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
741	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	本文介绍了一种名为TACIT的无监督算法，用于大规模空间生物学中的细胞类型和状态去卷积分析	开发了无需训练数据的无监督算法TACIT，通过预定义签名和偏置阈值区分阳性细胞与背景，专注于多组学检测中模糊细胞的识别	NA	解决空间生物学中细胞类型和状态识别耗时且易出错的问题，提升准确性和可扩展性	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集，包含5,000,000个细胞和51种细胞类型	NA	TACIT	准确性、可扩展性	NA
742	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了TACIT，一种用于细胞注释的无监督算法，无需训练数据，利用预定义签名和空间多组学数据识别细胞类型和状态	开发了TACIT算法，通过无偏阈值化和预定义签名，在无需训练数据的情况下实现细胞注释，提高了准确性和可扩展性，并整合了新型Shiny应用以揭示新表型	未明确说明算法在更广泛组织类型或疾病模型中的泛化能力，且依赖预定义签名可能限制对新细胞类型的发现	解决空间生物学中细胞类型和状态识别的挑战，开发无监督算法以提高注释准确性和可扩展性	来自大脑、肠道和腺体三个生态位的细胞，涉及5个数据集共5,000,000个细胞和51种细胞类型	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间多组学数据	5个数据集，总计5,000,000个细胞，涵盖51种细胞类型	NA	TACIT	准确性、可扩展性	NA
743	2026-01-15	In Vivo Intelligent Fluorescence Endo-Microscopy by Varifocal Meta-Device and Deep Learning 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307837 PMID:38488694	研究论文	本文开发了一种基于变焦超透镜和深度学习的智能荧光内窥显微镜，用于小鼠大脑的活体三维成像	结合变焦超透镜和深度学习技术，实现了无轴向移动的快速、高分辨率活体三维成像，显著提高了成像速度和系统简化度	NA	开发一种智能荧光内窥显微镜，用于实时三维可视化内部组织和亚细胞结构	小鼠大脑的详细血管和周围血管周围空间	计算机视觉	NA	荧光内窥显微镜，变焦超透镜	深度学习网络	图像	NA	NA	NA	横向分辨率3 µm，成像时间0.1秒（约快50倍）	NA
744	2026-01-15	Deep Learning-Driven Exploration of Pyrroloquinoline Quinone Neuroprotective Activity in Alzheimer's Disease 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308970 PMID:38454653	研究论文	本研究利用深度学习和药理学方法探索吡咯喹啉醌在阿尔茨海默病中的神经保护潜力	结合深度学习预测血脑屏障通透性并评估化合物特性，验证了吡咯喹啉醌通过调节SIRT1和CREB通路发挥神经保护作用的新机制	研究主要基于小鼠模型，尚未在人体中进行验证，且深度学习模型的泛化能力需进一步测试	探索吡咯喹啉醌作为阿尔茨海默病神经保护剂的潜力，并整合深度学习与药理学研究	吡咯喹啉醌化合物及Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	机器学习	阿尔茨海默病	深度学习，药理学实验，体内测试	深度学习模型	分子数据集，实验数据	Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	NA	NA	血脑屏障通透性预测，毒性评估，认知缺陷减少效果	NA
745	2026-01-14	Highly Elastic, Fatigue-Resistant, and Antifreezing MXene Functionalized Organohydrogels as Flexible Pressure Sensors for Human Motion Monitoring 2024-11-20, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12852 PMID:39506450	研究论文	本研究设计了一种基于MXene功能化有机水凝胶的柔性压力传感器，用于人体运动监测	设计了一种具有双网络结构和可逆交联相互作用的弹性、抗疲劳、抗冻PVA/LA有机水凝胶，并引入MXene作为导电填料以增强传感器性能	NA	开发用于人体运动监测和健康监测的柔性压力传感器	基于MXene功能化有机水凝胶的柔性压力传感器	机器学习	NA	NA	CNN, LSTM	传感器信号数据	NA	NA	一维卷积神经网络, 长短期记忆网络	准确率	NA
746	2026-01-14	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统	开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测	研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析	解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求	产后女性，特别是美国黑人产后女性	数字病理学	心血管疾病	纳米膜传感器技术	深度学习	波形数据	20名产后黑人女性	NA	NA	NA	云架构
747	2026-01-14	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值	Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题	未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制	开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控	单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群	机器学习	头颈鳞状细胞癌	单细胞RNA测序，批量RNA测序	自编码器	基因表达数据	NA	NA	基于最优传输的自编码器	NA	NA
