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
4001	2025-03-27	Laser induced forward transfer imaging using deep learning 2025, Discover applied sciences DOI:10.1007/s42452-025-06679-x PMID:40129928	研究论文	提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法	利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路	预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差	提高激光诱导正向转移技术的精度和效率	铜滴在受体基板上的沉积图像	计算机视觉	NA	激光诱导正向转移（LIFT）	神经网络	图像	NA
4002	2025-03-27	Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1448106 PMID:40129949	研究论文	该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet	提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测	研究为初步研究，可能存在数据量和模型泛化能力的限制	预测药物不良反应（ADRs）的发生	药物和基因表达变化	机器学习	NA	药物基因组学数据	CNN	基因组学数据	NA
4003	2025-03-27	Diagnosis and activity prediction of SLE based on serum Raman spectroscopy combined with a two-branch Bayesian network 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1467027 PMID:40129980	research paper	本研究开发了一种基于拉曼光谱和双分支贝叶斯网络的系统性红斑狼疮（SLE）快速诊断和活动性预测方法	提出了一种结合拉曼光谱和双分支贝叶斯网络（DBayesNet）的新方法，用于SLE的快速识别和活动性评估	样本量相对较小（80例SLE患者和81例对照），且未提及模型在其他独立数据集上的验证结果	开发一种快速准确的SLE诊断和活动性评估方法，以实现早期诊断和改善患者预后	系统性红斑狼疮（SLE）患者和对照组的血清拉曼光谱数据	digital pathology	系统性红斑狼疮	拉曼光谱	双分支贝叶斯网络（DBayesNet）	光谱数据	80例SLE患者和81例对照（包括干燥综合征、未分化结缔组织病、主动脉炎患者和健康人）
4004	2025-03-27	Code generation system based on MDA and convolutional neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1491958 PMID:40135112	研究论文	该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码	结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码	神经网络训练过程中存在硬件限制	开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段	系统描述图和相应案例研究	计算机视觉	NA	计算机视觉、深度学习	CNN	图像	NA
4005	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量
4006	2025-03-27	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	research paper	该研究利用深度学习策略设计可电离脂质，优化脂质纳米颗粒用于肺部基因治疗	引入基于神经网络的脂质优化方法，用于预测核酸递送效果，并成功设计出两种新型脂质结构FO-32和FO-35	研究主要基于小鼠和雪貂模型，人类应用效果尚需进一步验证	改进脂质纳米颗粒的非病毒mRNA递送技术	可电离脂质和脂质纳米颗粒	machine learning	NA	deep learning, mRNA delivery	directed message-passing neural network	lipid nanoparticle activity measurements	>9,000种脂质纳米颗粒活性测量数据，评估了160万种脂质结构
4007	2025-03-27	Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00103 PMID:39652797	研究论文	该研究开发了一种基于深度学习的模型，用于从三维重建的数字乳腺断层合成图像中估计乳腺体积密度，并评估其与乳腺癌诊断的关联	首次使用深度学习模型直接从三维重建的DBT图像中估计乳腺体积密度，无需依赖原始二维数据	研究为回顾性分析，且样本量相对有限	开发一种无需原始DBT数据的乳腺密度自动估计方法，并验证其临床价值	乳腺组织密度与乳腺癌风险	数字病理	乳腺癌	深度学习	DL模型	三维医学图像	1080例非活动性DBT筛查检查(2011-2016年)，外加834例病例对照样本(180例病例和654例对照)
4008	2025-03-27	Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100107 PMID:39378966	研究论文	使用序列深度学习分割技术评估儿童期阿托品治疗对成人脉络膜厚度的影响	首次使用序列深度学习方法测量成人脉络膜厚度，并探讨儿童期阿托品治疗的长期影响	研究样本量有限，且未考虑其他可能影响脉络膜厚度的因素	评估儿童期阿托品治疗对成人脉络膜厚度的长期影响	接受过儿童期阿托品治疗的成人	数字病理学	近视	扫频光学相干断层扫描（SS-OCT）	序列深度学习	图像	422只眼睛（94只未接受阿托品治疗，328只接受过治疗）
4009	2025-03-27	Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images 2024-Aug-30, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.24036 PMID:39085139	研究论文	本文提出了一种基于深度学习的亚细胞器在高分辨率相位对比图像中的分割方法	利用荧光标记作为真实掩码的起源，开发了机器学习分割模型，实现了无标记活细胞中亚细胞器的精确分割	NA	开发一种精确分割亚细胞器的方法，以研究无标记活细胞中的细胞动力学	亚细胞器	计算机视觉	NA	深度学习	NA	图像	NA
4010	2025-03-27	Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography 2024-Jun-14, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.13.24308898 PMID:38947008	research paper	开发并评估了一种基于深度学习的心动图视频算法，用于慢性肝病的机遇性筛查	利用深度学习增强心动图视频分析，实现慢性肝病的自动化筛查	研究基于回顾性数据，可能影响模型的泛化能力	开发一种自动化工具，通过心动图视频筛查慢性肝病	接受心动图和腹部影像检查的成年患者	digital pathology	chronic liver disease	deep learning computer vision pipeline	CNN	video	1,596,640 心动图视频（来自 24,276 名患者）
4011	2025-03-27	Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373703 PMID:38507374	研究论文	本文提出了一种利用对抗攻击预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化的简单框架	通过对抗攻击找到输入空间中的对抗进展方向，利用决策边界的距离预测患者下一次就诊的诊断结果	阿尔茨海默病研究中的可用数据集规模不足以从患者数据中学习复杂模型	预测MCI向AD的转化并辅助患者分型	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	对抗攻击	浅层神经网络	患者数据	两个公开可用的阿尔茨海默病研究数据集
4012	2025-03-27	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本文开发了一种基于深度学习的全自动分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以提高数据分析的重复性和鲁棒性	首次应用3D U-Net进行颅内狭窄血管的全自动分割，显著提高了分割的准确性和效率	未来需要更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病变的数据来提高模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以改善血流动力学的定量评估	颅内动脉粥样硬化疾病（ICAD）患者和健康对照者的4D流动MRI数据	数字病理	颅内动脉粥样硬化疾病	4D流动MRI	3D U-Net	MRI图像	154例双VENC 4D流动MRI扫描（68例ICAD患者，86例健康对照）
4013	2025-03-27	Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay 2023-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202300617 PMID:37104829	研究论文	本文展示了一种基于深度学习的多重即时检测传感器，用于同时量化急性心脏损伤的三种生物标志物	结合纸基荧光垂直流动检测(fxVFA)与低成本移动阅读器，通过训练神经网络在15分钟内完成检测，具有高灵敏度和低交叉反应性	仅验证了46个独立激活的检测卡，样本量相对较小	开发一种低成本、便携式的即时检测平台，用于急性心脏损伤的诊断	人类血清样本中的三种心脏生物标志物（肌红蛋白、肌酸激酶-MB和心型脂肪酸结合蛋白）	数字病理	心血管疾病	纸基荧光垂直流动检测(fxVFA)	神经网络	荧光信号	46个独立激活的检测卡，每个患者使用50µL血清样本
4014	2025-03-27	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2023-Sep-25, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究利用Fgfr3Y367C/+小鼠模型探讨了软骨发育不全症胚胎期颅骨和Meckel软骨的缺陷	首次在胚胎期研究了Fgfr3突变对颅骨和咽部软骨的直接影响，并开发了基于深度学习的3D分割模型	研究仅使用了小鼠模型，结果在人类中的适用性需要进一步验证	探究软骨发育不全症中FGFR3突变对胚胎期软骨发育的影响	Fgfr3Y367C/+突变小鼠的胚胎颅骨和Meckel软骨	数字病理学	软骨发育不全症	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期Fgfr3突变小鼠及其未受影响同窝仔
4015	2025-03-27	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	研究论文	提出了一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	利用Transformer和卷积层的协同作用，实现了毫秒级的光子束剂量分布预测，为在线和实时自适应治疗提供了新方法	研究仅基于1700个光束剂量分布的数据集，可能在不同临床场景中的泛化能力有待验证	开发一种快速且准确的光子束剂量分布预测算法，以支持在线和实时自适应治疗	光子束剂量分布预测	机器学习	前列腺癌、肺癌、头颈癌	深度学习	Transformer与CNN结合	3D CT图像	1700个光束剂量分布，来自11个临床VMAT计划（每个计划194-354个光束）
4016	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA
4017	2025-03-27	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	该研究探讨了使用LSTM模型预测PM2.5浓度的多步短期预测方法，以支持主动环境监管策略的制定	采用贝叶斯优化技术调整LSTM模型的超参数和权重初始化策略，提高了PM2.5浓度预测的准确性	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	量化并预测颗粒物浓度，以支持环境监管和早期预警系统的建立	北京（中国）和旁遮普（巴基斯坦）两个高污染地区的PM2.5浓度数据	机器学习	心血管疾病	LSTM模型，贝叶斯优化	LSTM	时间序列数据	来自北京和旁遮普两个地区的数据
4018	2025-03-26	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-Jun-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	开发并验证了一种基于AI的模型，利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能	首次将AI模型与OCT图像结合，用于自动分析斑块特征和冠状动脉功能，并展示了与OCT分析结果的高度一致性	样本量相对较小（100名患者），且所有患者均来自同一机构，可能限制结果的普遍性	开发并验证一种AI模型，用于自动分析冠状动脉斑块特征和功能评估	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	数字病理学	心血管疾病	CCTA, OCT	CNN	图像	100名患者，21,471张断层图像
4019	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断
4020	2025-03-26	Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102502 PMID:39919535	研究论文	提出了一种弱监督多模态对比学习框架（WSMCL），用于预测乳腺癌中的HER2评分	首次将多模态（H&E和IHC）联合学习与弱监督对比学习相结合，通过多模态注意力对比学习模块（MACL）实现不同模态特征的语义对齐	未提及具体样本量或数据集的多样性限制	提高乳腺癌HER2评分的预测准确性	乳腺癌全切片图像（WSI）中的HER2评分	数字病理学	乳腺癌	多模态对比学习、多头自注意力（MHSA）	WSMCL（弱监督多模态对比学习框架）	全切片图像（WSI）	NA