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
921	2025-07-03	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	本文介绍了一种基于图神经网络和大语言模型的蛋白质-蛋白质相互作用模型排序方法	结合蛋白质语言模型和图神经网络开发了DeepRank-GNN-esm算法，用于从大量模型中识别近天然构象	未提及具体性能指标或与其他方法的比较结果	解决蛋白质-蛋白质相互作用模型排序的挑战	蛋白质-蛋白质相互作用模型	计算生物学	癌症、感染性疾病、神经退行性疾病	图神经网络(GNN)、蛋白质语言模型	DeepRank-GNN-esm	蛋白质结构数据	NA
922	2025-07-03	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍了一种名为InterLabelGO+的深度学习模型，用于基于蛋白质语言模型的蛋白质功能预测	结合ESM2蛋白质语言模型提取序列特征，并考虑不同GO术语之间复杂关系的损失函数训练深度学习模型	未提及模型在特定蛋白质类型或条件下的预测性能限制	提高蛋白质功能预测的准确性，特别是在基因本体(GO)术语预测方面	蛋白质序列及其功能注释	生物信息学	NA	蛋白质语言模型(ESM2)、深度学习	深度学习模型	蛋白质序列数据	NA
923	2025-07-03	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	research paper	本文探讨了如何通过蛋白质序列嵌入和机器学习/深度学习预测人类蛋白质变异的致病性，并进一步计算其结构和功能特性	结合蛋白质序列嵌入与机器学习/深度学习技术预测变异致病性，并扩展计算其他重要结构功能特性	未提及具体数据集的样本量或模型验证的详细限制	预测人类蛋白质变异的致病性并解析其分子机制	人类蛋白质变异及其致病性	生物信息学	NA	蛋白质序列嵌入、机器学习、深度学习	NA	蛋白质序列	NA
924	2025-07-03	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于量化小鼠牙周炎模型中的牙槽骨	创新点在于使用U-Net AI深度学习引擎开发了一个3D深度学习模型，能够高精度地分割微CT数据中的牙槽骨，并自动排除牙齿部分	研究仅在小鼠模型中进行，尚未在人类样本中验证	开发一个无需机器学习背景知识即可使用的自动牙槽骨量化工具	小鼠牙周炎模型中的牙槽骨	数字病理学	牙周炎	微计算机断层扫描(µCT)	U-Net	3D图像	不同时间点(4、7、9、14天)的小鼠上颌骨样本
925	2025-07-03	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	research paper	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统评估了MR图像质量指标与深度学习分割性能之间的相关性，并提出了基于特定IQMs筛选训练图像以提升模型泛化能力的方法	研究仅针对特定类型的脑肿瘤和单一深度学习模型（3D DenseNet）进行验证	评估MR图像质量指标与深度学习分割准确性的关系，开发更具泛化能力的多机构数据模型	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	3D DenseNet	image	BraTS 2020和2021数据集的MRI扫描
926	2025-07-03	Neural network dose prediction for cervical brachytherapy: Overcoming data scarcity for applicator-specific models 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17230 PMID:38814165	research paper	该研究比较了三种神经网络训练方法，以确定宫颈近距离放射治疗剂量预测的最佳方法	通过结合所有应用器数据进行训练，克服了单一应用器数据稀缺的挑战，提高了剂量预测的准确性	研究仅针对四种特定的应用器类型，可能不适用于其他类型的应用器	比较不同神经网络训练方法在宫颈近距离放射治疗剂量预测中的性能	266名宫颈癌患者的859个治疗计划	digital pathology	cervical cancer	3D Cascade U-Net	CNN	image	859 treatment plans from 266 cervical cancer patients
927	2025-07-03	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	提出了一种新型全自动方法3D-svFMBV，用于通过超声评估组织灌注	结合图像处理、数值建模和深度学习，首次实现了全自动三维单血管分数移动血容量估计，无需背景信号数学校正	目前仅在合成图像和143例早孕期胎盘超声数据上进行了验证	开发更准确可靠的组织灌注评估方法	子宫动脉和胎盘组织	医学影像分析	先兆子痫	功率多普勒超声(PD-US)	深度学习	三维超声图像	143例早孕期胎盘超声数据
928	2025-07-03	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	research paper	提出一种基于深度学习的MRI图像方法，用于预测临床显著前列腺癌，通过混合监督提高分类性能	通过分布回归而非简单值回归，利用传统上被深度学习策略忽略的额外病理发现，提高分类性能	混合监督可能导致与基于图像的分割一致性降低	提高非侵入性前列腺癌分类的阳性预测值，改善患者护理	前列腺癌患者的多参数MRI检查数据	digital pathology	prostate cancer	MRI, deep learning	deep networks	image	973例多参数前列腺MRI检查（测试集n=198）
929	2025-07-03	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究利用深度学习和统计图谱方法，探索COVID-19患者肺部形状变化及其与疾病严重程度的关系	首次使用3D残差卷积网络结合肺部浸润特征，揭示COVID-19不同严重程度患者的肺部形状差异	研究为回顾性多中心设计，可能存在选择偏倚	探究COVID-19患者肺部形状变化与疾病严重程度的关联	COVID-19患者（轻症与重症）及健康对照组的基线胸部CT影像	数字病理	COVID-19	深度学习	3D残差卷积网络	CT影像	3443例（健康组、轻症COVID-19组、重症COVID-19组）
930	2025-07-03	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本文提出使用自监督学习技术提高基于IMU的地面反作用力估计的准确性和数据效率	利用自监督学习预训练深度学习模型，减少对标记数据的需求，提高估计准确性和数据效率	未明确提及具体局限性	提高基于IMU的地面反作用力估计的准确性和数据效率	地面反作用力（GRF）估计	机器学习	NA	自监督学习（SSL）	transformer	IMU数据	包含真实IMU数据、合成IMU数据或两者组合的三个预训练数据集
931	2025-07-03	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	research paper	本文系统评估了在组织病理学分析中训练的深度神经网络（DNNs），以了解其学习策略是否可信或具有欺骗性	首次系统分析了DNNs在组织病理学分析中的视觉策略是否可信，提出了模型评估和解释的框架	DNNs在分子分析中利用了组织学亚型与突变之间的相关性，未能推广到通过激光捕获显微切割（LCM）获得的挑战性测试集	评估DNNs在组织病理学分析中的可信度和有效性	221张来自肺腺癌患者的全切片图像（WSIs）	digital pathology	lung cancer	deep learning, laser capture microdissection (LCM)	DNNs	image	221张全切片图像（WSIs）
932	2024-08-07	Development and External Validation of a Multidimensional Deep Learning Model to Dynamically Predict Kidney Outcomes in IgA Nephropathy 2024-Jul-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000000000471 PMID:38728096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
933	2025-07-03	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	research paper	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法，用于识别和移除语义冗余的训练数据，从而提升模型性能	研究仅基于公开的NIH胸部X光数据集，未在其他医学影像数据上进行验证	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光影像数据	digital pathology	lung cancer	deep learning	CNN	image	公开的NIH胸部X-ray数据集
934	2025-07-03	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	research paper	提出一种端到端深度学习模型，用于心脏磁共振成像的运动校正和超分辨率重建	模型包含两个特定组件分别处理运动校正和超分辨率，以端到端方式训练	NA	从2D短轴切片重建高分辨率3D心脏体积	心脏磁共振成像数据	医学影像处理	心血管疾病	深度学习	端到端深度学习模型	医学影像	模拟数据集和真实世界数据集
935	2025-07-03	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	research paper	该研究提出了一种基于物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状动脉MRI重建方法，解决了硬件限制和训练数据不足的问题	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，利用2D卷积神经网络处理3D体积数据，以有限训练数据实现高质量重建	训练数据有限可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	医学影像处理	心血管疾病	MRI	CNN	3D MRI图像	NA
936	2025-07-03	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出了一种物理驱动的深度学习重建方法，用于解决频率调制拉比编码回波（FREE）MRI中的失真问题并提高成像速度	结合物理模型与深度学习，首次实现了FREE MRI的高加速率重建	目前仅在单接收线圈条件下验证了4倍加速的可行性	降低MRI成本并提高成像速度	MRI成像系统	医学影像	NA	频率调制拉比编码回波(FREE)	物理驱动深度学习(PD-DL)	MRI图像数据	未明确说明样本数量
937	2025-07-03	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	research paper	提出了一种新型的自监督学习框架RELAX-MORE，用于加速定量MRI重建	采用模型强化的自监督学习方法，无需大量训练数据，可在单被试数据上进行训练	NA	提高定量MRI的重建速度和准确性	大脑、膝盖和幻影数据	machine learning	NA	定量MRI，自监督学习	深度学习框架	MRI图像	单被试数据
938	2025-07-03	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	本文通过系统综述探讨了机器学习和深度学习模型在医院环境中检测不当处方的应用现状	总结了AI在临床药学领域的应用现状，并指出了整合AI到临床医院药学实践中的潜在价值	纳入的研究中有12项被认为存在高偏倚风险，且训练数据集非常异质	探讨机器学习和深度学习模型在检测医院不当药物医嘱中的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习和深度学习模型	药物医嘱数据	分析的处方医嘱数量从31到5,804,192不等
939	2025-07-03	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	research paper	使用深度学习预测前段光学相干断层扫描中的角度发育不良，并将其与已知青光眼基因突变相关联	首次使用深度学习模型客观识别角度发育不良，并验证其与特定青光眼基因突变的关联	样本量相对较小，且仅针对特定几种基因突变进行了验证	预测角度发育不良并探索其与青光眼基因突变的关系	前段光学相干断层扫描图像及青光眼患者基因数据	digital pathology	glaucoma	deep learning, AS-OCT	DL	image	800张AS-OCT图像（其中340张用于建模，393张用于基因验证）
940	2025-07-03	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	提出了一种基于超声视频的胎儿生长分析方法，通过最优分割和混合分类器分析胎儿头围生物特征	引入了混合鲸鱼与对立果蝇优化(WOFF)算法进行最优分割，改进的U-Net设计用于特征提取，以及改进的Boosting算术优化(MBAO)算法进行特征优化，最后采用双向LSTM与CNN混合深度学习技术(B-LSTM-CNN)进行胎儿生长分析	未提及具体样本量限制或算法在临床环境中的实际应用限制	通过超声图像分析胎儿生长和健康状况	胎儿头围生物特征	数字病理	出生缺陷	超声成像	改进的U-Net, B-LSTM-CNN	超声图像和视频帧	使用了公开基准数据集HC18(超声图像)和牛津大学研究档案(ORA-data)(超声视频帧)