ControlNet和低秩适应技术，用于DSA图像的对比度增强	信噪比（SNR）下降表明噪声增加，且需要进一步优化伪影抑制和临床验证	提高DSA图像的对比度，特别是在慢性肾脏病（CKD）患者中减少碘对比剂的使用	数字减影血管造影（DSA）图像	数字病理	慢性肾脏病	Stable Diffusion, ControlNet, 低秩适应	生成式深度学习模型	图像	1207个DSA系列图像
2534	2025-07-07	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出了一种结合改进的纺锤形自动编码器（MSCAE）和卷积神经网络（CNN）的新型深度学习分类框架，用于心电信号的心律失常分类	与传统自动编码器不同，纺锤形自动编码器利用更深且对称的隐藏层从心电信号中提取复杂且有意义的表示，这些特征随后由CNN分析以捕捉空间关系	研究仅基于MIT-BIH心律失常数据库进行评估，未涉及其他数据集或实际临床环境中的验证	提高心律失常自动检测系统的诊断效率和准确性	心电信号（ECG）	数字病理学	心血管疾病	深度学习	MSCAE-CNN混合模型	心电信号	MIT-BIH心律失常数据库中的正常和异常心跳记录
2535	2025-07-07	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	本研究开发了一种基于深度学习的图像分类模型PMFF-Net，用于区分三种常见的间质性肺疾病类型，以辅助医生诊断并提高诊断准确性	提出了一种新的并行多尺度特征融合网络(PMFF-Net)模型，能够快速准确地对UIP、NSIP和OP等间质性肺疾病影像进行分类	样本量相对较小(仅130例患者)，且数据来自单一地区的四家医院，可能影响模型的泛化能力	开发深度学习模型辅助间质性肺疾病的影像学诊断	高分辨率CT(HRCT)影像	数字病理	间质性肺疾病	深度学习	PMFF-Net(Parallel Multi-scale Feature Fusion Network)	医学影像	130例患者HRCT影像(含UIP、NSIP和OP)和50例正常对照
2536	2025-07-07	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	research paper	本文介绍了一种名为BioTransX的新型混合模型，用于脑肿瘤分类，具有可解释性	BioTransX结合了双形式编码器机制和动态稀疏注意力转换器，以及集成卷积网络，提高了分类准确性和可解释性	未提及具体局限性	提高脑肿瘤分类的准确性和可解释性	脑肿瘤MRI图像	digital pathology	brain tumor	CLAHE, Grad-CAM, Gradient Attention Rollout	transformer-based hybrid model (BioTransX)	MRI图像	Kaggle MRI数据集，BraTS和Figshare数据集
2537	2025-07-07	SE-ATT-YOLO- A deep learning driven ultrasound based respiratory motion compensation system for precision radiotherapy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110638 PMID:40544802	研究论文	开发了一种基于超声和深度学习的呼吸运动补偿系统（RMCS），用于减少放疗中呼吸运动引起的肿瘤位移	提出了SE-ATT-YOLO模型，结合了挤压激励块和增强注意力机制，改进了YOLOv8n模型，提高了超声图像检测的实时性和准确性	未提及模型在更广泛临床环境中的验证情况	开发一种非侵入性的呼吸运动补偿系统，以提高放疗的精确性	人类膈肌的超声运动	计算机视觉	肿瘤	深度学习	SE-ATT-YOLO（改进的YOLOv8n）	超声图像	未明确提及样本数量
2538	2025-07-07	Ensemble-based Convolutional Neural Networks for brain tumor classification in MRI: Enhancing accuracy and interpretability using explainable AI 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110555 PMID:40554976	研究论文	本研究通过集成多种CNN架构和可解释性AI技术，提高了MRI图像中脑肿瘤分类的准确性和可解释性	结合多种预训练CNN架构的集成学习方法和可解释性AI技术（如Grad-CAM++和Integrated Gradients）来提升分类性能和模型透明度	未提及样本量是否足够大以及模型在外部验证集上的表现	提高MRI图像中脑肿瘤分类的准确性和临床可解释性	MRI图像中的脑肿瘤（包括神经胶质瘤、脑膜瘤和垂体腺瘤）	数字病理学	脑肿瘤	MRI	集成CNN（VGG16, DenseNet121, Inception-ResNet-v2）	图像	NA
2539	2025-07-07	Towards a comprehensive characterization of arteries and veins in retinal imaging 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110516 PMID:40554981	研究论文	提出了一种新颖的集成方法，用于视网膜成像中动静脉的综合分析和特征提取	通过多阶段方法准确确定血管路径并从中提取信息特征，超越了传统的血管分割任务	未提及具体的数据集规模或临床验证结果	实现视网膜血管系统的全面分析和特征提取，以支持临床诊断	视网膜图像中的动静脉	数字病理	糖尿病和高血压相关的眼病	深度学习	深度语义分割网络和RNN	图像	NA
2540	2025-07-07	SER inspired deep learning approach to detect cardiac arrhythmias in electrocardiogram signals using Temporal Convolutional Network and graph neural network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110536 PMID:40580615	research paper	提出了一种结合Temporal Convolutional Networks (TCN)和Graph Convolutional Networks (GCN)的深度学习方法，用于心电图信号中的心律失常检测	通过构建心电图信号的循环图，利用图信号处理增强数据表示并提高分类准确性	未提及具体局限性	开发一种高效准确的心电图分析方法，用于资源受限的医疗环境	心电图信号	machine learning	cardiovascular disease	Temporal Convolutional Network (TCN), Graph Convolutional Network (GCN)	TCN, GCN	ECG信号	Chapman和Shaoxing 12导联心电图数据库，11种心律类别合并为4个超类