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
541	2025-04-16	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	介绍了一种名为HLAPepBinder的集成模型，用于预测HLA-肽结合	使用随机森林方法整合多个预测模型的结果，提供了一种自动化的预测框架，无需手动选择模型	缺乏可靠的阴性数据，且通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合	机器学习	癌症	集成机器学习方法	随机森林	肽序列数据	NA
542	2025-04-16	Precision in Prevention and Health Surveillance: How Artificial Intelligence May Improve the Time of Identification of Health Concerns through Social Media Content Analysis 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800736 PMID:40199301	研究论文	探讨人工智能通过社交媒体内容分析提升预防和健康监测的精准性	利用AI技术（如机器学习和自然语言处理）分析社交媒体数据，以实时识别健康问题	涉及伦理和隐私问题，需数据匿名化和透明处理	提升预防和健康监测的精准性和时效性	社交媒体上的健康相关数据	自然语言处理	NA	机器学习、自然语言处理（NLP）、深度学习	transformer-based topic modelling、federated learning	文本	89篇文章，最终筛选10篇相关研究
543	2025-04-16	Reproducible image-based profiling with Pycytominer 2024-Jul-02, ArXiv PMID:38045474	research paper	介绍了一个名为Pycytominer的用户友好开源Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据	提出了Pycytominer这一工具，实现了图像分析后的生物信息学步骤，即“基于图像的剖析”	未提及具体的技术限制或应用范围的局限性	开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，用于下游应用	高通量显微镜图像分析产生的单细胞特征数据	digital pathology	NA	high-throughput microscopy	NA	image	NA
544	2025-04-16	Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis 2024-06, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101840 PMID:38548062	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习放射组学在口腔鳞状细胞癌（OSCC）中的应用	结合深度学习算法与放射组学技术，提高了OSCC的诊断、鉴别诊断、疗效评估和预后预测的准确性	存在轻微的发表偏倚（P = 0.03），且当前阶段的深度学习放射组学技术仍有不足	评估深度学习放射组学在OSCC中的应用效果	口腔鳞状细胞癌（OSCC）的医学影像	digital pathology	oral squamous cell carcinoma	深度学习放射组学	深度学习算法	医学影像	26项研究，共64,731张医学影像
545	2025-04-16	Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.005 PMID:38993485	research paper	本研究利用深度学习模型预测肝移植后主要不良心血管事件（MACE）的风险	使用双向门控循环单元（BiGRU）深度学习模型预测肝移植后不同时间段的MACE风险，并与其他基线机器学习模型进行比较	研究依赖于纵向索赔数据，可能存在数据不完整或偏差	验证深度学习模型在预测肝移植后MACE风险中的能力	18,304名肝移植受者	machine learning	cardiovascular disease	BiGRU	deep learning	longitudinal claims data	18,304名肝移植受者（平均年龄57.4岁，39.1%为女性）
546	2025-04-16	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	本文综述了自然语言处理（NLP）在甲状腺相关疾病中的应用，总结了当前挑战和未来潜在方向	系统性地回顾了NLP在甲状腺学中的应用，并总结了当前挑战和未来方向	临床文档不一致和模型可移植性等问题限制了NLP在甲状腺学中的临床应用	回顾NLP在甲状腺相关疾病中的应用并总结挑战与未来方向	甲状腺相关疾病（如甲状腺结节、甲状腺癌等）的NLP应用研究	自然语言处理	甲状腺疾病	NLP（包括基于规则、机器学习和深度学习方法）	深度学习、基于规则、传统机器学习	电子健康记录、健康论坛、医学文献数据库、基因组数据库	24项符合条件的NLP研究
547	2025-04-16	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	介绍了一种名为Polaris的分析流程，用于图像空间转录组学，结合深度学习模型进行细胞分割和斑点检测，以及概率基因解码器来准确量化单细胞基因表达	提出了一种统一的、即插即用的解决方案Polaris，能够准确量化单细胞基因表达，适用于多种空间转录组学实验	未明确提及具体局限性	开发一个自动化的分析流程，用于图像空间转录组学数据的处理和分析	图像空间转录组学数据，特别是来自MERFISH、seqFISH和ISS实验的数据	数字病理学	NA	MERFISH、seqFISH、ISS	深度学习模型	图像	未明确提及具体样本数量
548	2025-04-16	Deep learning based digital pathology for predicting treatment response to first-line PD-1 blockade in advanced gastric cancer 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05262-z PMID:38720336	研究论文	本研究利用深度学习分析病理图像，旨在预测晚期胃癌患者对一线PD-1联合化疗的治疗反应	开发了基于深度学习的免疫检查点抑制剂反应评分（ICIsRS），作为一种新型组织病理学生物标志物，用于预测治疗反应	研究为多中心回顾性分析，可能需要前瞻性研究进一步验证	预测晚期胃癌患者对一线PD-1联合化疗的治疗反应，以实现精准患者选择	晚期胃癌患者	数字病理学	胃癌	深度学习	集成模型（ICIsNet）	图像（H&E染色切片）	264名晚期胃癌患者的313张全切片图像（WSIs），共148,181个图像块
549	2025-04-16	Deep learning imaging phenotype can classify metabolic syndrome and is predictive of cardiometabolic disorders 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05163-1 PMID:38720370	研究论文	本研究利用深度学习从腹部CT扫描中提取图像衍生表型（IDP），用于分类代谢综合征并预测未来心血管代谢疾病的发生	提出了一种基于深度学习的图像衍生表型（IDP），在代谢综合征分类和心血管代谢疾病预测方面优于传统的放射组学特征和临床定义	研究样本量有限，且仅基于腹部CT扫描，未考虑其他可能的影像学或临床数据	开发一种基于深度学习的图像衍生表型（IDP），用于早期检测和干预代谢异常，以降低心血管代谢疾病的风险	2000多名个体的腹部CT扫描数据，其中1300多名用于预测未来高血压、II型糖尿病和脂肪肝疾病的发生	数字病理学	心血管疾病	深度学习	深度学习模型（未具体说明）	图像（腹部CT扫描）	2000多名个体（其中1300多名用于疾病预测）
550	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA
551	2025-04-16	Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses 2024, Depression and anxiety IF:4.7Q1 DOI:10.1155/2024/4459867 PMID:40226684	研究论文	本研究提出了一种基于卷积神经网络（CNN）的新型深度学习框架，用于利用功能性近红外光谱（fNIRS）进行重度抑郁症（MDD）的计算机辅助诊断	提出了一种新的CNN模型，包含三个1D深度卷积层，专门设计用于反映MDD患者与健康对照组之间血流动力学反应的半球间不对称性	样本量相对较小（48名MDD患者和68名健康对照组）	开发一种基于fNIRS的MDD计算机辅助诊断系统，提高诊断准确性	MDD患者和健康对照组	数字病理学	抑郁症	fNIRS	CNN	血流动力学响应数据	48名MDD患者和68名健康对照组
552	2025-04-16	A novel stacked generalization of models for improved TB detection in chest radiographs 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512337 PMID:30440497	研究论文	提出了一种新型的堆叠泛化模型，用于提高胸部X光片中结核病的检测效果	结合手工工程和CNN特征的分类器堆叠方法，提高了结核病检测的准确性和性能	未明确提及具体的数据集大小或多样性限制	开发一种计算机辅助诊断工具，以改善资源受限地区结核病的及时检测	胸部X光片中的结核病检测	计算机视觉	结核病	CNN和手工工程特征	堆叠泛化模型	图像	NA
553	2025-04-15	Large language models as an academic resource for radiologists stepping into artificial intelligence research 2025 May-Jun, Current problems in diagnostic radiology IF:1.5Q3 DOI:10.1067/j.cpradiol.2024.12.004 PMID:39672727	研究论文	评估GPT-4o作为推荐系统，帮助放射科医生理解和实施AI研究中的ML和DL算法	利用大型语言模型（如GPT-4o）作为虚拟顾问，为放射科研究人员提供定制化的算法推荐	需要进一步研究将大型语言模型整合到常规工作流程中及其在持续专业发展中的作用	提升放射科医生对AI技术的理解和应用能力	放射科医生和早期职业研究人员	自然语言处理	NA	GPT-4o	U-Net, Random Forest, Attention U-Net, EfficientNet	医疗影像数据	NA
554	2025-04-15	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	research paper	提出了一种名为MSTNet的新型多尺度空间感知Transformer网络，用于糖尿病视网膜病变分类	MSTNet通过多尺度图像块编码信息，构建双路径主干网络，结合空间感知模块和多实例学习策略，有效捕捉局部细节和全局上下文，提升对细微病变区域的关联性	未明确提及具体局限性	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变患者的眼底图像	computer vision	diabetic retinopathy	Multiple Instance Learning (MIL)	Transformer	image	四个公共DR数据集（APTOS2019、RFMiD2020、Messidor和IDRiD）
555	2025-04-15	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	research paper	提出了一种基于深度学习的冠状动脉血管分割方法TVS-Net，利用时间信息在X射线血管造影中进行血管分割	提出了一种新颖的密集连接3D编码器-2D解码器结构，结合基于弹性交互的损失函数，融合了连续的ICA信息	使用了相对宽松的标注协议，生成了粗粒度的样本，可能影响分割精度	提高冠状动脉血管在ICA中的分割准确性，以辅助诊断和治疗计划制定	冠状动脉血管	computer vision	cardiovascular disease	深度学习	TVS-Net（密集连接3D编码器-2D解码器结构）	X射线血管造影图像	323个ICA样本（173训练，82验证，68测试），外加60张本地医院图像用于外部评估
556	2025-04-15	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出一种基于Transformer的迁移学习方法TS-former，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP和Transformer构建新型时空域特征提取网络，采用迁移学习实现跨任务适应	未说明模型在更大人群或不同病理条件下的泛化能力	开发高效脑机接口系统用于脊髓损伤患者康复训练	16名脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	Filter Bank Common Spatial Pattern (FBCSP), Transformer	TS-former (基于Transformer的混合架构)	EEG信号	16名患者数据（十折交叉验证）
557	2025-04-15	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	research paper	提出了一种统一的半监督主动学习框架（UniSAL），用于高效选择信息丰富且具有代表性的组织病理学图像进行标注	引入双视角高置信度伪训练和伪标签引导的类对比学习，以及设计新颖的不确定性和代表性样本选择策略	未提及具体局限性	减少标注成本并提高组织病理学图像分类的效率	组织病理学图像	digital pathology	cancer	deep learning	dual-view networks	image	CRC5000, Chaoyang和CRC100K三个公共病理图像分类数据集
558	2025-04-15	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	research paper	该论文提出了一种名为FedGmTE-Net++的联邦图多轨迹演化网络，用于在数据稀缺环境下预测婴儿大脑连接的多轨迹演化	首次设计了专门用于大脑多轨迹演化预测的联邦学习框架，在局部目标函数中加入了辅助正则化器以利用所有纵向大脑连接数据，并引入了一个两步插补过程	需要依赖多个医院的数据合作，可能面临数据协调和隐私保护的挑战	预测婴儿出生后第一年大脑连接网络的多轨迹演化	婴儿大脑连接网络	digital pathology	NA	federated learning, GNN	FedGmTE-Net++ (基于GNN的联邦学习模型)	graph data (大脑连接网络)	来自多家医院的有限数据集
559	2025-04-15	A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103537 PMID:40112509	研究论文	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的顺序方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性定制的深度神经网络进行求解	方法在HCP类采集方案下，对细胞外平行扩散率的估计具有高度不确定性	开发一种可靠且计算效率高的参数推断方法，用于常见的dMRI生物物理模型	脑微结构中的白质纤维群体	医学影像分析	NA	扩散MRI (dMRI)	深度神经网络	医学影像数据	Human Connectome Project (HCP) 的成像数据
560	2025-04-15	Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103539 PMID:40112510	研究论文	提出了一种名为SLAD的新框架，通过学习医生的临床思维和经验，提高胰腺和胰腺癌在CT图像上的分割准确性	首次模拟医生在胰腺癌诊断过程中的逻辑思维和经验，包括器官、病变和边界三个阶段，并设计了相应的模块（AMAE、CGRM和DDCM）来实现这一目标	未提及具体的数据集规模限制或模型在其他类型癌症上的泛化能力	提高胰腺和胰腺癌在CT图像上的分割准确性，以满足临床需求	胰腺和胰腺癌的CT图像	数字病理	胰腺癌	CT图像分析	AMAE、CGRM、DDCM	图像	三个独立数据集（未提及具体样本数量）