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
5441	2025-03-25	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的LSTM网络用于从医疗记录中识别手术部位感染	使用带有注意力层的LSTM网络提高模型性能的同时增加可解释性	数据仅来自单一医疗系统，可能影响模型泛化能力	开发自动识别手术部位感染的深度学习模型	手术患者的医疗记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	9,185例手术事件
5442	2025-03-25	A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders 2024-04-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.134 PMID:38244796	研究论文	本研究利用深度学习模型评估患者对话的具体性对互联网认知行为疗法(CBT)治疗常见心理健康障碍的效果和疗程完成率的影响	首次使用深度学习量化患者对话具体性，并分析其与CBT治疗效果和疗程完成率的关系	无法从数据中推断因果关系	评估患者对话具体性对CBT治疗效果和疗程完成率的预测作用	接受互联网CBT治疗的常见心理健康障碍患者	自然语言处理	常见心理健康障碍	深度学习	深度学习模型	文本(治疗对话记录)	65,030名参与者(353,614次治疗会话)
5443	2025-03-25	Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling 2024-03-19, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.123.067750 PMID:38314583	research paper	本研究利用深度学习技术分析儿童心电图，预测左心室功能障碍和重构	首次将人工智能增强的心电图分析应用于儿科人群，预测左心室功能障碍和重构	研究未包括患有重大先天性心脏病的儿童，可能限制了模型的普适性	开发一种经济有效的筛查工具，用于儿童左心室功能障碍和重构的早期检测	年龄≤18岁且无重大先天性心脏病的儿童	digital pathology	cardiovascular disease	ECG-echocardiogram配对分析	CNN	ECG和超声心动图数据	训练队列包括92,377对ECG-超声心动图数据（46,261名患者），测试组包括内部测试（12,631名患者）、急诊科（2,830名患者）和外部验证（5,088名患者）队列
5444	2025-03-25	ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics 2024-Mar-18, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2326671 PMID:38497749	研究论文	本文开发了一种基于人工神经网络的多层感知器模型，用于预测能够穿透血脑屏障的化合物，以促进中枢神经系统药物的早期筛选	使用大型数据集开发了一个高精度的ANN模型，用于预测BBB渗透性，其准确率、特异性、敏感性和AUC均表现优异	仅基于化学结构预测BBB渗透性可能存在一定难度，未提及模型在其他独立数据集上的验证情况	开发机器学习模型以预测化合物的血脑屏障渗透性，促进中枢神经系统药物的发现	潜在的能够穿透血脑屏障的化合物	机器学习	中枢神经系统疾病	机器学习	ANN多层感知器	化学结构数据	大型数据集（具体数量未提及）
5445	2025-03-25	Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network 2024-Mar-07, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2323144 PMID:38450715	research paper	该研究提出了一种名为Deep-VEGF的深度学习集成模型，用于预测血管内皮生长因子（VEGF）	提出了一种新的特征描述符KSTS-BPSSM，并采用GRU、GAN和CNN的深度学习技术进行模型训练，通过堆叠学习方法集成GRU和CNN	实验识别VEGF昂贵且耗时，该方法可能依赖于特定数据集的质量和规模	开发一种计算模型以准确预测VEGF，加速相关研究和药物发现	血管内皮生长因子（VEGF）及其在多种疾病中的作用	machine learning	cancer, diabetic retinopathy, macular degeneration, arthritis	deep learning	GRU, GAN, CNN	primary sequences	NA
5446	2025-03-25	CMNet: deep learning model for colon polyp segmentation based on dual-branch structure 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024004 PMID:38525292	research paper	提出了一种基于双分支结构的深度学习模型CMNet，用于结肠息肉分割	采用双分支结构结合CNN与transformer，引入深度可分离卷积和条纹池化模块，提出聚合注意力模块(AAM)进行高维语义信息融合	NA	开发深度学习模型辅助结肠息肉的医学诊断和手术	结肠息肉	digital pathology	colon cancer	deep learning	CNN, transformer	medical images	Kvasir-SEG数据集上的五折交叉验证
5447	2025-03-22	Author Correction: A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93621-1 PMID:40113839	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5448	2025-03-24	actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf107 PMID:40080667	研究论文	本文提出了一种改进的ipTM度量方法actifpTM，用于更准确地评估蛋白质-蛋白质相互作用中的置信度，特别是针对包含柔性区域的相互作用	提出了actifpTM，一种改进的ipTM度量方法，专注于参与相互作用的残基，从而提供更稳健的相互作用置信度评估	未明确提及具体局限性	改进蛋白质-蛋白质相互作用中置信度评估的准确性	蛋白质-蛋白质相互作用中的柔性区域	生物信息学	NA	AlphaFold2	深度学习模型	蛋白质结构数据	NA
5449	2025-03-24	This Microtubule Does Not Exist: Super-Resolution Microscopy Image Generation by a Diffusion Model 2025-Mar, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400672 PMID:39400948	研究论文	本文探讨了扩散模型在超分辨率显微镜图像生成中的应用，展示了生成图像与实验图像的相似性，并证明了生成模型在数据增强中的实用性	首次将扩散模型应用于超分辨率显微镜图像生成，并展示了其在数据增强中的潜力	生成模型的训练依赖于少量实验图像，可能限制了生成图像的多样性和泛化能力	探索扩散模型在超分辨率显微镜图像生成中的应用，并评估其在数据增强中的效果	超分辨率显微镜图像	计算机视觉	NA	扩散模型	扩散模型	图像	少量实验图像
5450	2025-03-24	Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study 2025-Feb-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67576 PMID:40053733	研究论文	本研究开发了一种基于深度学习的模型EIANet，用于通过12导联心电图图像预测急诊科心脏骤停	创新点在于使用图像化的12导联心电图数据，结合空间注意力模块和自定义的二元召回损失函数，提高了预测精度	研究依赖于特定医院的数据集，可能限制了模型的普遍适用性	旨在通过深度学习模型早期预测急诊科心脏骤停，以提高急诊科的工作流程和患者预后	急诊科成年患者的心电图数据	数字病理	心血管疾病	深度学习	ResNet50	图像	NTUH数据集包含571例病例心电图和826例对照心电图，FEMH数据集包含378例病例心电图和713例对照心电图
5451	2025-03-24	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Feb-26, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习管道，用于在乳腺癌患者接受新辅助系统治疗（NAT）后，自动检测淋巴结转移	首次评估了深度学习算法在接受NAT治疗的乳腺癌患者淋巴结转移检测中的泛化能力，并创建了一个包含1027张切片的大型数据集	研究仅限于乳腺癌患者，且数据集仅包含接受NAT治疗的患者，可能限制了算法的广泛适用性	开发并评估一种深度学习管道，用于自动检测乳腺癌患者接受NAT治疗后的淋巴结转移	乳腺癌患者的淋巴结切片	数字病理学	乳腺癌	深度学习	深度学习管道	图像	1027张切片
5452	2025-03-23	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	本研究旨在开发一种数字算法，用于评估外阴鳞状细胞癌中的肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，并探讨这些因素与p16状态的变化	开发了一种基于深度学习的应用协议包（APP），用于自动分割组织并量化肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，实现了精确和客观的测量	需要在更大的队列中验证算法，并与临床病理特征和预后相关联以确定其临床相关性	开发数字方法评估外阴鳞状细胞癌中的肿瘤-基质比率、肿瘤芽和肿瘤浸润淋巴细胞，并研究这些因素与p16状态的变化	外阴鳞状细胞癌	数字病理学	外阴鳞状细胞癌	深度学习	NA	图像	41例外阴鳞状细胞癌病例
5453	2025-03-23	Automated Cone Photoreceptor Detection in Adaptive Optics Flood Illumination Ophthalmoscopy 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100675 PMID:40114708	研究论文	本文开发并验证了一种基于深度学习的模型，用于在自适应光学泛光照明眼底成像（AO-FIO）中检测视锥细胞	该研究首次使用基于U-Net架构的深度学习模型进行视锥细胞的自动检测，并在多个医疗中心进行了验证，表现优于制造商的自动检测软件	研究仅涉及健康志愿者，未涵盖患有眼部疾病的患者，且样本量相对较小	开发一种自动检测视锥细胞的深度学习模型，以提高检测效率和准确性	健康志愿者的视锥细胞	计算机视觉	NA	自适应光学泛光照明眼底成像（AO-FIO）	U-Net	图像	36名健康志愿者，每只眼睛采集21张AO-FIO图像
5454	2025-03-23	AlphaMissense Predictions and ClinVar Annotations: A Deep Learning Approach to Uveal Melanoma 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100673 PMID:40114711	研究论文	本文探讨了使用深度学习工具AlphaMissense评估葡萄膜黑色素瘤（UM）中基因突变的功能影响	使用AlphaMissense工具对UM中的错义突变进行功能影响评估，并与ClinVar数据库中的临床意义进行交叉验证	仅分析了COSMIC数据库中的错义突变，且只有40.4%的突变在ClinVar中有对应数据	评估UM中基因突变的致病性，以改进基因组诊断和个性化治疗策略	葡萄膜黑色素瘤（UM）患者的基因数据	生物信息学	葡萄膜黑色素瘤	深度学习	AlphaMissense, AlphaFold	基因突变数据	1310个UM中的错义突变，其中151个独特错义突变被分析
5455	2025-03-23	Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma 2025-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07024-x PMID:39714634	研究论文	本文开发并验证了DeepENKTCL，一个用于预测外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）预后风险分层的可解释深度学习系统	DeepENKTCL结合了肿瘤分割模型、PET/CT融合模型和预后预测模型，通过SHAP分析增强了模型的可解释性，提供了优于现有模型的预后性能和临床效益	研究样本来自四个中心，可能存在样本选择偏差，且未提及外部验证结果	开发并验证一个可解释的深度学习系统，用于ENKTCL的预后风险分层	外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）患者	数字病理学	淋巴瘤	深度学习、PET/CT融合、放射组学、拓扑特征分析	深度学习模型	医学影像（PET/CT）	562名患者，分为训练、验证和测试队列
5456	2025-03-23	Progress, Pitfalls, and Impact of AI-Driven Clinical Trials 2025-Apr, Clinical pharmacology and therapeutics DOI:10.1002/cpt.3542 PMID:39722473	评论	本文探讨了自2010年代初深度学习革命以来，人工智能在药物发现和开发中的应用进展、挑战及潜在影响	本文强调了人工智能在药物发现和开发中的潜力，并指出了当前面临的挑战	尽管投入了大量资金和努力，但很少有AI发现或设计的药物进入人体临床试验，且尚未有药物获得临床批准	探讨人工智能在药物发现和开发中的应用进展及挑战	人工智能驱动的药物发现和开发	机器学习	NA	NA	NA	NA	NA
5457	2025-03-23	Implementation of A New, Mobile Diabetic Retinopathy Screening Model Incorporating Artificial Intelligence in Remote Western Australia 2025-Apr, The Australian journal of rural health DOI:10.1111/ajr.70031 PMID:40110918	研究论文	本文描述并评估了一种结合人工智能的新型移动糖尿病视网膜病变筛查模型在澳大利亚西部偏远地区的实施情况	该研究首次在澳大利亚西部偏远地区实施并评估了一种结合人工智能的移动糖尿病视网膜病变筛查模型，显著提高了筛查率	研究样本量较小，且仅在一个特定地区进行，可能限制了结果的普遍性	评估结合人工智能的移动糖尿病视网膜病变筛查模型在偏远地区的可行性和效果	澳大利亚西部皮尔巴拉地区的糖尿病患者	数字病理学	糖尿病视网膜病变	人工智能诊断	深度学习系统	视网膜图像	78名患者，其中56.4%为原住民或托雷斯海峡岛民
5458	2025-03-23	The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions 2025-Apr, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70025 PMID:40116757	研究论文	本文通过深度学习模型SW-LSTM对1990年至2021年胆囊及胆道癌（GBTC）的全球和区域负担及其可归因风险因素进行了全面评估和趋势预测	提出了分层加权长短期记忆网络模型（SW-LSTM），用于趋势预测，克服了传统模型的不足	部分低及中低SDI地区的指标未观察到显著的时期和队列效应	评估GBTC的全球和区域负担及其可归因风险因素，以改进预防和治疗策略	1990年至2021年全球GBTC负担数据	机器学习	胆囊及胆道癌	深度学习	SW-LSTM	时间序列数据	1990年至2021年全球GBTC负担数据
5459	2025-03-23	How much data is enough? Optimization of data collection for artifact detection in EEG recordings 2025-Mar-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adbebe PMID:40064096	研究论文	本文提出了一种基于深度学习的优化数据收集程序，用于EEG记录中的伪迹检测，特别是针对EMG伪迹	提出了一种系统化和动态量化的方法，通过深度学习模型优化数据收集，减少数据收集的工作量同时保持清洁效率	研究主要针对EMG伪迹，可能不适用于其他类型的伪迹	优化EEG记录中EMG伪迹检测的数据收集过程	EEG记录中的EMG伪迹	机器学习	NA	深度学习	神经网络	EEG数据	将EMG伪迹任务从12个减少到3个，等长收缩任务的重复次数从10次减少到3次或有时仅1次
5460	2025-03-23	Reducing hepatitis C diagnostic disparities with a fully automated deep learning-enabled microfluidic system for HCV antigen detection 2025-Mar-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3803 PMID:40106555	研究论文	本文介绍了一种基于深度学习和微流控技术的全自动智能手机HCV抗原检测系统，旨在减少HCV诊断差异	开发了一种结合铂纳米颗粒、深度学习图像处理和微流控技术的全自动智能手机HCV抗原检测系统，具有高准确性和便携性	目前尚无FDA批准的测试满足所需的敏感性和特异性，且系统在资源有限环境中的实际应用效果尚需验证	解决HCV诊断中的及时性和准确性问题，特别是在资源有限的环境中	HCV抗原检测	数字病理	丙型肝炎	深度学习图像处理、微流控技术	深度学习	图像	未明确提及样本数量