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
5741	2025-03-03	MultiCycPermea: accurate and interpretable prediction of cyclic peptide permeability using a multimodal image-sequence model 2025-Feb-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02166-2 PMID:40016695	研究论文	本文提出了一种名为MultiCycPermea的新型深度学习模型，用于预测环肽的渗透性	MultiCycPermea模型从环肽的图像信息（2D结构信息）和序列信息（1D结构信息）中提取特征，并提出了一个子结构约束的特征对齐模块来对齐这两种类型的特征，显著提高了预测准确性	NA	开发一种能够快速评估环肽渗透性的工具，以促进环肽药物的开发	环肽	机器学习	NA	深度学习	MultiCycPermea	图像和序列数据	CycPeptMPDB数据集
5742	2025-03-03	Development of an artificial intelligence-based multimodal diagnostic system for early detection of biliary atresia 2025-Feb-27, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03962-x PMID:40016769	研究论文	本研究开发了一种基于人工智能的多模态诊断系统，用于早期检测胆道闭锁	利用多模态数据（超声图像、临床数据和实验室结果）开发了一种新型深度学习模型，并通过简化模型减少了对血液样本的需求	尽管模型在内部和外部测试集上表现良好，但仍需进一步验证其在更广泛临床环境中的适用性	开发一种智能诊断系统，以提高胆道闭锁的早期诊断准确性	胆道闭锁患者	数字病理	胆道闭锁	深度学习	深度学习模型	超声图像、临床数据、实验室结果	1579名参与者（回顾性研究），171例（前瞻性研究外部测试集）
5743	2025-03-03	Predicting the efficacy of neoadjuvant chemotherapy in breast cancer patients based on ultrasound longitudinal temporal depth network fusion model 2025-Feb-27, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01971-5 PMID:40016785	研究论文	本研究开发并验证了一种基于纵向超声数据和临床特征的深度学习放射组学模型，用于预测乳腺癌患者新辅助化疗后的病理完全缓解	结合了治疗前和治疗后2周期的超声图像特征以及临床特征，构建了集成模型，显著提高了预测性能	样本量相对较小，且仅基于单一中心的患者数据，可能影响模型的泛化能力	预测乳腺癌患者新辅助化疗后的病理完全缓解	312名经组织学确认的乳腺癌患者	数字病理	乳腺癌	深度学习放射组学	XGBoost	超声图像	312名患者（训练队列219名，测试队列93名）
5744	2025-03-03	ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis 2025-Feb-26, The American journal of the medical sciences DOI:10.1016/j.amjms.2025.02.011 PMID:40020875	研究论文	本文介绍了一种基于人工智能的算法ScreenDx，用于在计算机断层扫描（CT）图像中偶然检测肺纤维化	开发并验证了一种深度学习卷积神经网络算法ScreenDx，用于筛查CT图像并识别肺纤维化的偶然病例	研究未涉及不同种族或地区患者的表现差异，且样本量相对有限	开发一种机器学习算法，用于筛查CT图像中的肺纤维化特征	CT图像数据，包括正常和异常的CT图像，以及患有COPD、肺气肿和社区获得性肺炎的患者的CT图像	计算机视觉	肺纤维化	深度学习	卷积神经网络（CNN）	图像	总样本量为4,722例CT图像，包括3,658例用于开发算法的多源数据集（队列A），381例用于调整算法的美国队列（队列B），以及683例用于外部验证的国际数据集（队列C）
5745	2025-03-03	Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning 2025-Feb-26, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.02.024 PMID:40021066	研究论文	本文探讨了人工智能（AI）和机器学习（ML）在诊断影像分析中的应用，强调了深度学习在减少观察者间差异和提升诊断准确性方面的潜力	提出了一个有效的三步方法，包括检测器、注意力模块和可解释性，以提高影像分析的效率和准确性	需要外部验证以确定模型在单一机构外的泛化能力	研究AI和ML在诊断影像分析中的应用，以提高诊断的准确性和一致性	诊断影像数据	计算机视觉	NA	深度学习	NA	图像	NA
5746	2025-03-03	Exploring Potential Medications for Alzheimer's Disease with Psychosis by Integrating Drug Target Information into Deep Learning Models: A Data-Driven Approach 2025-Feb-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26041617 PMID:40004081	研究论文	本研究通过将药物靶点信息整合到深度学习模型中，探索了阿尔茨海默病伴精神病（AD + P）的潜在药物治疗方案	利用DeepBiomarker深度学习模型结合药物-靶点相互作用信息，提高了精神病预测的准确性，并识别出潜在的治疗药物	研究依赖于电子健康记录数据，可能存在数据偏差或不完整性	改善精神病预测并识别潜在的治疗药物	阿尔茨海默病伴精神病（AD + P）患者	机器学习	老年病	深度学习	DeepBiomarker	电子健康记录	NA
5747	2025-03-03	Simultaneous profiling of ac4C and m5C modifications from nanopore direct RNA sequencing 2025-Feb-13, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140863 PMID:39954891	研究论文	本研究开发了一种名为modCnet的深度学习框架，利用纳米孔直接RNA测序技术同时识别ac4C和m5C修饰	首次实现了从纳米孔直接RNA测序数据中同时进行ac4C和m5C修饰的从头识别	需要进一步验证在更广泛生物样本中的应用效果	研究RNA修饰（ac4C和m5C）在mRNA稳定性和翻译效率中的作用	人类细胞系中的mRNA	生物信息学	NA	纳米孔直接RNA测序	深度学习框架（modCnet）	RNA测序数据	人类细胞系中的mRNA样本
5748	2025-03-03	Foundation Models in Radiology: What, How, Why, and Why Not 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240597 PMID:39903075	review	本文综述了基础模型（FMs）在放射学领域的应用，包括其训练数据需求、模型训练范式、模型能力和评估策略	专注于放射学领域的基础模型，探讨其训练和应用的具体需求和挑战	未提及具体的技术实现细节或实验数据	统一技术进展和临床需求，以安全、负责任的方式训练放射学领域的基础模型	放射学领域的基础模型	machine learning	NA	NA	foundation models (FMs)	textual and imaging data	NA
5749	2025-03-03	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究通过分析国家肺癌筛查试验中的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）变化与死亡率之间的关系	首次使用经过验证的自动深度学习算法从连续低剂量CT扫描中获取EAT体积和密度，并分析其变化与全因、心血管和肺癌死亡率的关系	研究为二次分析，可能受到原始试验设计的限制，且未考虑所有潜在混杂因素	探讨心外膜脂肪组织（EAT）在两年间隔内的变化与接受连续低剂量CT肺癌筛查个体死亡率之间的关系	接受连续低剂量CT肺癌筛查的个体	数字病理学	肺癌	低剂量CT扫描	深度学习算法	CT图像	20661名参与者
5750	2025-03-03	Radiomics and Deep Learning Prediction of Immunotherapy-Induced Pneumonitis From Computed Tomography 2025-Feb, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00198 PMID:39977708	研究论文	本研究利用放射组学和深度学习技术，通过计算机断层扫描（CT）预测免疫检查点抑制剂（ICI）治疗引起的肺炎（PN）	结合放射组学和深度学习技术，首次在单一时间点上预测ICI治疗引起的PN，展示了深度学习在PN预测中的优势	结合放射组学和深度学习的模型并未显著优于仅使用CNN的模型	预测癌症患者在接受ICI治疗时可能发生的PN，以提高治疗的安全性和潜在疗效	接受过ICI治疗的癌症患者	数字病理学	肺癌	计算机断层扫描（CT）	卷积神经网络（CNN）	图像	671名患者的2,700个对比胸部CT扫描
5751	2025-03-03	Discrimination of unsound soybeans using hyperspectral imaging: A deep learning method based on dual-channel feature fusion strategy and attention mechanism 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115810 PMID:40022337	研究论文	本研究提出了一种基于双通道特征融合策略和注意力机制的深度学习模型，用于高光谱图像中不健全大豆的检测	提出了双通道特征融合模型（DCFFM）结合注意力机制，优化了一维光谱数据和二维图像数据的利用，实现了高水平的数据融合	研究中未提及模型的实时性和计算复杂度，可能在实际应用中存在限制	探索一种能够全面获取高光谱图像中光谱和图像的建模框架，以实现高水平的数据融合，提高检测准确性	不健全的大豆	计算机视觉	NA	高光谱成像	双通道特征融合模型（DCFFM）结合注意力机制	高光谱图像	未提及具体样本数量
5752	2025-03-03	A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115874 PMID:40022390	研究论文	本文提出了一种基于近红外光谱（NIRS）的深度学习模型（DiSENet），用于预测绿茶杀青过程中的水分含量，通过多尺度特征融合和注意力机制提高预测精度	提出了一种新的深度学习网络DiSENet，结合多尺度特征融合和注意力机制，有效校正温度变化引起的光谱干扰，提高了水分含量预测的准确性	NA	提高绿茶杀青过程中水分含量预测的准确性，以优化茶叶加工质量	绿茶杀青过程中的茶叶样本	机器学习	NA	近红外光谱（NIRS）	DiSENet（深度学习网络）	光谱数据	不同杀青阶段和不同温度下的茶叶样本
5753	2025-03-03	Automated and explainable machine learning for monitoring lipid and protein oxidative damage in mutton using hyperspectral imaging 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115905 PMID:40022412	研究论文	本研究开发了自动化和可解释的机器学习模型，用于通过高光谱成像监测羊肉中脂质和蛋白质的氧化损伤	使用AutoML和AutoDL模型自动构建预测模型，无需人工干预，并通过SHAP方法解释模型预测结果	研究仅针对羊肉样本，未涉及其他肉类或食品	评估自动机器学习模型在高光谱成像中监测脂质和蛋白质氧化损伤的可行性	经过不同冻融循环处理的羊肉样本	机器学习	NA	高光谱成像（HSI）	AutoML, AutoDL	图像	未明确提及样本数量
5754	2025-03-03	Clinical utility of receptor status prediction in breast cancer and misdiagnosis identification using deep learning on hematoxylin and eosin-stained slides 2024-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00695-5 PMID:39706861	研究论文	本文探讨了使用深度学习从数字化H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在识别激素受体阳性患者、作为质量保证的第二阅读工具以及解决肿瘤内异质性方面的应用	首次使用深度学习从H&E染色切片预测乳腺癌的ER、PR和ERBB2状态，并在多机构数据集上进行训练和评估，展示了其在临床中的潜在应用	研究依赖于多机构数据集，可能存在数据异质性问题，且未在所有临床环境中进行广泛验证	探索从H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在诊断和治疗计划中的潜在应用	乳腺癌患者的数字化H&E染色切片	数字病理学	乳腺癌	深度学习	深度学习系统	图像	19,845张切片，来自7,950名患者，涵盖六个独立队列
5755	2025-03-03	Synthesizing Contrast-Enhanced MR Images from Noncontrast MR Images Using Deep Learning 2024-03-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8107 PMID:38453408	研究论文	本研究利用深度学习从非对比多参数MR图像中合成虚拟钆对比增强T1加权MR图像，以评估原发性脑肿瘤	开发了一种名为T1c-ET的残差Inception DenseNet网络，能够同时合成虚拟对比增强T1加权图像并分割肿瘤的增强部分	研究中使用的数据集来自2019年脑肿瘤分割挑战赛，可能限制了模型的泛化能力	减少对钆对比剂的需求，提供替代成像方法	原发性脑肿瘤患者	计算机视觉	脑肿瘤	深度学习	残差Inception DenseNet网络	MR图像	335名受试者的MR图像用于训练和验证，125名受试者的MR图像用于测试
5756	2025-03-03	A multitask approach for automated detection and segmentation of thyroid nodules in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107974 PMID:38244471	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	提出的多任务方法不仅检测可疑图像，还分割潜在结节，与甲状腺结节评估的工作流程相平行，提高了临床可翻译性	当前深度学习架构通常为半自动化，仅评估已知有结节的图像，未评估识别可疑图像的能力	提高甲状腺结节检测和风险分层的自动化水平，减少医疗成本、患者不适和不必要的侵入性操作	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	UNet	超声图像	280名患者的9888张图像
5757	2025-03-03	Deep Learning and Geriatric Mental Health 2024-03, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2023.11.008 PMID:38142162	综述	本文旨在帮助临床医生掌握深度学习的基本术语，理解其基本原理及早期应用，并探讨其在老年精神病学中的相关性	提供了对深度学习工作原理的深入见解，并讨论了其在老年精神病学中的应用潜力	未具体提及研究的局限性	帮助临床医生理解深度学习的基本概念及其在老年精神病学中的应用	临床医生及老年精神病学领域的研究者	机器学习	老年疾病	NA	深度学习	NA	NA
5758	2025-03-03	Test Retest Reproducibility of Organ Volume Measurements in ADPKD Using 3D Multimodality Deep Learning 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.09.009 PMID:37798206	研究论文	本研究利用3D多模态深度学习技术，通过多脉冲序列MRI测量ADPKD患者的器官体积，以减少测量变异性	采用基于nnU-net的3D多模态多类分割模型，结合所有脉冲序列进行多次测量，通过异常值分析和平均减少变异性	样本量较小（n=19），且仅在3周内进行重复测试	减少ADPKD患者MRI器官体积测量的变异性	ADPKD患者的肾脏、肝脏和脾脏	数字病理学	常染色体显性多囊肾病（ADPKD）	MRI（T1, T2, SSFP, DWI）和CT	nnU-net	3D图像	413名受试者用于训练/验证，19名ADPKD患者用于测试-重测评估
5759	2025-03-03	Deformable lung 4DCT image registration via landmark-driven cycle network 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16738 PMID:37708440	研究论文	本文提出了一种基于标志点驱动的循环网络，用于肺部四维计算机断层扫描（4DCT）图像的自动变形配准	提出了一种新的弱监督深度学习方法，通过标志点驱动的损失函数和双向路径优化来提高变形向量场的生成精度	研究主要依赖于公开的DIR-Lab数据集和临床数据集，样本量相对较小，可能影响模型的泛化能力	开发一种自动、准确且高效的肺部4DCT图像配准方法，以量化呼吸运动并优化运动管理	肺部4DCT图像	计算机视觉	肺癌	4DCT	循环网络（包含生成器和判别器）	图像	10个4DCT数据集（来自DIR-Lab）和50个4DCT数据集（来自临床数据集）
5760	2025-03-03	Heterogenous thinning of peripapillary tissues occurs early during high myopia development in juvenile tree shrews 2024-Mar, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2024.109824 PMID:38336167	研究论文	本研究探讨了在幼年树鼩中实验性高度近视发展过程中视乳头周围组织的厚度变化	首次在幼年树鼩中研究了高度近视发展过程中视乳头周围组织的异质性变薄现象	样本量较小，仅涉及15只树鼩	研究高度近视发展过程中视乳头周围组织的厚度变化	幼年树鼩	数字病理学	近视	光学相干断层扫描（OCT）	深度学习算法	图像	15只幼年树鼩