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
1281	2025-06-04	Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations 2025, Medical hypothesis, discovery & innovation ophthalmology journal DOI:10.51329/mehdiophthal1517 PMID:40453785	综述	本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量	全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题	数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题	评估AI在眼科领域的应用潜力与实施障碍	眼科疾病诊断与管理	数字病理	眼科疾病	深度学习、机器学习	CNN、深度学习模型	图像、临床数据	NA
1282	2025-06-04	Integrating support vector machines and deep learning features for oral cancer histopathology analysis 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf034 PMID:40454251	研究论文	本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生	通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能	NA	提高口腔癌异常增生的检测准确率	口腔癌组织病理学图像	数字病理学	口腔癌	深度学习特征提取	SVM, InceptionResNet-v2, ViT	图像	NA
1283	2025-06-04	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2024-Dec-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.30.630782 PMID:39803485	research paper	该研究开发了一种深度学习模型，用于从Micro-CT图像中准确分割果蝇大脑	利用Dragonfly预训练的神经网络，仅需1-3张Micro-CT图像即可训练出准确的深度学习模型，且能适应不同组织对比染色、扫描仪型号和基因型	需要依赖预训练模型，且样本量较小（1-3张图像）	开发一种高效准确的果蝇大脑Micro-CT图像分割方法	果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT成像	深度学习模型（基于Dragonfly预训练网络）	三维Micro-CT图像	1-3张成年果蝇大脑Micro-CT图像
1284	2025-06-04	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	research paper	本研究开发了一种深度学习系统（DLS），用于在眼底照片上准确区分视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿	首次开发了一个专用的深度学习系统，能够高精度区分ODD和视乳头水肿，包括埋藏型ODD与轻中度视乳头水肿的鉴别	研究为回顾性设计，且外部验证数据集规模相对较小	开发一个能准确区分ODD和视乳头水肿的深度学习系统	视盘玻璃疣（ODD）和颅内高压引起的视乳头水肿患者	digital pathology	ophthalmologic disease	deep learning	DLS (Deep Learning System)	image	4,508张眼底图像（来自2,180名患者），包括训练集3,230张视乳头水肿图像和857张ODD图像，外部测试集421张图像
1285	2025-06-04	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	research paper	开发了一种基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	使用3D U-Net架构处理多模态MRI图像，旨在减少PI-RADS分级中的人为错误	敏感性和分割准确性有待提高，需要更大数据集和更先进的深度学习技术	探索基于深度学习的计算机辅助诊断系统在PI-RADS分级中的应用	前列腺癌患者和良性病例的MRI图像	digital pathology	prostate cancer	MRI (T2W, DWI, DCE)	3D U-Net	image	136名患者（108例PCa，28例良性病例）
1286	2025-06-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	利用深度学习蛋白质设计工具设计针对肽-MHC-I复合物的小蛋白结合物	采用深度学习工具设计能够特异性结合肽-MHC复合物的小蛋白，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	NA	深度学习	NA	蛋白质结构	十个目标pMHC复合物
1287	2025-06-04	Deep Learning in Gene Regulatory Network Inference: A Survey 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3442536 PMID:39137088	综述	本文综述了使用深度学习模型推断基因调控网络（GRN）的12种方法，并对其进行了详细分析和评估	提供了对12种GRN推断方法的全面分析，包括它们的核心概念、具体步骤以及在不同场景下的有效性和可扩展性	未提及具体方法的局限性，仅讨论了整体挑战	探讨深度学习在基因调控网络推断中的应用及未来发展方向	基因调控网络（GRN）	机器学习	NA	深度学习	NA	基因表达数据	NA
