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
7841	2025-02-06	Preoperatively Predicting PIT1 Expression in Pituitary Adenomas Using Habitat, Intra-tumoral and Peri-tumoral Radiomics Based on MRI 2025-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01376-4 PMID:39904941	研究论文	本研究旨在利用基于MRI的生境、瘤内和瘤周放射组学模型预测垂体腺瘤中垂体转录因子1（PIT1）的表达	创新点在于结合了生境、瘤内和瘤周放射组学特征，并构建了深度学习放射组学列线图（DLRN）用于个体预测	研究样本量相对较小，且为回顾性研究，可能存在选择偏倚	预测垂体腺瘤中PIT1的表达	129名垂体腺瘤患者	数字病理学	垂体腺瘤	MRI	logistic regression (LR), support vector machines (SVM), multilayer perceptron (MLP), deep learning radiomics nomogram (DLRN)	图像	129名患者（训练集103名，测试集26名）
7842	2025-02-06	Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE 2025-Feb-04, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401451 PMID:39905872	研究论文	本文介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中有效表征与表型相关的特征	PASSAGE框架通过图嵌入方法，能够在多个异质性空间切片中有效表征与表型相关的特征，超越了传统的无监督方法	NA	研究目的是开发一种能够利用样本特征（如生理/病理状态）来识别空间转录组学中表型相关特征的计算工具	空间转录组学数据	数字病理学	NA	空间转录组学	深度学习	空间转录组数据	NA
7843	2025-02-06	Functional feature extraction and validation from twelve-lead electrocardiograms to identify atrial fibrillation 2025-Feb-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00749-2 PMID:39894874	研究论文	本文提出了一种非参数特征提取方法，用于识别与心房颤动发展相关的特征	与深度学习方法相比，本文提出的特征直观且能提供个体水平上心房颤动发展前的纵向心电图变化洞察	方法仍需要进一步验证以确认其广泛适用性	识别与心房颤动发展相关的心电图特征	慢性肾功能不全队列研究中的参与者	机器学习	心血管疾病	功能主成分分析	Cox比例风险模型	心电图数据	慢性肾功能不全队列研究中的参与者（2003-2008年和2013-2015年）
7844	2025-02-06	Advancing forecasting capabilities: A contrastive learning model for forecasting tropical cyclone rapid intensification 2025-Jan-28, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2415501122 PMID:39835899	研究论文	本文提出了一种基于对比学习的热带气旋快速增强预测模型，以提高预测准确性	该模型通过解决样本不平衡问题并结合热带气旋结构特征，显著提高了预测性能	模型仅在西北太平洋2020至2021年的1149个热带气旋周期上进行了测试，可能需要更多数据验证其泛化能力	提高热带气旋快速增强的预测能力	热带气旋快速增强事件	机器学习	NA	对比学习	RITCF-contrastive	卫星红外图像、大气和海洋数据	1149个热带气旋周期
7845	2025-02-06	Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach 2025-Jan-22, Genome research IF:6.2Q1 DOI:10.1101/gr.278812.123 PMID:39622637	研究论文	本文提出了一种新的深度学习方法scIDST，用于推断单细胞转录组学中的疾病进展阶段	scIDST方法通过弱监督框架推断单个细胞的疾病进展水平，解决了患者来源组织中细胞异质性问题	NA	解决单细胞转录组学中细胞异质性问题，识别与疾病相关的分子特征	患者来源组织中的单个细胞	单细胞转录组学	NA	单细胞/核基因组测序	深度学习	单细胞转录组数据	NA
7846	2025-02-04	Estimating Task-based Performance Bounds for Accelerated MRI Image Reconstruction Methods by Use of Learned-Ideal Observers 2025-Jan-16, ArXiv PMID:39876930	研究论文	本文探讨了使用学习理想观察者（CNN-IOs）来估计加速MRI图像重建方法的任务性能界限	将卷积神经网络（CNN）近似的理想观察者（CNN-IOs）应用于多线圈磁共振成像（MRI）系统，以建立图像重建的任务性能界限	研究仅限于多线圈SENSE MRI系统和深度生成的随机脑模型，可能不适用于其他类型的成像系统或模型	设计和优化医学成像系统，特别是加速MRI图像重建方法，以确保诊断信息的完整性	多线圈磁共振成像（MRI）系统	医学影像	NA	卷积神经网络（CNN）	CNN	图像	深度生成的随机脑模型
7847	2025-02-06	A Vessel Bifurcation Landmark Pair Dataset for Abdominal CT Deformable Image Registration (DIR) Validation 2025-Jan-15, ArXiv PMID:39876932	研究论文	本文介绍了一种用于腹部CT可变形图像配准（DIR）验证的首个基准数据集，包含大量高精度的血管分叉标志点对	首次提供了用于腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据集仅包含30名患者的腹部CT图像，样本量相对较小	支持未来DIR算法的开发与验证	腹部CT图像中的血管分叉标志点对	数字病理学	NA	深度学习模型	NA	CT图像	30名患者的腹部CT图像，共1895个标志点对
7848	2025-02-06	Reusable specimen-level inference in computational pathology 2025-Jan-10, ArXiv PMID:39867428	研究论文	本文介绍了SpinPath工具包，旨在通过提供预训练的标本级模型、Python推理引擎和JavaScript推理平台，普及标本级深度学习在计算病理学中的应用	开发了SpinPath工具包，填补了标本级模型在计算病理学中不可用的空白，促进了标本级深度学习的普及和应用	未提及具体的技术或模型性能限制	推动计算病理学中标本级深度学习的应用和普及	计算病理学中的标本级任务	数字病理学	NA	深度学习	预训练模型	标本级数据	涉及九个基础模型的转移检测任务
7849	2025-02-06	Counterfactual Diffusion Models for Mechanistic Explainability of Artificial Intelligence Models in Pathology 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.29.620913 PMID:39554184	研究论文	本文提出并验证了MoPaDi（Morphing histoPathology Diffusion），一种用于生成反事实机制解释的模型，以提高人工智能模型在病理学中的可解释性	MoPaDi利用扩散自编码器操纵病理图像块，并通过改变形态翻转其生物标志物状态，同时结合多实例学习处理弱监督问题	NA	提高深度学习模型在病理学中的可解释性	病理学全切片图像	数字病理学	癌症	扩散自编码器	扩散模型	图像	四个数据集，包括组织类型、不同器官的癌症类型、切片中心来源和微卫星不稳定性生物标志物
7850	2025-02-06	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Jan-03, Research square DOI:10.21203/rs.3.rs-5743704/v1 PMID:39801521	研究论文	本文提出了一种多尺度细胞间交互空间转录组学（MCIST）分析方法，用于整合基因表达谱及其空间位置，以识别空间域、推断细胞类型动态和检测组织内的基因表达模式	MCIST结合了多尺度拓扑表示和前沿空间深度学习技术的优势，填补了当前空间转录组学分析中忽视多尺度细胞间交互的空白	NA	提升空间转录组学数据分析的准确性和多尺度洞察力	空间转录组学数据	空间转录组学	NA	空间转录组学分析	空间深度学习技术	空间转录组学数据	37个基准空间转录组学数据集
7851	2025-02-06	Clair3-RNA: A deep learning-based small variant caller for long-read RNA sequencing data 2025-Jan-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.17.624050 PMID:39803537	研究论文	本文提出了Clair3-RNA，一种基于深度学习的适用于长读RNA测序数据的小变异检测工具	Clair3-RNA是首个专为长读RNA测序数据设计的深度学习变异检测工具，结合了多种优化技术，如不均匀覆盖度归一化、训练材料精炼、编辑位点发现和单倍型相位整合，以提升变异检测性能	NA	开发一种适用于长读RNA测序数据的变异检测工具，以提高变异检测的准确性和性能	长读RNA测序数据	生物信息学	NA	长读RNA测序（lrRNA-seq）	深度学习	RNA测序数据	多种GIAB样本
