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
361	2025-05-25	Semi-supervised CT image segmentation via contrastive learning based on entropy constraints 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00387-y PMID:39220023	research paper	提出了一种基于熵约束对比学习的半监督CT图像分割方法，融合CNN和Transformer以提高未标记医学图像的利用率	设计了一种基于熵约束对比学习的半监督网络模型，融合CNN和Transformer捕捉图像的局部和全局特征信息，并引入残差压缩激励模块以提升分割性能	未明确提及具体局限性，但半监督方法可能依赖于伪标签的质量	提高CT图像的分割性能，特别是在标记数据有限的情况下	CT图像	digital pathology	COVID-19	对比学习	CNN, Transformer	image	COVID-19 CT公共数据集
362	2025-05-25	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-May-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于深度学习的模型，用于预测肺鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	使用ResNet50模型在增强CT图像上训练，预测主要病理反应（MPR），并揭示了与免疫反应和抗原处理相关的基因突变和通路	样本量相对较小（309例患者），且仅针对肺鳞状细胞癌（LUSC）患者	预测肺鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	309例肺鳞状细胞癌（LUSC）患者	数字病理	肺癌	深度学习	ResNet50	图像	309例肺鳞状细胞癌患者
363	2025-05-25	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2024-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.591211 PMID:38712227	research paper	该研究开发了一个深度学习驱动的成像框架，用于跟踪真核微生物的整个生命周期，包括细胞分裂和细胞生长	结合微流体培养、显微镜图像的生命周期阶段特异性分割和新型细胞追踪算法FIEST，通过深度学习视频帧插值增强单细胞掩模的连续性	该方法目前仅应用于酿酒酵母的性生命周期，尚未在其他真核微生物中验证	开发定量研究完整真核微生物生命周期的方法	真核微生物（特别是酿酒酵母）的性生命周期	digital pathology	NA	microfluidic culturing, fluorescent reporter system, High-Cdk1 activity sensor (LiCHI)	CNN	image	NA
364	2025-05-24	Accurate de novo design of high-affinity protein binding macrocycles using deep learning 2024-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.18.622547 PMID:39605685	研究论文	本文介绍了一种基于深度学习的去噪扩散管道RFpeptides，用于设计针对特定蛋白质靶点的大环肽结合物	首次提出了一种稳健的大环肽结合物设计方法，无需依赖大规模筛选方法，且能精确控制结合模式	研究中仅测试了四种蛋白质靶点，样本量较小，且对某些靶点（如RbtA）缺乏实验确定的结构	开发一种高效、定制化的大环肽结合物设计方法，用于诊断和治疗应用	大环肽结合物及其与蛋白质靶点的相互作用	机器学习	NA	去噪扩散模型	深度学习	蛋白质序列和结构数据	针对四种蛋白质靶点各设计并测试了20个或更少的大环肽结合物
365	2025-05-24	An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53450-8 PMID:39511143	research paper	提出了一种可解释的纵向多模态融合模型MRP，用于预测乳腺癌患者的新辅助治疗反应	MRP系统通过跨模态知识挖掘和时间信息嵌入策略处理缺失模态，减少不同NAT设置的影响，提高了临床适用性	NA	预测乳腺癌患者的新辅助治疗反应，提高临床决策的准确性	乳腺癌患者	digital pathology	breast cancer	deep learning	multi-modal fusion model	multi-modal image	多中心研究和跨国读者研究验证
366	2025-05-24	PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54043-1 PMID:39511229	研究论文	开发并验证了一种深度学习模型PACT-3D，用于在腹部CT扫描中检测气腹	提出了一种新的深度学习算法PACT-3D，专门用于检测气腹，并在不同数据集上验证了其高敏感性和特异性	在检测少量游离气体（总体积<10ml）的情况下敏感性较低	提高气腹的检测准确性和速度，以优化急诊护理中的诊断和治疗流程	腹部CT扫描图像	计算机视觉	气腹	深度学习	深度学习模型	图像	回顾性测试集14,039次扫描，前瞻性测试集6,351次扫描，外部验证集480次扫描
367	2025-05-24	Deep learning for rapid analysis of cell divisions in vivo during epithelial morphogenesis and repair 2024-Sep-23, eLife IF:6.4Q1 DOI:10.7554/eLife.87949 PMID:39312468	research paper	该研究开发了一种深度学习流程，用于自动识别和分析上皮组织中细胞分裂的动态特征	利用深度学习自动检测和量化细胞分裂的时空同步性和方向性，为组织生长和修复研究提供了新工具	研究仅针对果蝇蛹翼上皮组织，可能不适用于其他组织类型	研究细胞分裂在上皮组织形态发生和修复过程中的动态特征	果蝇蛹翼上皮组织中的细胞分裂事件	digital pathology	NA	time-lapse microscopy	deep learning pipeline	video	果蝇蛹翼上皮组织的时间序列影像数据
368	2025-05-24	An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing? 2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing IF:1.5Q2 DOI:10.1097/JPN.0000000000000826 PMID:38758263	research paper	本文探讨了ChatGPT在新生儿护理中的应用潜力及其挑战	探讨了ChatGPT在新生儿护理中的创新应用，如疼痛评估、喂养过程和患者状态判定	需要严格验证数据的准确性，并对缺乏科学依据的结果保持怀疑态度	评估ChatGPT在新生儿护理中的应用效果和安全性	新生儿护理中的AI应用，特别是ChatGPT	natural language processing	NA	自然语言处理	ChatGPT	text	NA
369	2025-05-23	A novel deep learning model for obstructive sleep apnea diagnosis: hybrid CNN-Transformer approach for radar-based detection of apnea-hypopnea events 2024-12-11, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae184 PMID:39115132	研究论文	本研究开发了一种基于雷达数据的深度学习模型，用于检测阻塞性睡眠呼吸暂停（OSA）中的呼吸暂停-低通气事件	采用混合CNN-Transformer架构，结合雷达数据进行OSA诊断，为传统多导睡眠图（PSG）提供了一种成本效益高且易于获取的替代方案	研究为单中心前瞻性队列研究，样本量相对较小（开发集54人，测试集35人）	开发并验证一种用于阻塞性睡眠呼吸暂停诊断的深度学习模型	疑似睡眠呼吸障碍的参与者	数字病理	阻塞性睡眠呼吸暂停	雷达数据采集	混合CNN-Transformer架构	雷达信号数据	开发集54人，测试集35人
370	2025-05-23	Deep learning assists detection of esophageal cancer and precursor lesions in a prospective, randomized controlled study 2024-04-17, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adk5395 PMID:38630847	研究论文	本研究开发了一种基于深度卷积神经网络(CNN)的系统，用于检测食管癌及其癌前病变，并在临床实践中验证了其提高高风险食管病变(HrEL)检出率的有效性	首次在随机对照研究中验证了深度学习辅助内窥镜检测食管癌及癌前病变的有效性，显著提高了HrEL的检出率	研究仅在中国浙江省的一家医院进行，样本来源相对单一	提高食管鳞状细胞癌(ESCC)及其癌前病变的内窥镜检出率	50岁以上的患者，包括食管癌和癌前病变(HrELs)	数字病理	食管癌	深度学习辅助内窥镜检查	CNN	内窥镜图像	3117名患者(实验组1556人，对照组1561人)
371	2025-05-23	Splicing neoantigen discovery with SNAF reveals shared targets for cancer immunotherapy 2024-01-17, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.ade2886 PMID:38232136	研究论文	该研究开发了一个名为SNAF的计算工作流程，用于从患者RNA-Seq数据中预测剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白，以发现癌症免疫治疗的共享靶点	开发了SNAF工作流程，结合DeepImmuno深度学习策略和新的算法（BayesTS和RNA-SPRINT），首次系统性地识别剪接新抗原，并发现了新的肿瘤特异性细胞外新表位（ExNeoEpitopes）	研究主要基于计算预测，部分结果需要进一步的实验验证	发现癌症免疫治疗的共享靶点	剪接衍生的免疫原性MHC结合肽和未注释的跨膜蛋白	生物信息学	黑色素瘤	RNA-Seq, 质谱分析, 长读长异构体测序	DeepImmuno, BayesTS, RNA-SPRINT	RNA-Seq数据	多个癌症队列的患者数据
372	2025-05-23	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	提出了一种新的深度学习模型MoFNet，用于研究阿尔茨海默病的分子机制及其上游遗传贡献	首次整合多组学数据与SNPs、基因和蛋白质之间的先验功能相互作用，并模拟从DNA到RNA和蛋白质的动态信息流	尽管在独立数据集中验证了大部分发现，但模型的普适性仍需进一步验证	通过多组学数据的新颖整合，发现功能上相连的多组学特征，以揭示阿尔茨海默病的分子机制	阿尔茨海默病的分子机制及其上游遗传贡献	机器学习	阿尔茨海默病	多组学数据整合	MoFNet	多组学数据（DNA、RNA、蛋白质）	ROS/MAP队列数据
373	2025-05-22	Digital profiling of gene expression from histology images with linearized attention 2024-11-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54182-5 PMID:39543087	research paper	该研究介绍了一种名为SEQUOIA的线性化transformer模型，用于从全切片图像(WSIs)预测癌症转录组学特征	提出SEQUOIA模型，首次将线性化transformer应用于WSIs的基因表达预测，解决了传统transformer在WSIs应用中的高复杂性和小数据集限制问题	模型在16种癌症类型上进行了训练，但可能对其他罕见癌症类型的泛化能力有限	开发一种成本效益高的方法，从组织学图像中预测基因表达谱，用于个性化癌症管理	7584个肿瘤样本(训练集)和1368个肿瘤样本(验证集)，涵盖16种癌症类型	digital pathology	cancer	deep learning	linearized transformer (SEQUOIA)	whole slide images (WSIs)	7584个肿瘤样本(训练集) + 1368个肿瘤样本(验证集)
374	2025-05-22	Foundation model of neural activity predicts response to new stimulus types and anatomy 2024-Aug-31, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.21.533548 PMID:36993435	research paper	该研究通过训练一个基础模型来预测小鼠视觉皮层对任意自然视频的神经元响应，并展示了该模型在新小鼠和新刺激域中的泛化能力	利用基础模型预测神经元响应，并展示其在跨小鼠、跨刺激域及新任务中的泛化能力	模型在训练分布之外的泛化能力仍有局限	构建基础大脑模型，以理解大脑的计算目标和神经编码	小鼠视觉皮层的神经活动	neuroscience	NA	deep learning	foundation model	neural activity data, natural videos	大量来自多只小鼠视觉皮层的神经活动数据
375	2025-05-22	Lightning Pose: improved animal pose estimation via semi-supervised learning, Bayesian ensembling and cloud-native open-source tools 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02319-1 PMID:38918605	研究论文	介绍了一种名为'Lightning Pose'的高效姿态估计包，通过半监督学习、贝叶斯集成和云原生开源工具改进了动物姿态估计	结合半监督学习、多视角几何和姿态合理性惩罚，提出了一种新的网络架构以解决遮挡问题，并通过集成和卡尔曼平滑后处理优化姿态预测	需要部分标记视频帧作为监督信号，且未提及在极端遮挡或复杂背景下的性能	改进动物姿态估计的准确性和科学可用性	动物姿态估计	计算机视觉	NA	半监督学习、贝叶斯集成、卡尔曼平滑	深度学习网络	视频	未明确提及具体样本数量，但使用了大量未标记视频和少量标记视频帧
376	2025-05-22	Digital profiling of cancer transcriptomes from histology images with grouped vision attention 2024-Jan-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.28.560068 PMID:37808782	研究论文	开发了一种基于transformer的深度学习模型，用于从组织学图像中预测癌症转录组	首次将transformer架构应用于组织学图像分析，通过预训练和微调策略解决了小数据集和参数爆炸问题	模型在组织水平上训练，空间基因表达模式的预测能力仍需验证	开发一种从组织学图像预测癌症转录组的深度学习方法	癌症转录组和组织学图像	数字病理学	癌症（乳腺癌、肾癌、肺癌等）	深度学习、转录组分析	transformer	图像（全切片组织学图像）	预训练：1,802个正常组织样本；微调和评估：4,331个肿瘤样本（涵盖9种癌症类型）；验证：1,305个肿瘤样本
377	2025-05-22	A review of epilepsy detection and prediction methods based on EEG signal processing and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1468967 PMID:39618710	综述	本文综述了基于脑电图（EEG）信号处理和深度学习的癫痫检测与预测方法	总结了公开可用的癫痫EEG数据集、预处理技术、特征提取方法和深度学习网络，并基于患者独立性对文献进行分类	公开数据集在癫痫类型上缺乏多样性，且采集条件受控，可能无法反映真实场景；信号预处理方法有限，可能无法完全代表实际条件	提出一种高效的癫痫检测和预测方法，以促进患者康复、减轻家庭负担并优化医疗流程	癫痫患者的EEG信号	数字病理学	癫痫	EEG信号处理	CNN, RNN	EEG信号	NA
378	2025-05-22	MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1481581 PMID:39664103	研究论文	提出了一种名为MLR-Predictor的多标签需求分类计算框架，通过创新的OkapiBM25模型将需求文本转化为统计向量，并利用逻辑回归分类器进行分类	使用OkapiBM25模型将需求文本转化为统计向量，并将多标签分类问题转化为多类分类问题，显著提升了分类性能	未提及具体局限性	开发一个高效且通用的多标签需求分类计算框架	软件需求文本	自然语言处理	NA	OkapiBM25模型，逻辑回归分类器	逻辑回归	文本	三个公共基准需求分类数据集，包括PROMISE、EHR-binary和EHR-multiclass数据集
379	2025-05-21	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	research paper	本文通过冷冻电子断层扫描技术分析了生化重建的染色质凝聚物的结构，并开发了深度学习分割与新型上下文感知模板匹配相结合的方法来识别凝聚物内密集堆积的分子	整合深度学习分割与新型上下文感知模板匹配技术，用于高分辨率可视化染色质凝聚物内部结构	方法主要针对生化重建的染色质凝聚物，对于细胞内的某些凝聚物可能适用性有限	研究染色质凝聚物的形成和功能机制	生化重建的染色质凝聚物及原位天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描技术（cryo-electron tomography）、深度学习分割、上下文感知模板匹配	深度学习	图像数据	NA
380	2025-05-21	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-11-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测	基于Graph-Transformer架构的统一模型，利用交互感知的混合密度网络捕获非共价相互作用，并引入负采样策略以有效校正交互分布	未提及具体局限性	改进蛋白质-配体对接和亲和力预测的性能	蛋白质-配体复合物	机器学习	NA	Graph-Transformer架构、混合密度网络	Interformer	蛋白质-配体复合物数据	广泛使用的数据集和内部数据集