748	2026-01-14	CIRI-Deep Enables Single-Cell and Spatial Transcriptomic Analysis of Circular RNAs with Deep Learning 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308115 PMID:38308181	研究论文	本文介绍了CIRI-deep，一种基于深度学习的模型，用于从单细胞和空间转录组数据中全面预测环状RNA的调控	开发了首个能够处理单细胞和空间转录组数据的深度学习模型，专门用于环状RNA的全面分析和预测	未在摘要中明确说明	解决现有单细胞和空间转录组技术在有效分析环状RNA方面的局限性	环状RNA	自然语言处理	NA	RNA-seq	深度学习模型	RNA-seq数据	基于2500万个高置信度环状RNA调控事件的数据集	NA	NA	在测试集和留出数据上均表现出高性能	NA
749	2026-01-14	A Novel Approach Utilizing Domain Adversarial Neural Networks for the Detection and Classification of Selective Sweeps 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202304842 PMID:38308186	研究论文	本文提出了一种基于域对抗神经网络的域适应扫描检测与分类方法，用于改进选择性扫描的识别与分类	通过域对抗神经网络及其对抗学习模块，平衡两个域的分布对齐与分类性能，有效解决了深度学习模型中训练数据与真实基因组数据不匹配的问题	NA	提高选择性扫描的检测与分类性能，以增强对生物进化的理解，并为精准医学和遗传改良提供支持	选择性扫描	机器学习	NA	基因组数据分析	域对抗神经网络	基因组数据	NA	NA	域对抗神经网络	泛化能力、预测鲁棒性、准确性	NA
750	2026-01-14	Predicting Single Neuron Responses of the Primary Visual Cortex with Deep Learning Model 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202305626 PMID:38350735	研究论文	本文提出了一种用于预测小鼠初级视觉皮层（V1）单神经元对自然刺激响应的先进计算模型	该算法结合物体位置并集成多个具有不同训练-验证数据的模型，在跨被试预测中比现有模型提升了15%-30%，并在SENSORIUM 2022挑战赛中排名第一	NA	预测初级视觉皮层单神经元对自然刺激的响应，以帮助理解神经机制并应用于脑机接口等下一代技术	小鼠初级视觉皮层（V1）的单神经元	机器学习	NA	NA	深度学习模型	图像	基于数千张图像的数据集	NA	NA	预测准确率	NA
751	2026-01-13	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文利用深度学习蛋白质设计工具，开发了针对肽-MHC-I复合物的高特异性结合蛋白	采用深度学习工具设计小蛋白，使其跨越pMHC复合物的肽结合槽并与肽广泛接触，实现了从实验或预测结构出发生成高特异性结合物	NA	设计高特异性结合物以靶向肽-MHC-I复合物，用于疾病治疗	肽-MHC-I复合物	机器学习	NA	深度学习蛋白质设计	NA	蛋白质结构数据	十个目标pMHC复合物	NA	NA	结合特异性（通过酵母展示和T细胞激活评估）	NA
752	2026-01-13	A deep learning dataset for sample preparation artefacts detection in multispectral high-content microscopy 2024-02-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03064-y PMID:38395957	研究论文	本文介绍了一个用于高内涵显微镜样本制备伪影检测的深度学习数据集	创建了一个专门用于高内涵显微镜样本制备伪影检测的开放数据集，并提出了基于规则的分类和像素级注释策略	数据集基于实验室灰尘滴定在固定细胞培养样本上，可能无法覆盖所有类型的样本制备伪影	解决高内涵图像筛选中样本制备伪影检测的数据集缺乏问题	高内涵显微镜图像中的样本制备伪影	计算机视觉	NA	高内涵显微镜，荧光滤波成像	CNN	图像	NA	NA	卷积神经网络	NA	NA
753	2026-01-13	Fluorescent Neuronal Cells v2: multi-task, multi-format annotations for deep learning in microscopy 2024-02-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03005-9 PMID:38341463	研究论文	本文介绍了荧光神经元细胞v2数据集，这是一个用于促进生命科学和深度学习领域创新研究的荧光显微镜图像及对应标注数据集	发布了包含多任务、多格式标注的高分辨率荧光显微镜图像数据集，支持语义分割、目标检测和计数等多种学习任务	NA	促进计算机视觉方法在显微镜图像分析中的方法学进展，并推动生命科学领域的突破性发现	啮齿动物神经元细胞核和细胞质的荧光显微镜图像	计算机视觉	NA	荧光显微镜成像	NA	图像	1874张高分辨率图像，包含750个对应标注	NA	NA	NA	NA
754	2026-01-13	A clinical microscopy dataset to develop a deep learning diagnostic test for urinary tract infection 2024-02-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02975-0 PMID:38302487	研究论文	本文介绍了一个用于开发深度学习诊断测试的临床显微镜数据集，旨在通过计算机视觉技术自动识别尿路感染患者的尿液细胞	提出了一个开放数据集，包含300张图像和3,562个手动注释的尿液细胞，分为七个临床重要细胞类型，并设计了一种新颖的Patch U-Net深度学习架构，结合随机补丁生成器来识别尿液细胞	数据集规模相对较小（300张图像），可能限制模型的泛化能力，且仅基于有症状尿路感染患者的未染色、未处理尿液样本	开发一个基于深度学习的诊断测试，用于自动识别尿路感染，以克服传统手动显微镜检查的技术困难、耗时和观察者间误差问题	尿路感染患者的尿液样本中的细胞	计算机视觉	尿路感染	临床显微镜成像	深度学习	图像	300张图像，包含3,562个手动注释的尿液细胞	未指定	Patch U-Net	未指定	未指定