7852	2025-02-06	Classifying cognitive impairment based on FDG-PET and combined T1-MRI and rs-fMRI: An ADNI study 2025-Jan, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877241302493 PMID:39623970	研究论文	本研究利用FDG-PET图像和结合T1-MRI与rs-fMRI的方法，对轻度认知障碍（MCI）和认知正常（CN）成人进行分类，并预测MCI患者向阿尔茨海默病（AD）痴呆的转化	结合FDG-PET和MRI技术，使用深度学习模型对MCI进行分类，并比较不同成像技术的分类性能	MRI模型的分类性能未超越FDG-PET模型，且MCI向AD转化的预测准确率较低	分类MCI和CN成人，并预测MCI患者向AD痴呆的转化	轻度认知障碍（MCI）和认知正常（CN）成人	数字病理学	阿尔茨海默病	FDG-PET成像、T1-MRI、rs-fMRI	3D DenseNet	图像	805名参与者（MCI 455人，CN 350人）进行FDG-PET成像，348名参与者（MCI 174人，CN 174人）进行MRI和功能MRI成像
7853	2025-02-06	Insights into AI advances in immunohistochemistry for effective breast cancer treatment: a literature review of ER, PR, and HER2 scoring 2025-Jan, Current medical research and opinion IF:2.4Q3 DOI:10.1080/03007995.2024.2445142 PMID:39705612	文献综述	本文综述了人工智能在乳腺癌免疫组化染色图像中自动评分ER、PR和HER2生物标志物的最新进展	探讨了AI技术在乳腺癌免疫组化染色图像自动评分中的应用，特别是Allred、H-Score和HER2评分方法	未提及具体的研究局限性	提高乳腺癌诊断和治疗的准确性和效率	乳腺癌免疫组化染色图像中的ER、PR和HER2生物标志物	数字病理学	乳腺癌	免疫组化染色	机器学习和深度学习	图像	NA
7854	2025-02-06	Predicting the exposure of mycophenolic acid in children with autoimmune diseases using a limited sampling strategy: A retrospective study 2025-Jan, Clinical and translational science DOI:10.1111/cts.70092 PMID:39727288	研究论文	本研究旨在利用机器学习和深度学习算法开发一种预测模型，用于优化采样频率，预测儿童自身免疫性疾病中霉酚酸（MPA）的暴露量	首次将Wide&Deep模型应用于MPA暴露量的预测，并证明使用三个采样点即可准确估计MPA暴露量，减少了患者的不适	研究为回顾性研究，可能存在数据偏差，且样本量相对较小	开发一种预测模型，用于优化采样频率，预测儿童自身免疫性疾病中MPA的暴露量	儿童自身免疫性疾病患者	机器学习	自身免疫性疾病	机器学习、深度学习	Wide&Deep, Random Forest, XGBoost, LightGBM, Gradient Boosting Decision Tree, CatBoost, Artificial Neural Network, Grandient Boosting Machine, Transformer, TabNet	血液浓度数据	209名患者的614个MPA AUC样本
7855	2025-02-06	AI Methods for Antimicrobial Peptides: Progress and Challenges 2025-01, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70072 PMID:39754551	综述	本文综述了人工智能在抗菌肽（AMPs）识别和设计中的最新进展、挑战和机遇，特别强调了大型语言模型（LLMs）、图神经网络（GNNs）和结构引导设计	本文填补了现有综述在大型语言模型（LLMs）、图神经网络（GNNs）和结构引导抗菌肽发现与设计方面的空白	现有方法在抗菌肽发现和设计中仍存在局限性，需要进一步解决	探讨人工智能在抗菌肽识别和设计中的应用	抗菌肽（AMPs）	机器学习	NA	机器学习（ML）、深度学习（DL）	大型语言模型（LLMs）、图神经网络（GNNs）	NA	NA
7856	2025-02-06	Treatment efficacy prediction of focused ultrasound therapies using multi-parametric magnetic resonance imaging 2025, Cancer prevention, detection, and intervention : Third MICCAI Workshop, CaPTion 2024, Held in Conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. CaPTion (Workshop) (3rd : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73376-5_18 PMID:39802501	研究论文	本文提出了一种利用多参数磁共振成像预测聚焦超声治疗效果的深度学习框架	利用治疗期间获取的多参数MRI图像，通过深度学习框架实时预测治疗效果，克服了传统方法延迟评估的局限性	研究样本量较小（N=6），且仅在VX2肿瘤模型兔上进行验证，需进一步在更大样本和人类患者中验证	开发一种能够实时评估聚焦超声治疗效果的方法，以提高治疗精度和效果	VX2肿瘤模型兔	数字病理学	乳腺癌	多参数磁共振成像（MRI）	深度学习框架	MRI图像	6只VX2肿瘤模型兔
7857	2025-02-06	ShaderNN: A Lightweight and Efficient Inference Engine for Real-time Applications on Mobile GPUs 2025-Jan-01, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2024.128628 PMID:39802630	研究论文	本文提出了一种名为ShaderNN的轻量级高效推理引擎，专为移动设备上的实时应用设计	ShaderNN首次利用基于OpenGL后端的片段着色器进行神经网络推理操作，提出了计算着色器和片段着色器的混合实现，以提升性能	NA	设计一个适用于移动设备的深度学习推理框架，以解决计算能力有限、低功耗预算、内存访问方法多样以及I/O总线带宽受限等问题	移动设备上的实时应用，如游戏和视频处理软件	机器学习	NA	OpenGL	神经网络	图像	NA
7858	2025-02-06	Deep learning model to diagnose cardiac amyloidosis from haematoxylin/eosin-stained myocardial tissue 2025-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyae141 PMID:39811011	研究论文	本研究开发了一种深度学习模型，用于从苏木精/伊红（HE）染色的心肌组织中诊断心脏淀粉样变性	首次利用深度学习模型从HE染色的心肌组织中诊断心脏淀粉样变性，并通过模型高亮显示疑似淀粉样沉积区域	需要进一步的多中心前瞻性验证来确认模型的普遍适用性	开发一种深度学习模型，以支持从HE染色的心肌组织中诊断心脏淀粉样变性	166名接受心肌活检的患者，包括76名诊断为心脏淀粉样变性的患者和90名其他诊断的患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像	166名患者的心肌活检样本
7859	2025-02-06	A method for blood pressure hydrostatic pressure correction using wearable inertial sensors and deep learning 2025, Npj biosensing DOI:10.1038/s44328-024-00021-y PMID:39897702	研究论文	本文提出了一种使用可穿戴惯性传感器和深度学习进行血压静水压力校正的方法	提出了一种名为IMU-Track的新方法，利用可穿戴惯性传感器和深度学习模型校正血压测量中的静水压力变化	研究样本量较小，仅涉及20名参与者	开发一种无袖带、无创的血压测量方法，以校正传感器位置变化引起的静水压力误差	血压测量中的静水压力变化	机器学习	心血管疾病	深度学习	深度学习模型	传感器数据	20名参与者
7860	2025-02-06	Deep Learning-Based Body Shape Clustering Analysis Using 3D Body Scanner: Application of Transformer Algorithm 2025-Jan, Iranian journal of public health IF:1.3Q4 DOI:10.18502/ijph.v54i1.17583 PMID:39902372	研究论文	本研究利用3D人体扫描仪进行基于深度学习的体型聚类分析，并应用Transformer算法	使用Transformer算法进行体型分类，相比传统方法具有更高的性能，并将体型聚类分为六个更细粒度的类别	样本仅来自韩国国立体育大学的366名成年男女，可能缺乏广泛代表性	进行基于深度学习的体型聚类分析，以预测健康和疾病	366名成年男女的3D体型数据	机器学习	NA	3D Body Scanner, Transformer学习, 降维模型	Transformer	3D图像数据	366名成年男女