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
261	2025-07-11	Feasibility Study of Triple-low CCTA for Coronary Artery Disease Screening Combining Contrast Enhancement Boost and Deep Learning Reconstruction 2025-Jun, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM31334 PMID:40630453	研究论文	本研究比较了使用对比增强提升(CE-boost)技术和深度学习重建技术的低剂量、低对比剂流速/剂量的冠状动脉CT血管成像(CCTA)与传统CCTA的图像质量，并探讨了该技术在冠状动脉疾病早期筛查中的潜在应用	结合CE-Boost技术和深度学习重建技术，实现了辐射剂量和对比剂用量的显著降低，同时保持了诊断图像质量	样本量较小(46例患者)，且研究时间较短(2024年3月至9月)	探索低剂量、低对比剂用量的CCTA技术在冠状动脉疾病筛查中的临床应用价值	疑似冠状动脉狭窄的患者	数字病理	心血管疾病	CT血管成像(CCTA)、对比增强提升(CE-Boost)、深度学习重建	深度学习	医学影像	46例疑似冠状动脉狭窄患者
262	2025-07-11	Identifying Asthma-Related Symptoms From Electronic Health Records Using a Hybrid Natural Language Processing Approach Within a Large Integrated Health Care System: Retrospective Study 2025-May-02, JMIR AI DOI:10.2196/69132 PMID:40611521	研究论文	本研究开发了一种混合自然语言处理（NLP）算法，用于从大型综合医疗系统的临床记录中识别与哮喘相关的症状	结合基于规则和基于transformer的深度学习算法，开发了一种混合NLP方法，有效提高了从非结构化临床记录中识别哮喘相关症状的准确性	研究仅针对特定时间段内的临床记录进行分析，可能无法涵盖所有哮喘症状的表达方式	开发有效的NLP算法以识别哮喘相关症状，促进早期哮喘检测和恶化风险预测	大型综合医疗系统中的非结构化临床记录	自然语言处理	哮喘	NLP, 深度学习	基于规则的算法, transformer-based算法	文本	11,374,552份临床记录，包含128,211,793个句子
263	2025-07-11	Learning-based early detection of post-hepatectomy liver failure using temporal perioperative data: a nationwide multicenter retrospective study in China 2025-May, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103220 PMID:40630620	研究论文	利用基于学习的方法和围手术期时间数据，实现肝切除术后肝功能衰竭的早期检测	采用前沿AI技术进行广泛的时间特征分析，将PHLF的检测提前至术后24小时内，并展示了在西方人群中的泛化潜力	在MIMIC-IV队列中，由于EHR数据不完整，模型性能有所下降	提高肝切除术后肝功能衰竭的早期检测能力	肝切除术后患者	数字病理	肝功能衰竭	深度学习	Bio-Clinical Bidirectional Encoder Representation from Transformers	电子健康记录（EHR）	中国队列1832例患者（训练681例，验证1151例），MIMIC-IV队列242例患者
264	2025-07-11	Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning 2025-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	本文探讨了AlphaFold在模拟蛋白质动态结构时的记忆偏差问题，并提出了一种结合ESM和基于模板建模的方法来模拟SLC蛋白的多种构象状态	提出了一种结合ESM和基于模板建模的方法，能够克服记忆偏差，一致性地模拟SLC蛋白的多种构象状态	方法可能仍受限于某些SLC蛋白的特定构象状态记忆偏差	评估记忆偏差对SLC蛋白构象状态建模的影响，并提出改进方法	SLC超家族膜蛋白的多种构象状态	机器学习	NA	AlphaFold2, AlphaFold3, Evolutionary Scale Modeling (ESM), 基于模板的建模	AlphaFold, ESM	蛋白质序列和结构数据	多个整合膜蛋白转运体，包括SLC35F2
265	2025-07-11	TOWARDS PATIENT-SPECIFIC SURGICAL PLANNING FOR BICUSPID AORTIC VALVE REPAIR: FULLY AUTOMATED SEGMENTATION OF THE AORTIC VALVE IN 4D CT 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI60581.2025.10981269 PMID:40630832	研究论文	本文开发了一种基于nnU-Net的全自动多标签二叶式主动脉瓣分割流程，用于手术规划	首次提出针对二叶式主动脉瓣的全自动分割方法，并评估了分割结果的临床可用性	分割结果的时间一致性需要改进	开发患者特异性手术规划工具，用于二叶式主动脉瓣修复	二叶式主动脉瓣	数字病理学	心血管疾病	4D CT	nnU-Net	4D CT图像	未明确说明样本数量
266	2025-07-11	Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492313 PMID:39504285	研究论文	本文提出了一种能够模拟脑部血管树的全合成模型，用于颅内动脉瘤检测	开发了一个全合成的3D模型，能够模拟脑部血管树的几何结构、动脉瘤形状和背景噪声，为3D卷积神经网络提供大量数据集	模型虽然能够模拟血管树和噪声，但可能无法完全复现真实患者数据的复杂性	构建一个合成血管模型，用于提高颅内动脉瘤的检测效率	脑部血管树，特别是Willis环上的颅内动脉瘤	数字病理学	颅内动脉瘤	磁共振血管造影（MRA），飞行时间（TOF）原理	3D CNN	3D图像	NA
