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
281	2025-05-02	Intra- and Inter-expert Validation of an Automatic Segmentation Method for Fluid Regions Associated with Central Serous Chorioretinopathy in OCT Images 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00926-6 PMID:38343245	research paper	该研究开发并验证了一种基于深度学习的自动分割方法，用于在OCT图像中分割与中心性浆液性脉络膜视网膜病变（CSC）相关的液体区域	提出并比较了六种不同复杂度的深度学习架构配置，用于自动分割CSC相关病变，并通过内外专家验证展示了模型性能	未提及具体样本量大小及模型在更广泛人群中的泛化能力	开发自动分割OCT图像中CSC相关液体区域的方法，以替代耗时且主观的人工检测	中心性浆液性脉络膜视网膜病变（CSC）患者的OCT图像	digital pathology	retinal disorder	OCT成像	深度学习模型（具体架构未说明）	image	NA
282	2025-05-02	Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00901-1 PMID:38343265	research paper	研究自适应统计迭代重建-V（ASIR-V）和深度学习图像重建（DLIR）算法对CT放射组学特征鲁棒性的影响	首次评估了ASIR-V和DLIR算法在不同剂量水平下对CT放射组学特征重现性的影响，并发现高强度DLIR算法可减少剂量降低带来的放射组学变异性	研究使用的是标准化体模，未涉及真实患者数据，可能影响结果的临床适用性	评估不同图像重建算法对CT放射组学特征稳定性的影响	标准化体模在不同剂量水平和重建算法下的CT图像	digital pathology	NA	单能CT（SECT）、双能CT（DECT）、滤波反投影（FBP）、ASIR-V、DLIR	DLIR	CT图像	标准化体模在标准剂量（20 mGy）和低剂量（10 mGy）水平下的扫描数据
283	2025-05-02	The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00931-9 PMID:38343259	research paper	本研究开发了一种仅使用图像级标签的弱监督模型，用于在磁共振图像上自动分割四种类型的子宫病变和三种类型的正常组织	提出了一种两阶段模型，包含像素相关模块、类重激活图模块、像素间关系网络模块和Deeplab v3+模块，仅需图像级标注即可实现分割	研究仅使用了单一机构的回顾性数据，可能影响模型的泛化能力	开发弱监督医学图像分割方法以减少对像素级标注的依赖	四种子宫病变（子宫内膜癌、子宫肌瘤、子宫内膜息肉和非典型子宫内膜增生）和三种正常组织	digital pathology	uterine lesions	MRI T2-weighted序列成像	sequential deep learning model (Deeplab v3+)	medical images	85,730张图像来自316名患者（训练196人，验证57人，测试63人）
284	2025-05-02	Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses 2024, Depression and anxiety IF:4.7Q1 DOI:10.1155/2024/4459867 PMID:40226684	research paper	该研究提出了一种基于卷积神经网络（CNN）的新型深度学习框架，用于利用功能性近红外光谱（fNIRS）进行重度抑郁症（MDD）的计算机辅助诊断（CAD）	提出了一种新的CNN模型架构，包含三个1D深度卷积层，专门设计用于反映MDD患者和健康对照组（HCs）之间血流动力学反应的半球间不对称性	样本量相对较小（48名MDD患者和68名HCs），且仅基于Stroop任务的数据	开发一种高精度的fNIRS-based CAD系统，用于MDD的诊断	MDD患者和健康对照组	digital pathology	major depressive disorder	fNIRS	CNN	hemodynamic responses	48名MDD患者和68名HCs
285	2025-04-18	Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024 2024, Biophysics and physicobiology IF:1.6Q4 DOI:10.2142/biophysico.bppb-v21.e2010 PMID:40241783	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
286	2025-05-02	Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis 2024, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2024/6621199 PMID:40303156	review	本文是关于深度学习技术在利什曼病诊断、药物发现和疫苗开发中的应用的范围综述	首次对深度学习在利什曼病领域的应用进行全面综述	仅涵盖现有文献，未进行新的实验或数据分析	总结和评估深度学习在利什曼病相关研究中的应用现状	利什曼病的诊断、药物发现和疫苗开发	machine learning	leishmaniasis	deep learning	NA	NA	NA
287	2025-05-02	Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification 2024, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2024.1434799 PMID:40303946	综述	本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用	整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展	未提及具体技术实施细节或临床验证结果	探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物	肠道微生物群及其与宿主健康的相互作用	机器学习	NA	多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学）	深度学习、基于网络的方法	多组学数据	NA
288	2025-05-02	Deep learning-based phenotyping reclassifies combined hepatocellular-cholangiocarcinoma 2023-12-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43749-3 PMID:38092727	研究论文	利用深度学习对混合型肝细胞-胆管癌进行表型重分类	首次应用深度学习对混合型肝细胞-胆管癌进行表型重分类，并与临床结果、基因变异及原位空间基因表达谱一致	研究样本量有限，且仅针对cHCC-CCA这一罕见癌症类型	改善混合型肝细胞-胆管癌的诊断和治疗决策	混合型肝细胞-胆管癌患者	数字病理学	肝癌	深度学习	深度学习模型	图像和基因表达数据	405名cHCC-CCA患者
289	2025-05-02	Automating General Movements Assessment with quantitative deep learning to facilitate early screening of cerebral palsy 2023-12-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-44141-x PMID:38097602	research paper	本研究提出了一种基于深度学习的运动评估模型（MAM），用于自动化评估婴儿的全身运动，以促进脑瘫的早期筛查	结合婴儿视频和基本特征，开发了自动化评估全身运动的深度学习模型，并引入了定量GMA方法，显著提高了诊断准确性	需要外部验证以进一步确认模型的泛化能力	自动化全身运动评估，促进脑瘫的早期筛查	婴儿的全身运动	digital pathology	cerebral palsy	deep learning	CNN	video	未明确提及样本数量
290	2025-05-02	Single-cell spatial metabolomics with cell-type specific protein profiling for tissue systems biology 2023-12-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43917-5 PMID:38086839	research paper	提出了一种名为scSpaMet的单细胞空间代谢组学框架，用于联合分析人类男性组织中单个免疫细胞和癌细胞的蛋白质-代谢物特征	结合了非靶向空间代谢组学和靶向多重蛋白质成像技术，实现了单细胞水平的蛋白质-代谢物联合分析	仅针对男性人类组织进行研究，未涉及女性样本	开发用于组织系统生物学研究的单细胞空间代谢组学工具	人类肺癌、扁桃体和子宫内膜组织中的单个免疫细胞和癌细胞	digital pathology	lung cancer	untargeted spatial metabolomics, targeted multiplexed protein imaging	deep learning-based joint embedding	spatial metabolomic data, protein imaging data	19507个肺癌单细胞、31156个扁桃体单细胞和8215个子宫内膜单细胞
291	2025-05-02	High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data 2023-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43929-1 PMID:38081829	research paper	该研究通过模拟目标随机试验，利用真实世界数据评估了数千种药物对阿尔茨海默病的潜在再利用价值	提出了一个模型选择策略以改进基线协变量平衡，并发现基于深度学习的倾向评分模型在协变量平衡方面不一定优于基于逻辑回归的方法	缺乏对模拟试验结果的系统评估	识别已批准药物对阿尔茨海默病的新适应症	数千种药物和超过1.7亿患者的临床记录	machine learning	geriatric disease	target trial emulation, inverse probability of treatment weighting	deep learning, logistic regression	clinical records	超过1.7亿患者的临床记录
292	2025-05-02	Deep learning of cell spatial organizations identifies clinically relevant insights in tissue images 2023-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43172-8 PMID:38081823	研究论文	介绍了一种基于细胞空间组织的图卷积网络Ceograph，用于分析病理图像中的细胞空间组织特征及其对患者临床结果的影响	提出了Ceograph模型，能够识别细胞空间组织特征并预测其对患者临床结果的影响，为个性化治疗策略提供支持	未提及具体的数据集规模或模型在不同类型癌症中的泛化能力	开发一种能够分析细胞空间组织特征并预测临床结果的方法	口腔潜在恶性病变患者和肺癌患者的病理图像	数字病理	口腔潜在恶性病变, 肺癌	图卷积网络	GCN	病理图像	NA
293	2025-05-02	DeepRTAlign: toward accurate retention time alignment for large cohort mass spectrometry data analysis 2023-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43909-5 PMID:38081814	研究论文	开发了一种基于深度学习的保留时间对齐工具DeepRTAlign，用于大规模队列LC-MS数据分析	能够同时处理单调和非单调的RT偏移，提高了识别灵敏度而不影响定量准确性	未明确提及具体局限性	提高大规模队列LC-MS研究中保留时间对齐的准确性	蛋白质组学和代谢组学实验中的保留时间对齐	质谱数据分析	肝细胞癌	LC-MS	深度学习	质谱数据	多个真实世界和模拟的蛋白质组学和代谢组学数据集
294	2025-05-02	The text-package: An R-package for analyzing and visualizing human language using natural language processing and transformers 2023-Dec, Psychological methods IF:7.6Q1 DOI:10.1037/met0000542 PMID:37126041	研究论文	介绍了一个名为text的R包，用于利用NLP和transformer技术分析和可视化人类语言	将最先进的NLP和深度学习技术（如transformer）以用户友好的方式提供给心理学研究者，专门针对人类层面的分析优化	未提及具体性能指标或与其他工具的比较	为社会科学研究者提供便捷的语言分析工具	人类语言数据	自然语言处理	NA	NLP, transformer	transformer	文本	NA
295	2025-05-02	Deep Learning of Cell Spatial Organizations Identifies Clinically Relevant Insights in Tissue Images 2023-Jul-04, Research square DOI:10.21203/rs.3.rs-2928838/v1 PMID:37461694	research paper	介绍了一种名为Ceograph的新型细胞空间组织图卷积网络，用于分析病理图像中的细胞空间组织特征及其对患者临床结果的影响	提出Ceograph模型，首次将细胞空间组织特征与患者临床结果预测相结合，识别出与恶性转化和药物敏感性相关的关键特征	研究仅针对口腔潜在恶性病变和肺癌患者，未验证在其他疾病类型中的适用性	开发一种能够分析细胞空间组织特征并预测临床结果的计算方法	口腔潜在恶性病变患者和肺癌患者的病理图像	digital pathology	oral potentially malignant disorders, lung cancer	graph convolutional network	GCN	image	NA
296	2025-05-02	External Validation of SpineNet, an Open-Source Deep Learning Model for Grading Lumbar Disk Degeneration MRI Features, Using the Northern Finland Birth Cohort 1966 2023-Apr-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000004572 PMID:36728678	研究论文	本研究通过外部验证开源深度学习模型SpineNet在腰椎间盘退变MRI特征分级中的应用	首次在独立数据集上验证SpineNet模型对腰椎间盘退变分类的可靠性	研究数据仅来自单一出生队列，可能影响模型在其他人群中的泛化能力	验证深度学习模型在医学影像分析中的可靠性	腰椎间盘退变的MRI影像	数字病理	脊柱退行性疾病	MRI影像分析	深度学习图像分类模型(SpineNet)	医学影像	1331名NFBC1966队列参与者的腰椎MRI数据
297	2025-05-02	International Importation Risk Estimation of SARS-CoV-2 Omicron Variant with Incomplete Mobility Data 2023, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2023/5046932 PMID:40303718	research paper	开发了一个基于深度神经网络的模型，用于评估Omicron BQ.1从西非传入其他国家的风险	利用不完全的人口流动数据，首次应用深度神经网络模型估计病毒输入风险	依赖不完全的人口流动数据，可能影响模型准确性	评估Omicron BQ.1从西非传入其他国家的风险	Omicron BQ.1病毒及其传播风险	machine learning	COVID-19	deep neural networks	DNN	population mobility data	西非到其他非非洲国家的人口流动数据
298	2025-05-02	Applying Deep Learning to Establish a Total Hip Arthroplasty Radiography Registry: A Stepwise Approach 2022-09-21, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.21.01229 PMID:35866648	研究论文	利用深度学习技术建立全髋关节置换术放射影像注册表的逐步方法	开发了自动化的深度学习流程，用于识别和标注髋关节和骨盆放射影像，并自动测量髋臼组件的倾斜度和版本	研究仅基于单一机构的数据，可能无法推广到其他机构或地区	建立自动化髋关节和骨盆放射影像注册表，用于患者护理、长期监测和大规模研究	全髋关节置换术患者的髋关节和骨盆放射影像	数字病理	骨科疾病	深度学习	EfficientNetB3, YOLOv5	影像	20,378名患者的846,988份髋关节和骨盆放射影像DICOM文件
299	2025-05-02	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	research paper	该研究利用深度学习技术对TCGA样本的H&E染色病理图像进行分析，绘制了13种TCGA肿瘤类型的肿瘤浸润淋巴细胞（TILs）空间分布图	通过卷积神经网络对图像块进行分类，实现了TILs的计算染色，揭示了TIL模式的空间结构及其与总体生存率的相关性	研究仅基于TCGA数据库的样本，可能无法完全代表所有肿瘤类型	探索肿瘤浸润淋巴细胞的空间组织模式及其与肿瘤分子特征的关系	13种TCGA肿瘤类型的H&E染色病理图像	digital pathology	肿瘤（多种类型）	H&E染色	CNN	image	来自13种TCGA肿瘤类型的样本
300	2025-05-01	PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction 2025-Jun-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169115 PMID:40158838	研究论文	本研究提出了一种基于深度学习的肽毒性预测模型PLPTP，整合了ESM2、BiLSTM和DNN技术，并通过基序分析增强模型的可解释性	结合ESM2、BiLSTM和DNN的深度学习框架，引入基序分析提高模型可解释性，使用Focal Loss解决类别不平衡问题	未提及模型在跨物种或不同肽类上的泛化能力测试	提高肽毒性预测的准确性以促进更安全的肽类药物设计	肽序列及其毒性特征	生物信息学	NA	ESM2蛋白语言模型、BiLSTM、DNN	ESM2+BiLSTM+DNN混合模型	蛋白质序列数据	未明确提及具体样本量