深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
15561	2025-03-27	The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84023-w PMID:39748016	研究论文	开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果	比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性	未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法	开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应	结直肠癌患者	机器学习	结直肠癌	特征选择方法包括互信息、F-classif和卡方检验	决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN	基因数据	NA	NA	NA	NA	NA
15562	2025-03-27	LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_13 PMID:40123747	research paper	本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动	LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动	在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播	提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析	心脏磁共振（CMR）成像视频	digital pathology	cardiovascular disease	DENSE CMR, 潜在扩散模型	diffusion model	video	NA	NA	NA	NA	NA
15563	2025-03-27	Automatic brain quantification in children with unilateral cerebral palsy 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1540480 PMID:40129724	研究论文	本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积	利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能	样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁）	探索单侧脑瘫儿童脑部结构与功能之间的关系	单侧脑瘫儿童	数字病理学	脑瘫	T1加权和FLAIR MRI	深度学习模型	MRI图像	训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁）	NA	NA	NA	NA
15564	2025-03-27	Laser induced forward transfer imaging using deep learning 2025, Discover applied sciences DOI:10.1007/s42452-025-06679-x PMID:40129928	研究论文	提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法	利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路	预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差	提高激光诱导正向转移技术的精度和效率	铜滴在受体基板上的沉积图像	计算机视觉	NA	激光诱导正向转移（LIFT）	神经网络	图像	NA	NA	NA	NA	NA
15565	2025-03-27	Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1448106 PMID:40129949	研究论文	该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet	提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测	研究为初步研究，可能存在数据量和模型泛化能力的限制	预测药物不良反应（ADRs）的发生	药物和基因表达变化	机器学习	NA	药物基因组学数据	CNN	基因组学数据	NA	NA	NA	NA	NA
15566	2025-03-27	Code generation system based on MDA and convolutional neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1491958 PMID:40135112	研究论文	该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码	结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码	神经网络训练过程中存在硬件限制	开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段	系统描述图和相应案例研究	计算机视觉	NA	计算机视觉、深度学习	CNN	图像	NA	NA	NA	NA	NA
15567	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量	NA	NA	NA	NA
15568	2025-10-07	Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100107 PMID:39378966	研究论文	本研究使用序列深度学习分割技术评估儿童期接受阿托品治疗的成人脉络膜厚度变化	首次采用序列深度学习分割方法分析儿童期阿托品治疗对成人脉络膜厚度的长期影响	观察性研究设计无法确定因果关系，样本量相对有限	评估儿童期阿托品治疗对成人脉络膜厚度的长期影响	接受儿童期阿托品治疗的成人近视患者	数字病理学	近视	扫频源光学相干断层扫描	深度学习	医学影像	422只眼睛（94只无阿托品暴露，328只有儿童期阿托品暴露）	NA	序列深度学习分割模型	置信区间，P值，比值比	NA
15569	2025-10-07	Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images 2024-Aug-30, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.24036 PMID:39085139	研究论文	本研究开发了基于深度学习的亚细胞器分割方法，用于高分辨率相差图像分析	使用荧光标记作为真实掩膜来源，在无标记活细胞图像中实现亚细胞器的精确分割	NA	开发高分辨率相差图像中亚细胞器的精确分割方法	未染色活细胞中的亚细胞器	计算机视觉	NA	无标记成像，荧光标记，高分辨率相差显微镜	深度学习	高分辨率相差图像，荧光图像	NA	NA	NA	NA	NA
15570	2025-10-07	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	研究论文	开发基于深度学习的心动图视频分析算法，用于慢性肝病的机遇性筛查	首次利用常规心动图检查中获取的肝脏图像信息，通过深度学习实现慢性肝病的自动化筛查	回顾性研究设计，依赖配对腹部影像学检查作为金标准	开发并评估基于心动图视频的深度学习算法，用于慢性肝病的机遇性筛查	接受心动图和腹部影像学检查的成年患者	计算机视觉	慢性肝病	心动图视频分析	深度学习计算机视觉模型	心动图视频	1,596,640个心动图视频（来自24,276名患者的66,922项研究），外加106名患者的外部测试队列	NA	EchoNet-Liver	AUC	NA
15571	2025-10-07	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本研究开发了一种基于3D U-Net的深度学习模型，用于颅内动脉粥样硬化狭窄患者的4D血流MRI数据自动血管分割	首次将深度学习应用于狭窄颅内血管的4D血流MRI数据全自动分割，提高了分析效率和可重复性	样本量有限（154例），未来需要纳入更多ICAD病例和其他颅内血管病变以提高泛化能力	开发准确、全自动的颅内血管分割方法以加速数据分析并提高可重复性	颅内动脉粥样硬化疾病患者（68例）和健康对照者（86例）的4D血流MRI数据	医学影像分析	颅内动脉粥样硬化疾病	4D血流MRI, 黑血血管壁成像	CNN	4D血流MRI图像	154例双VENC 4D血流MRI扫描（68例ICAD患者，86例健康对照）	NA	3D U-Net	Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数	训练时间约10小时，平均分割时间2.2±1.0秒
15572	2025-10-07	Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay 2023-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202300617 PMID:37104829	研究论文	开发了一种基于深度学习的纸基荧光垂直流动检测多路复用即时诊断传感器	结合纸基荧光垂直流动检测与神经网络推断实现多路复用即时诊断	仅在46个测试卡盒上验证，样本规模有限	开发用于急性心脏损伤诊断的即时检测平台	人血清样本中的三种心脏生物标志物	医学诊断	心血管疾病	纸基荧光垂直流动检测	神经网络	荧光图像	46个独立激活的检测卡盒，每个患者使用50μL血清样本	NA	NA	检测限，线性度，变异系数	低成本移动阅读器
15573	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA	NA	NA	NA	NA
15574	2025-10-07	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	本研究使用LSTM模型对北京和旁遮普地区的PM2.5浓度进行多步短期预测，以支持环境监管策略制定	采用贝叶斯优化技术调谐LSTM模型超参数和权重初始化策略，针对南亚两个高污染区域进行多变量多步预测	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	开发PM2.5多步短期预测模型，为建立空气质量预警系统和制定环境监管政策提供支持	中国北京和巴基斯坦旁遮普地区的PM2.5浓度数据	机器学习	心血管疾病	时间序列预测	LSTM	时间序列数据	两个高污染区域（北京和旁遮普）的空气质量数据	NA	LSTM	RMSE, 准确率	NA
15575	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断	NA	NA	NA	NA
15576	2025-10-07	Applications of Artificial Intelligence in Dental Medicine: A Critical Review 2025-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.11.009 PMID:39843259	综述	本文对人工智能在牙科医学中的应用现状进行批判性评估，分析关键观点、挑战和局限性	系统性地批判性评估AI在牙科医学各专业领域的应用现状，并识别当前研究中的方法论局限和伦理问题	数据质量不一致、偏倚风险、缺乏透明度、临床验证有限	评估AI在牙科医学中的应用现状，识别研究挑战和局限性	牙科医学中的人工智能应用研究	machine learning	NA	NA	NA	NA	NA	NA	NA	NA	NA
15577	2025-10-07	Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102502 PMID:39919535	研究论文	提出一种弱监督多模态对比学习框架，用于预测乳腺癌HER2评分	首次将多模态对比学习引入HER2评分预测，通过多模态注意力对比学习模块实现不同模态间的语义对齐	仅使用弱监督的WSI级别标签，未利用像素级或区域级标注	开发多模态深度学习框架以提升乳腺癌HER2评分预测性能	乳腺癌组织切片图像（H&E和IHC）	数字病理	乳腺癌	免疫组织化学（IHC），苏木精-伊红（H&E）染色	深度学习，对比学习	全切片图像（WSI）	NA	NA	多头自注意力机制（MHSA）	NA	NA
15578	2025-10-07	[Transformation of free-text radiology reports into structured data] 2025-Apr, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01422-4 PMID:39934245	研究论文	探讨使用大语言模型将非结构化放射学报告转换为结构化数据的方法与挑战	系统分析大语言模型在放射学报告结构化处理中的应用潜力，并提出结合领域特定知识和上下文信息的改进方法	处理语言歧义、缩写和表达变异性方面仍存在挑战	研究放射学报告自动结构化处理的方法和架构	自然语言放射学报告	自然语言处理	NA	大语言模型	深度学习模型,神经网络	文本	NA	NA	NA	准确率	NA
15579	2025-10-07	Genomic prediction with NetGP based on gene network and multi-omics data in plants 2025-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14577 PMID:39950326	研究论文	提出基于基因网络和多组学数据的NetGP深度学习模型，用于植物基因组预测	首次提出基于Pearson共线性选择的SNP特征提取技术，并开发了新型深度学习模型NetGP	NA	提高植物性状预测的准确性	植物基因组和表型数据	机器学习	NA	基因组选择，多组学数据分析	深度学习	基因组数据，转录组数据，多组学数据	NA	NA	NetGP	预测准确率	NA
15580	2025-03-26	Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae138 PMID:40124532	研究论文	本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排	结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性	单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施	预测儿科急诊科拥挤情况并优化医生班次安排	352,843例儿科急诊科入院数据	机器学习	儿科急诊	机器学习操作（MLOps）	Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis	时间序列数据	352,843例儿科急诊科入院数据	NA	NA	NA	NA