267	2025-07-11	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题上的潜力，超越了其在人类语言建模方面的熟练度	未提及具体的技术限制或数据局限性	推动生物信息学领域的发展，探索LLMs在多组学及药物发现等领域的应用	大型语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督学习、半监督学习	transformer模型	多组学数据（基因组学、转录组学、蛋白质组学等）	NA
268	2025-07-11	CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf069 PMID:40552981	研究论文	介绍了一个名为CellBinDB的大规模多模态标注数据集，用于细胞分割，并评估了通用模型的性能	提出了一个包含多种染色方式和组织类型的大规模数据集，并评估了多种细胞分割技术的性能	数据集虽然多样，但可能仍无法涵盖所有可能的细胞形态和成像条件	促进通用细胞分割模型的发展，提高细胞分割技术的泛化能力	人类和小鼠的正常及病变组织中的细胞和细胞核	数字病理学	多种疾病（未具体说明）	多种染色技术（如DAPI、ssDNA、H&E、多重免疫荧光染色）	多种深度学习模型（未具体说明）	图像	超过1000张标注图像，涵盖30多种正常和病变组织类型
269	2025-07-11	Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then? 2025, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073305298240524050145 PMID:38867522	综述	本文综述了蛋白质结合位点预测领域的挑战与最新进展，重点介绍了分子动力学模拟、机器学习和深度学习技术的整合应用	整合分子动力学模拟、机器学习和深度学习技术，以捕捉蛋白质-配体相互作用的动态和复杂性	未提及具体的技术实施细节或算法的局限性	提高蛋白质结合位点预测的准确性和可靠性，以促进药物发现	蛋白质结合位点及其与配体的相互作用	机器学习	NA	分子动力学模拟、机器学习、深度学习	NA	结构信息、生化测定数据	NA
270	2025-07-11	Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) PMID:39605948	研究论文	提出一种弱监督的深度学习方法，用于从医学图像中预测统计形状模型（SSM）	通过点云监督减少对强监督的依赖，无需传统SSM构建流程，以数据驱动方式学习形状对应关系	虽然准确性接近全监督方法，但弱监督方式可能在某些情况下影响模型性能	解决传统统计形状建模流程中的繁琐步骤和偏差问题	未分割的医学图像和对应的解剖形状	数字病理	NA	深度学习	BVIB-DeepSSM	医学图像	NA
271	2025-07-11	SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3518774 PMID:40030754	研究论文	提出了一种改进的静态-动态协同教学框架SDCoT++，用于解决3D物体检测中的类别增量学习问题	提出静态-动态双教师模型架构，通过静态教师保留旧知识、动态教师传递新知识，并采用伪标签生成和概率校准机制解决类别共现问题	未明确说明方法在极端类别不平衡场景下的表现	解决3D物体检测中的灾难性遗忘问题，实现高效的类别增量学习	3D物体检测模型	计算机视觉	NA	增量学习、伪标签生成	VoteNet, 3DETR, CAGroup3D	3D点云数据	在室内外基准数据集上进行广泛实验
272	2025-07-11	Vibration-based gearbox fault diagnosis using a multi-scale convolutional neural network with depth-wise feature concatenation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324905 PMID:40623058	研究论文	提出了一种基于振动信号的齿轮箱故障诊断新方法，使用多尺度卷积神经网络与深度特征拼接的MixNet模型	结合多尺度卷积层与深度特征拼接技术，从振动信号的频谱图中提取区分性特征，提高了诊断准确性和鲁棒性	NA	提高工业环境中齿轮箱故障诊断的准确性和效率	齿轮箱的振动信号	机器学习	NA	短时傅里叶变换(STFT)	CNN	振动信号	齿轮箱故障诊断数据集
273	2025-07-11	Plant attribute extraction: An enhancing three-stage deep learning model for relational triple extraction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327186 PMID:40627606	研究论文	本文提出了一种增强的三阶段深度学习模型Bwdgv，用于从文本中提取植物属性的关系三元组	采用改进的三阶段方法优化实体和关系的联合抽取，包括调整BERT的词嵌入层和优化关系预测，相比现有PRGC模型F1值提升1.4%	基于标记的方法可能存在错误放大和参数更新不稳定的问题	从非结构化文本中自动提取植物属性信息以构建知识图谱	植物及其属性（生长环境、生长周期、生态分布等）	自然语言处理	NA	BERT词嵌入调整、多级信息融合	Bwdgv（三阶段深度学习模型）	文本	NA
274	2025-07-11	Deep learning-based risk stratification of ductal carcinoma in situ using mammography and abbreviated breast magnetic resonance imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587882 PMID:40630196	研究论文	本研究利用深度学习和自然语言处理技术，开发了基于乳腺X线摄影和简化乳腺磁共振成像的导管原位癌风险分层模型	首次开发了针对纯导管原位癌和伴有浸润性导管癌的导管原位癌的两种预测模型，并验证了简化MRI协议与完整诊断协议具有相似的诊断准确性	研究为回顾性分析，样本量相对有限（纯导管原位癌173例，伴有浸润性导管癌210例）	开发导管原位癌的风险分层工具以优化治疗方案	导管原位癌患者	数字病理学	乳腺癌	深度学习和自然语言处理	深度学习模型	医学影像（乳腺X线摄影和MRI）及病理特征	纯导管原位癌173例，伴有浸润性导管癌210例
