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
881	2025-04-18	A dynamic approach for MR T2-weighted pelvic imaging 2024-Oct-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	research paper	本文提出了一种新颖的动态方法用于T2加权盆腔成像，以解决蠕动引起的运动问题，无需患者准备	采用动态数据采集策略和基于深度均衡模型的展开方法，有效冻结盆腔运动，将成像问题从传统的运动预防或消除转变为运动重建	NA	解决盆腔MR成像中由蠕动引起的运动伪影和模糊问题	盆腔MR成像	医学影像	NA	T2加权2D快速自旋回波序列	深度均衡模型	MR图像	回顾性和前瞻性数据
882	2025-04-18	A deep learning model of tumor cell architecture elucidates response and resistance to CDK4/6 inhibitors 2024-07, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00740-1 PMID:38443662	研究论文	构建了一个可解释的深度学习模型，用于解析肿瘤细胞对CDK4/6抑制剂的反应和耐药机制	模型识别了八个核心蛋白组装体，整合了90个基因中的罕见和常见变异，用于区分对palbociclib敏感和耐药的细胞系	模型的应用范围主要限于乳腺癌，且样本量相对较小	解析CDK4/6抑制剂在乳腺癌治疗中的反应和耐药机制	乳腺癌细胞系、患者和患者来源的异种移植模型	数字病理学	乳腺癌	CRISPR-Cas9基因编辑	深度学习模型	基因和蛋白数据	90个基因的细胞系和患者样本
883	2025-04-18	Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces 2024, Advances in neural information processing systems PMID:40231170	研究论文	本研究探讨了在脑机接口（BMI）中深度学习模型与可解释性模型之间的权衡，并提出了一种基于KalmanNet的解码器	提出了一种结合传统卡尔曼滤波和循环神经网络的KalmanNet解码器，在保持可解释性的同时达到与深度学习模型相当的性能	KalmanNet与现有深度学习解码器一样具有有限的泛化能力，且在遇到未见过的噪声分布时性能受限	开发高性能且可解释的脑机接口解码器	猴子的手指运动预测	脑机接口	瘫痪	KalmanNet, 卡尔曼滤波, RNN	KalmanNet, KF, tcFNN, LSTM	脑活动数据	两只猴子的离线（预录数据）和在线（实时预测）数据
884	2025-04-17	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	research paper	该研究开发了一种名为ASD-cancer的半监督深度学习框架，用于从肿瘤微生物组和转录组数据中提取与生存相关的特征，并识别患者的生存亚型	提出了ASD-cancer框架，能够整合肿瘤微生物组和宿主基因表达数据，进行可解释的生存亚型分析，相比传统方法如PCA，提供了更好的风险分层	研究依赖于TCGA数据库的样本，可能无法涵盖所有肿瘤类型的多样性	解码肿瘤微生物组与宿主基因表达之间的复杂关系，及其对患者生存的联合影响	20种不同类型癌症的组织样本	digital pathology	cancer	deep learning, autoencoder	autoencoder	microbiome and transcriptome data	来自TCGA数据库的多种癌症类型的组织样本
885	2025-04-17	Binding and sensing diverse small molecules using shape-complementary pseudocycles 2024-07-19, Science (New York, N.Y.) DOI:10.1126/science.adn3780 PMID:39024436	research paper	本文提出了一种设计高亲和力小分子结合蛋白的方法，并应用于下游传感	利用深度学习生成的具有不同形状中央结合口袋的假环结构，结合小分子以实现高亲和力结合，并构建化学诱导二聚化系统和低噪声纳米孔传感器	NA	设计高亲和力小分子结合蛋白并用于传感应用	小分子（如甲氨蝶呤和甲状腺素）	machine learning	NA	deep learning, docking	NA	molecular structure	四种不同小分子
886	2025-04-17	Medical forecasting 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adp7977 PMID:38781357	研究论文	本文讨论了AI在天气预报中的应用及其在医学预测中的潜力	提出将天气预报中的深度学习模型GraphCast应用于医学预测，以提高预测准确性和速度	目前医学预测领域缺乏黄金标准，预测健康结果的方法尚不成熟	探索AI在医学预测中的应用，以预防疾病或严重急性事件	个体健康风险预测	机器学习	NA	深度学习	GraphCast	NA	NA
887	2025-04-17	Whole-body magnetic resonance imaging at 0.05 Tesla 2024-05-10, Science (New York, N.Y.) DOI:10.1126/science.adm7168 PMID:38723062	research paper	开发了一种使用0.05特斯拉永磁体和深度学习的全身MRI扫描仪，无需射频和磁屏蔽	利用深度学习和0.05特斯拉永磁体开发了一种低成本、无需屏蔽的全身MRI扫描仪，并采用三维深度学习重建提升图像质量	未提及具体样本量和临床验证结果	开发低成本、易普及的全身MRI扫描技术	全身MRI扫描仪	医学影像	NA	MRI, 深度学习	深度学习	MRI图像	NA
