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
761	2025-07-20	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	该研究探讨了SARS-CoV-2病毒突变对人类与动物间交叉传播的影响，并利用深度学习模型预测了可能增强传播的关键突变	提出了病毒在动物宿主中的适应性突变不一定增加人类传染性的假设，并构建了多任务深度学习模型MT-TopLap来预测跨物种传播的关键突变	研究主要关注RBD区域的突变，可能忽略了病毒其他区域突变对传播的影响	研究SARS-CoV-2病毒突变对人类与动物间交叉传播能力的影响	SARS-CoV-2病毒的受体结合域(RBD)突变	机器学习	COVID-19	深度突变扫描	MT-TopLap(多任务深度学习模型)	蛋白质序列数据	多种物种(人类、猫、蝙蝠、鹿、仓鼠)的ACE2受体数据
762	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	research paper	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位（STN LFPs）中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能优势	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中进行测试	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改善自适应深部脑刺激（DBS）疗法的效果	帕金森病患者的丘脑底核局部场电位和步态表现	machine learning	Parkinson's disease	深部脑刺激（DBS），局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（STN LFPs），地面反作用力数据	18名帕金森病患者
763	2025-07-20	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用，旨在开发预测性生物标志物以改善诊断和治疗效果	利用人工智能技术开发预测性生物标志物，包括S100A7和深度学习数字病理学，以预测口腔上皮异型增生转化为口腔鳞状细胞癌的风险及治疗效果	目前尚无可靠的临床、病理、组织学或分子生物标志物来预测口腔上皮异型增生和口腔鳞状细胞癌的个体风险和治疗效果	探索人工智能在预测口腔上皮异型增生转化为口腔鳞状细胞癌及预测口腔鳞状细胞癌死亡率和治疗反应中的应用	口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)患者	数字病理学	口腔癌	机器学习、深度学习、多重免疫组织化学、表观基因组学	深度学习(DL)	图像、表观遗传数据	NA
764	2025-07-20	Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17294 PMID:38980065	研究论文	本研究开发了一种患者特异性深度学习方法，用于改进质子治疗中原声成像的重建质量和剂量验证的准确性	采用两阶段深度学习方法，结合群体模型和患者特异性数据增强，显著提高了原声成像的重建质量和剂量验证的准确性	研究仅基于10名前列腺癌患者的数据，样本量有限，需要进一步临床验证	改进质子治疗中原声成像的重建质量和剂量验证的准确性	前列腺癌患者	数字病理	前列腺癌	深度学习、数据增强	深度学习网络	CT图像、原声信号	10名前列腺癌患者
765	2025-07-20	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	本研究比较了深度学习模型与资深外科住院医师在腹部X光片上诊断坏死性小肠结肠炎（NEC）的准确性	使用预训练的ResNet-50深度卷积神经网络（DCNN）和Grad-CAM热力图技术，首次在NEC诊断中实现与资深外科住院医师相当的准确性	研究样本量有限（494张X光片），且缺乏普遍应用的'金标准'作为对照	评估深度学习模型在NEC影像诊断中的临床应用价值	新生儿腹部X光片（494张，其中214张为NEC病例）	数字病理学	坏死性小肠结肠炎	迁移学习	ResNet-50 DCNN	图像	494张新生儿腹部X光片（214例NEC，280例其他）
766	2025-07-20	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	本研究验证了深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的应用，并评估了颜色融合选项对分类性能的影响	研究了不同颜色融合选项（早期融合、中期融合和晚期融合）对深度学习分类性能的影响，并发现红色通道图像在单色学习中表现最佳，中期融合在多色学习中表现最优	研究为回顾性研究，样本量相对有限，且仅使用了超宽视野视网膜图像	验证深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的有效性，并评估颜色融合选项对分类性能的影响	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	深度学习图像分类	CNN	图像	438名患者的798张超宽视野视网膜图像（157名葡萄膜黑色素瘤患者和281名脉络膜痣患者）
767	2025-07-20	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	提出了一种基于电子健康记录（EHR）的加权患者表示框架PheW2P2V，用于表型组范围内的预测	PheW2P2V通过加权患者向量，针对特定表型进行个性化预测，减少了冗余和病例对照错误分类	需要进一步研究评估嵌入在不同数据库间的可迁移性	开发一种高效、灵活的预测工具，用于早期诊断高风险疾病	电子健康记录（EHR）中的患者数据	机器学习	多种临床疾病表型	Phecode映射	NA	电子健康记录（EHR）	MIMIC-III数据库中的942个表型范围预测
768	2025-07-20	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	research paper	该研究探讨了氯菊酯暴露如何通过小胶质细胞激活在模拟海湾战争疾病的小鼠模型中引发抑郁样行为	揭示了氯菊酯暴露通过小胶质细胞激活引发抑郁样行为的机制，并利用单细胞RNA测序分析了相关转录网络	研究仅在小鼠模型中进行，尚未在人类中验证	评估氯菊酯暴露是否会导致神经炎症应激反应并引发与海湾战争疾病相关的精神症状	海湾战争疾病小鼠模型	神经科学	海湾战争疾病	单细胞RNA测序	DREADD受体	RNA序列数据	21,566个来自小鼠海马区的单细胞核
769	2025-07-20	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep-09, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	本研究开发了一种深度学习算法，用于在军事特定社交媒体平台上检测包含自杀相关内容的帖子	利用RoBERTa模型结合帖子文本和元数据，以较高敏感性和特异性检测自杀风险	研究仅基于公开分享的社交媒体帖子，可能无法涵盖所有风险人群	识别现役军人和退伍军人的自杀风险	军事特定社交媒体平台上的公开帖子	自然语言处理	心理健康	深度学习	RoBERTa	文本	8449条社交媒体帖子
770	2025-07-20	Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images 2024-Sep-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16173097 PMID:39272955	research paper	提出了一种基于深度学习的模型，用于从全切片图像中预测肺腺癌的5年复发风险	引入了创新的双重注意力架构，显著提高了计算效率，并在复发风险分层中表现出色	未提及样本量是否足够大或模型在其他数据集上的泛化能力	提高肺腺癌复发预测的准确性和效率，以改善治疗决策	肺腺癌患者的全切片图像	digital pathology	lung cancer	NA	deep learning-based model with dual-attention architecture	whole slide images (WSIs)	NA
771	2025-07-20	Derivation, external and clinical validation of a deep learning approach for detecting intracranial hypertension 2024-Sep-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01227-0 PMID:39237755	研究论文	开发并验证了一种基于深度学习的非侵入性颅内高压检测方法	利用常规收集的颅外波形数据开发人工智能生物标志物（aICP），减少对侵入性监测的需求	外部验证数据集仅来自单一医院，可能影响结果的普适性	开发非侵入性颅内高压检测方法以改善神经预后	成年患者	数字病理学	神经系统疾病	深度学习	NA	波形数据	来自MIMIC-III波形数据库（2000-2013）和西奈山医院独立数据集（2020-2022）的患者数据
772	2025-07-20	Automatic detection of the third molar and mandibular canal on panoramic radiographs based on deep learning 2024-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101946 PMID:38857691	research paper	本研究开发了一种基于深度学习的全自动框架，用于在全景X光片上自动检测下颌第三磨牙与下颌管的位置关系	提出的RPIFormer模型在分割下颌第三磨牙和下颌管时平均Dice系数达到92.56%，比之前最佳研究提高了3.06%，且无需人工裁剪即可实现自动检测	NA	辅助医生评估和规划适当的手术干预方案	下颌第三磨牙(M3)和下颌管(MC)在全景X光片(PRs)中的位置关系	digital pathology	oral health	deep learning	RPIFormer, CycleGAN	image	450张全景X光片（253张来自医院，197张来自在线平台）
773	2025-07-20	Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals 2024-Aug-01, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2023.0820 PMID:37728587	研究论文	该研究通过MRI扫描和深度学习技术，探讨了腹部脂肪与脑容量损失之间的关系	首次在大规模人群（10,001人）中系统分析了内脏和皮下腹部脂肪对多个脑区体积的影响，并发现其作为可调节因素对脑健康的重要性	研究为横断面设计，无法确定因果关系；仅使用1.5T MRI可能影响成像精度	探究不同类型腹部脂肪与中年人群脑容量损失的关系	10,001名健康参与者（平均年龄52.9岁，52.8%男性）	数字病理学	老年疾病	MRI成像，深度学习分割	FastSurfer（基于CNN的模型）	MRI图像	10,001名健康参与者
774	2025-07-20	Unsupervised denoising of photoacoustic images based on the Noise2Noise network 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529253 PMID:39346987	研究论文	本研究实现了一种基于Noise2Noise网络的无监督深度学习方法，用于改进基于线性阵列的光声成像	与需要无噪声地面实况的监督学习不同，Noise2Noise网络可以从一对噪声图像中学习噪声模式，这对于无法获取地面实况的体内光声成像尤为重要	NA	改进基于线性阵列的光声成像质量	光声图像	计算机视觉	NA	Noise2Noise网络	深度学习	图像	NA
775	2025-07-20	TUnA: an uncertainty-aware transformer model for sequence-based protein-protein interaction prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae359 PMID:39051117	研究论文	本文提出了一种基于Transformer的不确定性感知模型TUnA，用于从序列数据预测蛋白质-蛋白质相互作用	TUnA结合了ESM-2嵌入和Transformer编码器，并引入了谱归一化神经高斯过程，能够评估未见序列的不确定性	未明确提及具体局限性	解决现有深度学习模型在蛋白质-蛋白质相互作用预测中泛化能力不足和缺乏不确定性估计的问题	蛋白质-蛋白质相互作用	生物信息学	NA	ESM-2嵌入, 谱归一化神经高斯过程	Transformer	序列数据	NA
776	2025-07-20	Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65357-x PMID:38937555	研究论文	开发了一种多模态深度学习模型，用于预测非缺血性心肌病患者致命性室性心律失常的风险	结合了LGE心脏MRI、心电图和临床数据的多模态深度学习模型，提高了预测恶性室性心律失常的准确性	研究样本量较小（289名患者），且为回顾性研究，可能影响模型的泛化能力	预测非缺血性心肌病患者致命性室性心律失常的风险，以指导ICD植入决策	非缺血性心肌病患者	数字病理	心血管疾病	LGE心脏MRI、12导联心电图	残差变分自编码器、DEEP RISK机器学习模型	图像（MRI）、信号（ECG）、临床数据	289名来自两家三级医院的患者
777	2025-07-20	CURE: A deep learning framework pre-trained on large-scale patient data for treatment effect estimation 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100973 PMID:39005483	research paper	提出了一种名为CURE的深度学习框架，用于从观察数据中估计治疗效果	CURE框架通过在大规模未标记患者数据上进行预训练，学习具有代表性的上下文患者表示，并在标记患者数据上进行微调以进行治疗效果估计	未明确提及具体局限性	识别治疗对重要结果的因果效应	患者数据	machine learning	NA	深度学习	预训练与微调框架	观察数据	大规模未标记患者数据和标记患者数据
778	2025-07-20	Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17072 PMID:38721977	研究论文	本文提出了一种基于胸部CT的自动化椎体骨折评估方法，利用深度学习和形态学特征进行椎体分割、标记及骨折检测	结合深度学习、多参数冻结-生长算法和强度自相关技术，实现了椎体的自动化分割和标记，并通过计算椎体高度特征进行骨折检测	方法在低剂量CT上的泛化性虽经评估，但样本量相对较小（n=236），可能需要更多数据验证	开发自动化椎体骨折评估方法，以替代人工专家阅读，提高大规模人群研究的效率	慢性阻塞性肺疾病（COPD）患者的胸部CT图像	数字病理学	慢性阻塞性肺疾病	深度学习、多参数冻结-生长算法、强度自相关、CT成像	DL网络	CT图像	3231名COPDGene研究参与者的40,050个椎体，其中120例用于DL分类器训练与验证，236例低剂量CT评估泛化性
779	2025-07-20	MAD-Former: A Traceable Interpretability Model for Alzheimer's Disease Recognition Based on Multi-Patch Attention 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368500 PMID:38442047	research paper	提出了一种基于多块注意力机制的可追踪解释性模型MAD-Former，用于阿尔茨海默病的识别	设计了3D脑特征提取网络和双分支注意力结构，提出重要注意力相似性位置损失函数，并开发了一种基于注意力选择和感受野追踪的可追踪方法	NA	开发一种具有可解释性的阿尔茨海默病自动诊断模型	阿尔茨海默病患者的结构磁共振成像(sMRI)数据	digital pathology	geriatric disease	deep learning	CNN, MAD-Former	3D MRI images	ADNI和OASIS数据集
780	2025-07-20	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	research paper	评估自主人工智能筛查早产儿视网膜病变（ROP）的效果	利用深度学习构建图像处理流程，自主识别ROP严重程度	研究仅基于美国和印度的数据，可能不适用于其他地区	验证自主AI筛查ROP的有效性	早产儿视网膜病变（ROP）患者	digital pathology	retinopathy of prematurity	deep learning	AI algorithm	image	SUNDROP数据集：1545名婴儿的6245次检查；AECS数据集：2699名婴儿的5635次检查