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
1081	2025-07-22	Automated deep learning segmentation of high-resolution 7 Tesla postmortem MRI for quantitative analysis of structure-pathology correlations in neurodegenerative diseases 2024-May-01, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00171 PMID:39301426	研究论文	本研究开发了一种深度学习流程，用于高分辨率7T尸检MRI的自动分割，以量化神经退行性疾病中的结构与病理相关性	提出了一个高分辨率的尸检人脑组织数据集，并开发了一个深度学习流程，用于皮层分割，并评估了其在未见图像上的泛化能力	标记数据集的可用性有限，扫描硬件和采集协议的异质性	开发自动分割方法，用于尸检MRI中的脑部映射，以量化神经退行性疾病中的结构与病理相关性	135例尸检人脑组织标本	数字病理学	阿尔茨海默病	7T MRI, T2w序列, T2*w FLASH序列	深度学习神经网络	MRI图像	135例尸检人脑组织标本，其中82例为阿尔茨海默病连续诊断的个体
1082	2025-07-22	A Deep Learning Approach for Automated Extraction of Functional Status and New York Heart Association Class for Heart Failure Patients During Clinical Encounters 2024-Apr-01, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.30.24305095 PMID:38633789	研究论文	开发并验证了一种基于深度学习的自然语言处理策略，用于从非结构化临床记录中提取心力衰竭患者的功能状态评估	首次使用深度学习NLP方法自动提取心力衰竭患者的功能状态和NYHA分级，提高了跟踪最佳护理和识别临床试验合格患者的能力	研究仅基于特定医院的临床记录，可能无法完全推广到其他医疗机构	开发自动提取心力衰竭患者功能状态评估的工具，以改善质量管理和临床试验患者筛选	心力衰竭患者	自然语言处理	心血管疾病	NLP	深度学习模型	文本	26,577名HF患者，3,000份专家注释记录，166,655份未注释记录
1083	2025-07-22	Deep learning analysis of epicardial adipose tissue to predict cardiovascular risk in heavy smokers 2024-Mar-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00475-1 PMID:38480863	research paper	该研究利用深度学习自动量化心外膜脂肪组织，以预测重度吸烟者的心血管风险	首次在重度吸烟者中，通过深度学习自动量化心外膜脂肪组织，并证明其与全因和心血管死亡率的独立关联	研究仅基于非心电图同步、非对比低剂量胸部CT扫描，可能影响心外膜脂肪组织的精确量化	评估心外膜脂肪组织自动量化在重度吸烟者心血管风险分层中的预后价值	24,090名成年重度吸烟者	digital pathology	cardiovascular disease	深度学习算法	深度学习	image	24,090名成年重度吸烟者（59%男性；61±5岁）
1084	2025-07-22	Automated vertical cup-to-disc ratio determination from fundus images for glaucoma detection 2024-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55056-y PMID:38396048	研究论文	本研究开发了一种基于深度学习的自动化系统，用于从眼底图像中确定垂直杯盘比（VCDR），以检测青光眼	使用YOLOv7架构进行视盘和视杯的检测及VCDR计算，并解决了深度学习模型在不同人群中的适应性问题	模型最初在特定人群（如欧洲人）上训练，可能对其他人群的适应性需要进一步验证	开发一种自动化工具，用于青光眼的早期检测	眼底图像中的视盘和视杯	数字病理学	青光眼	深度学习	YOLOv7	图像	十个公开数据集和REFUGE数据集（中国患者图像）
1085	2025-07-22	Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan 2024-Feb-13, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00516-w PMID:38350930	研究论文	提出一种深度学习架构，用于自动分割脑部MRI图像中的窦周结构，并验证其在健康人群中的体积变化	首次使用两个级联的3D全卷积神经网络自动分割窦周空间结构，无需外源性对比剂	仅使用T2加权MRI图像，未与其他成像模态进行比较	开发自动量化窦周结构体积的工具，研究其在生命周期中的变化规律	窦周结构（如蛛网膜颗粒和矢状窦旁硬膜下空间）	数字病理学	NA	3D T2加权非增强MRI	3D FCNN	MRI图像	验证集80例（11-83岁），应用集1,872例（5-100岁）
1086	2025-07-22	Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation 2024-Jan-16, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031257 PMID:38226515	研究论文	本研究利用人工智能技术通过超声心动图检测风湿性心脏病，特别关注二尖瓣反流	首次将卷积神经网络和带有注意力机制的深度学习模型应用于超声心动图数据，用于风湿性心脏病的自动检测和二尖瓣反流分析	研究样本量有限（511例儿童超声心动图），且仅关注二尖瓣反流	开发人工智能辅助诊断工具以提高风湿性心脏病的早期筛查效率	儿童风湿性心脏病患者的超声心动图数据	数字病理学	心血管疾病	超声心动图	CNN, 带有注意力机制的深度学习模型	图像（超声心动图）	511例儿童超声心动图（229例正常，282例RHD）
