深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
5281	2025-07-23	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在手术风险预测中使用风险特异性训练队列解决类别不平衡问题的效果	通过针对高风险、中风险和低风险手术分别训练模型，提高了对低发生率并发症的预测性能	研究仅基于两家医院的数据，可能缺乏广泛代表性	评估风险特异性训练队列对手术风险预测模型性能的影响	109,445例住院手术患者	机器学习	手术并发症	深度学习	深度学习模型	临床手术数据	109,445例住院手术(来自佛罗里达大学健康系统两家医院)	NA	NA	NA	NA
5282	2025-07-23	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来克服分辨率增强Hi-C数据中的人工结构问题	SHARP方法首次将Hi-C数据分解为三种信号类型，并仅对第三种信号类型应用深度学习，同时结合局部和全局注意力机制以捕获多尺度上下文信息	未明确提及具体限制，但可能涉及对新型数据类型的泛化能力或计算资源需求	提高Hi-C数据的分辨率增强准确性，避免人工结构的产生	基因组范围内的染色体构象捕获(Hi-C)数据	生物信息学	NA	Hi-C技术、深度学习	多尺度注意力机制	基因组接触矩阵数据	未明确提及具体样本数量，但包括新样本和另一物种的数据	NA	NA	NA	NA
5283	2025-07-23	Postoperative facial prediction for mandibular defect based on surface mesh deformation 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101973 PMID:39089509	研究论文	本研究介绍了一种基于表面网格变形的新型预测模型，用于预测下颌骨缺损患者的术后面部轮廓	采用表面网格理论和深度学习，区别于传统的点云方法，使用表面三角网格网格，通过MCRBM模型提取潜在变量生成三维变形场，提高了几何信息保存和可解释性	NA	提高下颌骨缺损重建术后面部轮廓预测的准确性	下颌骨缺损患者	计算机视觉	口腔颌面疾病	深度学习	MCRBM	三维网格数据	NA	NA	NA	NA	NA
5284	2025-07-23	A deep learning approach to detection of oral cancer lesions from intra oral patient images: A preliminary retrospective study 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101975 PMID:39043293	research paper	本研究评估了一种基于深度学习的计算机软件在检测口腔癌病变中的性能	使用YOLOv5架构开发的人工智能模型首次应用于口腔癌病变的检测	样本量较小（仅65张图像），且为回顾性研究	评估深度学习算法在口腔癌病变检测中的应用潜力	口腔鳞状细胞癌（OSCC）病变	digital pathology	oral cancer	deep learning	YOLOv5	image	65张匿名回顾性口腔内患者图像（53张训练集，6张验证集，6张测试集）	NA	NA	NA	NA
5285	2025-07-23	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	research paper	本文介绍了利用生成模型学习分子动力学轨迹的灵活多任务替代模型	首次展示了基于生成模型的分子动力学轨迹建模，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并初步探索了基于动力学的分子设计	仅在四肽模拟和蛋白质单体上进行了验证，尚未在更复杂的分子系统上测试	开发深度学习替代模型以降低分子动力学的计算成本	分子动力学轨迹	machine learning	NA	分子动力学 (MD)	generative model	分子轨迹数据	四肽模拟和蛋白质单体	NA	NA	NA	NA
5286	2025-07-23	Small metal artifact detection and inpainting in cardiac CT images 2024-Sep-25, ArXiv PMID:39398205	研究论文	开发了一种自动检测和修复心脏CT图像中金属伪影的深度学习方法	提出了结合2D U-Net和3D图像修复DL模型的新方法，用于自动检测和修复心脏CT中的金属伪影	方法主要针对已重建的CT图像，且需要人工标注金属伪影区域进行训练	提高心脏CT图像中金属伪影的检测和修复精度，以改善心脏运动分析	心脏CT图像中的金属伪影	数字病理	心血管疾病	深度学习	2D U-Net, 3D图像修复DL模型	CT图像	12名患者的心电图门控4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集	NA	NA	NA	NA
5287	2025-07-23	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文提出了四种基于VAE的去混淆框架，用于多组学数据的聚类分析，有效减少混淆因素的影响并保留真实的生物学模式	创新性地开发了四种VAE去混淆框架，特别是条件多组学VAE (cXVAE)，能够处理模拟的混淆效应并恢复生物学驱动的聚类结构	研究中提出的某些策略（如对抗训练）在去除混淆因素方面效果不足	开发去混淆框架以优化多组学数据的聚类分析，实现有意义的疾病亚型分类和患者分层	多组学数据和患者样本	机器学习	癌症	多组学数据分析	VAE, cXVAE	多组学数据	来自The Cancer Genome Atlas的真实多组学数据，50次重复评估	NA	NA	NA	NA
5288	2025-07-23	A robust deep learning model for the classification of dental implant brands 2024-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101818 PMID:38462066	研究论文	本研究探讨了深度学习技术在牙科种植体系统分类中的应用，通过全景X光片实现准确分类	提出了一种基于ConvNeXt的深度学习模型，在牙科种植体品牌分类中表现出色，准确率达到95.74%	研究仅使用了6种牙科种植体系统作为原型，可能无法涵盖所有品牌	探索深度学习技术在牙科种植体系统分类中的应用，提高分类准确性和效率	牙科种植体系统	计算机视觉	牙科疾病	深度学习	CNN, 包括VGG16、ResNet-50、EfficientNet和ConvNeXt	图像（全景X光片）	1258张来自牙科患者的全景X光片	NA	NA	NA	NA
