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
81	2025-10-05	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在代谢通路设计中的应用及其对生物基循环经济的推动作用	系统探讨了深度学习技术在代谢通路预测和酶发现领域的最新进展	未涉及具体实验验证和实际应用案例	评估数字策略在代谢通路设计和微生物细胞工厂开发中的应用	代谢通路设计工具和微生物细胞工厂	机器学习	NA	深度学习	NA	化学和代谢域数据	NA	NA	NA	NA	NA
82	2025-10-05	A Two-Stage Automatic System for Detection of Interictal Epileptiform Discharges from Scalp Electroencephalograms 2023-11, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0111-23.2023 PMID:37914407	研究论文	开发基于深度学习的自动系统，用于从头皮脑电图中检测发作间期癫痫样放电	提出结合时序卷积网络的IED检测器和新型双蒙太奇决策机制的两阶段自动检测系统	仅使用484份头皮脑电图记录，样本规模有限	开发性能可靠的自动IED检测系统以辅助临床脑电图解读	头皮脑电图中的发作间期癫痫样放电	医疗信号处理	癫痫	脑电图	深度神经网络	脑电图信号	484份头皮脑电图记录（406训练，78测试）	NA	时序卷积网络, 深度神经网络	AUPRC, 假阳性率, F1分数, kappa一致性分数	NA
83	2025-10-06	Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models 2023-11-29, The Journal of clinical psychiatry IF:4.5Q1 DOI:10.4088/JCP.23m14962 PMID:38019588	研究论文	本研究开发了一个可解释的预测模型，利用社交媒体图像预测临床有效的自杀风险	首次证明公开可用的图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，提供简单灵活的策略	数据来源于2018年特定时间段，样本量相对有限，仅基于Facebook用户数据	开发可解释的自杀风险预测模型，解决现有AI方法的黑箱问题	841名Facebook用户上传的177,220张图像	多模态学习	心理健康疾病	对比语言-图像预训练(CLIP)	逻辑回归,深度学习	图像	841名用户，177,220张图像	CLIP	CLIP,逻辑回归	AUC, Cohen's d	NA
84	2025-10-06	Accurate staging of chick embryonic tissues via deep learning of salient features 2023-11-15, Development (Cambridge, England) DOI:10.1242/dev.202068 PMID:37830145	研究论文	本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法	通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器	数据集规模较小（151张图像），可能影响模型的泛化能力	开发精确无偏的鸡胚胎组织分期方法	HH10期鸡胚胎大脑和翅膀组织	计算机视觉	NA	显微镜成像	CNN	图像	151张鸡大脑图像和269张鸡翅膀图像	NA	深度卷积神经网络	准确率	NA
85	2025-10-06	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究开发了一种基于深度学习的电磁源成像框架，用于从MEG间歇性棘波中精确定位癫痫灶	结合中尺度神经元建模和深度学习，直接学习MEG数据中的传感器-源映射关系，提供超越传统物理源模型的替代方法	研究样本量相对有限（29名患者），且依赖于计算机模拟和临床验证的准确性	开发更准确和稳健的癫痫灶定位方法，提升MEG源定位和成像能力	29名药物抵抗性局灶性癫痫患者	医学影像分析	癫痫	脑磁图（MEG），颅内脑电图（iEEG），磁共振成像（MRI）	深度学习	脑磁图数据，MRI数据	29名药物抵抗性局灶性癫痫患者	NA	基于神经质量模型的深度学习架构	空间离散度，脑叶一致性，敏感性，特异性，定位误差	NA
86	2025-10-06	In silico co-crystal design: Assessment of the latest advances 2023-11, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2023.103763 PMID:37689178	综述	本文综述了机器学习、深度学习和基于网络的推荐方法在药物共结晶领域的应用进展	系统评估了机器学习在药物共晶体设计中的最新应用，并比较了晶体结构预测作为替代方法的价值	NA	评估机器学习方法在药物共晶体设计中的最新进展	药物共晶体	机器学习	NA	机器学习，深度学习，网络推荐方法，晶体结构预测	NA	晶体结构数据	NA	NA	NA	NA	NA
87	2025-10-06	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	本研究开发新方法揭示心脏肥大的复杂遗传架构，发现表观遗传相互作用在心脏结构调控中的重要作用	开发低信号符号迭代随机森林方法，结合深度学习从心脏MRI估计左心室质量，首次系统揭示心脏肥大的表观遗传调控网络	研究方法仍处于早期发展阶段，样本来源相对单一（主要基于UK Biobank数据）	探索心脏肥大的复杂遗传调控机制，特别是表观遗传相互作用	人类心脏组织、诱导多能干细胞来源的心肌细胞	机器学习	心血管疾病	心脏MRI、RNA沉默、单细胞形态分析、微流体系统	随机森林、深度学习	遗传数据、医学影像数据、转录组数据	UK Biobank中29,661个体的心脏MRI扫描，313例人类心脏组织的转录组数据	NA	NA	NA	NA
88	2025-10-06	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	研究论文	提出一种名为FINDR的无监督深度学习方法，用于从神经群体活动中推断低维非线性随机动力学	开发了能够解耦任务相关和无关神经活动成分的深度循环网络方法，首次实现了流场和吸引子结构的显式可视化	方法性能主要在大鼠前脑区听觉决策任务数据上验证，在其他脑区和行为任务中的适用性需要进一步测试	推断神经群体活动背后的低维非线性随机动力学	大鼠前脑区在执行听觉决策任务时的群体脉冲序列数据	计算神经科学	NA	神经信号记录	循环神经网络	神经脉冲序列数据	NA	NA	深度循环网络	神经元响应捕捉能力	NA
89	2025-10-06	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	研究论文	本文提出了一种利用多模态深度神经网络预测多发性硬化症疾病严重程度的方法	首次整合结构化电子健康记录数据、神经影像数据和临床笔记构建多模态深度学习框架，相比单模态模型AUROC提升高达19%	未明确说明样本规模和数据收集的具体限制	预测多发性硬化症疾病严重程度，为早期治疗干预提供支持	多发性硬化症患者	医疗人工智能	多发性硬化症	多模态深度学习，电子健康记录分析，神经影像分析	深度神经网络	结构化电子健康记录，神经影像，临床文本笔记	NA	NA	多模态深度神经网络	AUROC	NA
90	2025-10-06	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究开发了一种基于多组学数据整合的深度学习框架，用于构建皮肤黑色素瘤风险分层预测模型	结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，相比单一策略的自编码器或PCA方法能更好地区分风险亚型	NA	构建皮肤黑色素瘤的风险亚型分型模型以改善预后预测	皮肤黑色素瘤患者	机器学习	皮肤黑色素瘤	mRNA测序, miRNA测序, DNA甲基化测序	自编码器, SVM	多组学数据	TCGA数据库中的皮肤黑色素瘤患者数据及两个独立验证数据集	NA	自编码器	C-index, log-rank P值	NA
91	2025-10-06	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	开发并验证基于平扫CT的多通道深度学习模型，用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌	首次提出基于平扫CT的多通道深度学习模型，通过全肿瘤分析实现fp-AML与RCC的准确区分	回顾性研究设计，样本量相对有限（共452例患者），仅在两所医疗中心进行验证	开发并评估用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习模型	肾肿瘤患者，包括乏脂肪血管平滑肌脂肪瘤和肾细胞癌病例	数字病理	肾癌	CT成像	深度学习	CT图像	452例患者（FAHSYSU 320例，SYSUCC 132例）	NA	多通道深度学习模型	AUC, 95%置信区间	NA
92	2025-10-06	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	提出一种用于疾病严重程度检测的对称掩码Transformer模型SMiT	采用纯Transformer框架而非传统CNN模型，提出对称掩码预训练方法使模型更专注于病灶区域细节特征	NA	开发用于病理图像诊断分级的智能诊断系统	结直肠癌病理图像和糖尿病视网膜病变图像	计算机视觉	结直肠癌, 糖尿病视网膜病变	高斯滤波去噪	Transformer	图像	4500张结直肠癌组织病理图像和公开数据集APTOS2019	NA	Transformer	准确率, Cohen Kappa, F1-score	NA
93	2025-10-06	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究结合瘤内和瘤周区域的影像组学与深度学习特征，开发融合模型用于区分乳腺癌肺转移和原发性肺癌	首次将瘤内区域和瘤周区域的深度学习特征与传统影像组学特征相结合，采用多区域策略的融合模型	回顾性研究，样本量较小（仅100例患者），需要更大规模的前瞻性验证	利用低剂量CT鉴别诊断乳腺癌肺转移和原发性肺癌	100例乳腺癌伴肺部病变患者（60例乳腺癌肺转移，40例原发性肺癌）	医学影像分析	乳腺癌，肺癌	低剂量CT成像	CNN	CT图像	100例患者LDCT图像	NA	ResNet18, 多输入残差卷积网络	AUC	NA
94	2025-10-06	Identifying immune infiltration by deep learning to assess the prognosis of patients with hepatocellular carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05097-z PMID:37450030	研究论文	本研究开发了一种基于深度学习的模型，通过分析肝细胞癌组织的免疫浸润来评估患者预后	首次将ResNet 101V2网络应用于肝细胞癌全切片图像的免疫浸润分析，并建立了与预后相关的深度学习评估模型	验证集中TLS分类效果较差（PR曲线下面积0.713），可能由于样本数量不足	评估肝细胞癌患者的免疫浸润情况及其与预后的关系	肝细胞癌患者	数字病理学	肝细胞癌	全切片图像分析	CNN	图像	训练集包含100张全切片图像和165,293个图像块，使用西京医院队列和TCGA队列数据	TensorFlow, ML.NET	ResNet 101V2	AccuracyMicro, AccuracyMacro, ROC曲线, PR曲线, AUC	使用Visual Studio 2022和C#进行编程开发