1087	2025-07-22	ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES 2024-01-01, Shock (Augusta, Ga.) DOI:10.1097/SHK.0000000000002227 PMID:37752080	研究论文	本研究探讨了机器学习技术在结合临床数据和基因表达信息以更好地预测和理解脓毒症方面的潜力	利用机器学习模型（包括神经网络、深度学习和集成方法）整合基因转录信息，提升脓毒症预测准确性并探索其病理生理学	脓毒症缺乏明确定义，机器学习模型存在可解释性和偏差问题	提升脓毒症患者预后，推动精准医学方法在脓毒症管理中的应用	脓毒症患者	机器学习	脓毒症	基因表达分析	神经网络、深度学习、集成方法	基因表达数据、临床数据	NA
1088	2025-07-22	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过心电图预测术后死亡率	利用深度学习分析心电图波形信号，发现隐藏的风险标志物，显著提高了术后死亡率的预测准确性，超越了传统的修订心脏风险指数(RCRI)	研究仅基于三个医疗系统的数据，可能无法代表所有医疗环境	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	数字病理学	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者（共59,975次住院手术和112,794次心电图）
1089	2025-07-22	An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1379984 PMID:39355118	研究论文	本文提出了一种可解释的深度学习框架EnsembleOmicsAE，用于识别阿尔茨海默病的蛋白质组驱动因素	利用集成自编码器（AEs）降低蛋白质组数据的复杂性，生成稳定的潜在特征，并通过迭代扰乱输入特征计算特征重要性分数，识别出线性方法遗漏的AD分子驱动因素	研究依赖于三个AD队列的蛋白质组数据，样本量相对有限，且未涉及其他类型的数据验证	探索阿尔茨海默病的蛋白质组驱动因素，提高模型的可解释性	559名健康或诊断为阿尔茨海默病的个体的脑蛋白质组数据	机器学习	阿尔茨海默病	蛋白质组学	集成自编码器（EnsembleOmicsAE）	蛋白质组数据	559名个体
1090	2025-07-22	Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods 2024-Jan, BJR open DOI:10.1093/bjro/tzae039 PMID:39583148	review	本文综述了人工智能在放射肿瘤学中的应用现状、挑战与机遇，为临床医生提供了评估AI模型相关研究论文的工具	从临床医生的视角出发，系统阐述了AI在放射肿瘤学中的开发流程与应用前景，填补了临床医生在AI知识方面的空白	未涉及具体AI模型在临床实践中的验证数据，主要停留在方法论层面的讨论	提升临床医生对AI研发流程的理解，促进多学科合作，推动AI在放射肿瘤学中的临床应用	放射肿瘤学中的AI应用（如自动分割、治疗计划等）	digital pathology	NA	NA	deep learning	NA	NA
1091	2025-07-22	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	通过整合计算分析揭示调控基因组元件对脊柱裂的贡献	使用无靶向的全基因组方法探索脊柱裂的遗传风险模式，结合深度学习优先排序框架识别功能相关的罕见调控变异	研究依赖于计算预测和功能注释，缺乏实验验证	阐明脊柱裂病理生理学的全基因组调控特征	脊柱裂患者和健康对照的基因组数据	基因组学	脊柱裂	全基因组测序、深度学习优先排序框架	深度学习	基因组数据	脊柱裂患者与健康对照的基因组数据（具体样本量未提及）
1092	2025-07-22	Radiologic imaging biomarkers in triple-negative breast cancer: a literature review about the role of artificial intelligence and the way forward 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae016 PMID:40201726	review	本文综述了人工智能在放射影像学中作为三阴性乳腺癌（TNBC）成像生物标志物的应用现状与未来发展	整合了过去十年（2013-2024）基于放射组学和深度学习的AI技术在TNBC诊疗中的最新进展，并探讨了未来发展方向	作为综述文章，未涉及原始数据或实验验证	开发更有效和个性化的TNBC影像生物标志物，推进TNBC的诊断、治疗和预后评估	三阴性乳腺癌（TNBC）的放射影像数据	digital pathology	breast cancer	radiomics, deep learning	deep learning-based models	radiologic breast images	NA
1093	2025-07-22	Computational staining of CD3/CD20 positive lymphocytes in human tissues with experimental confirmation in a genetically engineered mouse model 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1451261 PMID:39530103	研究论文	提出了一种知识引导的深度学习框架，用于测量人类H&E组织上的淋巴细胞空间结构，并通过实验验证了该技术在基因工程小鼠模型中的可行性	通过单细胞分辨率图像配准H&E到IHC，实现了像素级完美的淋巴细胞标记，并整合了计算科学与基础科学进行更严格的验证	模型在外部测试数据集上的AUC为0.71，表现略低于内部测试数据集的0.78	量化淋巴细胞空间炎症，以促进空间系统生物学研究，提高对治疗抵抗的理解，并贡献于预后成像生物标志物	人类H&E组织样本和基因工程小鼠模型	数字病理学	癌症	深度学习	深度学习框架	图像	超过111,000个人类细胞核（45,611个CD3/CD20阳性淋巴细胞）
