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
1001	2025-07-21	shinyDeepDR: A user-friendly R Shiny app for predicting anti-cancer drug response using deep learning 2024-Feb-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100894 PMID:38370127	研究论文	介绍了一个用户友好的R Shiny应用shinyDeepDR，用于通过深度学习预测抗癌药物反应	开发了一个用户友好的网络工具，使没有丰富编程经验的研究人员也能使用DeepDR模型进行抗癌药物敏感性预测	未提及模型在临床样本上的验证情况	推进精准肿瘤学，提高治疗反应预测的准确性和预测模型的可及性	癌症样本（细胞系或肿瘤）的突变和/或基因表达数据	机器学习	癌症	深度学习	DeepDR	基因表达数据和突变数据	包含来自Cancer Cell Line Encyclopedia (CCLE)和The Cancer Genome Atlas (TCGA)的数据
1002	2025-07-21	Enhancing Hierarchical Transformers for Whole Brain Segmentation with Intracranial Measurements Integration 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009084 PMID:39220623	research paper	该研究通过增强分层Transformer模型UNesT，实现了包含133个脑区及颅内测量（TICV/PFV）的全脑分割	提出了一种改进的分层Transformer模型，首次在全脑分割任务中同时实现脑区细分和颅内体积测量	面临手动标注图谱数据不足的挑战，特别是同时包含全脑分割和TICV/PFV标签的数据稀缺	开发能够同时进行全脑精细分割和颅内体积测量的深度学习模型	脑MRI图像中的133个解剖结构和颅内测量指标（TICV/PFV）	digital pathology	NA	MRI，多图谱分割流程	hierarchical transformer UNesT	3D MRI volumes	预训练使用4859个T1加权3D体积（来自8个不同站点），微调使用45个OASIS数据集样本
1003	2025-07-21	Brain Age Estimation from Overnight Sleep Electroencephalography with Multi-Flow Sequence Learning 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463495 PMID:38974693	研究论文	本研究通过开发一种新型深度学习模型，利用过夜脑电图（EEG）数据改进脑年龄估计	提出了一种多流学习框架，结合一维Swin Transformer和带注意力机制的卷积神经网络，以及DecadeCE损失函数来解决年龄分布不均的问题	未提及具体局限性	提高脑年龄估计的准确性	过夜睡眠脑电图数据	机器学习	精神或神经系统疾病	深度学习	Swin Transformer, CNN	EEG信号	13,616名受试者的18,767份多导睡眠图（PSGs）
1004	2025-07-21	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了深度神经网络在临床文本分类中的不确定性量化，以提高癌症登记处信息提取的自动化水平	引入了多种选择性分类方法，以在达到目标准确度的同时最小化拒绝量，且无需重新训练	对于分布外测试数据的解释较为复杂	提升临床文本分类的可靠性，以支持癌症登记处的自动化信息提取	来自美国国家癌症研究所SEER癌症登记处的电子病理报告文本	自然语言处理	癌症	深度神经网络	DNN	文本	来自SEER癌症登记处的电子病理报告
1005	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1006	2025-07-21	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment 2024-Jan, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.14949 PMID:37864429	研究论文	本研究开发并评估了一种用于实时检测皮肤鳞状细胞癌（cSCC）的深度学习算法，用于Mohs显微手术中的冰冻切片分析	首次开发了针对cSCC的AI实时组织边缘分析算法，并展示了高准确度的概念验证	算法需要进一步改进以更好地适应高分化肿瘤的独特表皮特征，并实现肿瘤原始解剖位置的定位	开发用于cSCC实时组织边缘分析的AI算法，提高手术效率和完全切除率	皮肤鳞状细胞癌（cSCC）的冰冻切片样本	数字病理学	皮肤鳞状细胞癌	深度学习	CNN	病理图像	回顾性队列研究的冰冻cSCC切片样本（具体数量未提及）
1007	2025-07-21	Workshop summaries from the 2024 voice AI symposium, presented by the Bridge2AI-voice consortium 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1484818 PMID:39540145	研讨会总结	2024年语音AI研讨会通过五个专题研讨会探讨了语音生物标志物和AI在医疗保健中的最新进展	研讨会涵盖了从语音生物标志物数据的国际标准化到AI解决方案的实际部署等多个创新主题	数据变异性、安全性和可扩展性等挑战仍然存在	推动语音AI工具在医疗保健中的开发和实施	语音生物标志物和AI应用	自然语言处理	语音障碍	信号处理、机器学习操作(MLOps)、深度学习	Whisper、ChatGPT	语音数据	NA
