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
661	2025-08-04	Multimodal AI Combining Clinical and Imaging Inputs Improves Prostate Cancer Detection 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001102 PMID:39074400	研究论文	本研究探讨了结合临床参数和基于MRI的深度学习来提高临床显著性前列腺癌的诊断准确性	整合了临床参数和MRI深度学习的多模态AI方法，提高了前列腺癌检测的准确性	研究中未发现结合病变体积能提高诊断效果	提高临床显著性前列腺癌的诊断准确性	临床显著性前列腺癌患者	数字病理	前列腺癌	MRI, 深度学习	多模态AI, 早期融合和晚期融合方法	MRI图像, 临床参数	932例双参数前列腺MRI检查，来自2个机构
662	2025-08-04	Accelerated High-Resolution Deep Learning Reconstruction Turbo Spin Echo MRI of the Knee at 7 T 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001095 PMID:38960863	研究论文	本研究比较了7T涡轮自旋回波（TSE）膝关节图像在不同并行成像加速因子下，通过深度学习（DL）和传统算法重建的图像质量	使用深度学习算法显著提高了4倍加速并行成像的高分辨率TSE图像质量	研究仅涉及健康志愿者，样本量较小（23人）	评估深度学习重建算法在加速7T膝关节MRI中的技术潜力	健康志愿者的膝关节MRI图像	医学影像	NA	7T涡轮自旋回波（TSE）MRI，并行成像加速	深度学习（DL）	MRI图像	23名健康志愿者（15男，8女）
663	2025-08-04	Deep Learning Reconstructed New-Generation 0.55 T MRI of the Knee-A Prospective Comparison With Conventional 3 T MRI 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001093 PMID:38857414	research paper	本研究比较了深度学习重建的0.55 T MRI与传统3 T MRI在膝关节疼痛患者中的图像质量、结构异常识别及分级以及读者信心水平	使用新型商业化的深度学习重建算法对0.55 T MRI图像进行重建，并与传统3 T MRI进行对比	样本量较小（26名患者），且仅针对膝关节疼痛患者进行研究	比较深度学习重建的0.55 T MRI与传统3 T MRI在膝关节检查中的表现	26名膝关节疼痛患者	digital pathology	knee pain	MRI	deep learning	image	26名患者（52次MRI检查）
664	2025-08-04	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究论文	本研究评估了深度学习加速的FLAIR序列与标准对比增强成像在炎症性膝关节滑膜炎诊断中的价值和准确性	使用深度学习加速的非对比FLAIR FS序列进行炎症性膝关节滑膜炎的评估，其效果与传统的对比增强T1加权FS成像相当	研究样本量较小（55名患者），且为回顾性研究	评估深度学习加速的FLAIR序列在炎症性膝关节滑膜炎诊断中的效果	疑似膝关节滑膜炎的患者	医学影像	膝关节滑膜炎	深度学习加速的FLAIR序列和对比增强T1加权FS序列	深度学习	医学影像数据	55名患者（平均年龄52±17岁，28名女性）
665	2025-08-04	FHIR-GPT Enhances Health Interoperability with Large Language Models 2024-Aug, NEJM AI DOI:10.1056/aics2300301 PMID:40746832	研究论文	本研究开发了FHIR-GPT，利用大型语言模型（LLMs）将临床叙述转换为FHIR资源，显著提高了健康数据的互操作性	首次利用大型语言模型（LLMs）直接转换临床文本为FHIR资源，相比现有方法显著提升了转换准确率	研究仅针对FHIR药物声明转换，未涵盖其他类型的FHIR资源	提升健康数据的互操作性，支持表型分析、临床试验和公共卫生监测	临床叙述文本	自然语言处理	NA	大型语言模型（LLMs）	GPT	文本	3671段临床文本片段
666	2025-08-04	Deep Learning Classification of Usual Interstitial Pneumonia Predicts Outcomes 2024-05-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202307-1191OC PMID:38207093	研究论文	本研究开发了一种基于多示例学习（MIL）的可解释深度学习算法，用于从CT图像中预测普通型间质性肺炎（UIP），并在独立队列中验证其性能	使用MIL方法开发了一种可解释的深度学习算法，显著提高了UIP的诊断准确性，并验证了其与患者生存率和肺功能下降的关联	研究依赖于回顾性数据，且部分队列样本量较小	提高普通型间质性肺炎（UIP）的非侵入性诊断准确性	CT图像和UIP患者	数字病理学	间质性肺病	CT成像	MIL（多示例学习）	图像	训练集2,143例，测试集包括三个独立队列（127例、239例和979例）
667	2025-08-04	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法，与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和评估关节病变方面的性能	25名疑似膝关节内部紊乱的有症状患者	医学影像	膝关节疾病	深度学习图像重建算法（Deep Resolve Gain和Deep Resolve Sharp）	NA	MRI图像	25名患者（11名女性，中位年龄38岁）
668	2025-08-04	A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae162 PMID:38739759	review	本文全面回顾了160多种蛋白质-配体相互作用预测器，涵盖蛋白质-蛋白质、蛋白质-核酸、蛋白质-肽及蛋白质-其他配体（核苷酸、血红素、离子）的相互作用	对蛋白质-配体相互作用预测器进行了全面分析，包括输入、特征概况、模型和可用性等多个重要方面，并指出深度学习方法、基于序列的预训练模型和基于结构的方法是新趋势	未提及具体预测器的性能比较或实际应用中的局限性	理解和预测蛋白质与各种配体的相互作用，以促进分子机制的研究和新药开发	蛋白质与核酸、肽及其他配体的相互作用	生物信息学	NA	深度学习、基于序列的预训练模型、基于结构的方法	NA	蛋白质序列、结构数据	超过160种蛋白质-配体相互作用预测器
669	2025-08-04	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	该研究探讨了如何最优地结合基因组和药物特征来预测癌症药物反应	通过引入基因和药物潜在特征之间的乘法关系，改进了基于连接的架构DrugCell，显著提高了预测性能	不同融合方法对不同融合点的响应差异未深入探讨其生物学意义	优化基因组和药物特征的融合方法以提高癌症药物反应预测的准确性	癌症药物反应预测	机器学习	癌症	深度学习	可见神经网络（具有两个深度学习分支）	基因组数据和药物特征数据	NA
670	2025-08-04	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法分析和分类火鸡再病毒的新兴变种	首次应用K-means和层次聚类方法区分火鸡再病毒类型，并结合多种机器学习算法和CNN进行变种分类	CNN模型在分类任务中的表现略逊于传统机器学习方法	检测和分类火鸡种群中的再病毒类型，识别新兴变种	火鸡再病毒（包括火鸡关节炎再病毒TARV和火鸡肝炎再病毒THRV）	机器学习	禽类疾病	K-means聚类、层次聚类、SVM、朴素贝叶斯、随机森林、决策树、CNN	SVM、朴素贝叶斯、随机森林、决策树、CNN	基因序列数据	真实火鸡再病毒序列数据（具体数量未提及）
671	2025-08-04	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	研究论文	本文提出了一种基于对比学习的深度学习模型，用于仅使用肽序列筛选抗癌肽（ACPs）	应用对比学习技术提升模型性能，并采用两个独立编码器替代常用的数据增强方法	未提及具体样本量及模型在临床实践中的验证情况	开发高效的计算工具以加速抗癌肽的筛选	抗癌肽（ACPs）	机器学习	癌症	对比学习	深度学习模型	肽序列	NA
672	2025-08-04	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer和Shell-like图架构的新型深度学习评分方法GSScore，用于蛋白质-配体对接姿势的RMSD预测	利用Graphormer和Shell-like图架构，GSScore能够有效捕捉近天然构象与非天然姿势之间的细微差异，无需额外信息	未提及具体局限性	开发更准确的蛋白质-配体对接姿势RMSD预测方法	蛋白质-配体相互作用	机器学习	NA	Graphormer, Shell-like图架构	Graphormer	蛋白质-配体对接数据	PDBBind版本2019的子集、CASF2016以及DUD-E数据集
673	2025-08-04	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强的乳腺MRI在乳腺癌原发治疗反应评估和预测中的应用	探讨了人工智能技术（包括经典机器学习和深度学习）在MRI上预测乳腺癌原发治疗反应的潜力	讨论了人工智能增强MRI在临床应用中面临的挑战和限制	评估和预测乳腺癌患者对原发系统性治疗（PST）的反应	乳腺癌患者，特别是局部晚期和早期乳腺癌患者	数字病理学	乳腺癌	MRI	经典机器学习和深度学习	图像	NA
674	2025-08-04	Automated Triage of Screening Breast MRI Examinations in High-Risk Women Using an Ensemble Deep Learning Model 2023-10-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000976 PMID:37058323	研究论文	开发并评估一种深度学习模型，用于在高风险患者的乳腺MRI检查中进行自动分诊，且不遗漏任何癌症病例	使用集成深度学习模型对高风险女性的乳腺MRI检查进行自动分诊，首次实现了在不遗漏任何癌症病例的情况下减少工作量	研究为回顾性设计，可能影响模型的泛化能力；外部验证数据集的样本量相对较小	开发一种能够准确分诊乳腺MRI检查的自动化工具，以减轻放射科医生的工作负担	高风险女性的乳腺MRI检查图像	数字病理学	乳腺癌	深度学习	集成深度学习模型	MRI图像	16,535例对比增强MRI（来自8,354名女性）
675	2025-08-04	Prediction of Bone Marrow Biopsy Results From MRI in Multiple Myeloma Patients Using Deep Learning and Radiomics 2023-10-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000986 PMID:37222527	研究论文	本研究通过深度学习和放射组学技术，利用MRI预测多发性骨髓瘤患者的骨髓活检结果	开发了一个自动化框架，能够从MRI非侵入性地预测骨髓活检结果，减少了侵入性检查的需求	预测模型对于某些细胞遗传学异常的外部测试集泛化能力不足	建立一个自动化框架，用于从MRI预测局部骨髓活检结果	多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	MRI, 放射组学	nnU-Net, 随机森林	MRI图像	来自8个中心的512名患者的672个MRI和370个对应的骨髓活检样本
676	2025-08-04	Comparison of Retinal Imaging Techniques in Individuals with Pulmonary Artery Hypertension Using Vessel Generation Analysis 2022-Nov-28, Life (Basel, Switzerland) DOI:10.3390/life12121985 PMID:36556350	研究论文	比较视网膜成像技术在肺动脉高压患者中的应用，使用血管生成分析	首次使用非侵入性彩色眼底成像（CF）与荧光素血管造影（FA）在肺动脉高压（PAH）患者中进行视网膜血管变化的比较，并应用深度学习（DL）加速分析	样本量较小（n=9），且微血管变化未在两种成像技术中表现一致	评估非侵入性CF成像是否能提供与FA相同的视网膜血管信息，以促进PAH的临床诊断和管理	肺动脉高压（PAH）患者的视网膜血管	数字病理	肺动脉高压	荧光素血管造影（FA）、彩色眼底成像（CF）、深度学习（DL）	深度学习	图像	9名PAH患者
677	2025-08-04	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	研究论文	比较集中式数据与联邦学习(FL)在早产儿视网膜病变(ROP)诊断中的深度学习分类器性能	首次在ROP诊断中比较集中式数据与联邦学习的性能，证实FL在多机构协作中的有效性	研究仅涉及7个机构的5255张图像，样本量和机构数量有限	评估联邦学习在ROP诊断中的性能及其在多机构协作中的可行性	早产儿视网膜病变(ROP)的视网膜图像	数字病理	早产儿视网膜病变	深度学习	CNN	图像	5255张广角视网膜图像，来自7个机构的新生儿重症监护室
678	2025-08-04	Automatic extraction of upper-limb kinematic activity using deep learning-based markerless tracking during deep brain stimulation implantation for Parkinson's disease: A proof of concept study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0275490 PMID:36264986	研究论文	本研究利用基于深度学习的无标记追踪技术，在帕金森病深部脑刺激植入手术中自动提取上肢运动学活动	首次将深度学习计算机视觉技术应用于DBS手术中的无标记运动追踪，提高了运动行为评估的准确性	样本量较小(N=5)，且为概念验证研究	改进DBS手术中运动测试的主观性，提高神经运动映射的准确性	帕金森病患者的上肢运动活动	计算机视觉	帕金森病	DeepLabCut计算机视觉套件	SVM(支持向量机)	视频	5名患者
679	2025-08-04	Classification of multiple sclerosis clinical profiles using machine learning and grey matter connectome 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.926255 PMID:36313252	研究论文	本研究利用机器学习和灰质连接组数据对多发性硬化症（MS）的临床特征进行分类	结合四种简单的ML模型，利用灰质形态连接数据实现良好的分类性能，无需复杂MR技术或深度学习架构	样本量较小（90名MS患者），且仅使用了两种脑图谱（FSAverage和Glasser 2016）	探究灰质厚度连接组数据在多发性硬化症临床特征分类中的判别能力	多发性硬化症患者的灰质形态连接组数据	机器学习	多发性硬化症	MRI，T1加权图像采集，灰质分割	Logistic Regression, Random Forest, SVM, AdaBoost, 集成模型	图像	90名MS患者
680	2025-08-04	Deep learning assisted mechanotyping of individual cells through repeated deformations and relaxations in undulating channels 2022-Jan, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0077432 PMID:40746947	研究论文	本文介绍了一种通过深度学习辅助的细胞机械分型方法，利用微流控通道对单个细胞进行重复变形和松弛，并通过序列深度学习模型提取特征	设计了微流控通道对细胞进行重复变形和松弛，结合序列深度学习模型，显著提高了细胞机械分型的准确率	研究仅使用了HL60细胞作为模型系统，未验证其他细胞类型的适用性	开发一种高精度的细胞机械分型方法，以区分基于细胞骨架特性的不同细胞亚群	HL60细胞（经过化学处理与未处理）	数字病理学	NA	微流控技术、深度学习	RNN、CNN	时间序列细胞形状数据	处理与未处理的HL60细胞