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
21	2025-09-25	When will RNA get its AlphaFold moment? 2023-10-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad726 PMID:37702120	评论	本文讨论了RNA结构预测领域面临的挑战，并探讨了实现类似AlphaFold突破的可能性	系统分析了阻碍RNA结构预测发展的核心问题，并提出了具体的解决方向	本文为观点性文章，未提供具体的实验数据或模型验证	探讨RNA结构预测技术发展的瓶颈和未来方向	RNA分子及其三维结构预测方法	计算生物学	NA	深度学习、机器学习、物理计算方法	类似AlphaFold的深度学习模型	RNA序列数据、结构数据、比对数据	NA
22	2025-09-25	Reliable interpretability of biology-inspired deep neural networks 2023-10-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00310-8 PMID:37816807	研究论文	本研究评估并改进了生物启发式深度神经网络P-NET的可解释性方法，重点关注解释结果的稳健性和知识偏见控制	首次将可靠可解释性分析方法扩展到基于患者突变数据的生物启发式模型，提出了控制解释稳健性和偏见的新方法	研究仅针对P-NET模型进行验证，未涵盖所有类型的生物启发式深度学习模型	开发确保生物启发式深度学习模型可解释性稳健性和偏见感知的方法	生物启发式深度神经网络P-NET及其可解释性	机器学习	NA	深度学习	P-NET（生物启发式神经网络）	患者突变数据	NA
23	2025-09-25	Pervasive downstream RNA hairpins dynamically dictate start-codon selection 2023-09, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06500-y PMID:37674078	研究论文	本研究通过整合拟南芥模式触发免疫期间的转录组水平翻译和结构分析，揭示下游RNA发夹结构动态调控起始密码子选择的分子机制	首次发现uAUG下游双链RNA结构（uAUG-ds）通过调控扫描前起始复合体来选择性地翻译上游起始密码子，并证明该机制在人类细胞中具有保守性	NA	探究在不同条件下选择性翻译起始的调控机制	拟南芥模式触发免疫过程中的mRNA翻译调控机制	分子生物学	植物免疫	转录组水平翻译分析、RNA结构分析、深度学习建模	深度学习模型	转录组数据、RNA结构数据	NA
24	2025-09-25	Scientific discovery in the age of artificial intelligence 2023-08, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06221-2 PMID:37532811	综述	探讨人工智能在科学发现中的应用与前景	系统总结自监督学习和几何深度学习等AI技术如何推动跨学科科学发现	指出数据质量和管理问题仍是当前主要挑战	分析AI增强科学研究的潜力与路径	跨学科科学研究过程	机器学习	NA	自监督学习、几何深度学习、生成式AI	NA	多模态数据（图像、序列等）	NA
25	2025-09-25	Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad191 PMID:37067486	研究论文	提出一种自监督语义分割方法用于视网膜色素上皮细胞的自动分割	开发了结合重建损失、成对表示损失和形态学损失的自监督学习框架，并提出新的图像增强算法AugCut	NA	解决视网膜色素上皮细胞分割中标注数据不足的问题	视网膜色素上皮细胞	数字病理	老年性疾病	荧光显微镜成像	编码器-解码器架构的语义分割网络	荧光显微镜图像	大量荧光显微镜图像数据集
26	2025-09-25	Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020738 PMID:36679535	系统性综述	本文系统综述了基于浅层学习和深度学习的香蕉成熟度无损检测方法	首次系统比较不同机器学习方法在香蕉成熟度检测中的性能表现，明确CNN在大数据集中的优势及传统ANN/SVM在传感器数据中的适用性	现有研究存在数据集信息不足、数据可用性有限、过度依赖数据增强技术等问题	评估自动化香蕉成熟度检测技术的研究现状与发展趋势	香蕉果实（以香蕉指为主要研究对象）	计算机视觉	NA	机器学习、深度学习	CNN、ANN、SVM	图像	从1548篇研究中筛选35篇进行系统分析
27	2025-09-24	Accelerated Diffusion-Weighted Imaging in 3 T Breast MRI Using a Deep Learning Reconstruction Algorithm With Superresolution Processing: A Prospective Comparative Study 2023-12-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000997 PMID:37428618	研究论文	评估深度学习重建算法在3T乳腺MRI中加速扩散加权成像的性能	首次在前瞻性临床研究中将具有超分辨率处理的深度学习加速DWI序列与标准成像进行对比	单中心研究，样本量相对有限（65名参与者）	比较深度学习加速DWI序列与标准DWI在采集时间和图像质量方面的差异	浸润性乳腺癌、良性病变和囊肿患者	医学影像分析	乳腺癌	扩散加权成像，深度学习重建算法，超分辨率处理	深度学习重建算法	MRI影像数据	65名参与者（64名女性，平均年龄54±13岁）
28	2025-09-24	Amplifying the Effects of Contrast Agents on Magnetic Resonance Images Using a Deep Learning Method Trained on Synthetic Data 2023-12-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000998 PMID:37378418	研究论文	提出一种基于深度学习的方法，利用合成数据增强磁共振图像中对比剂的效果	首次使用物理模型生成合成对比剂数据来训练AI代理，实现超越标准剂量的虚拟对比增强	方法主要针对脑部疾病验证，在其他器官的适用性需进一步研究	开发一种能够放大磁共振图像中对比剂效果的AI方法	脑胶质瘤小鼠模型和1990例脑部疾病患者的临床数据	医学影像分析	脑胶质瘤、多发性硬化、转移癌等脑部疾病	磁共振成像、深度学习	神经网络	磁共振图像	临床研究包含1990例患者检查数据，外加临床前小鼠模型研究
29	2025-09-24	Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa 2023-11-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.64.14.31 PMID:37988107	研究论文	本研究利用深度学习模型辅助测量RPGR相关X连锁视网膜色素变性患者的光感受器外节三维指标，并评估其纵向变化规律	首次结合深度学习模型对RPGR相关XLRP患者进行三维光感受器外节指标的纵向定量分析	样本量较小（34例患者），且为回顾性研究设计	评估X连锁视网膜色素变性疾病进展的生物标志物	RPGR基因相关的X连锁视网膜色素变性男性患者	数字病理	视网膜色素变性	光学相干断层扫描（OCT）	深度学习模型	医学影像	34例男性患者，随访时间约2年或更长
30	2025-09-24	Machine Learning-Based Prediction of Abdominal Subcutaneous Fat Thickness During Pregnancy 2023-11, Metabolic syndrome and related disorders IF:1.3Q4 DOI:10.1089/met.2023.0043 PMID:37669001	研究论文	开发基于机器学习的孕期腹部皮下脂肪厚度预测模型	首次结合三种机器学习算法（深度学习、随机森林、支持向量机）对孕期不同阶段腹部皮下脂肪厚度进行预测建模	样本量有限（354例），未说明模型的外部验证效果	预测孕妇腹部皮下脂肪厚度以评估皮下注射安全性	孕妇群体	机器学习	妊娠期糖尿病	机器学习算法（深度学习、随机森林、支持向量机）	深度学习、随机森林、支持向量机	临床测量数据	354例孕妇
31	2025-09-24	Deep learning for metabolic pathway design 2023-11, Metabolic engineering IF:6.8Q1 DOI:10.1016/j.ymben.2023.09.012 PMID:37734652	综述	本文评估了深度学习等数字策略在代谢通路预测和酶发现中的应用	探讨深度学习技术在代谢通路设计中的最新进展及其在推动生物基循环经济中的潜力	NA	评估计算机辅助工具在代谢通路设计中的应用效果	微生物细胞工厂的代谢通路设计	机器学习	NA	深度学习	深度学习	化学与代谢域数据	NA
32	2025-09-24	Design and implementation of a smart Internet of Things chest pain center based on deep learning 2023-10-10, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2023840 PMID:38052586	研究论文	基于深度学习设计并实现了一个智能物联网胸痛中心系统	整合物联网三层架构与BiLSTM-CRF算法，实现胸痛患者信息的智能采集和症状自动提取	仅在一家医院（辽宁省人民医院）进行应用验证，缺乏多中心临床验证	解决胸痛中心数据录入非智能化导致的效率低下和错误率高的问题	胸痛患者及其医疗数据	智慧医疗	心血管疾病	物联网技术、UWB定位、BiLSTM-CRF算法	BiLSTM-CRF	电子医疗记录、定位数据、移动应用数据	未明确说明具体样本数量
33	2025-09-24	ECA-TFUnet: A U-shaped CNN-Transformer network with efficient channel attention for organ segmentation in anatomical sectional images of canines 2023-10-07, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2023827 PMID:38052573	研究论文	提出一种结合CNN和Transformer的U型网络ECA-TFUnet，用于犬类解剖断面图像的器官分割	首次在Unet网络的第一跳跃连接层集成Transformer模块以学习全局依赖关系，并引入高效通道注意力机制增强模型鲁棒性	未明确说明模型在复杂解剖结构或小器官分割中的具体表现	提升犬类解剖断面图像中器官自动分割的精度	犬类解剖断面图像中的器官	数字病理	NA	深度学习	U-Net, Transformer, CNN	医学图像	未明确说明具体样本数量，但包含公开数据集验证
34	2025-09-24	Microbial carbon use efficiency promotes global soil carbon storage 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06042-3 PMID:37225998	研究论文	本研究通过多方法融合揭示了微生物碳利用效率对全球土壤碳储量的主导作用	首次量化证明CUE对土壤碳储量的影响是其他因素（碳输入、分解等）的四倍以上，并建立其与气候/植被/土壤性质的关联模型	未明确微生物群落结构对CUE的具体调控机制	探究微生物碳利用效率在土壤有机碳持久保存中的作用机制	全球尺度土壤碳库与微生物活动	环境微生物学	NA	数据同化、深度学习、meta分析	微生物过程显式模型	全球尺度数据集	全球多源土壤碳库数据
