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
581	2025-05-14	Protocol for automated multivariate quantitative-image-based cytometry analysis by fluorescence microscopy of asynchronous adherent cells 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102446 PMID:37453067	研究论文	本文提出了一种基于荧光显微镜的异步贴壁细胞多变量定量图像细胞术（QIBC）分析协议	开发了一个开源的Fiji脚本，整合了基于人工智能的深度学习工具，用于自动核分割，最小化用户调整	NA	提供一种高效的多变量定量图像细胞术分析方法	异步贴壁细胞	数字病理学	NA	荧光显微镜	深度学习	图像	NA
582	2025-05-14	A knowledge-integrated deep learning framework for cellular image analysis in parasite microbiology 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102452 PMID:37537845	research paper	提出一个知识集成的深度学习框架，用于寄生虫微生物学中的细胞图像分析	结合知识表示与深度学习，应用于细胞图像分类、检测和重建任务	未提及具体性能指标或对比实验	开发一个用于微生物细胞图像分析的深度学习框架	寄生虫微生物的细胞图像	digital pathology	NA	deep learning	CNN	image	NA
583	2025-05-14	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一个通过深度学习从面部照片估计生物年龄的系统，并评估了其在癌症患者中的临床应用	利用深度学习从面部照片中客观、定量地估计生物年龄，并验证其在临床预后和临终决策中的实用性	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群或疾病中的适用性有待验证	开发一个能够从面部照片中估计生物年龄的深度学习系统，并评估其在临床中的实用性	健康个体和癌症患者	数字病理学	癌症	深度学习	深度学习系统（FaceAge）	图像（面部照片）	58,851名健康个体和6,196名癌症患者
584	2025-05-14	AORTA Gene: Polygenic prediction improves detection of thoracic aortic aneurysm 2023-Aug-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.23.23294513 PMID:37662232	research paper	该研究利用深度学习测量升主动脉直径，并构建了一个包含110万个变体的多基因评分（AORTA Gene），以提高胸主动脉瘤的检测	首次将多基因评分（AORTA Gene）与临床因素结合，显著提高了胸主动脉直径的预测准确性	需要更大规模和更多样化的队列来开发更强大和公平的评分	提高胸主动脉瘤的检测准确性	UK Biobank、Mass General Brigham Biobank、Framingham Heart Study和All of Us的参与者	machine learning	thoracic aortic aneurysm	GWAS、PRScs-auto	deep learning	genomic data、clinical data	UK Biobank 49,939人（训练集39,524人，测试集4,962人）、MGB 5,469人、FHS 1,298人、All of Us 610人
585	2025-05-14	Developing and verifying automatic detection of active pulmonary tuberculosis from multi-slice spiral CT images based on deep learning 2020, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-200662 PMID:32651351	research paper	本研究开发了一种基于深度学习的自动检测系统，用于从多层螺旋CT图像中识别活动性肺结核（ATB）	利用U-Net深度学习算法自动检测和分割ATB病变，并通过图像处理方法将2D病变转化为3D病变	研究数据来自单一教学医院，可能影响模型的泛化能力	简化活动性肺结核的诊断流程并提高诊断准确性	846名患者的CT图像数据集，包括ATB、肺炎和正常病例	digital pathology	lung cancer	multi-slice spiral CT	U-Net	image	846名患者（训练集：567例，测试集：279例）
586	2025-05-13	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	评论	探讨胸部X光片（CXR）在深度学习技术背景下是否能为保险承保风险分析增添新价值	提出在深度学习技术支持下重新评估CXR在保险风险评估中的潜在价值	未提供具体实验数据或案例支持观点	评估CXR作为保险承保风险分析工具的现代适用性	胸部X光片（CXR）在保险风险评估中的应用	数字病理学	NA	深度学习	NA	医学影像	NA