755	2026-01-13	Annotated dataset for training deep learning models to detect astrocytes in human brain tissue 2024-01-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02908-x PMID:38242926	研究论文	本文介绍了一个用于训练深度学习模型检测人脑组织中星形胶质细胞的标注数据集	提供了首个基于ALDH1L1和GFAP染色的人脑组织全切片图像数据集，支持星形胶质细胞的自动检测和密度分析	数据集仅包含16张切片和8名患者，样本规模有限，可能影响模型的泛化能力	开发自动化工具以检测和量化人脑组织中的星形胶质细胞，促进神经病理学研究	人脑组织切片中的星形胶质细胞	数字病理学	神经系统疾病	ALDH1L1和GFAP免疫组织化学染色	深度学习模型	图像	16张切片，来自8名患者，共8730个图像块	NA	NA	NA	NA
756	2026-01-13	Open and reusable deep learning for pathology with WSInfer and QuPath 2024-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00499-9 PMID:38200147	研究论文	本文介绍了WSInfer和QuPath，一个开源软件生态系统，旨在促进数字病理学中深度学习模型的共享与重用	开发了WSInfer这一开源工具，专门解决数字病理学领域深度学习模型难以重用的问题，提升了模型的可访问性和复用性	NA	通过开源软件生态系统，推动数字病理学中深度学习模型的共享与重用，以增强其在诊断、预后和预测方面的研究能力	数字病理学中的深度学习模型	数字病理学	NA	深度学习	NA	病理图像	NA	NA	NA	NA	NA
757	2026-01-13	The 100-protein NMR spectra dataset: A resource for biomolecular NMR data analysis 2024-01-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02879-5 PMID:38177162	研究论文	本文介绍了100-蛋白质NMR光谱数据集，这是一个包含1329个多维NMR光谱及相关注释的标准化资源，旨在促进生物分子NMR数据分析方法的发展	首次公开了一个标准化的多维NMR光谱数据集，允许从原始实验数据重现100个蛋白质结构，解决了NMR原始数据缺乏公开存档的问题	数据集仅包含100个蛋白质，可能无法覆盖所有蛋白质类型或NMR实验条件，且依赖于特定方法（ARTINA）的原始开发背景	促进生物分子NMR光谱的计算方法开发，特别是机器学习方法，并实现方法间的一致性和客观比较	蛋白质的NMR光谱数据	生物信息学	NA	NMR光谱学	深度学习	NMR光谱	100个蛋白质的1329个2-4维NMR光谱	NA	ARTINA	NA	NA
758	2026-01-13	An annotated wing interferential pattern dataset of dipteran insects of medical interest for deep learning 2024-01-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02848-y PMID:38168517	研究论文	本研究介绍了一个用于训练和评估基于翅干涉模式识别医学和兽医学重要双翅目昆虫的数据集	创建了一个包含多种双翅目昆虫翅干涉模式图像的新数据集，并整合了先前发布的数据集，以支持计算机视觉识别系统的开发	数据集仅覆盖18个属，每个属的物种数量和样本量存在差异，可能影响模型的泛化能力	开发一个基于计算机视觉的系统，利用翅干涉模式快速识别医学和兽医学重要的双翅目昆虫	双翅目昆虫，包括蚊科、丽蝇科、蝇科、虻科、蠓科和毛蠓科等	计算机视觉	NA	翅干涉模式成像	NA	图像	2,399张图片，覆盖18个属，部分属样本量达300个	NA	NA	NA	NA
759	2026-01-10	Deep Learning Augmented Osteoarthritis Grading Standardization 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2023.0206 PMID:37950715	研究论文	本研究探讨了使用深度学习模型自动分类软骨组织学图像以标准化骨关节炎分级的可行性	首次将深度学习应用于软骨组织学图像进行骨关节炎分级，而非传统的放射影像，这是一种更基础的评估方法	未明确提及样本量限制或模型泛化能力的具体挑战	开发自动化图像分类技术以标准化骨关节炎的分级评估	膝关节软骨的组织学图像	数字病理学	骨关节炎	组织学染色（Safranin-O染色）	CNN	图像	NA	NA	DenseNet121	准确率, Cohen's kappa分数, ROC-AUC	NA
760	2026-01-10	AI for BPH Surgical Decision-Making: Cost Effectiveness and Outcomes 2024-Sep-23, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-024-01240-6 PMID:39312102	综述	本文综述了人工智能在良性前列腺增生手术决策中的应用，包括其成本效益和临床结果	探讨了AI如何整合多参数MRI、超声等非侵入性影像学数据，结合血清生物标志物和组织病理学分析，以高准确率区分BPH与前列腺癌，并预测患者治疗后结局，推动个性化医疗	AI在临床工作流程中的整合仍面临挑战，缺乏标准评估指标，且成本效益尚未完全实现	评估人工智能在改善良性前列腺增生管理决策过程中的作用，包括诊断、治疗预测和成本优化	良性前列腺增生患者，特别是60岁以上男性，以及相关的影像学、生物标志物和病理数据	数字病理学	前列腺癌	多参数磁共振成像, 超声, 血清生物标志物分析, 组织病理学分析	机器学习, 深度学习	图像, 生物标志物数据, 病理数据	NA	NA	NA	准确率	NA