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
9021	2025-02-06	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	本研究比较了混合型迭代重建（IR）、基于模型的迭代重建（MBIR）、深度学习重建（DLR）和高分辨率深度学习重建（HR-DLR）在冠状动脉CT血管造影（CCTA）中对冠状动脉狭窄评估的效果	首次在体外和体内研究中直接比较了HR-DLR与其他重建方法在冠状动脉狭窄评估中的效果	研究样本量较小，仅包括31名患者	比较不同重建方法在冠状动脉狭窄评估中的效果	冠状动脉狭窄评估	医学影像	心血管疾病	CT扫描	深度学习重建（DLR）	CT图像	31名患者和三根不同直径的血管模型
9022	2025-02-06	Age-stratified deep learning model for thyroid tumor classification: a multicenter diagnostic study 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11386-7 PMID:39903238	研究论文	本研究开发了一种基于年龄分层的深度学习模型（ASMCNet），用于甲状腺结节的分类，并探讨了年龄分层对模型准确性的影响	首次将年龄分层引入深度学习模型，用于甲状腺结节的分类，并验证了其提高诊断准确性的潜力	研究为回顾性研究，可能存在数据偏差，且未在更大规模的多中心数据集中验证模型的泛化能力	探讨年龄分层对甲状腺结节分类模型准确性的影响，并评估模型在临床诊断中的辅助作用	甲状腺结节患者	数字病理	甲状腺癌	深度学习	ASMCNet	超声图像	5934名患者的10391张超声图像
9023	2025-02-06	Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems 2025-Feb-04, Evolutionary computation IF:4.6Q1 DOI:10.1162/evco_a_00367 PMID:39903851	研究论文	本文提出了一种结合深度学习和探索性景观分析（ELA）特征的混合方法Deep-ELA，用于单目标和多目标连续优化问题的分析	提出了一种结合深度学习和ELA特征的混合方法，解决了传统ELA特征在多目标优化问题中的局限性，并减少了深度学习对大量标注数据的依赖	需要预训练大量随机生成的优化问题，可能在实际应用中存在计算资源消耗较大的问题	改进单目标和多目标连续优化问题的分析方法	单目标和多目标连续优化问题	机器学习	NA	深度学习，探索性景观分析（ELA）	Transformer	数值特征	数百万个随机生成的优化问题
9024	2025-02-06	A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging 2025-Feb-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17663 PMID:39904615	研究论文	本文提出了一种基于对比无配对翻译网络的新型跨模态数据增强方法，用于提高基于深度学习的肾脏超声图像分割性能	采用对比无配对翻译网络（CUT）从标记的腹部CT数据和无标记的肾脏超声图像中低成本获取模拟的标记肾脏超声图像，并提出了一种实例加权训练策略	需要依赖标记的CT数据和无标记的超声图像，且模拟图像的质量可能影响最终分割效果	提高基于深度学习的肾脏超声图像分割模型的准确性和泛化能力	肾脏超声图像	计算机视觉	肾脏疾病	对比无配对翻译网络（CUT）	U-Net	图像	4418张标记的CT切片和4594张无标记的超声图像用于生成网络训练，4594张模拟和100张真实的肾脏超声图像用于分割网络训练，20张用于验证，169张用于测试
9025	2025-02-06	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Feb-04, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	本研究利用深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为治疗意识障碍的新药物，并通过回顾性临床分析验证其效果	首次使用深度学习模型预测现有药物的觉醒效果，并发现沙格列汀在急性及长期意识障碍中的潜在治疗作用	研究为回顾性分析，需进一步的前瞻性临床试验验证沙格列汀的疗效和安全性	探索现有FDA批准药物在治疗意识障碍中的新用途	4047名因创伤、血管性或缺氧性脑损伤导致的昏迷患者	机器学习	意识障碍	深度学习	深度学习模型	临床数据	4047名患者
9026	2025-02-06	Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions 2025-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01419-4 PMID:39904940	研究论文	本研究比较了U-Net和U-Net3+在视网膜渗出物分割中的性能，评估了它们在不同区域的检测效果	首次在不同视网膜区域（如血管周围与血管外区域、黄斑周围与黄斑外区域）对U-Net和U-Net3+模型进行了详细的性能评估	研究仅基于U-Net3+模型的结果进行评估，未进一步探讨其他深度学习模型的表现	评估深度学习模型在视网膜渗出物检测中的性能，以提高糖尿病视网膜病变的诊断准确性和效率	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net, U-Net3+	图像	NA
9027	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）
9028	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）
9029	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
9030	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
9031	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
9032	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
9033	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
9034	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
9035	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
9036	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
9037	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
9038	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
9039	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
9040	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