587	2025-05-13	From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction 2025-Jul, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2025.03.004 PMID:40147701	review	本文探讨了胰腺导管腺癌（PDAC）风险分层的演变，比较了传统流行病学框架与AI驱动的方法	提出将AI技术整合到PDAC风险分层中，以动态模型整合多种数据集，发现新的相互作用和风险特征	临床转化中的挑战包括数据稀缺、模型可解释性和外部验证	开发可扩展的个性化预测工具，以改善PDAC的早期检测和患者预后	胰腺导管腺癌（PDAC）	machine learning	pancreatic cancer	genome-wide association studies, polygenic risk scores, radiomics	machine learning, deep learning	genetic, clinical, lifestyle, imaging data	NA
588	2025-05-13	Emittance minimization for aberration correction I: Aberration correction of an electron microscope without knowing the aberration coefficients 2025-Jul, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114137 PMID:40222084	research paper	该论文提出了一种基于深度学习的电子显微镜像差校正方法，通过最小化束流发射度增长来实现自动校正	从加速器物理角度重新定义像差校正问题，提出基于发射度最小化的新方法，并开发了可快速执行的深度学习模型	需要依赖高速电子相机进行快速测量，第二部分才展示在线调谐方法	开发无需知道像差系数的电子显微镜自动像差校正方法	扫描透射电子显微镜(STEM)的电子束	电子显微镜技术	NA	深度学习	深度学习模型	Ronchigrams图像数据	NA
589	2025-05-13	Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet) 2025-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108048 PMID:40252392	研究论文	本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素	首次应用TabNet模型分析农用设备车辆事故严重性因素，并比较县道与非县道差异，提供特征重要性和SHAP图的可解释性	研究基于特定数据集，可能无法完全代表所有地区的农用设备车辆事故情况	评估农用设备车辆在不同类型道路上的碰撞风险因素，为制定针对性安全措施提供依据	涉及农用设备车辆的交通事故	机器学习	NA	TabNet, SMOTE, SHAP	TabNet	表格数据	未明确说明具体样本量（农用设备车辆事故数据）
590	2025-05-13	Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint clinical assessment in shoulder CT scans 2025-Jul, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103131 PMID:40279875	研究论文	介绍了一种创新的深度学习框架，用于处理肩部CT扫描，实现近端肱骨和肩胛骨的语义分割、骨表面3D重建、GH关节区域识别以及三种常见骨关节炎相关病症的分期	提出了一种级联CNN架构（3D CEL-UNet和3D Arthro-Net），用于同时进行骨分割和GH关节临床评估，并在571个CT扫描数据集上验证了其性能	研究基于回顾性数据集，可能需要在更大规模的前瞻性研究中进一步验证	开发一种AI工具，用于骨关节炎的术前规划，帮助外科医生根据患者独特的关节状况选择最合适的手术方法	肩部CT扫描中的近端肱骨和肩胛骨	数字病理学	骨关节炎	深度学习	3D CEL-UNet, 3D Arthro-Net	CT扫描图像	571个CT扫描，包含不同程度GH骨关节炎相关病理的患者
591	2025-05-13	A comprehensive review of ICU readmission prediction models: From statistical methods to deep learning approaches 2025-Jul, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103126 PMID:40300338	综述	本文全面回顾了ICU再入院预测模型的研究，从统计方法到深度学习方法	总结了统计、机器学习和深度学习模型在ICU再入院预测中的应用，并探讨了当前方法论的挑战和最新进展	现有模型在预测精度上仍需提升，以满足构建计算机化决策支持工具的需求	评估和比较不同ICU再入院预测模型的效果，指导未来研究和开发	ICU再入院预测模型的研究	机器学习	重症监护	统计方法、机器学习、深度学习	统计模型、ML模型、DL模型	医疗数据	NA
592	2025-05-13	A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143617 PMID:40049135	研究论文	本研究提出了一种名为PeaNet的深度学习模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白质含量	PeaNet模型采用改进的卷积神经网络架构，显著优于传统机器学习模型和传统深度学习架构	研究仅基于52个品种的156个光谱数据集，样本多样性可能有限	快速准确地检测豌豆蛋白质含量，以促进育种和食品质量控制	豌豆蛋白质含量	机器学习	NA	可见光和近红外光谱	改进的CNN	光谱数据	156个来自52个不同品种的光谱数据集