888	2025-04-17	Sequence basis of transcription initiation in the human genome 2024-04-26, Science (New York, N.Y.) DOI:10.1126/science.adj0116 PMID:38662817	研究论文	该研究通过深度学习模型Puffin预测人类基因组中转录起始的序列模式，揭示了大多数人类启动子的转录起始规则	使用可解释的深度学习模型Puffin，在碱基对分辨率上预测转录起始，并识别出关键序列模式及其在启动子活性中的作用	研究可能未涵盖所有转录起始的复杂调控机制，且模型解释性可能有限	理解人类基因组中转录起始的序列基础和规则	人类基因组中的转录起始位点和启动子	基因组学	NA	深度学习	Puffin	基因组序列数据	NA
889	2025-04-17	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	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分类系统，用于股骨头坏死（ONFH）的分类	采用深度学习中的卷积神经网络（CNN）模型对ONFH进行分类，并在多中心数据集上验证了其高准确性和泛化能力	研究仅使用了来自4家机构的回顾性数据，可能需要更多前瞻性数据进一步验证模型的普适性	开发高准确性的ONFH自动分类系统以辅助临床决策	股骨头坏死（ONFH）患者	数字病理学	骨科疾病	MRI成像	CNN	图像	1,806张MRI图像（来自1,337个髋关节），其中外部验证集包含334张图像（来自182个髋关节）
890	2025-04-17	Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status 2024-01, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-023-01120-3 PMID:37919367	研究论文	本文提出了一种弱监督端到端多实例学习模型，用于编码和聚合体细胞突变的局部序列上下文或基因组位置，以进行样本级分类	使用多注意力头的多实例学习模型，能够建模个体测量对样本级分类的重要性，提供更强的可解释性，并在合成任务和实际任务中表现优异	NA	改进基因组数据集的聚合信息任务性能，以生成生物学见解	体细胞突变数据	机器学习	肿瘤	多实例学习	多注意力头模型	基因组数据	NA
891	2025-04-16	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本文报告了两种基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的开发与性能	开发了两种新型深度学习模型（ADVAS和ADRET），其中ADRET采用自监督学习卷积神经网络，在阿尔茨海默病筛查中表现出更高的准确性	需要在更大和多样化的人群中进一步验证，并整合技术以协调眼底照片和减少成像相关噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的性能	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	数字病理学	阿尔茨海默病	深度学习	U-Net, 自监督学习卷积神经网络（ADRET）	图像	来自UK Biobank和一家三级学术机构的两组独立数据集
892	2025-04-16	Integrating Interpretability in Machine Learning and Deep Neural Networks: A Novel Approach to Feature Importance and Outlier Detection in COVID-19 Symptomatology and Vaccine Efficacy 2024-11-29, Viruses DOI:10.3390/v16121864 PMID:39772174	研究论文	本研究提出了一种新颖的方法，整合了传统机器学习和深度神经网络的可解释性技术，用于量化特征重要性并检测COVID-19症状学和疫苗效力中的异常值	该方法弥合了可解释的机器学习模型与强大的深度学习架构之间的差距，为模型预测背后的关键驱动因素提供了全面的见解	研究仅使用了2020年早期的COVID-19疫情数据，样本可能不够全面	提高对COVID-19症状学的理解并增强早期病例检测	COVID-19检测个体的自我报告症状和测试结果	机器学习	COVID-19	机器学习和深度学习的可解释性技术	传统ML和DNN	医疗数据	2020年早期接受COVID-19检测的个体数据集
893	2025-04-16	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	介绍了一种名为HLAPepBinder的集成模型，用于预测HLA-肽结合	使用随机森林方法整合多个预测模型的结果，提供了一种自动化的预测框架，无需手动选择模型	缺乏可靠的阴性数据，且通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合	机器学习	癌症	集成机器学习方法	随机森林	肽序列数据	NA
894	2025-04-16	Reproducible image-based profiling with Pycytominer 2024-Jul-02, ArXiv PMID:38045474	research paper	介绍了一个名为Pycytominer的用户友好开源Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据	提出了Pycytominer这一工具，实现了图像分析后的生物信息学步骤，即“基于图像的剖析”	未提及具体的技术限制或应用范围的局限性	开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，用于下游应用	高通量显微镜图像分析产生的单细胞特征数据	digital pathology	NA	high-throughput microscopy	NA	image	NA
895	2025-04-16	Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis 2024-06, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101840 PMID:38548062	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习放射组学在口腔鳞状细胞癌（OSCC）中的应用	结合深度学习算法与放射组学技术，提高了OSCC的诊断、鉴别诊断、疗效评估和预后预测的准确性	存在轻微的发表偏倚（P = 0.03），且当前阶段的深度学习放射组学技术仍有不足	评估深度学习放射组学在OSCC中的应用效果	口腔鳞状细胞癌（OSCC）的医学影像	digital pathology	oral squamous cell carcinoma	深度学习放射组学	深度学习算法	医学影像	26项研究，共64,731张医学影像
896	2025-04-16	Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.005 PMID:38993485	research paper	本研究利用深度学习模型预测肝移植后主要不良心血管事件（MACE）的风险	使用双向门控循环单元（BiGRU）深度学习模型预测肝移植后不同时间段的MACE风险，并与其他基线机器学习模型进行比较	研究依赖于纵向索赔数据，可能存在数据不完整或偏差	验证深度学习模型在预测肝移植后MACE风险中的能力	18,304名肝移植受者	machine learning	cardiovascular disease	BiGRU	deep learning	longitudinal claims data	18,304名肝移植受者（平均年龄57.4岁，39.1%为女性）
897	2025-04-16	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	本文综述了自然语言处理（NLP）在甲状腺相关疾病中的应用，总结了当前挑战和未来潜在方向	系统性地回顾了NLP在甲状腺学中的应用，并总结了当前挑战和未来方向	临床文档不一致和模型可移植性等问题限制了NLP在甲状腺学中的临床应用	回顾NLP在甲状腺相关疾病中的应用并总结挑战与未来方向	甲状腺相关疾病（如甲状腺结节、甲状腺癌等）的NLP应用研究	自然语言处理	甲状腺疾病	NLP（包括基于规则、机器学习和深度学习方法）	深度学习、基于规则、传统机器学习	电子健康记录、健康论坛、医学文献数据库、基因组数据库	24项符合条件的NLP研究
898	2025-04-16	Deep learning based digital pathology for predicting treatment response to first-line PD-1 blockade in advanced gastric cancer 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05262-z PMID:38720336	研究论文	本研究利用深度学习分析病理图像，旨在预测晚期胃癌患者对一线PD-1联合化疗的治疗反应	开发了基于深度学习的免疫检查点抑制剂反应评分（ICIsRS），作为一种新型组织病理学生物标志物，用于预测治疗反应	研究为多中心回顾性分析，可能需要前瞻性研究进一步验证	预测晚期胃癌患者对一线PD-1联合化疗的治疗反应，以实现精准患者选择	晚期胃癌患者	数字病理学	胃癌	深度学习	集成模型（ICIsNet）	图像（H&E染色切片）	264名晚期胃癌患者的313张全切片图像（WSIs），共148,181个图像块
899	2025-04-16	Deep learning imaging phenotype can classify metabolic syndrome and is predictive of cardiometabolic disorders 2024-05-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05163-1 PMID:38720370	研究论文	本研究利用深度学习从腹部CT扫描中提取图像衍生表型（IDP），用于分类代谢综合征并预测未来心血管代谢疾病的发生	提出了一种基于深度学习的图像衍生表型（IDP），在代谢综合征分类和心血管代谢疾病预测方面优于传统的放射组学特征和临床定义	研究样本量有限，且仅基于腹部CT扫描，未考虑其他可能的影像学或临床数据	开发一种基于深度学习的图像衍生表型（IDP），用于早期检测和干预代谢异常，以降低心血管代谢疾病的风险	2000多名个体的腹部CT扫描数据，其中1300多名用于预测未来高血压、II型糖尿病和脂肪肝疾病的发生	数字病理学	心血管疾病	深度学习	深度学习模型（未具体说明）	图像（腹部CT扫描）	2000多名个体（其中1300多名用于疾病预测）
900	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA