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
641	2025-04-27	Predicting visual field global and local parameters from OCT measurements using explainable machine learning 2025-02-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89557-1 PMID:39956834	research paper	该研究开发了五种回归模型，通过光学相干断层扫描（OCT）数据预测青光眼患者的视野（VF）参数，并开发了临床软件工具OCT to VF Predictor	引入了点状归一化和步长概念，提高了预测精度，并通过SHAP分析增强了模型的可解释性	研究样本量有限，仅包含268只青光眼和226只正常眼	通过机器学习模型从OCT数据预测青光眼患者的视野参数，辅助临床诊断	青光眼患者和正常人的眼睛	machine learning	glaucoma	optical coherence tomography (OCT)	regression models	image	268 glaucomatous eyes (86 early, 72 moderate, 110 advanced) and 226 normal eyes
642	2025-04-27	A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers 2025-Feb-15, The American journal of cardiology DOI:10.1016/j.amjcard.2024.11.028 PMID:39581517	研究论文	评估深度学习增强心电图（AI-ECG）在监测肥厚型心肌病（HCM）治疗反应中的应用	首次使用AI-ECG模型评估两种HCM治疗方法（SRT和mavacamten）对生物标志物的影响	样本量相对较小，且仅在三家医疗中心进行	评估AI-ECG作为监测HCM治疗反应的工具	接受SRT或mavacamten治疗的HCM患者	数字病理学	心血管疾病	AI-ECG	深度学习模型	心电图图像	315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS）和36名接受mavacamten治疗的患者
643	2025-04-27	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	研究探讨了大脑在决策过程中如何通过多区域计算形成最小充分表征，并通过人工神经网络模拟了这一过程	揭示了大脑多区域计算中信息选择性传递的机制，并通过RNN模拟验证了这一机制	研究仅基于猴子的DLPFC和PMd区域数据，人类大脑可能存在差异	探索大脑多区域在决策过程中的计算分配机制	猴子的背外侧前额叶皮层(DLPFC)和背侧运动前皮层(PMd)	神经科学	NA	单神经元和多单位记录，RNN建模	RNN	神经电生理数据	猴子实验数据（具体数量未说明）
644	2025-04-27	Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates 2025-Feb-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae195 PMID:39576009	research paper	该研究通过全球基因型与环境预测竞赛，展示了多种建模策略在预测玉米产量方面的有效性	首次公开竞赛形式比较不同建模策略在基因型与环境交互作用预测中的表现，揭示了多种方法均能取得满意结果	研究结果基于特定竞赛数据集，可能无法完全推广到其他作物或环境条件	评估不同建模策略在预测基因型与环境交互作用对玉米产量影响方面的表现	玉米产量预测	computational biology	NA	随机森林、岭回归、最小二乘法、定量遗传学、机器学习/深度学习	随机森林、岭回归、最小二乘法、模型集成	基因组变异数据、表型数据、气象测量数据、田间管理记录	9年收集的大规模数据集
645	2025-04-27	UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484951 PMID:39495690	research paper	该研究探讨了深度学习模型中的偏见及其伦理影响，并提出了一种UnBias方法来评估不同深度神经网络架构中的偏见	引入了UnBias方法来检测深度学习模型中的偏见，特别是在学习过程中偏见如何转移模型对主要特征的关注	研究主要关注性别偏见，可能未涵盖其他类型的偏见如种族或年龄	推进公平和可信赖的AI应用，特别是在医疗保健领域	深度学习模型在医疗保健等社会场景中的应用	machine learning	COVID-19	深度学习	ResNet50V2, DenseNet121, InceptionV3, Xception	image	来自多个公开可访问存储库的胸部X光扫描数据集
646	2025-04-27	CellCircLoc: Deep Neural Network for Predicting and Explaining Cell Line-Specific CircRNA Subcellular Localization 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491732 PMID:39495689	research paper	提出了一种基于深度学习的模型CellCircLoc，用于预测和解释细胞系特异性circRNA的亚细胞定位	首次开发了考虑细胞系特异性的circRNA亚细胞定位预测模型，结合了CNN、Transformer和双向LSTM来捕捉序列特征	未明确提及模型在跨细胞系泛化能力方面的表现	开发细胞系特异性的circRNA亚细胞定位预测工具	circRNA的亚细胞定位	生物信息学	NA	深度学习	CNN+Transformer+BiLSTM	RNA序列数据	未明确提及具体样本量
647	2025-04-27	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	本研究开发了一种多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著性前列腺癌，并与临床和放射组学模型进行了比较	采用混合融合方法整合多模态数据构建组合模型，显著提高了诊断性能	回顾性研究设计可能引入选择偏倚，样本量相对较小（303例患者）	建立预测灰区PSA水平患者临床显著性前列腺癌的诊断模型	2018年1月至2022年12月期间经病理证实的303例前列腺癌患者	数字病理	前列腺癌	bp-MRI影像分析	深度学习模型（具体架构未说明）、SVM、XGBoost	多模态数据（临床变量、PI-RADS评分、放射组学特征、深度学习特征）	303例经病理证实的前列腺癌患者
