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
781	2025-07-20	Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data 2025-Mar-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17071092 PMID:40227603	研究论文	本文提出了一种启发式三阶段机制，用于优化基于电子健康记录（EHR）的乳腺癌转移风险预测的深度学习模型网格搜索	提出了一种三阶段机制（SSGS和RGS策略）来管理低预算网格搜索的运行时间，并通过SHAP分析解释模型超参数的贡献	未明确提及具体局限性，但可能涉及计算资源有限或数据集的特定限制	优化深度学习模型在乳腺癌转移风险预测中的性能	乳腺癌患者的电子健康记录（EHR）数据	机器学习	乳腺癌	网格搜索，SHAP分析	深度前馈神经网络（DFNN）	临床数据	未明确提及具体样本量
782	2025-07-20	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	research paper	本文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割结果转化为3D共识分割，无需训练数据	开发了一种无需训练数据的2D到3D分割方法，能够处理拥挤和形态复杂的细胞	依赖于2D分割方法的准确性，可能无法完全替代原生3D分割方法	解决3D细胞分割中的密集标注难题，提高分割效率和准确性	细胞、细胞聚集体和组织	digital pathology	NA	deep learning	NA	image	11个真实数据集，超过70,000个细胞
783	2025-07-20	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-03-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文提出了一种基于深度迁移学习的模型，用于大规模筛选针对A类GPCRs的更安全药物	使用迁移学习和结合自然语言处理的神经网络，针对A类GPCRs预测低效化合物或偏向激动剂	高质量数据的有限可用性可能影响模型的可靠性	提高药物开发中针对A类GPCRs的更安全化合物的预测准确性	A类G蛋白偶联受体（GPCRs）及其配体	机器学习	NA	自然语言处理	神经网络	序列数据	所有A类GPCRs的受体序列和配体数据集
784	2025-07-20	Machine learning predicts spinal cord stimulation surgery outcomes and reveals novel neural markers for chronic pain 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92111-8 PMID:40102462	研究论文	本研究应用机器学习预测慢性疼痛患者对脊髓刺激（SCS）手术的反应，并揭示了新的神经标记物	结合主观自我报告、术中获取的EEG数据和机器学习算法，首次用于区分SCS手术的响应者和非响应者	样本量较小（20名患者），可能影响模型的泛化能力	预测慢性疼痛患者对SCS手术的反应，并寻找客观的疼痛生物标志物	20名接受SCS手术的慢性疼痛患者	机器学习	慢性疼痛	EEG信号分析、PCA、递归特征消除	决策树	EEG信号、临床特征、患者报告结果	20名慢性疼痛患者
785	2025-07-20	Integrative Protein Assembly With LZerD and Deep Learning in CAPRI 47-55 2025-Mar-17, Proteins IF:3.2Q2 DOI:10.1002/prot.26818 PMID:40095385	research paper	本文报告了在CAPRI第47-55轮中，研究小组的蛋白质复合物预测方法及其结果的性能	整合了小组开发的经典流程和最近开发的深度学习流程，并在人类组预测中结合文献信息进行建模	排除了联合CASP第50和54轮以及特殊的COVID-19第51轮，且部分建模案例未成功	提高蛋白质复合物预测的准确性和性能	蛋白质复合物	computational biology	NA	deep learning, LZerD	deep learning pipelines	protein complex models	eight interfaces successfully modeled
786	2025-07-20	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Mar-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法	肝脏磁共振弹性成像数据	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	SqueezeNet（QC模型）和2D U-Net（分割模型）	医学影像数据	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
787	2025-07-20	Development of a Machine-Learning Algorithm to Identify Cauda Equina Compression on Magnetic Resonance Imaging Scans 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123669 PMID:39826832	研究论文	开发并验证了一种机器学习模型，用于从MRI扫描中自动检测马尾神经压迫，以加快对疑似马尾神经综合征患者的分类	首次使用卷积神经网络（CNN）自动检测马尾神经压迫，并通过梯度下降热图展示分类关键区域	研究样本量相对较小（715张图像），且未提及模型在不同MRI设备或扫描参数下的泛化能力	开发自动化工具以改善马尾神经综合征的诊断效率和准确性	疑似马尾神经综合征患者的MRI扫描图像	数字病理学	马尾神经综合征	MRI扫描	CNN	图像	715张MRI图像（80%训练集，20%测试集）
788	2025-07-20	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究探讨了深度学习在腰椎间盘突出症（LDH）诊断和治疗决策中的应用，通过MRI图像分析比较了纯AI、纯人类和AI辅助方法的准确性和决策时间	研究不仅关注椎间盘突出的存在，还探索了AI在诊断和治疗决策中的综合应用，展示了AI与人类专家协同工作的潜力	研究为回顾性研究，可能受到数据选择和历史偏差的影响	评估深度学习在LDH诊断和治疗决策中的效果	接受手术评估的患者的MRI图像	数字病理学	腰椎间盘突出症	MRI	CNN	图像	未明确提及样本数量
789	2025-07-20	Performance of Machine Learning Models in Predicting BRAF Alterations Using Imaging Data in Low-Grade Glioma: A Systematic Review and Meta-Analysis 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123742 PMID:39914655	meta-analysis	本文通过系统综述和荟萃分析评估了机器学习和深度学习模型在预测低级别胶质瘤中BRAF基因改变方面的性能	首次系统评估了AI模型在预测LGGs中BRAF基因改变方面的表现，并进行了荟萃分析	样本量较小(6项研究951例患者)，未来需要更大样本量和不同算法来减少不精确性	评估AI模型通过影像数据预测低级别胶质瘤BRAF基因改变的效能	低级别胶质瘤(LGGs)患者	digital pathology	brain tumor	machine learning/deep learning	NA	imaging data	6项研究共951例患者
790	2025-07-20	The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers 2025-Mar-01, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00767-0 PMID:40025245	研究论文	本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因突变之间的关系，以及可能的突变事件序列	揭示了胶质母细胞瘤突变产生的独特影像特征，并展示了肿瘤位置和空间分布与基因谱的关联	研究为回顾性分析，样本量有限（357例），且仅针对IDH野生型胶质母细胞瘤	探索胶质母细胞瘤的影像基因组学和空间基因组学特征及其与致癌驱动因素的关系	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数MRI和靶向基因测序	机器学习和深度学习模型	影像和基因测序数据	357例IDH野生型胶质母细胞瘤患者
791	2025-07-20	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	开发并验证了一种基于胸部CT扫描的自动定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次使用全自动深度学习方法来定量评估裂隙完整性，并基于此建立预测模型以评估EBV治疗效果	研究样本量较小（96例），且为回顾性研究，可能影响模型的泛化能力	开发预测模型以识别适合EBV治疗的肺气肿患者	中重度肺气肿患者	数字病理学	肺气肿	深度学习	逻辑回归	CT图像	96例患者的CT扫描数据（训练集58例，测试集38例）
792	2025-07-20	KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need? 2025-Feb-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01602 PMID:39882632	research paper	该研究开发了基于决策树和图注意力网络（GAT）的KaML模型，用于预测蛋白质pKa值和电离状态，显著提高了预测准确性	KaML-CBtree在预测所有六种可滴定氨基酸的pKa值和电离状态方面显著优于现有技术，特别是对于去质子化的半胱氨酸和赖氨酸的准确预测	机器学习方法受限于实验数据的稀缺性	提高蛋白质电离状态的预测准确性，以促进生物学理解和计算机辅助药物发现	蛋白质的电离状态和pKa值	machine learning	NA	decision trees, graph attention networks (GAT)	KaML-CBtree, GAT	protein data, experimental pKa database (PKAD-3)	NA
793	2025-07-20	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	research paper	该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以合成ADC图，用于神经胶质瘤患者的诊断和干预	501例神经胶质瘤患者的T1w和T2-FLAIR图像	digital pathology	diffuse gliomas	deep learning, MRI	MPR-ViT, VCT, ResViT	image	501例神经胶质瘤病例（训练集400例，验证集50例，测试集51例）
794	2025-07-20	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	research paper	开发并验证了用于自动分割前交叉韧带损伤和手术后患者股四头肌横截面积的卷积神经网络	针对前交叉韧带损伤患者开发了新的CNN模型，解决了现有自动化方法在该人群中的有效性挑战	模型在部分情况下存在错误预测（VL 17%，RF 11%，VM 20%）	验证和开发适用于前交叉韧带损伤患者的股四头肌横截面积自动分割方法	前交叉韧带损伤患者的股四头肌（股外侧肌、股直肌和股内侧肌）	digital pathology	anterior cruciate ligament injury	ultrasound imaging	CNN	image	124名ACL损伤患者（430个VL图像，349个RF图像，723个VM图像）和153名健康参与者
795	2025-07-20	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	提出一种新型的自监督学习框架和CSwin transformer UNet模型，用于增强双参数MRI中临床显著性前列腺癌的检测	引入了端到端的Cross-Shaped windows (CSwin) transformer UNet模型和自监督学习框架，利用未标记数据提高网络泛化能力	需要进一步验证模型在其他数据集上的表现	提高双参数MRI中临床显著性前列腺癌的检测性能	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像(bpMRI)	CSwin transformer UNet	MRI图像	1476名患者(PI-CAI数据集)和158名患者(Prostate158数据集)
796	2025-07-20	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较深度学习与传统机器学习方法在心律失常/心电图模式分类中的性能，并评估减少心电图导联子集对分类准确性的影响	首次比较了深度学习（CNN）和传统机器学习（RF）在心电图导联子集上的心律失常分类性能，并识别了最优导联子集	研究仅基于公开数据集PhysioNet Cardiology Challenge 2020，未在其他独立数据集上验证结果	评估减少心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图数据	机器学习	心血管疾病	递归特征消除	CNN, RF	心电图信号	PhysioNet Cardiology Challenge 2020公开数据集
797	2025-07-20	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	research paper	使用深度学习技术从心电图中识别心脏壁运动异常，提高检测准确性	开发了一种名为ECG-WMA-Net的深度神经网络，其性能优于专家心电图解读和Q波指数	模型在外部验证队列中的表现有所下降，AUC为0.723	提高心脏壁运动异常的筛查准确性，解决标准心电图方法未能捕捉的生理差异	35,210名来自加利福尼亚的患者和2,338名来自乔治亚州的多样化人群	machine learning	cardiovascular disease	deep learning	deep neural network (ECG-WMA-Net)	ECG和超声心动图数据	35,210名患者（训练集）和2,338名患者（验证集）
798	2025-07-20	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	探讨深度神经网络（DNNs）在3D形状推理任务中如何接近人类水平的表现	构建了多种3D感知的DNN架构，并研究了学习目标和数据集在3D形状推理中的作用，发现多视角DNNs在特定条件下能接近人类表现	DNN建模方法在捕捉人类类似形状推理方面存在固有局限性，且对训练集外对象类别的泛化能力有限	缩小DNNs与人类在3D形状表示方面的差距	3D形状推理任务中的深度神经网络与人类表现对比	计算机视觉	NA	深度神经网络（DNNs）	3D神经场（Light Field Network）、自编码器、卷积架构	3D视觉刺激数据	NA
799	2025-07-20	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	本文提出了一种结合多波段多回波fMRI技术和深度线性矩阵近似重建方法（DELMAR）的新策略，用于更准确地描绘人脑的分层功能连接网络	首次将多回波BOLD信号去噪与DELMAR方法集成，无需独立的ME-ICA去噪步骤，提高了分层脑连接网络的重建准确性和可重复性	未明确说明该方法在临床诊断中的实际应用效果验证	开发更准确的人脑功能连接网络映射方法	人脑功能连接网络	神经影像分析	神经系统疾病和精神疾病	多波段多回波fMRI（MBME fMRI）	深度线性模型（DELMAR）	fMRI影像数据	NA
800	2025-07-20	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特性分析	采用U-Net和Deeplabv3网络构建裂纹识别模型，U-Net模型在岩石样本多角度裂纹识别中准确率达99.4%，较Deeplabv3模型提升0.5%	研究仅针对砂岩SCB半圆盘试样，未涵盖其他岩石类型或更复杂的地质条件	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境工程决策提供数据支持	含预制裂纹（0°、15°、30°、45°、60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化方法（HE/AHE/CLAHE）	U-Net, Deeplabv3	图像	含五种不同角度预制裂纹的砂岩样本（具体数量未明确说明）