275	2025-07-11	Combining radiomics and deep learning to predict liver metastasis of gastric cancer on CT image 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1613972 PMID:40630210	研究论文	本研究结合放射组学和深度学习技术，利用CT图像预测胃癌肝转移的发生	首次将经典放射组学特征与深度学习特征结合，构建预测模型，并评估其在区分同步与异时性胃癌肝转移中的表现	研究为回顾性设计，样本量虽大但可能受限于单一中心数据	探索基于CT的深度学习放射组学特征在预测胃癌肝转移中的潜力	1001例经病理确诊的胃癌患者（非转移组689例，肝转移组312例）	数字病理	胃癌	CT成像	深度学习融合模型	医学影像	1001例患者（训练集与测试集未明确划分数量）
276	2025-07-11	Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry 2025, Transplant international : official journal of the European Society for Organ Transplantation IF:2.7Q2 DOI:10.3389/ti.2025.14121 PMID:40630785	研究论文	利用国际心肺移植协会（ISHLT）注册数据开发深度学习模型预测肺移植后1年生存率	使用SHapley Additive exPlanations值评估预移植因素的重要性，并开发了仅使用前10个最具影响力因素的简化模型，性能与原始模型相同	外部验证数据集与ISHLT数据集在组成上存在显著差异	优化肺移植候选者选择，提高资源利用效率和患者预后	肺移植受者	机器学习	肺病	深度学习	Gradient Boosting Machine (GBM), Multilayer Perceptron	临床数据	29,364名患者（来自ISHLT注册数据）
277	2025-07-11	Artificial intelligence in atrial fibrillation: emerging applications, research directions and ethical considerations 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1596574 PMID:40630898	综述	本文探讨了人工智能（AI）在心房颤动（AF）中的新兴应用、研究方向及伦理考量	AI在AF的早期检测、风险分层和个性化治疗中的应用，尤其是通过机器学习和深度学习技术	算法透明度、偏见、数据整合和监管障碍	探索AI在AF管理中的潜在应用及其对临床实践的影响	心房颤动（AF）患者	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	心电图（ECG）、可穿戴设备数据、临床数据、影像数据、基因组数据	NA
278	2025-07-11	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	research paper	本文提出了一种名为TAVAC的度量标准，用于评估Vision Transformer模型在生物医学图像分类任务中的过拟合情况并量化解释的可重复性	引入TAVAC度量标准，通过比较训练和测试阶段的高注意力区域来评估ViT模型的过拟合情况，并量化解释的可重复性	研究主要依赖于有限的标注生物医学图像数据集，可能影响模型的泛化能力	提高Vision Transformer模型在生物医学图像分类任务中的解释可重复性和防止过拟合	生物医学图像，特别是乳腺癌组织学图像	digital pathology	breast cancer	Vision Transformer (ViT)	ViT	image	四个公共图像分类数据集和两个独立的乳腺癌组织学图像数据集
279	2025-07-11	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-08-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	利用深度学习分析H&E染色切片，识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预后模型	首次采用端到端深度学习方法，分别在男性和女性患者中识别与生存相关的性别特异性肿瘤微环境组织病理学特征	研究结果需要在更大样本量中进行验证	探索高级别胶质瘤中性别差异对生存预后的影响	高级别胶质瘤患者的H&E染色组织切片	数字病理学	高级别胶质瘤	H&E染色	ResNet18, mResNet-Cox	图像	训练集和三个独立验证队列
280	2025-07-11	Interpretable representation learning for 3D multi-piece intracellular structures using point clouds 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.25.605164 PMID:39091871	研究论文	本文介绍了一种利用3D旋转不变自编码器和点云学习细胞内复杂多片段形态的可解释表示学习框架	提出了一种形态适应的表示学习框架，能够学习与方向无关、紧凑且易于解释的复杂多片段形态表示	NA	量化细胞内复杂多片段形态的可解释测量，以客观、稳健和通用的方式理解亚细胞组织	具有点状形态（如DNA复制焦点）和多态形态（如核仁）的细胞内结构	计算机视觉	NA	3D旋转不变自编码器、点云	自编码器	3D点云	多个细胞内结构数据集，包括一个具有预定义组织规则的合成数据集