1008	2025-07-21	Deep learning, 3D ultrastructural analysis reveals quantitative differences in platelet and organelle packing in COVID-19/SARSCoV2 patient-derived platelets 2023-Dec, Platelets IF:2.5Q2 DOI:10.1080/09537104.2023.2264978 PMID:37933490	research paper	利用深度学习和3D超微结构分析技术，研究COVID-19患者血小板及其细胞器的定量差异	首次结合FIB-SEM高分辨率成像和深度学习方法，对COVID-19患者血小板进行3D超微结构定量分析	样本量有限（仅3名健康对照和3名重症COVID-19患者）	探究COVID-19患者血小板形态特征与微血栓形成的关联	血小板及其α颗粒和线粒体	digital pathology	COVID-19	FIB-SEM	deep learning	3D超微结构图像	600个血小板和30000个细胞器（来自3名健康对照和3名COVID-19患者）
1009	2025-07-21	The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows 2023-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.09.23296700 PMID:37873287	研究论文	本研究探讨了改进的样本处理工作流程对基于深度学习的空间转录组学评估的影响	提出了一种改进的样本处理工作流程，结合Visium CytAssist检测的灵活性，实现了自动化H&E染色、高分辨率全玻片成像以及多患者组织切片的复用	研究队列规模较小（13名pT3期结直肠癌患者），深度学习模型训练成本较高	提升空间转录组学工作流程的可靠性、分辨率和可扩展性	结直肠癌患者的组织切片	数字病理学	结直肠癌	空间转录组学、H&E染色、全玻片成像	Inceptionv3	图像、基因表达数据	13名pT3期结直肠癌患者
1010	2025-07-21	LSOR: Longitudinally-Consistent Self-Organized Representation Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_27 PMID:37961067	研究论文	提出了一种名为LSOR的自监督学习方法，用于从纵向脑部MRI中学习高维可解释表示	首次提出自监督SOM方法，通过软聚类提高训练稳定性，并生成按脑年龄分层的潜在空间	方法仅基于纵向脑部MRI，未利用人口统计或认知信息	解决深度学习模型在纵向脑部MRI应用中的可解释性问题	阿尔茨海默病神经影像学倡议(ADNI)的纵向MRI数据	数字病理学	阿尔茨海默病	自监督学习，SOM(自组织映射)	SOM	MRI图像	ADNI数据集中的纵向MRI
1011	2025-07-21	Leveraging spatial transcriptomics data to recover cell locations in single-cell RNA-seq with CeLEry 2023-07-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39895-3 PMID:37422469	研究论文	提出了一种名为CeLEry的监督深度学习算法，利用空间转录组学数据恢复单细胞RNA测序中的细胞位置信息	CeLEry通过变分自编码器进行数据增强，提高了方法的鲁棒性，并能克服scRNA-seq数据中的噪声	NA	解决单细胞RNA测序中细胞物理关系缺失的问题，恢复细胞的空间位置信息	单细胞RNA测序数据中的细胞	生物信息学	癌症	scRNA-seq, 空间转录组学	监督深度学习算法, 变分自编码器	基因表达数据, 空间位置数据	多个数据集，包括脑组织和癌组织，使用Visium、MERSCOPE、MERFISH和Xenium技术生成
1012	2025-07-21	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: a retrospective assessment 2023-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.05.14.23289960 PMID:37293008	研究论文	开发并评估一种用于实时组织学边缘分析的AI算法，以检测皮肤鳞状细胞癌（cSCC）	首次将深度学习算法应用于cSCC的术中边缘分析，特别是在不同分化状态的肿瘤中评估其准确性	对于高分化肿瘤，仅依靠组织形态学特征难以区分cSCC与表皮，需要进一步算法改进以考虑周围组织结构和肿瘤的原始解剖位置	提高皮肤鳞状细胞癌（cSCC）术中实时边缘分析的效率和准确性	接受Mohs显微手术的cSCC患者的冰冻切片	数字病理学	皮肤鳞状细胞癌	深度学习	CNN	图像	2020年1月至3月期间接受Mohs显微手术的cSCC患者的冰冻切片
1013	2025-07-21	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	research paper	评估深度学习分割方法在骨关节炎临床试验中量化软骨损失的适用性	利用2019年IWOAI膝关节软骨分割挑战赛中六支团队的深度学习方法，评估其在纵向临床研究中量化软骨损失的能力	股骨区域的深度学习分割方法标准化响应均值较低，可能由于后处理中的简单子区域提取方法	评估深度学习分割方法在标准化纵向单扫描仪临床研究中量化软骨损失的适用性	骨关节炎患者的膝关节MRI扫描数据	digital pathology	骨关节炎	深度学习分割方法	DL	MRI图像	556名受试者的1130次膝关节MRI扫描
1014	2025-07-21	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	research paper	该研究提出了一种基于图神经网络（GNN）的方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	通过将缺失测量值的估算问题重新定义为预测任务，并利用图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享部分ROI测量值	解决结构MRI数据集中特定ROI测量值缺失的问题，以支持机器学习模型的训练	青少年大脑认知发展研究（ABCD）和国家青少年酒精与神经发育联盟（NCANDA）的MRI数据集	machine learning	NA	graph neural network (GNN)	GNN	MRI数据	ABCD数据集N=3760（最小年龄12岁），NCANDA数据集N=540