1288	2025-06-04	A Fully Automated Pipeline Using Swin Transformers for Deep Learning-Based Blood Segmentation on Head Computed Tomography Scans After Aneurysmal Subarachnoid Hemorrhage 2024-10, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.07.216 PMID:39111661	research paper	开发并验证了一种基于Swin-UNETR架构的全自动血液分割工具，用于非对比计算机断层扫描（NCCT）中的蛛网膜下腔出血（SAH）患者	首次采用基于Transformer的Swin-UNETR架构进行SAH患者的全自动血液分割，提高了分割准确性和处理速度	需要进一步在不同数据集中验证以确保临床可靠性，且计算资源需求较高	开发一种全自动的血液分割工具，用于SAH患者的NCCT扫描	蛛网膜下腔出血（SAH）患者的非对比计算机断层扫描（NCCT）图像	digital pathology	cardiovascular disease	NCCT	Swin-UNETR	image	回顾性分析的NCCT扫描数据，包括来自外部机构的验证队列
1289	2025-06-04	Artificial Intelligence (AI): A Potential Game Changer in Regenerative Orthopedics-A Scoping Review 2024-Oct, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01189-1 PMID:39324081	综述	本文对人工智能在再生骨科不同治疗方法中的作用进行了范围综述	探讨了AI技术在再生骨科治疗中的潜在应用及其优势	AI在再生骨科中的临床应用涉及伦理问题，需要进一步解决	综述AI在再生骨科治疗中的作用和未来发展方向	再生骨科治疗方法，如干细胞疗法、富血小板血浆疗法等	再生医学	骨科疾病	机器学习(ML)、深度学习(DL)	NA	文献数据	18项研究
1290	2024-08-10	Influenza time series prediction models in a megacity from 2010 to 2019: Based on seasonal autoregressive integrated moving average and deep learning hybrid prediction model 2024-Sep-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003238 PMID:39119631	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1291	2025-06-04	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性分类	该模型能够自动准确分类脑部PET扫描，无需依赖经验丰富的读者或结构MRI	研究为回顾性研究，可能受到数据选择和时间的限制	开发并评估一个深度学习模型，用于脑部PET扫描的淀粉样蛋白阳性或阴性分类	脑部PET扫描	digital pathology	Alzheimer's Disease	PET imaging	CNN	image	8476 PET scans (6722 patients)
1292	2025-06-04	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	本文提出了一种基于深度学习的骨微结构图像协调方法，用于处理低分辨率和高分辨率CT扫描仪获取的图像数据	提出了3D版本的GAN-CIRCLE方法，通过两个生成对抗网络同时学习低分辨率CT到高分辨率CT的映射及其反向映射，实现了图像数据的协调	样本量较小，仅招募了20名志愿者，且仅对胫骨远端进行了扫描	开发一种深度学习方法，用于协调不同分辨率CT扫描仪获取的骨微结构图像数据	骨微结构图像数据，特别是胫骨远端的低分辨率和高分辨率CT图像	医学影像处理	骨质疏松症	CT扫描	GAN-CIRCLE	3D图像	20名志愿者，500对64×64×64体素的图像块用于训练，8名志愿者的数据用于评估
1293	2025-06-04	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了深度学习技术如何通过超声心动图视频预测心血管磁共振成像（CMR）的发现	首次尝试使用深度学习从超声心动图视频中预测CMR的组织特征，包括壁运动异常（WMA）的存在、晚期钆增强（LGE）的存在以及异常的T1、T2或细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征方面的表现不佳，AUC值较低，表明超声视频中可能缺乏这些组织特征的信号	探索深度学习技术是否可以从超声心动图视频中提取CMR的组织特征信息	1,453名成年患者（平均年龄56±18岁，42%为女性）的2,556对超声心动图研究	数字病理学	心血管疾病	深度学习	CNN	视频	1,453名成年患者，2,556对超声心动图研究
1294	2025-06-04	Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583909 PMID:38496512	研究论文	本文提出了一种利用生成式AI模型FILM进行3D图像空间插值和修复的方法，以提高生物图像数据集的分辨率、通量和质量	将原本用于时间插值的FILM模型创新性地应用于多种3D图像类型的空间插值，能够更好地保留生物信息和图像质量	未明确提及具体的技术局限性	提高生物图像数据集的质量和分辨率，解决图像缺失、损坏和分辨率低的问题	多种成像模态（组织学、组织透明化/光片显微镜、磁共振成像、连续切片透射电子显微镜）的图像	计算机视觉	NA	生成式AI模型FILM	FILM	3D图像	多种物种（人类、小鼠）、健康与病变组织（胰腺、肺、脑）以及多种染色技术（IHC、H&E）和像素分辨率（8 nm至1mm）的图像
