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
1481	2025-05-31	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含基因组和病理注释的泛癌患者来源异种移植组织学图像库，用于深度学习分析	创建了一个大规模的PDX H&E图像库，并展示了其在深度学习中的三种应用	NA	促进通过组织病理学分析进行的癌症生物学研究，并扩展现有的人类组织学库	患者来源的异种移植(PDX)样本	数字病理学	癌症	H&E染色	深度学习	图像	超过1000个PDX和配对亲代肿瘤H&E图像
1482	2025-05-31	Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae035 PMID:39081943	研究论文	该研究开发了一种基于深度学习的动态风险分层方法，利用植入式单导联动态心电图监测心力衰竭恶化的风险	首次将植入式循环记录器的动态心电图数据与深度学习算法结合，用于心力衰竭恶化的动态风险分层	研究仅基于回顾性数据，需要前瞻性研究验证	开发心力衰竭恶化的早期预警系统	心力衰竭患者	数字病理学	心血管疾病	动态心电图监测	CNN	心电图数据	2247名患者（训练集），909名患者（验证集）
1483	2025-05-31	CrysFormer: Protein structure determination via Patterson maps, deep learning, and partial structure attention 2024-Jul, Structural dynamics (Melville, N.Y.) DOI:10.1063/4.0000252 PMID:39148510	研究论文	提出了一种基于Transformer的模型CrysFormer，利用实验蛋白质晶体学数据和部分结构信息计算蛋白质的电子密度图	首次提出直接利用实验蛋白质晶体学数据和部分结构信息的Transformer模型，绕过晶体学相位问题	仅在合成数据集上进行了验证，未在真实复杂蛋白质结构上测试	解决蛋白质原子级结构确定的长期挑战	蛋白质晶体结构	计算生物学	NA	X射线晶体学	Transformer	Patterson图、蛋白质序列信息	两个合成数据集（一个每单位细胞含2个残基，另一个含15个残基）
1484	2025-05-31	Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography 2024-Jun-14, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.13.24308898 PMID:38947008	research paper	开发并评估了一种基于深度学习的心动图视频算法，用于慢性肝病的机遇性筛查	利用深度学习技术从常规心动图视频中自动识别高质量图像并检测肝硬化或脂肪性肝病（SLD），实现了慢性肝病的机遇性筛查	研究为回顾性观察队列，可能存在选择偏差；外部测试队列样本量较小（106例患者）	开发慢性肝病的机遇性筛查方法	接受心动图和腹部影像检查的成年患者	digital pathology	chronic liver disease	deep learning computer vision pipeline	CNN（推测）	video	1,596,640个心动图视频（来自24,276名患者）
1485	2025-05-31	ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635299 PMID:39267982	研究论文	本文提出了一种基于域注意力的深度学习框架，用于在CT扫描中稳健量化肺气肿，解决了不同扫描仪类型带来的域偏移问题	设计了一种新颖的域注意力块，将图像视觉特征与定量扫描仪先验融合，显著提高了结果	需要进一步验证在大规模临床扫描中的适用性	开发一种稳健的肺气肿量化方法，适用于不同CT扫描仪的大规模研究	CT扫描图像中的肺气肿量化	数字病理	肺气肿	CT扫描	UNet, 域注意力块	CT图像	NA
1486	2025-05-31	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	research paper	该研究提出了一种无监督深度学习流程，用于从3D气道分割投影中提取特征并进行聚类，以识别与疾病风险相关的气道亚型	首次使用无监督深度学习方法直接从3D气道分割投影中提取特征并进行聚类，识别出四种可重复且临床意义不同的气道亚型	对CT分割气道树变异的定量表征仍不完整，对这些变异的临床和发展影响的理解也有限	开发一种方法来定量表征CT扫描中气道树的变异，并探索其与疾病风险的关联	人类气道树	digital pathology	COPD	deep learning	unsupervised deep-learning pipeline	3D CT scans	MESA Lung CT cohort
1487	2025-05-31	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	research paper	该论文提出了一种弱监督学习方法，用于腹部CT扫描中皮下水肿的自动分割，以提高水肿的量化准确性	使用强度先验生成的水肿伪标签和肌肉、皮下及内脏脂肪组织的伪标签进行上下文学习，结合多阶段nnU-Nets，显著降低了分割误差	依赖于伪标签的质量，可能受到初始分割误差的影响	开发一种非侵入性方法，通过腹部CT扫描自动分割水肿，以监测肾、肝或心力衰竭等疾病的进展	腹部CT扫描中的皮下水肿	digital pathology	kidney, liver or heart failure	weakly supervised learning, nnU-Nets	nnU-Nets	3D CT images	NA
1488	2025-05-31	DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305292 PMID:39078864	研究论文	提出了一种基于鲸鱼优化算法和人工神经网络的深度融合模型DeepDate，用于阿拉伯椰枣分类	结合鲸鱼优化算法和人工神经网络，提高了椰枣分类的准确性和效率	未提及模型在小规模生产者中的实际应用效果	提高椰枣分类的准确性和效率	阿拉伯椰枣（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）	计算机视觉	NA	深度学习算法	人工神经网络（ANN）	图像	五类椰枣图像（具体数量未提及）
1489	2025-05-31	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况	提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性	数据集在机器学习标准下相对较小，可能影响模型的泛化能力	预测中风后症状及其对康复的反应，以提高分类准确性	758名英语中风幸存者，参与PLORAS研究	machine learning	cardiovascular disease	MRI扫描和表格数据结合	CNN, 2D Residual Neural Network (ResNet), 3D CNN	image, tabular data	758名中风幸存者，其中286名初始有中度或重度失语症
1490	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets
1491	2025-05-31	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	research paper	本研究通过开发一种新型深度学习模型，利用夜间脑电图（EEG）数据改进脑年龄估计	提出了一种基于多流学习的深度学习框架，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	NA	改进脑年龄估计方法	夜间脑电图（EEG）数据	machine learning	psychiatric or neurological disorders	overnight electroencephalography (EEG)	Swin Transformer, CNN with attentional mechanisms	EEG signals	18,767 polysomnograms (PSGs) from 13,616 subjects
1492	2025-05-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能	利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果	未提及具体限制	提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析	气道树的分割	数字病理	慢性呼吸系统疾病	深度学习，插值技术，图像分割	nnU-Net, modified dilated U-Net	医学图像	未提及具体样本量
1493	2025-05-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	research paper	该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率	利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力	研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同	提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率	人类胚胎在体外受精（IVF）过程中的发育情况	digital pathology	NA	CNN	CNN	image	NA
1494	2025-05-31	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	research paper	本研究设计了一种基于轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号及其相干矩阵实现有效的抑郁症识别	设计了一种轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，其在抑郁症识别上的分类性能优于基线模型	模型性能的稳定性可能受到参数初始化过程随机性的影响	开发一种高效的抑郁症识别方法	抑郁症患者的EEG信号	machine learning	depression	EEG信号分析	FCAN (Functional Connectivity Attention Network)	EEG信号及其相干矩阵	使用公共EEG数据集进行评估
1495	2025-05-31	Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images 2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings DOI:10.1007/978-3-031-47076-9_7 PMID:40342794	研究论文	本研究提出了一种基于解剖位置引导的深度学习方法来从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇	使用双分支视觉变换器（ViT）模型，结合解剖位置信息和遗传类型信息，通过监督对比学习策略优化分类性能	样本量相对较小（289名患者的1010个PPGLs），且模型性能仍有提升空间（准确率0.63±0.08）	开发一种替代昂贵且耗时的基因检测的方法，通过CT图像识别PPGLs的遗传簇	嗜铬细胞瘤和副神经节瘤（PPGLs）	数字病理	神经内分泌肿瘤	对比增强CT（CE-CT）扫描	双分支视觉变换器（ViT）	医学影像	289名患者的1010个PPGLs
1496	2025-05-31	Opportunities and Challenges in Applying AI to Evolutionary Morphology 2024, Integrative organismal biology (Oxford, England) DOI:10.1093/iob/obae036 PMID:40433986	综述	本文综述了人工智能在进化形态学研究中的应用现状与未来潜力	系统梳理了AI技术在进化形态学中的三阶段发展历程，并指出尚未开发的AI应用领域	未具体说明当前AI方法在进化形态学中的实际应用限制	探讨AI技术在进化形态学研究中的应用前景	进化形态学中的表型数据分析	机器学习	NA	机器学习、深度学习、多模态学习	NA	图像数据、表型数据	NA
1497	2025-05-31	Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue 2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2669719 PMID:40256010	研究论文	本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织	利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释	训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现	开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割	CT扫描中的脂肪组织	数字病理学	水肿	深度学习	3D残差U-Net	医学图像（CT扫描）	训练集101名患者，测试集14名患者（其中10名患有全身性水肿）
1498	2025-05-31	Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2655263 PMID:40248190	research paper	本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性	首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121	研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小	开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练	多期CT扫描的静脉对比增强阶段	computer vision	NA	deep learning	ResNet34, VGG19, DenseNet121	image	395个多期CT扫描（316训练，79测试）
1499	2025-05-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性	设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督	需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的	通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能	脑部病变图像	计算机视觉	颞叶癫痫	深度学习	CNN, 对抗变分自编码器	图像	NA
1500	2025-05-31	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台	结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理	研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病	开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区	疟疾诊断	数字病理	疟疾	DNA诊断	深度学习	图像	乌干达农村地区的测试案例，准确率超过98%