5289	2025-07-23	The Use of Deep Learning and Machine Learning on Longitudinal Electronic Health Records for the Early Detection and Prevention of Diseases: Scoping Review 2024-08-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48320 PMID:39163096	综述	本文对利用深度学习和机器学习分析纵向电子健康记录（EHRs）进行疾病早期检测和预防的证据进行了范围综述	综述了ML和DL在纵向EHRs中的应用，特别是在疾病早期检测和预防方面的医学见解和临床益处	研究排除了技术焦点或使用影像或住院数据的研究，且基于文本EHRs的ML模型仍处于发展阶段	探讨ML和DL在纵向EHRs中支持疾病早期检测和预防的潜力	纵向电子健康记录（EHRs）	机器学习	多种疾病（如糖尿病、肾脏疾病、循环系统疾病、精神和行为障碍等）	机器学习（ML）、深度学习（DL）	RNN、LSTM	文本（EHRs数据）	20项研究（主要发表于2018年至2022年）	NA	NA	NA	NA
5290	2025-07-23	Multimodal functional deep learning for multiomics data 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae448 PMID:39285512	research paper	提出了一种多模态功能深度学习（MFDL）方法，用于分析高维多组学数据	MFDL方法通过深度神经网络的层次结构建模多组学变异与疾病表型之间的复杂关系，并利用功能数据分析技术处理高维组学数据	未明确提及具体局限性	开发新型分析方法以应对高维多组学数据分析的挑战	高维多组学数据	machine learning	NA	functional data analysis, deep learning	deep neural networks	multiomics data	NA	NA	NA	NA	NA
5291	2025-07-23	A Computed Tomography-Based Fracture Prediction Model With Images of Vertebral Bones and Muscles by Employing Deep Learning: Development and Validation Study 2024-07-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48535 PMID:38995678	研究论文	本研究开发并验证了一种基于CT扫描的深度学习模型，用于预测椎骨骨折风险	结合椎骨和椎旁肌肉的CT图像，使用注意力卷积神经网络-循环神经网络模型进行骨折预测，相比仅使用骨图像或临床变量模型表现更优	研究样本主要来自特定时间段(2010-2019年)的患者，且女性比例较高	开发并验证基于CT图像的骨折预测模型	1214名患者的腹部CT图像(开发集)和495名患者(验证集)	数字病理学	骨质疏松症	CT扫描	注意力CNN-RNN	医学图像	开发集1214名患者，验证集495名患者	NA	NA	NA	NA
5292	2025-07-23	Deep Learning-Based Automated Measurement of Murine Bone Length in Radiographs 2024-Jul-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070670 PMID:39061752	研究论文	本研究开发了一种基于深度学习的模型，用于自动化测量小鼠骨骼X光片中的骨骼长度，以提高准确性和可重复性	利用Keypoint R-CNN算法与EfficientNet-B3特征提取骨干网络，开发了一个骨骼检测和测量流程，显著提升了测量精度和一致性	研究主要针对小鼠骨骼，尚未验证其在人类骨骼测量中的适用性	开发自动化工具以替代传统手动测量小鼠骨骼长度的方法，提高遗传关联映射的精度和一致性	小鼠骨骼X光片	计算机视觉	骨骼疾病	深度学习	Keypoint R-CNN, EfficientNet-B3	图像	94张X光片用于开发，592张用于独立测试，21,300张用于进一步验证	NA	NA	NA	NA
5293	2025-07-23	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2024-Jun-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.16.599221 PMID:38915557	research paper	PSSR2是一个用户友好的Python包，旨在普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进并扩展了原有的PSSR工作流程，实现了同时超分辨率和去噪功能，并通过集成的CLI和Napari插件使技术更易于使用	NA	开发一个用户友好的工具，使显微镜和生物学研究社区能够轻松实现超分辨率工作流程	显微镜数据	digital pathology	NA	deep learning	NA	image	NA	NA	NA	NA	NA
5294	2025-10-06	AI-based classification of three common malignant tumors in neuro-oncology: A multi-institutional comparison of machine learning and deep learning methods 2024-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2023.08.007 PMID:37652263	研究论文	比较机器学习和深度学习方法在神经肿瘤学中三种常见恶性肿瘤的AI分类性能	首次在多机构数据上系统比较机器学习和深度学习管道在神经肿瘤三分类任务中的性能，并分析了不同MRI序列掩模的组合效果	回顾性研究，样本量相对有限，外部验证集规模较小	评估机器学习和深度学习方法在神经肿瘤分类中的性能差异	胶质母细胞瘤(GBM)、颅内转移性疾病(IMD)和原发性中枢神经系统淋巴瘤(PCNSL)	医学影像分析	脑肿瘤	多参数MRI成像	机器学习管道,3D-CNN	多参数MRI图像(T1W, T2W, FLAIR, DWI, T1-CE)	训练集502例(208 GBM, 67 PCNSL, 227 IMD)，外部验证集86例(27:27:32)	NA	3D卷积神经网络	AUC, 95%置信区间	NA