1015	2025-07-21	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	本文提出了一种名为sciPENN的多用途深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并预测和估算细胞表面蛋白表达	sciPENN方法支持CITE-seq和scRNA-seq数据整合、蛋白表达预测和估算、预测和估算不确定性的量化，以及细胞类型标签从CITE-seq到scRNA-seq的转移	未明确提及具体限制，但可能涉及数据整合中的批次效应处理及不同数据集间蛋白面板部分重叠的问题	解决CITE-seq和scRNA-seq数据整合中的计算挑战，提高数据利用率以揭示细胞群体异质性	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病、流感和COVID-19	CITE-seq、单细胞RNA-seq	深度学习	RNA和蛋白表达数据	多个数据集，具体数量未明确说明
1016	2025-07-21	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文综述了深度学习在单细胞RNA测序分析中的应用，涵盖了25种深度学习算法及其在scRNA-seq处理流程中的适用性	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示，并比较了这些模型的训练策略和损失函数	仅关注了深度学习在scRNA-seq分析中的应用，未涉及其他单细胞技术	探讨深度学习在单细胞RNA测序数据分析中的潜力和应用	单细胞RNA测序数据	生物信息学	NA	scRNA-seq	变分自编码器、自编码器、生成对抗网络、监督深度学习模型	单细胞RNA测序数据	NA
1017	2025-07-21	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	research paper	该研究开发了一种基于深度学习的图像系统，用于糖尿病足溃疡的感染和缺血分类	使用EfficientNet深度学习模型在糖尿病足溃疡的感染和缺血分类中实现了高准确率，并显著优于现有技术	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种高效的糖尿病足溃疡感染和缺血分类系统	糖尿病足溃疡的图像数据	digital pathology	diabetic foot ulcer	deep learning	EfficientNet	image	NA
1018	2025-07-21	Prediction and interpretation of cancer survival using graph convolution neural networks 2021-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2021.01.004 PMID:33484826	研究论文	本研究提出了一种名为Surv_GCNN的图卷积神经网络方法，用于预测13种不同癌症类型的生存率，并识别潜在的基因标记	提出了一种新的图卷积神经网络方法Surv_GCNN，用于癌症生存率预测，并通过网络模块化识别潜在的基因标记	研究仅基于TCGA数据集，可能无法涵盖所有癌症类型的多样性	预测癌症生存率并识别潜在的基因标记	13种不同癌症类型的TCGA数据集	机器学习	癌症（包括乳腺癌、前列腺癌、睾丸癌、结肠癌、脑癌、胰腺癌等）	图卷积神经网络（GCNN）	GCNN	基因表达数据和临床数据	TCGA数据集中的13种癌症类型
1019	2025-07-21	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	研究论文	本研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的肿瘤异种移植模型（TNBC PDX）的肿瘤，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构（包括U-Net、dense U-Net、Res-Net、R2UNet和D-R2UNet）进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性	研究中使用的样本量未明确提及，且仅针对TNBC PDX模型，可能不适用于其他类型的肿瘤	开发自动化的肿瘤分割流程，减少人工分割的时间和变异性，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的肿瘤异种移植模型（TNBC PDX）的T1w和T2w MRI图像	数字病理学	乳腺癌	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	图像	NA
1020	2025-07-21	Artificial intelligence versus expert: a comparison of rapid visual inferior vena cava collapsibility assessment between POCUS experts and a deep learning algorithm 2020-Oct, Journal of the American College of Emergency Physicians open IF:1.6Q2 DOI:10.1002/emp2.12206 PMID:33145532	研究论文	比较POCUS专家与深度学习算法在快速视觉评估下腔静脉塌陷性方面的表现	开发了一种基于LSTM的深度学习算法，用于实时分析超声视频，评估下腔静脉塌陷性，辅助新手POCUS操作者	算法与专家之间的一致性仅为中等水平（κ=0.45）	为重症患者开发一种自动评估下腔静脉塌陷性的工具，以辅助临床决策	下腔静脉塌陷性评估	数字病理	心血管疾病	POCUS（床旁超声）	LSTM	超声视频	220个IVC超声视频用于训练，50个新视频用于测试