648	2025-04-27	Automatic 3-dimensional quantification of orthodontically induced root resorption in cone-beam computed tomography images based on deep learning 2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2024.09.009 PMID:39503671	research paper	本研究提出了一种基于深度学习的自动方法，用于从CBCT图像中提取牙根体积信息并定位牙根吸收	首次使用深度学习方法自动量化正畸引起的牙根吸收，提高了评估的客观性和效率	研究为回顾性设计，样本量相对有限	开发自动工具用于正畸治疗中牙根吸收的评估	正畸治疗引起的牙根吸收(OIRR)	digital pathology	dental disease	cone-beam computed tomography (CBCT)	Dynamic Graph Convolutional Neural Network	3D medical images	4534颗牙齿来自105名患者
649	2025-04-27	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本研究通过结合症状严重程度和多任务深度学习模型，利用神经解剖图像改进首发精神分裂症患者的识别	首次将精神病症状严重程度回归与标准病例/对照识别结合在多任务深度学习模型中，提高了诊断准确性	样本量相对有限，且仅针对首发未用药精神分裂症患者	探索精神分裂症患者脑部改变与症状严重程度的关系，并开发高诊断价值的MRI模型	286例未用药首发精神分裂症患者和330例健康对照，以及40例独立验证样本	数字病理学	精神分裂症	MRI、基于体素的形态测量学(VBM)、基于表面的形态测量学(SBM)	多任务深度学习模型	神经解剖图像	616例(286患者+330对照)+40例独立验证样本
650	2025-04-27	M-NET: Transforming Single Nucleotide Variations Into Patient Feature Images for the Prediction of Prostate Cancer Metastasis and Identification of Significant Pathways 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3493618 PMID:39509309	research paper	提出了一种名为M-NET的新型生物信息深度学习框架，用于基于单核苷酸变异预测前列腺癌转移	将单核苷酸变异转化为适合卷积神经网络的病人特征图像，并识别与转移状态相关的重要通路	NA	提高基于单核苷酸变异的前列腺癌转移预测性能	前列腺癌患者	digital pathology	prostate cancer	deep learning	CNN	genomic data (single nucleotide variations)	NA
651	2025-04-27	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	研究论文	本研究开发了一个深度学习框架，用于从多参数MR图像合成表观扩散系数(ADC)图	提出了多参数残差视觉变换器模型(MPR-ViT)，结合了视觉变换器(ViT)层的长距离上下文和卷积算子的精确性	研究依赖于公开数据集，可能无法涵盖所有临床场景	开发一个深度学习框架，用于从多参数MR图像合成ADC图	弥漫性胶质瘤患者的多参数MR图像	数字病理	胶质瘤	深度学习	MPR-ViT, VCT, ResViT	MR图像	501例胶质瘤病例，分为训练集(400例)、验证集(50例)和测试集(51例)
652	2025-04-27	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本研究探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用效果	开发了一种新的深度学习分割算法用于脑部CT骨去除，显著提高了硬膜下血肿的检测准确率	研究样本量相对较小，且主要针对初级放射科医生进行测试	提高非增强脑部CT扫描中硬膜下血肿的检测准确率	脑部CT扫描图像和硬膜下血肿检测	数字病理学	硬膜下血肿	深度学习分割算法	深度学习	医学影像	100例NCCTH用于训练，15例内部测试和22例外部测试数据
653	2025-04-27	Attention 3D UNET for dose distribution prediction of high-dose-rate brachytherapy of cervical cancer: Intracavitary applicators 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14568 PMID:39545816	研究论文	本研究提出了一种基于注意力门控机制和3D UNET的剂量预测模型，用于宫颈癌高剂量率腔内近距离放射治疗计划	首次将注意力门控机制与3D UNET结合应用于近距离放射治疗的剂量分布预测	研究样本量相对较小（77个原始计划），且仅针对特定类型（腔内）近距离放射治疗	开发高效准确的剂量预测模型以优化宫颈癌近距离放射治疗计划流程	宫颈癌患者的高剂量率腔内近距离放射治疗计划	数字病理	宫颈癌	深度学习	3D UNET with attention gates	3D医学影像数据	77个原始临床近距离放射治疗计划（经数据增强扩展至252个）
654	2025-04-27	Efficient labeling for fine-tuning chest X-ray bone-suppression networks for pediatric patients 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17516 PMID:39546640	research paper	提出了一种高效的标注方法，用于微调针对儿科患者的胸部X光片骨抑制网络	开发了一种无需专业设备和技术人员培训的全自动儿科CXR骨抑制网络	研究样本量较小，仅使用了40张标注的儿科CXR图像进行微调和验证	提高儿科胸部X光片中骨结构的自动抑制能力，以辅助儿童肺炎诊断	儿科患者的胸部X光片	digital pathology	pneumonia	distance transform-based bone-edge detection, traditional image processing-based bone suppression	CNN	image	240张成人CXR图像（A240）和260张儿科CXR图像（P260，其中40张标注用于微调和验证，220张未标注用于测试）
655	2025-04-27	Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning 2025-Feb, Cancer science IF:4.5Q1 DOI:10.1111/cas.16374 PMID:39555724	research paper	该研究利用深度学习技术，通过单个外周血细胞进行白血病的诊断和分型	提出了一种基于分割的增强残差网络，采用渐进多粒度训练与拼图补丁方法，能够在单个外周血细胞上区分良恶性细胞并进行白血病分型	对于非急性早幼粒细胞白血病的召回率较低（74.63%），模型性能在不同白血病类型间存在差异	开发一种非侵入性、快速准确的白血病诊断和分型方法	外周血细胞图像（包括5种良性白细胞和8种白血病细胞）	digital pathology	leukemia	deep learning	segmentation-based enhanced residual network	image	21,208张图像（来自237名患者）
656	2025-04-27	Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100652 PMID:39522644	研究论文	通过单细胞分辨率的成像质谱流式细胞术数据，研究三阴性乳腺癌肿瘤微环境的空间结构及其与临床结果的关系	利用多尺度计算算法深入量化肿瘤微环境的异质性，识别出10个复发性细胞邻域，并发现这些邻域与血管密度及周围免疫特征的组合能显著区分长期存活者	研究样本量相对较小（71例TNBC患者标本），且需要进一步验证深度学习模型在更大队列中的预测能力	探索三阴性乳腺癌肿瘤微环境的细胞组成、空间组织与临床结果之间的关联，以发现新的治疗靶点和生物标志物	三阴性乳腺癌患者的肿瘤微环境	数字病理学	三阴性乳腺癌	成像质谱流式细胞术	深度学习模型	图像	71例TNBC患者标本
657	2025-04-27	Current status and future direction of cancer research using artificial intelligence for clinical application 2025-Feb, Cancer science IF:4.5Q1 DOI:10.1111/cas.16395 PMID:39557634	review	本文综述了人工智能在癌症研究中的现状、挑战及未来方向，特别关注临床应用	探讨了生成式AI技术（如ChatGPT）在医学领域的应用及其社会影响	未具体说明研究中使用的AI技术或模型的局限性	促进利用有效AI技术进行癌症研究	AI技术在癌症研究中的应用	digital pathology	cancer	NA	NA	NA	NA
658	2025-04-27	Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach 2025-Feb, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06961-x PMID:39557690	research paper	该研究开发了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	首次使用CycleGAN实现PET到SPECT图像的跨模态转换，并保留了疾病特异性信息	合成SPECT图像的对比度噪声比较低，且在合成图像上观察到诊断性能有所降低	开发一种深度学习方法，促进多中心研究和克服数据稀缺问题，支持帕金森病和非典型帕金森综合征的诊断	帕金森病(PD)和非帕金森病对照(NC)受试者的[11C]CFT PET和[123I]FP-CIT SPECT图像	digital pathology	Parkinson's disease, atypical parkinsonian syndromes	PET, SPECT, CycleGAN	CycleGAN	image	602例[11C]CFT PET图像(72%PD)和1152例[123I]FP-CIT SPECT图像(85%PD)，以及67例PET测试集(75%PD)
659	2025-04-27	Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics 2025-Feb, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04875-0 PMID:39560696	研究论文	本研究探讨了利用深度学习和MRI预测低级别胶质瘤术中5-ALA诱导荧光的能力	结合U-Net模型和随机森林分类器，首次实现了基于术前MRI的术中荧光预测	模型性能仍有提升空间，且样本量相对有限	预测低级别胶质瘤的术中5-ALA诱导荧光情况	163例胶质瘤患者（83例荧光阳性，80例阴性）	数字病理	胶质瘤	MRI（T1、T1-post gadolinium、FLAIR序列）	U-Net + 随机森林	医学影像	163例胶质瘤患者
660	2025-04-27	Preparing for downstream tasks in artificial intelligence for dental radiology: a baseline performance comparison of deep learning models 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae056 PMID:39563402	research paper	比较卷积神经网络（CNN）、视觉变换器（ViT）和门控多层感知器（gMLP）在牙科放射影像分类中的性能	首次在牙科放射影像分类任务中比较了CNN、ViT和gMLP的性能，并发现ViT在某些任务中表现优于CNN	研究仅基于回顾性收集的二维影像数据，样本来源和多样性可能存在限制	评估不同深度学习模型在牙科放射影像分类任务中的性能	牙科放射影像中的上颌窦、上下颌切牙、颏孔的存在与否以及下颌第三磨牙与下牙槽神经管的位置关系	computer vision	dental disease	cone beam computed tomography	CNN, ViT, gMLP	image	NA