35	2025-09-23	Displacement of the Lamina Cribrosa With Acute Intraocular Pressure Increase in Brain-Dead Organ Donors 2023-12-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.64.15.19 PMID:38099735	研究论文	本研究通过光学相干断层扫描技术探究急性眼压升高对脑死亡器官捐献者视神经头深层组织变形的影响	首次在脑死亡器官捐献者中结合深度学习自动分割和三维量化算法，系统分析不同参考平面对筛板位移测量的影响	样本仅来自脑死亡器官捐献者，结果可能不适用于健康人群	研究急性眼压升高对视神经头深层组织结构的生物力学响应	20名脑死亡器官捐献者的26只眼睛	医学影像分析	眼科疾病	光谱域光学相干断层扫描（OCT）、深度学习分割算法	线性混合效应模型	医学影像数据	26只眼睛（来自20名捐献者，年龄范围22-62岁）
36	2025-09-23	Transfer learning enables predictions in network biology 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06139-9 PMID:37258680	研究论文	开发了基于注意力机制的深度学习模型Geneformer，通过迁移学习提升网络生物学中数据稀缺场景下的预测能力	首次将迁移学习理念引入网络生物学领域，通过3000万单细胞转录组预训练模型，实现注意力权重自动编码网络层次结构	NA	解决罕见疾病和临床难以获取组织等数据稀缺场景下的基因网络预测问题	基因网络、染色质动力学、心肌病治疗靶点	机器学习	心肌病	单细胞转录组测序	基于注意力的深度学习模型（Geneformer）	转录组数据	约3000万个单细胞转录组
37	2025-09-22	A multimodal deep learning model to infer cell-type-specific functional gene networks 2023-Feb-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05146-x PMID:36788477	研究论文	提出一种多模态深度学习模型MDLCN，用于预测人脑细胞类型特异性功能基因网络	整合单核基因表达数据和全局蛋白质相互作用网络，首次实现细胞类型特异性功能基因网络的精准预测	模型目前仅应用于人脑数据，未扩展到其他组织或物种	构建细胞类型特异性功能基因网络以揭示疾病相关细胞类型的遗传机制	人脑细胞类型（如神经元、小胶质细胞）及其功能基因网络	机器学习	神经退行性疾病（自闭症、阿尔茨海默病）	单核RNA测序（snRNA-seq）、蛋白质相互作用网络分析	多模态深度学习模型（MDLCN），对比CNN和boosting tree	基因表达数据、蛋白质相互作用数据	未明确样本数量，但基于人脑单核转录组数据
38	2025-09-21	SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection 2023-Dec-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad02da PMID:37827168	研究论文	提出一种名为SEResUTer的深度学习模型，用于精确的心电图信号描绘和心房颤动检测	结合ResNet模块和Transformer编码器改进U-Net架构，并引入新颖的掩码策略处理不完整的专家标注	NA	实现心电图波形精确描绘和心房颤动的自动检测	心电图信号	机器学习	心血管疾病	深度学习	U-Net with ResNet and Transformer	生理信号数据	QTDB、LUDB、CPSC2021和CPSC2018数据集
39	2025-09-21	Photoplethysmography-based cuffless blood pressure estimation: an image encoding and fusion approach 2023-Dec-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0426 PMID:38099538	研究论文	提出一种基于图像编码和融合的光电容积脉搏波无袖带血压估计方法	首次从2D视角将PPG信号转换为五种图像编码，并采用编码器-解码器混合架构进行特征融合	仅使用UCI数据库进行评估，未提及外部验证或临床环境测试	开发端到端的无创血压估计方法	光电容积脉搏波（PPG）信号	机器学习	心血管疾病	图像编码转换	CNN与全连接层混合架构	图像编码信号	基于UCI数据库（具体样本量未明确说明）
40	2025-09-21	MAG-Res2Net: a novel deep learning network for human activity recognition 2023-Nov-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab8 PMID:37939391	研究论文	提出一种名为MAG-Res2Net的新型深度学习网络用于人类活动识别，通过集成数据上采样、损失函数组合和优化算法提升性能	结合Borderline-SMOTE数据上采样算法、基于度量学习的损失函数组合算法和Lion优化算法，显著提升模型在多模态人类活动识别中的表现	NA	解决人类活动多样性及数据质量导致的特征提取困难问题，提升识别准确率和效率	人类活动识别（HAR）	machine learning	NA	Borderline-SMOTE, metric learning, Lion optimization	MAG-Res2Net (基于Res2Net的深度学习网络)	multimodal sensor data	三个公共数据集（UCI-HAR、WISDM和CSL-SHARE）