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
321	2025-07-20	Refining Intra-Arterial Therapy Selection for Large Hepatocellular Carcinoma: A Deep Learning Approach Based on Covariate Interaction Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S532116 PMID:40672044	研究论文	本研究开发并验证了一种基于深度学习的模型DELICAITE，用于指导大肝癌患者选择经动脉化疗栓塞（TACE）或肝动脉灌注化疗（HAIC）治疗	DELICAITE模型首次将深度卷积神经网络（DCNN）与协变量交互分析相结合，用于优化大肝癌患者的动脉内治疗选择	研究为回顾性设计，且样本量相对有限（900例患者）	优化大肝癌患者的动脉内治疗方案选择	大肝癌患者	数字病理学	肝癌	深度卷积神经网络（DCNN）	DELICAITE（基于DCNN）	临床数据和影像数据	900例大肝癌患者
322	2025-07-20	A deep learning-based image analysis model for automated scoring of horizontal ocular movement disorders 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1522894 PMID:40672453	research paper	本研究提出了一种基于深度学习的图像分析方法，用于自动评分水平眼动障碍的严重程度，并评估其与传统手动评分方法的性能	开发了RetinaEye自动评分模型，能够客观评估水平眼动障碍的严重程度，与手动评分结果具有高度一致性	研究样本量有限，仅包括164名患者和121名健康受试者，且测试集仅包含92名患者	开发一种自动评分方法，用于评估水平眼动障碍的严重程度	164名眼动障碍患者和121名健康受试者的眼部图像	computer vision	ocular movement disorders	deep learning-based image analysis	RetinaEye	image	2,565张眼部图像（来自164名患者和121名健康受试者），以及184张双眼凝视图像（来自92名患者）
323	2025-07-20	Intelligent recognition of tobacco leaves states during curing with deep neural network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1604382 PMID:40672565	research paper	该研究利用深度神经网络对烟草叶片在烘烤过程中的形态状态进行智能识别	开发了一个针对实际工业场景的大规模烟草叶片形态状态数据集，并提出了高效的深度学习方法	之前的研究通常使用有限数量的非工业图像进行训练，与实际应用中的图像存在显著差异	研究深度学习算法在真实工业场景中识别烟草叶片形态状态的潜力	烟草叶片在烘烤过程中的黄化、褐变和干燥程度	computer vision	NA	deep learning	deep neural network	image	来自中国多个产区的实际批量烘烤仓中的烟草叶片图像
324	2025-07-20	OculusNet: Detection of retinal diseases using a tailored web-deployed neural network and saliency maps for explainable AI 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1596726 PMID:40672824	研究论文	介绍了一种名为OculusNet的高效且可解释的深度学习方法，用于通过OCT图像检测视网膜疾病	结合了Saliency Map可视化技术，提供可解释的AI决策过程，并通过网页部署实现即时检测	未提及模型在多样化临床环境中的泛化能力测试或对不同种族/年龄群体的适用性	开发一个高效且可解释的深度学习模型，用于视网膜疾病的早期检测	视网膜OCT图像，特别是包含脉络膜新生血管(CNV)、糖尿病性黄斑水肿(DME)和年龄相关性黄斑变性等疾病的图像	数字病理学	视网膜疾病	光学相干断层扫描(OCT)	CNN（基于VGG19, MobileNetV2, VGG16, DenseNet-121的迁移学习）	图像	未明确提及具体样本量，但涉及多种视网膜疾病OCT图像
325	2025-07-20	A multi-graph convolutional network method for Alzheimer's disease diagnosis based on multi-frequency EEG data with dual-mode connectivity 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555657 PMID:40672873	研究论文	本文提出了一种基于多频率EEG数据和双模式连接的多图卷积网络方法，用于阿尔茨海默病的诊断	开发了一种新颖的基于图的深度学习模型，充分利用多频率EEG数据的功能和结构信息，克服了现有方法仅依赖功能连接或未能充分整合多频率特征的局限	未提及具体样本量的限制或模型在其他数据集上的泛化能力	开发一种更有效的阿尔茨海默病早期诊断方法	阿尔茨海默病患者和健康对照组的EEG数据	数字病理学	老年病	EEG信号分析	多图卷积网络(MF-MGCN)	EEG信号	未明确提及具体样本量
