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
101	2025-11-26	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	研究论文	通过深度学习模型识别非编码遗传变异，揭示非洲裔男性前列腺癌风险更高的遗传机制	首次使用基于序列的深度学习模型系统探索非编码调控多态性在祖先间前列腺癌风险差异中的作用	研究主要关注非洲裔男性群体，对其他祖先群体的适用性需要进一步验证	揭示非洲裔男性前列腺癌风险更高的遗传基础	非洲裔美国男性的前列腺癌相关遗传变异	计算生物学	前列腺癌	深度学习，基因组关联分析，实验验证	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
102	2025-11-26	Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence 2024-Dec-01, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.27.24318110 PMID:39649606	研究论文	开发并验证用于自动评估心包积液严重程度和心脏压塞的深度学习模型EchoNet-Pericardium	首次使用时序空间卷积神经网络自动化评估心包积液严重程度和心脏压塞，采用五标准视图集成预测方法	模型性能仍需在更广泛人群中验证，临床实施需要进一步研究	开发自动化工具减少心包积液和心脏压塞评估的操作者依赖性	超声心动图视频	医学人工智能	心血管疾病	超声心动图	CNN	视频	训练集：1,427,660个视频（85,380例超声心动图）；外部验证集：33,310个视频（1,806例超声心动图）	NA	时序空间卷积神经网络	AUC	NA
103	2025-11-26	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Nov-15, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.14.24317278 PMID:39606387	研究论文	通过深度学习模型识别非编码遗传变异解释非洲裔男性前列腺癌高风险机制	首次系统探索非编码调控多态性在驱动前列腺癌种族差异中的作用，并发现约2000个与增强子功能相关的SNP	研究主要关注非洲裔男性群体，需要进一步验证在其他人群中的普适性	解析非洲裔男性前列腺癌高风险的非编码遗传机制	非洲裔和欧洲裔男性的前列腺癌遗传变异	计算生物学	前列腺癌	全基因组关联研究，深度学习，实验验证	深度学习	基因组序列数据	多祖先群体队列数据	NA	基于序列的深度学习模型	实验验证，风险评分评估	NA
104	2025-11-26	AllergenAI: a deep learning model predicting allergenicity based on protein sequence 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.22.600179 PMID:38979176	研究论文	开发基于蛋白质序列预测过敏原性的深度学习模型AllergenAI	仅基于蛋白质序列进行预测，区别于以往需要理化性质知识的工具	当前仅使用序列信息，未来需要整合3D结构信息提高准确性	预测蛋白质过敏原性以帮助蛋白质工程重新设计过敏原蛋白	过敏原蛋白质序列	生物信息学	过敏性疾病	蛋白质序列分析	CNN	蛋白质序列数据	来自SDAP 2.0、COMPARE和AlgPred 2三个数据库的过敏原蛋白质序列	NA	卷积神经网络	交叉验证	NA
105	2025-11-24	SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae046 PMID:39573886	研究论文	提出一种基于比例化分割氨基酸组成和集成随机投影的抗菌肽识别模型SAMP	引入比例化分割氨基酸组成特征，能同时捕捉N端和C端残基模式及中间肽段序列顺序信息	NA	开发更准确的抗菌肽识别计算方法	抗菌肽序列	机器学习	耐药细菌感染	比例化分割氨基酸组成	集成学习	肽序列	NA	Python	集成随机投影	准确率, Matthews相关系数, G-measure, F1-score	NA
106	2025-11-24	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-Nov-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	开发了一种基于深度学习模型的青光眼进展检测方法，使用纵向系列黄斑光学相干断层扫描血管成像图像	首次设计定制化卷积神经网络用于基于纵向OCTA图像的青光眼进展检测，性能优于传统的逻辑回归模型	样本量相对较小（202只眼），需要外部验证来确认模型的泛化能力	开发深度学习模型用于青光眼进展的自动检测	134名开角型青光眼患者的202只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	CNN	图像	202只眼睛，平均随访3.5年，每只眼至少4次OCTA检查	NA	定制化卷积神经网络	AUC, 敏感度, 特异度, 准确率	NA
107	2025-11-24	RETFound-enhanced community-based fundus disease screening: real-world evidence and decision curve analysis 2024-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01109-5 PMID:38693205	研究论文	本研究开发了一种基于RETFound增强的深度学习模型，用于社区眼底疾病筛查，并在真实世界场景中验证其性能	首次将眼科基础模型RETFound应用于社区眼底疾病筛查，显著提升了筛查准确性和泛化能力	研究主要基于中国城乡场景，在其他国家和地区的适用性需要进一步验证	开发高性能的AI辅助眼底疾病筛查系统以应对全球视力健康挑战	社区筛查中采集的真实世界眼底图像	计算机视觉	眼底疾病	深度学习	深度学习模型	眼底图像	NA	NA	RETFound	灵敏度, 特异性, 净收益	NA
108	2025-11-24	Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3505038 PMID:39902153	研究论文	开发一种成本效益高的机器学习模型选择算法，用于早期认知障碍预测	提出新型成本效益模型选择算法，在保证高性能的同时最小化开发和运营成本	未在更多低收入和中等收入国家进行广泛验证	开发成本效益高且易于获取的机器学习模型，用于预测未来五年内的认知障碍风险	来自国家阿尔茨海默病协调中心统一数据集的认知障碍相关数据	机器学习	老年疾病	机器学习，深度学习	SVM，神经网络	结构化医疗数据	国家阿尔茨海默病协调中心统一数据集	NA	支持向量机，神经网络	F2-score	NA
109	2025-11-24	Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160299	研究论文	提出一种整合空间转录组学和组织病理学图像的深度学习方法，以更好地捕捉癌症组织中的生物学模式	首次将空间转录组学数据与组织病理学图像特征通过深度学习相结合，克服了传统方法仅依赖基因表达的局限性	方法主要针对胶质母细胞瘤和三阴性乳腺癌等特定癌症类型，在其他疾病中的适用性有待验证	开发能够整合多模态数据的分析方法，提升空间转录组学数据的生物学解释能力	胶质母细胞瘤和三阴性乳腺癌患者的组织样本	数字病理学	癌症	空间转录组学, 组织病理学成像	CNN	图像, 基因表达数据	NA	NA	ResNet-50	NA	NA
110	2025-11-24	Spatial Omics Driven Crossmodal Pretraining Applied to Graph-based Deep Learning for Cancer Pathology Analysis 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160300	研究论文	本研究探索利用空间转录组数据通过对比跨模态预训练机制生成深度学习模型，以增强基于图的癌症病理分析	首次将空间组学数据与组织学图像配对，通过对比跨模态预训练机制提升图深度学习模型在病理分析中的性能	NA	开发能够同时提取分子和组织学信息的深度学习模型，用于基于图的癌症病理分析任务	癌症组织病理学全切片图像和空间转录组数据	数字病理学	癌症	空间转录组学	图神经网络	图像, 空间转录组数据	NA	NA	NA	癌症分期准确率, 淋巴结转移预测准确率, 生存预测准确率, 组织聚类分析	NA
111	2025-11-24	PEPSI: Polarity measurements from spatial proteomics imaging suggest immune cell engagement 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160302	研究论文	开发了一种从免疫荧光成像数据定义表面蛋白极性的度量方法，用于识别肿瘤微环境中的免疫细胞状态	首次利用亚细胞蛋白表达模式对免疫细胞功能状态进行表型分析，并证明极性定义的细胞亚型能改善深度学习模型的生存预测性能	方法依赖于高分辨率显微镜成像，可能受限于图像质量和分辨率	通过蛋白极性测量理解免疫细胞功能状态及其在肿瘤微环境中的作用	肿瘤微环境中的免疫细胞	空间蛋白质组学成像	肿瘤	免疫荧光成像	深度学习模型	免疫荧光图像	600个患者样本中的200多万个细胞	NA	NA	生存预测性能	NA
