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
6181	2025-03-25	Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.021 PMID:38806374	研究论文	本研究探讨了基于CT的深度学习模型在区分≤8mm的良性和恶性实性肺结节中的有效性	使用MDANet构建的深度学习模型，结合结节和不同周围区域特征，优于传统算法	样本量有限（n=719），且所有患者均接受了手术切除，可能影响模型的泛化能力	评估基于CT的深度学习模型在区分小实性肺结节良恶性方面的性能	≤8mm的实性肺结节	数字病理学	肺癌	CT扫描	MDANet, VGG19, ResNet50, ResNeXt50, DenseNet121	医学影像	719例患者（内部训练、内部验证和外部验证队列）
6182	2025-03-25	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	research paper	本研究比较了五种基于CT的胰腺分割深度学习模型在不同指标下的性能	首次对五种高性能胰腺分割模型进行多指标分层比较，并分析了影响分割性能的扫描和患者特征	研究为回顾性设计，部分患者特征数据缺失	评估不同深度学习模型在胰腺CT分割中的性能差异	胰腺CT扫描图像	digital pathology	pancreatic pathologies	CT扫描	CNN, transformer network (AAUNet, AASwin, TS, MSD-nnUNet, DM-UNet)	image	352例CT扫描（来自2000-2023年）
6183	2025-03-25	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用	开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响	研究为回顾性分析，可能受到数据选择和采集时间的限制	评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果	急诊室中接受脑MRI检查的患者	数字病理学	心血管疾病	MRI（包括DWI和FLAIR序列）	深度学习应用（DLA）	医学影像（MRI）	947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性
6184	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）
6185	2025-03-25	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	本研究开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练和细粒度网络相结合的方法，提高了亚厘米实性肺结节良恶性分类的准确性	研究为回顾性设计，且内部数据集特意富集了恶性病例，可能影响模型的泛化能力	开发能够准确区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节(SSPNs)	数字病理	肺癌	CT成像	自监督预训练+细粒度网络	医学影像	内部数据集1389个SSPNs(来自1276名患者)，外部测试集202个SSPNs
6186	2025-03-25	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	research paper	开发并验证了一种基于深度学习的动态对比增强MRI模型，用于区分增殖性和非增殖性肝细胞癌，以优化术前评估和治疗策略	首次使用深度学习模型结合DCE-MRI图像预测肝细胞癌的增殖性，并评估其早期复发风险	研究为回顾性设计，样本量相对有限，且外部验证集的性能有所下降	通过非侵入性方法预测肝细胞癌的增殖性和早期复发风险，优化个体化治疗策略	355例接受根治性切除术的肝细胞癌患者	digital pathology	hepatocellular carcinoma	dynamic contrast-enhanced MRI (DCE-MRI)	DL (Deep Learning)	image	355例患者（训练集251例，内部测试集62例，外部测试集42例）
6187	2025-03-25	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	research paper	该研究通过结合PET/CT的深度学习特征和全身代谢肿瘤体积(MTVwb)构建风险分层(CRS)，用于预测非小细胞肺癌(NSCLC)患者的总生存期(OS)和无进展生存期(PFS)，作为TNM分期的补充	首次将深度学习特征与MTVwb结合构建风险分层(CRS)，并验证其作为TNM分期补充工具的预测价值	测试集中预测OS时CRS的C-index未显著优于TNM分期(0.73 vs 0.736)	提高非小细胞肺癌患者的生存预测准确性	590例非小细胞肺癌患者(413例训练集，177例测试集)	digital pathology	lung cancer	PET/CT	CNN	医学影像	590例NSCLC患者(训练集413例，测试集177例)
6188	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者
6189	2025-03-25	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-Nov-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	research paper	本文提出了一种名为ChromaFold的深度学习模型，用于从单细胞ATAC测序数据预测3D接触图	ChromaFold仅使用scATAC-seq数据就能预测3D接触图，包括调控相互作用，且在性能上达到了最先进水平	需要依赖配对的scATAC-seq和Hi-C数据进行训练，可能限制了其在没有这些数据的情况下的应用	通过预测细胞类型特异的3D染色质相互作用来解析基因调控和解释疾病相关的非编码变异	人类和小鼠的测试细胞类型	computational biology	NA	scATAC-seq, Hi-C	deep learning model	genomic data	人类和小鼠的多种测试细胞类型
6190	2025-03-25	Community assessment of methods to deconvolve cellular composition from bulk gene expression 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50618-0 PMID:39191725	research paper	评估从批量基因表达数据中解卷积细胞组成的方法，通过社区范围的DREAM挑战进行	评估了多种解卷积方法，包括深度学习方法的强表现，确立了该范式在解卷积中的适用性	部分方法未针对所有功能性CD8+ T细胞状态进行训练或准确度较低	评估解卷积方法在推断肿瘤样本中免疫浸润水平的效果	体外和计算机模拟的癌症与健康免疫细胞的混合转录谱	machine learning	cancer	bulk gene expression analysis	deep learning	gene expression data	NA
6191	2025-03-25	Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients 2024-08, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.054 PMID:38796387	research paper	该研究探讨了深度学习模型在预测术后需要阿片类药物补充的患者中的应用	首次将深度学习模型应用于预测术后阿片类药物补充需求，并通过多机构队列验证其高准确性	研究为回顾性设计，且仅纳入单一医疗中心的患者数据	优化术后阿片类药物处方策略，平衡药物滥用风险与患者疼痛控制需求	接受择期手术的成年患者	machine learning	NA	deep learning, random forest, eXtreme Gradient Boosting	深度学习、随机森林、XGBoost	临床医疗记录	9,731例择期手术患者（平均年龄62.1岁，51.4%为女性）
6192	2025-03-25	Deep learning structural insights into heterotrimeric alternatively spliced P2X7 receptors 2024-Aug, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-023-09978-3 PMID:38032425	研究论文	本研究利用深度学习工具AlphaFold2-Multimer (AF2M)预测并验证了异源三聚体P2X7受体的结构	首次应用AF2M预测异源三聚体P2X7受体的结构，并通过多种方法验证了模型的准确性	研究主要依赖于计算模型，需要进一步的实验验证	探索异源三聚体P2X7受体的结构及其功能影响	P2X7受体及其剪接变体	结构生物学	NA	AlphaFold2-Multimer (AF2M), 冷冻电镜(cryo-EM)	AlphaFold2-Multimer	蛋白质结构数据	多个P2X7受体剪接变体
6193	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
6194	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)
6195	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
6196	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）
6197	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
6198	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
6199	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
6200	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