326	2025-07-20	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索了利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	研究仅涉及27名健康参与者，样本量较小	预测体力消耗水平	健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度(RPM)和心率变异性(HRV)测量	LSTM网络与传统机器学习模型	生理信号数据	27名健康参与者
327	2025-07-20	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过心电图图像自动检测和预测结构性心脏病	利用12导联心电图图像，采用集成深度学习方法自动检测多种结构性心脏病，并在多个医院和前瞻性人群研究中验证了其性能	研究主要依赖于特定医院的数据，外部验证的样本量相对较小	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者的心电图图像	数字病理	心血管疾病	深度学习，卷积神经网络，XGBoost	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，外部验证包括11,023名个体（YNHH）、44,591名（外部医院）和3,014名（ELSA-Brasil）
328	2025-07-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发了一种深度学习算法用于量化炎症性肠病中的潘氏细胞密度	使用两阶段U-net深度学习模型显著提高了潘氏细胞密度量化的准确性	研究基于回顾性队列，需要前瞻性研究验证临床实用性	开发深度学习工具用于炎症性肠病的预后生物标志物量化	炎症性肠病患者和非IBD患者的回肠组织样本	数字病理学	炎症性肠病	全切片图像分析	U-net	图像	190例(142例CD患者和48例非IBD患者)
329	2025-07-20	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	research paper	该论文提出了一种名为ViViEchoformer的深度学习方法，通过视频视觉变换器直接从超声心动图视频中回归预测左心室功能（LVEF）	使用视频视觉变换器（ViViEchoformer）直接从超声心动图视频中预测射血分数（EF），提供了一种全自动的EF预测方法	研究仅基于单一医疗机构（斯坦福大学医院）的数据，可能限制了模型的泛化能力	开发一种深度学习方法，用于精确量化左心室功能，以替代人工评估	超声心动图视频	digital pathology	cardiovascular disease	deep learning	transformer	video	10,030例来自斯坦福大学医院患者的超声心动图视频
330	2025-07-20	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	本文提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提升疾病结果预测	引入了HdFIT框架，结合特征筛选步骤和机器学习模型，有效识别关键生物标志物并提升预测准确性	未提及具体疾病类型的应用限制或框架在不同数据集上的泛化能力	提高疾病结果预测的准确性并理解疾病机制	行为、临床和高维分子特征	机器学习	NA	深度学习	深度神经网络	高维分子数据	蒙特卡洛实验和真实微生物组研究
331	2025-07-20	Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures 2024-Nov-08, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna10060055 PMID:39585047	研究论文	比较三种计算工具在预测RNA三级结构方面的效用	整合分子动力学原理到深度学习框架中的AlphaFold 3能够直接从RNA初级序列输入预测RNA三级结构，甚至接受几种常见的转录后修饰	三种计算工具在预测人类前微RNA和较大BioRNA分子的远端环时存在显著差异，且这些RNA的三维结构尚未通过实验表征	评估和比较三种先进计算工具在预测RNA三级结构方面的性能	非编码RNA（ncRNAs），包括小干扰RNA药物nedosiran和新型生物工程RNA（BioRNA）分子	计算生物学	NA	RNAComposer, Rosetta FARFAR2, AlphaFold 3	深度学习	RNA初级序列	多种形式的RNA，包括nedosiran和BioRNA分子
332	2025-07-20	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	该研究探讨了SARS-CoV-2病毒突变对人类与动物间交叉传播的影响，并利用深度学习模型预测了可能增强传播的关键突变	提出了病毒在动物宿主中的适应性突变不一定增加人类传染性的假设，并构建了多任务深度学习模型MT-TopLap来预测跨物种传播的关键突变	研究主要关注RBD区域的突变，可能忽略了病毒其他区域突变对传播的影响	研究SARS-CoV-2病毒突变对人类与动物间交叉传播能力的影响	SARS-CoV-2病毒的受体结合域(RBD)突变	机器学习	COVID-19	深度突变扫描	MT-TopLap(多任务深度学习模型)	蛋白质序列数据	多种物种(人类、猫、蝙蝠、鹿、仓鼠)的ACE2受体数据
333	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	research paper	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位（STN LFPs）中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能优势	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中进行测试	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改善自适应深部脑刺激（DBS）疗法的效果	帕金森病患者的丘脑底核局部场电位和步态表现	machine learning	Parkinson's disease	深部脑刺激（DBS），局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（STN LFPs），地面反作用力数据	18名帕金森病患者
334	2025-07-20	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用，旨在开发预测性生物标志物以改善诊断和治疗效果	利用人工智能技术开发预测性生物标志物，包括S100A7和深度学习数字病理学，以预测口腔上皮异型增生转化为口腔鳞状细胞癌的风险及治疗效果	目前尚无可靠的临床、病理、组织学或分子生物标志物来预测口腔上皮异型增生和口腔鳞状细胞癌的个体风险和治疗效果	探索人工智能在预测口腔上皮异型增生转化为口腔鳞状细胞癌及预测口腔鳞状细胞癌死亡率和治疗反应中的应用	口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)患者	数字病理学	口腔癌	机器学习、深度学习、多重免疫组织化学、表观基因组学	深度学习(DL)	图像、表观遗传数据	NA
335	2025-07-20	Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17294 PMID:38980065	研究论文	本研究开发了一种患者特异性深度学习方法，用于改进质子治疗中原声成像的重建质量和剂量验证的准确性	采用两阶段深度学习方法，结合群体模型和患者特异性数据增强，显著提高了原声成像的重建质量和剂量验证的准确性	研究仅基于10名前列腺癌患者的数据，样本量有限，需要进一步临床验证	改进质子治疗中原声成像的重建质量和剂量验证的准确性	前列腺癌患者	数字病理	前列腺癌	深度学习、数据增强	深度学习网络	CT图像、原声信号	10名前列腺癌患者
336	2025-07-20	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	本研究比较了深度学习模型与资深外科住院医师在腹部X光片上诊断坏死性小肠结肠炎（NEC）的准确性	使用预训练的ResNet-50深度卷积神经网络（DCNN）和Grad-CAM热力图技术，首次在NEC诊断中实现与资深外科住院医师相当的准确性	研究样本量有限（494张X光片），且缺乏普遍应用的'金标准'作为对照	评估深度学习模型在NEC影像诊断中的临床应用价值	新生儿腹部X光片（494张，其中214张为NEC病例）	数字病理学	坏死性小肠结肠炎	迁移学习	ResNet-50 DCNN	图像	494张新生儿腹部X光片（214例NEC，280例其他）
337	2025-07-20	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	本研究验证了深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的应用，并评估了颜色融合选项对分类性能的影响	研究了不同颜色融合选项（早期融合、中期融合和晚期融合）对深度学习分类性能的影响，并发现红色通道图像在单色学习中表现最佳，中期融合在多色学习中表现最优	研究为回顾性研究，样本量相对有限，且仅使用了超宽视野视网膜图像	验证深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的有效性，并评估颜色融合选项对分类性能的影响	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	深度学习图像分类	CNN	图像	438名患者的798张超宽视野视网膜图像（157名葡萄膜黑色素瘤患者和281名脉络膜痣患者）
338	2025-07-20	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	提出了一种基于电子健康记录（EHR）的加权患者表示框架PheW2P2V，用于表型组范围内的预测	PheW2P2V通过加权患者向量，针对特定表型进行个性化预测，减少了冗余和病例对照错误分类	需要进一步研究评估嵌入在不同数据库间的可迁移性	开发一种高效、灵活的预测工具，用于早期诊断高风险疾病	电子健康记录（EHR）中的患者数据	机器学习	多种临床疾病表型	Phecode映射	NA	电子健康记录（EHR）	MIMIC-III数据库中的942个表型范围预测
339	2025-07-20	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	本文介绍了一种自动图像转录技术，用于将血压设备读数转录到医疗健康记录或数据库中，特别是在低识字率人群中	开发了一种基于深度学习的自动图像转录技术，结合YOLO目标检测模型和CNN数字识别模型，有效提高了血压数据的可访问性和可用性	研究主要针对特定设备和特定人群（低资源环境和低识字率人群），可能在其他设备和人群中的适用性有限	解决自测血压数据转录到医疗记录中的挑战，特别是在低识字率人群中	孕妇和产后妇女的血压数据	数字病理	心血管疾病	深度学习	YOLO, CNN	图像	来自危地马拉的1697名和584名孕妇，以及来自乔治亚州的23名和49名非洲裔美国产后妇女
340	2025-07-20	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	research paper	该研究探讨了氯菊酯暴露如何通过小胶质细胞激活在模拟海湾战争疾病的小鼠模型中引发抑郁样行为	揭示了氯菊酯暴露通过小胶质细胞激活引发抑郁样行为的机制，并利用单细胞RNA测序分析了相关转录网络	研究仅在小鼠模型中进行，尚未在人类中验证	评估氯菊酯暴露是否会导致神经炎症应激反应并引发与海湾战争疾病相关的精神症状	海湾战争疾病小鼠模型	神经科学	海湾战争疾病	单细胞RNA测序	DREADD受体	RNA序列数据	21,566个来自小鼠海马区的单细胞核