95	2025-10-06	Cancer detection in breast cells using a hybrid method based on deep complex neural network and data mining 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05191-2 PMID:37486394	研究论文	提出一种基于深度复数神经网络和数据挖掘的混合方法用于乳腺癌细胞检测	首次将深度复数神经网络与数据挖掘技术相结合应用于乳腺癌热图像诊断	样本量相对较小（187名志愿者），仅使用热成像数据	提高乳腺癌诊断的准确性和速度	乳腺癌细胞和热成像图像	计算机视觉	乳腺癌	热成像技术	深度复数神经网络	热成像图像	187名志愿者（152名健康人，35名癌症患者），共1870张热成像图像	NA	ResNet18, ResNet50, VGG19, Xception	NA	NA
96	2025-10-06	A comprehensive analysis of recent advancements in cancer detection using machine learning and deep learning models for improved diagnostics 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05216-w PMID:37540254	综述	本文对使用传统机器学习和深度学习模型进行多种癌症检测的最新进展进行了比较分析	对2018-2023年间130篇文献的系统性综述，涵盖四种癌症类型，比较了机器学习和深度学习技术的性能差异	仅使用准确率作为性能评估指标，可能无法全面反映模型性能；仅包含近5年发表的同行评审论文	比较机器学习和深度学习模型在癌症早期检测中的诊断效果和技术进展	脑癌、肺癌、皮肤癌和乳腺癌四种癌症类型	机器学习	癌症	机器学习、深度学习	传统机器学习模型、深度学习模型	医学图像、数据集	130篇文献（56篇基于机器学习，74篇基于深度学习）	NA	NA	准确率	NA
97	2025-10-06	Enhanced breast mass mammography classification approach based on pre-processing and hybridization of transfer learning models 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05249-1 PMID:37567987	研究论文	提出一种基于预处理和迁移学习模型混合的乳腺肿块 mammography 分类方法	提出两阶段分类方法，包括三子策略预处理阶段和基于两个预训练CNN混合的特征提取架构	仅使用单一数据集CBIS-DDSM进行验证，未在其他数据集测试泛化能力	开发可靠的乳腺肿块检测方法以提高乳腺癌早期诊断准确率	乳腺 mammography 图像中的肿块区域	计算机视觉	乳腺癌	医学影像分析	CNN, 迁移学习	医学图像	CBIS-DDSM数据集	NA	预训练CNN混合架构	准确率, 敏感度, 特异度	NA
98	2025-10-06	Development and verification of a deep learning-based m6A modification model for clinical prognosis prediction of renal cell carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05169-0 PMID:37558767	研究论文	开发并验证基于深度学习的m6A修饰模型用于肾细胞癌临床预后预测	首次报道基于深度学习的m6A修饰模型用于肾细胞癌预后预测，并深入探索METTL14在肾细胞癌中的重要作用	NA	开发肾细胞癌临床预后预测模型并探索METTL14的生物学功能	肾细胞癌患者和肾癌细胞	机器学习	肾细胞癌	Western blotting, 实时定量PCR, 免疫组织化学, RNA免疫沉淀	深度学习	临床数据, 实验数据	两个独立患者队列和一个泛癌患者队列	NA	高级神经网络	5年随访生存状态预测	NA
99	2025-10-06	Circular-SWAT for deep learning based diagnostic classification of Alzheimer's disease: application to metabolome data 2023-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104820 PMID:37806288	研究论文	本研究提出Circular-SWAT方法，利用深度学习对阿尔茨海默病进行代谢组学数据分类诊断	在现有SWAT方法基础上提出Circular-SWAT，通过特征相关性分析、特征选择和分类三步法提高分类准确率	仅使用ADNI队列的997名参与者数据，需要进一步验证	提高阿尔茨海默病的诊断分类准确性	阿尔茨海默病患者与认知正常老年人的血清代谢组学数据	机器学习	阿尔茨海默病	代谢组学，脂质组学	CNN, Random Forest	代谢组学数据	997名ADNI参与者	NA	NA	准确率, AUC	NA
100	2025-10-06	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究实施了一种基于深度学习AI算法的青霉素过敏标签去除系统	使用深度学习人工智能算法识别适合进行青霉素过敏评估的患者，并通过电子邮件通知系统实现过敏标签去除	需要进一步研究优化此类方法	通过人工智能技术实现青霉素过敏标签的准确去除	被标记为青霉素过敏的患者	医疗人工智能	药物过敏	深度学习	深度学习算法	医疗记录数据	干预组59人，对照组未明确数量	NA	NA	统计学显著性(P值)	NA