593	2025-05-13	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-Jun-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	研究论文	本研究通过深度学习模型分析EEG微状态的时空动态，以区分帕金森病（PD）的不同运动亚型	首次将EEG微状态动态空间模式用于PD运动亚型分类，并强调动态脑网络特征作为潜在标记物	研究样本可能有限，未提及具体样本量，且仅关注PD的两种运动亚型	理解PD不同运动亚型的脑网络动态变化，以改善个性化治疗	帕金森病患者（震颤主导型TD和姿势不稳/步态困难型PIGD）及健康对照	机器学习	帕金森病	EEG微状态分析	深度学习模型	EEG数据	NA
594	2025-05-13	Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning 2025-Jun-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179582 PMID:40324314	研究论文	本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响	结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化	研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况	预测气候变化对盐湖特征及周边生态环境的影响	查卡湖、图兹湖和拉扎扎湖等盐湖	遥感与深度学习	NA	SRGAN、MRS、CA-Markov建模、LSTM算法	SRGAN、LSTM	卫星图像	查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据
595	2025-05-13	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究利用多期对比增强磁共振成像（CE-MRI）和深度学习模型预测肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）联合系统治疗的早期反应	结合K-means聚类算法和Crossformer模型，首次在CE-MRI基础上构建栖息地模型和深度学习模型来预测HCC治疗反应	样本量相对较小（102例患者），且来自两个机构，可能存在选择偏差	开发能够非侵入性预测HCC患者对TACE联合系统治疗反应的模型	肝细胞癌（HCC）患者	数字病理	肝癌	多期对比增强磁共振成像（CE-MRI），K-means聚类算法	Crossformer, ResNet50, ExtraTrees分类器	医学影像	102例HCC患者（机构A 63例，机构B 39例）
596	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
597	2025-05-13	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	research paper	该研究探讨了半监督学习在减少标注负担的同时提高脑转移瘤分割性能的可行性	首次在多中心MRI数据上测试了半监督学习方法（包括mean teacher、cross-pseudo supervision和interpolation consistency training）对脑转移瘤分割的效果，并展示了在小规模标注数据下的性能提升	研究为回顾性设计，且仅针对脑转移瘤这一特定病变类型	验证半监督学习能否在减少专家标注工作量的情况下提高脑转移瘤的自动分割性能	来自五个机构的脑转移瘤患者的MRI扫描数据（包含标注和未标注数据）	digital pathology	brain metastases	MRI（包括2D/3D T1加权增强扫描和FLAIR序列）	U-Net	MRI图像	156+65+324+200标注扫描（来自4个中心）和519未标注扫描（来自1个中心）
598	2025-05-13	Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning 2025-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.01.002 PMID:39875279	研究论文	本研究结合口腔内扫描和深度学习算法，开发了一种自动识别牙龈炎症表面特征的方法	首次将口腔内扫描（IOS）与深度学习结合，用于牙龈炎症表面特征的自动识别，提供了一种标准化和自动化的辅助工具	研究样本量较小（120名患者），且仅针对牙周炎患者，可能限制了结果的普遍适用性	开发一种客观、可量化的牙龈炎症表面特征识别方法，以辅助临床诊断	120名牙周炎患者的牙周探诊数据和口腔内扫描图像	数字病理	牙周炎	口腔内扫描（IOS）	GC-U-Net	图像	120名牙周炎患者
599	2025-05-13	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	提出了一种基于深度克罗内克卷积神经网络（DKCN-Net）和联邦学习（FL）的肺病检测方法	结合联邦学习保护患者数据隐私，并引入DKCN-Net提高肺病检测的准确性和稳定性	处理每个时间戳需要50秒，可能影响实时性	开发一种高稳定性且保护隐私的肺病检测技术	肺病检测	数字病理学	肺癌	联邦学习（FL）、自适应高斯滤波（AGF）、深度模糊聚类（DFC）	DKCN-Net（结合DKN和PCNN）、3D-FCN	CT图像	来自LIDC-IDRI数据库的CT图像
600	2025-05-13	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	通过自举推断和机器学习方法，研究重度抑郁症（MDD）患者血浆代谢网络的核心差异特征	首次大规模应用代谢网络分析方法揭示MDD患者代谢网络的显著重组特征，特别是亚油酸代谢途径的异常	研究仅基于英国生物银行数据，可能无法完全代表其他人群	探索重度抑郁症的代谢网络特征及其诊断潜力	182,053名英国生物银行参与者（9,425名MDD患者和172,628名健康对照）	机器学习	重度抑郁症	代谢组学网络分析、自举推断分析	极端梯度提升模型（XGBoost）、深度学习模型	血浆代谢组数据	182,053名参与者（9,425例MDD患者和172,628名健康对照）