1094	2025-07-22	A simulative deep learning model of SNP interactions on chromosome 19 for predicting Alzheimer's disease risk and rates of disease progression 2023-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13319 PMID:37409680	research paper	本文提出了一种模拟深度学习模型，用于预测阿尔茨海默病的风险和疾病进展速率	使用新型模拟深度学习模型量化了染色体19上每个单核苷酸多态性(SNP)及其相互作用对阿尔茨海默病风险的贡献	研究仅关注染色体19上的SNP，可能忽略了其他染色体上的遗传因素	通过遗传模式识别来评估阿尔茨海默病的风险和进展速率，以支持个性化治疗策略	阿尔茨海默病患者的染色体19遗传数据	machine learning	阿尔茨海默病	深度学习模型	深度学习	遗传数据	来自阿尔茨海默病神经影像学倡议(ADNI)和阿尔茨海默病影像与遗传生物标志物数据集的患者数据
1095	2025-07-22	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	research paper	介绍了一种名为FINDR的无监督深度学习方法，用于推断神经群体活动的低维非线性随机动力学	提出了一种新的深度学习方法FINDR，能够推断神经群体活动的低维非线性随机动力学，并在捕获单个神经元的异质性反应方面优于现有方法	未明确提及具体局限性	揭示神经群体的低维任务相关动力学及其相关计算	大鼠前脑区域的群体尖峰序列数据	machine learning	NA	deep learning	deep recurrent networks	spike train data	NA
1096	2025-07-22	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	research paper	该研究提出了一种利用多模态深度神经网络预测多发性硬化症（MS）疾病严重程度的方法	首次整合结构化电子健康记录（EHR）数据、神经影像数据和临床记录，构建多模态深度学习框架，预测MS严重程度，相比单模态数据模型，AUROC提高了19%	未提及具体样本量或数据不足可能影响模型泛化能力	通过早期准确分类MS疾病严重程度，减缓或预防疾病进展	多发性硬化症（MS）患者	digital pathology	geriatric disease	multimodal deep learning	multimodal deep neural networks	structured EHR数据、神经影像数据、临床记录	NA
1097	2025-07-22	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	research paper	本研究开发了一种空间感知的深度学习模型，用于分析肾透明细胞癌(ccRCC)的肿瘤和免疫特征，揭示了与免疫检查点抑制剂(ICI)反应相关的肿瘤异质性模式	利用深度学习模型从全切片图像(WSIs)中识别出人类病理学家无法发现的肿瘤异质性模式，并发现这些模式与PBRM1功能缺失及患者预后相关	研究样本量虽然较大(n=1,102)，但仍可能存在一定的选择偏差	探索肾透明细胞癌(ccRCC)的肿瘤异质性模式及其与免疫治疗反应的关系	肾透明细胞癌(ccRCC)患者	digital pathology	kidney cancer	deep learning, multiplex immunofluorescence	spatially aware deep-learning models	whole-slide images (WSIs), multiplex immunofluorescence images	1,102名患者
1098	2025-07-22	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	采用半监督学习框架开发的新型深度学习语言模型，能够高精度地从临床笔记中识别HFrEF患者	研究主要依赖于特定医院的数据，可能在其他医疗环境中的泛化能力有待验证	开发自动化工具以评估和提高HFrEF患者的护理质量	射血分数降低的心力衰竭（HFrEF）患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本（出院摘要）	13,251份笔记来自5,392名独特个体，包括2,487名HFrEF患者
1099	2025-07-22	T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population 2023-09, Clinical pharmacology and therapeutics DOI:10.1002/cpt.2976 PMID:37326252	research paper	开发了一个用户友好的临床试验富集工具T1dCteGui，利用AI/ML生成的合成患者群体优化1型糖尿病预防研究	开发了一个基于深度学习的生成模型，用于生成合成患者群体，以支持临床试验富集工具的使用	工具依赖于合成患者群体，可能无法完全反映真实患者群体的多样性	优化1型糖尿病预防研究的临床试验富集策略	1型糖尿病高风险人群	digital pathology	type 1 diabetes	deep learning-based generative model	accelerated failure time model	clinical data	来自多个观察性研究的患者水平数据
1100	2025-07-22	Confidence-based laboratory test reduction recommendation algorithm 2023-05-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02187-3 PMID:37165369	研究论文	提出一种新的深度学习模型，用于识别住院患者不必要的血红蛋白(Hgb)检测，以降低健康风险和医疗成本	采用基于预测置信度的算法设计，选择性考虑高置信度样本进行推荐，并充分利用变量相关性和时间依赖性	未提及模型在更广泛医院或不同患者群体中的适用性验证	减少不必要的实验室检测，降低医疗成本和健康风险	住院患者的血红蛋白(Hgb)检测数据	机器学习	NA	深度学习	深度学习模型	实验室检测数据	来自休斯顿教学医院的内部患者数据和MIMIC III数据库的外部患者数据