1295	2025-06-04	Knowledge-embedded spatio-temporal analysis for euploidy embryos identification in couples with chromosomal rearrangements 2024-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002803 PMID:37640743	research paper	本研究开发了一种名为AMCFNet的深度学习模型，用于评估染色体重排夫妇胚胎的整倍体状态	首次将多焦点延时视频与临床信息融合，开发AMCFNet模型评估染色体重排夫妇胚胎的整倍体状态	研究样本量有限，模型性能有待进一步验证	开发人工智能模型评估染色体重排夫妇胚胎的整倍体状态	染色体重排夫妇的胚胎	digital pathology	chromosomal rearrangement	preimplantation genetic testing (PGT)	AMSNet, AMCFNet	time-lapse videos, clinical information	4112 embryos for blastocyst formation prediction, 1422 blastocysts for euploidy assessment
1296	2025-06-04	Artificial intelligence-based analysis of tumor-infiltrating lymphocyte spatial distribution for colorectal cancer prognosis 2024-Feb-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002964 PMID:38238158	研究论文	本研究利用人工智能技术分析结直肠癌肿瘤微环境中CD3+和CD8+T细胞的空间分布，以评估其对预后的影响	首次使用深度学习技术自动化量化全切片图像中T细胞的空间分布，并验证CD3 CT作为独立的预后因素	研究样本来自两个医疗中心，可能存在选择偏倚，且未探讨其他免疫细胞的影响	评估CD3 CT在结直肠癌预后中的预测能力	结直肠癌患者的肿瘤微环境中CD3+和CD8+T细胞的空间分布	数字病理学	结直肠癌	深度学习	NA	图像	492名患者（训练队列358名，验证队列134名）
1297	2025-06-04	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	通过无标记跟踪和无监督多变量时间序列分析，研究成年斑马鱼自由游泳时的典型姿势	利用DeepLabCut和B-SOiD机器学习软件进行无标记姿势跟踪和无监督聚类分析，揭示了斑马鱼运动设计的效率	研究仅基于12只斑马鱼的数据，样本量较小	探究斑马鱼运动设计中最小化主动神经控制的效率	成年斑马鱼	计算机视觉	NA	DeepLabCut, B-SOiD	深度学习	视频	12只自由行为的斑马鱼，超过14,000帧序列记录
1298	2025-06-04	Identifying keystone species in microbial communities using deep learning 2024-Jan, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02250-2 PMID:37974003	research paper	提出了一种基于深度学习的框架DKI，用于识别微生物群落中的关键物种	利用深度学习模型从特定生境的微生物组样本中学习群落的组装规则，并通过假想实验量化物种的关键性	未提及具体的数据集大小或模型验证的局限性	解决微生物群落中关键物种识别的系统性问题	微生物群落中的关键物种	machine learning	NA	deep learning	deep-learning model	microbiome samples	NA
1299	2025-06-04	Large-Scale Information Retrieval and Correction of Noisy Pharmacogenomic Datasets through Residual Thresholded Deep Matrix Factorization 2023-Dec-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.07.570723 PMID:38106027	研究论文	本文介绍了一种名为残差阈值深度矩阵分解（RT-DMF）的鲁棒且可扩展的深度学习框架，用于校正和填补药物敏感性数据中的噪声	RT-DMF通过深度矩阵分解（DMF）和迭代残差阈值（RT）程序，有效识别并保留具有治疗相关性的信号，从而校正噪声并填补缺失数据	方法依赖于单一药物敏感性数据矩阵作为输入，可能无法完全解决数据集中所有不一致性问题	解决药物敏感性数据中的噪声问题，提高下游分析的准确性	药物敏感性数据集	机器学习	癌症	深度矩阵分解（DMF），迭代残差阈值（RT）	RT-DMF	矩阵数据	模拟数据集和真实药物基因组学数据集
1300	2025-06-04	Artificial neural network and deep learning in Sjögren's disease: where we are and where we are going 2023-12, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/zpfunz PMID:38149511	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA