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
5101	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
5102	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
5103	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
5104	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
5105	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
5106	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
5107	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
5108	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
5109	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
5110	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
5111	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
5112	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
5113	2025-05-01	AI-Driven Microscopy: Cutting-Edge Approach for Breast Tissue Prognosis Using Microscopic Images 2025-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24788 PMID:39748498	研究论文	本文提出了一种基于AI驱动的显微镜技术，用于乳腺癌组织的预后预测，通过深度学习框架提高临床诊断的准确性和效率	结合了squeeze-and-excitation和dilated dense convolution blocks的深度学习框架，以及轻量级多尺度特征提取、动态区域注意力、子区域分类和区域正则化损失函数，显著提高了乳腺癌亚型分类的准确性	研究依赖于特定的显微镜图像数据集，可能在其他类型的数据或设备上表现不同	开发一种高效、精确的定量病理图像分析方法，以改善乳腺癌的临床诊断和预后预测	乳腺癌组织的显微镜图像	数字病理学	乳腺癌	深度学习	DenseNet, VGGNet-19, ResNet152V2, EfficientNetV2-B1	图像	显微镜乳腺图像数据集，具体数量未提及
5114	2025-05-01	Highly-Efficient Differentiation of Reactive Lymphocytes in Peripheral Blood Using Multi-Object Detection Network With Large Kernels 2025-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24775 PMID:39760201	研究论文	提出了一种高效的多目标检测网络，用于外周血中反应性淋巴细胞的分化检测	引入了空间到深度卷积(SPD-Conv)、动态大核注意力机制(DLKA)和渐进特征金字塔网络(AFPN)，提升了模型对小而密集目标的检测能力和多尺度特征融合能力	未提及模型在临床实际应用中的验证情况	开发计算机辅助诊断系统，用于反应性淋巴细胞和其他白细胞的检测	外周血中的反应性淋巴细胞和其他白细胞	计算机视觉	病毒感染	深度学习	多目标检测网络	医学影像	NA
5115	2025-05-01	Enhancing panoramic dental imaging with AI-driven arch surface fitting: achieving improved clarity and accuracy through an optimal reconstruction zone 2025-05-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf006 PMID:39832267	研究论文	本研究开发了一种基于AI的全自动方法，通过优化3D重建区域生成更清晰、对齐良好的全景牙科影像	采用3D U-Net深度学习模型生成牙弓曲面并调整全景视图，实现了关键牙科特征的高对比度和清晰度	未来研究需要验证该方法在不同牙科和颌面结构患者中的稳健性	开发自动化方法以生成更清晰、对齐良好的全景牙科影像	312名患者的锥形束CT（CBCT）扫描数据	数字病理	牙科疾病	锥形束CT（CBCT）扫描	3D U-Net	医学影像	312名患者（平均年龄40岁，范围10-78岁，41.3%男性，58.7%女性）
5116	2025-05-01	Deep learning-based segmentation of the mandibular canals in cone-beam CT reaches human-level performance 2025-05-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae069 PMID:39932925	research paper	评估基于深度学习的下颌管分割技术在锥形束CT数据中的准确性和可靠性，为牙科种植治疗规划提供支持工具	提出的深度学习模型在下颌管分割任务中达到人类水平的表现，并可能减少神经血管并发症风险	样本量相对较小（90例CBCT扫描），且仅由两名经验丰富的牙科影像从业者进行定性评估	开发可靠且高效的牙科种植治疗规划支持工具	下颌管在锥形束CT（CBCT）中的分割	digital pathology	NA	锥形束CT（CBCT）	hierarchical convolutional neural network	image	90例CBCT扫描（69例训练，1例验证，20例测试）
5117	2025-04-04	scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas 2025-May, Nature reviews. Cancer DOI:10.1038/s41568-025-00811-0 PMID:40175619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5118	2025-05-01	Analyzing resuscitation conference content through the lens of the chain of survival 2025-May, Resuscitation plus IF:2.1Q2 DOI:10.1016/j.resplu.2025.100951 PMID:40297165	研究论文	通过生存链框架分析复苏会议的内容	首次使用生存链框架对复苏会议摘要进行系统分析，并考察了人工智能和机器学习在数据分析中的应用	仅分析了两大会议的数据，可能无法代表所有复苏科学会议的情况	了解复苏科学会议中讨论的主题分布及其与生存链框架的对应关系	复苏会议摘要	医学信息学	心血管疾病	机器学习	NA	文本	Resuscitation 2024的54篇摘要和Resuscitation Science Symposium 2024的47篇摘要
5119	2025-05-01	Predicting Mortality with Deep Learning: Are Metrics Alone Enough? 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250224 PMID:40304577	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5120	2025-05-01	Enhanced heart disease risk prediction using adaptive botox optimization based deep long-term recurrent convolutional network 2025-Apr-30, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251333750 PMID:40302494	研究论文	该研究提出了一种结合先进数据预处理、特征选择和深度学习技术的方法，用于基于物联网传感器数据的心脏病分类	采用改进的二进制量子鸟类导航优化算法(IBQANO)进行特征选择，并使用自适应肉毒杆菌优化算法(ABOA)微调的深度长期递归卷积网络(DLRCN)进行分类	NA	开发一种可靠且准确的心脏病预测方法，用于远程医疗监测	心脏病患者数据	机器学习	心血管疾病	深度学习	DLRCN	传感器数据	匈牙利、UCI和克利夫兰心脏病数据集