5295	2025-10-06	BigBind: Learning from Nonstructural Data for Structure-Based Virtual Screening 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01211 PMID:38113513	研究论文	提出BigBind数据集和Banana模型，用于基于结构的虚拟筛选	将ChEMBL活性数据与CrossDocked蛋白质结构数据结合创建新数据集，并开发快速准确的活性化合物分类模型	数据集仅包含583K配体活性数据，可能仍不足以覆盖所有蛋白质靶点	改进基于结构的虚拟筛选方法，提高活性化合物预测准确性	蛋白质-配体结合活性和结合口袋三维结构	机器学习	NA	虚拟筛选，分子对接	神经网络	3D结构数据，化学活性数据	583K配体活性数据，包含等量推定非活性化合物	NA	基础神经网络	AUC, EF1%	NA
5296	2025-07-23	Generative Adversarial Networks Accurately Reconstruct Pan-Cancer Histology from Pathologic, Genomic, and Radiographic Latent Features 2024-Mar-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.22.586306 PMID:38585926	research paper	该研究开发了一种名为HistoXGAN的生成对抗网络，能够从病理、基因组和放射学潜在特征中准确重建泛癌组织学图像	提出并验证了HistoXGAN，能够利用常见特征提取器生成的特征向量重建代表性组织学图像，并展示了重建图像保留了肿瘤分级、组织学亚型和基因表达模式的信息	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	开发一种能够从多模态数据中重建肿瘤组织学图像的AI模型，以帮助理解深度学习模型所依赖的组织学特征	29种癌症亚型的组织学图像	digital pathology	pan-cancer	generative adversarial network	GAN	image	涉及29种癌症亚型（具体样本量未提及）	NA	NA	NA	NA
5297	2025-10-06	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	开发了一种基于深度学习的自动化方法，用于前列腺T2加权MRI强度标准化，以改善前列腺癌侵袭性信号的检测	提出了一种三参考组织标准化技术，使用臀大肌、股骨和膀胱作为参考组织，通过样条函数拟合实现T2W强度标准化	训练数据仅来自32名患者的手动轮廓，样本量相对有限	开发前列腺T2W MRI强度自动标准化方法，提高前列腺癌定量评估能力	前列腺癌患者的前列腺MRI图像	数字病理	前列腺癌	T2加权MRI	MASK R-CNN	医学图像	训练集32名患者，独立测试集83名患者，共231个活检ROI	NA	MASK R-CNN	Spearman相关系数, t检验p值	NA
5298	2025-07-23	Cancer Mutations Converge on a Collection of Protein Assemblies to Predict Resistance to Replication Stress 2024-Mar-01, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-23-0641 PMID:38236062	研究论文	该研究开发了一个预测模型集合，用于阐明癌症突变如何影响对常见复制压力诱导药物的反应	利用深度学习的最新进展，实现了多药物预测和机制解释，并识别了41个分子组装体，这些组装体整合了数百个基因的改变以准确预测药物反应	分子通路对药物抗性的理解不完全	阐明癌症突变如何影响对复制压力诱导药物的反应，以推动精准医疗	肿瘤细胞和接受顺铂治疗的宫颈癌患者	机器学习	宫颈癌	深度学习	ensemble of predictive models	基因突变数据和药物反应数据	肿瘤细胞和宫颈癌患者样本	NA	NA	NA	NA
5299	2025-10-06	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	提出基于Swin Transformer的深度学习模型SwinIR用于单延迟和多延迟3D动脉自旋标记去噪	首次将Swin Transformer应用于ASL去噪，并在单延迟和多延迟3D ASL数据上优于CNN和其他Transformer方法	使用M0作为输入会引入更大的脑血流量量化偏差	开发有效的深度学习方法来提高3D动脉自旋标记图像质量	单延迟和多延迟3D动脉自旋标记数据	医学影像处理	脑血管疾病	动脉自旋标记(ASL)	Transformer, CNN	3D医学影像	单延迟ASL: 105个受试者(163次扫描)，多延迟ASL: 6个受试者(10次扫描)	NA	SwinIR, 卷积神经网络	相似性指标, 空间信噪比, 脑血流量量化准确度, 动脉通过时间量化准确度	NA
5300	2025-07-23	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究开发了一种端到端的深度学习方法，用于预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗的反应	首次将混合监督的深度学习模型应用于全切片图像，以预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心	探索利用深度学习模型预测子宫内膜疾病患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	全切片图像（WSI）分析	Autoencoder或ResNet50	图像	112例患者	NA	NA	NA	NA