112	2025-11-23	SCC-NET: segmentation of clinical cancer image for head and neck squamous cell carcinoma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.065501 PMID:39583005	研究论文	提出一种基于神经架构搜索U-Net的改进模型SCC-NET，用于头颈部鳞状细胞癌内镜图像的病灶分割	提出可学习离散小波池化技术，结合通道注意力模块为不同层输出分配权重，并引入CSPNet的跨阶段部分设计	仅使用单一医疗中心数据，样本量相对有限	开发头颈部鳞状细胞癌内镜图像的自动分割算法	头颈部鳞状细胞癌内镜图像	数字病理	头颈部鳞状细胞癌	内镜检查	U-Net, CSPNet	图像	556张经病理确认的鳞状细胞癌照片	NA	SCC-NET, U-Net, CSPNet	mIOU, Dice相似系数, 准确率, 召回率	NA
113	2025-11-23	Session Introduction: Artificial Intelligence in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160265	会议介绍	介绍2024年太平洋生物计算研讨会中关于临床医学人工智能的专题会议，重点关注生成式和交互式系统在人机界面的应用	聚焦于生成式AI和深度学习模型在医疗领域的突破性应用，特别强调人机交互界面的创新研究	NA	评估AI系统在医疗保健中的潜在影响和意义，开发解决实际医疗问题的AI算法	临床决策支持系统、监测工具、医学影像解读和分诊能力	人工智能在医学中的应用	NA	生成式AI、深度学习	深度学习模型	非结构化文本、影像数据、结构化和表格数据	NA	NA	NA	NA	NA
114	2025-11-23	BrainSTEAM: A Practical Pipeline for Connectome-based fMRI Analysis towards Subject Classification 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160269	研究论文	提出BrainSTEAM集成框架，通过时空模块和多种技术组合解决fMRI数据有限导致的过拟合问题，提升基于连接组的脑功能网络分析性能	提出结合EdgeConv图神经网络、自编码器和Mixup策略的集成框架，通过动态分割时间序列信号构建相关网络来增加训练数据	依赖于有限规模的神经影像数据集，在更广泛疾病类型上的泛化能力有待验证	开发有效的基于连接组的fMRI分析框架，用于神经模式发现和疾病诊断	功能脑网络和脑区连接结构	神经影像分析	自闭症	fMRI	GNN, Autoencoder	功能磁共振成像时间序列数据	ABIDE和HCP两个真实世界神经影像数据集	PyTorch	EdgeConv	分类准确率	NA
115	2025-11-23	Optimizing Computer-Aided Diagnosis with Cost-Aware Deep Learning Models 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160273	研究论文	本研究提出了一种集成成本敏感参数的深度学习辅助诊断系统，旨在优化医学影像诊断中的错误分类成本	在激活函数中引入成本敏感参数，差异化处理假阴性和假阳性错误的代价	仅在两个医学影像数据集上验证，未在其他疾病或影像模态上测试	开发成本敏感的深度学习模型以优化计算机辅助诊断系统	肺结节影像和乳腺癌组织学图像	计算机视觉	肺癌, 乳腺癌	医学影像分析	深度学习	医学影像	LIDC和BreakHis两个数据库的样本	NA	NA	灵敏度, 准确率	NA
116	2025-11-23	A deep neural network estimation of brain age is sensitive to cognitive impairment and decline 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160276	研究论文	本研究利用自由水校正的扩散MRI和T1加权MRI构建深度神经网络预测大脑年龄，并探讨其与认知障碍的关系	首次采用自由水校正的dMRI技术分离组织与液体信号，并结合T1加权MRI构建密集连接神经网络预测大脑年龄	未说明具体样本量大小和参与者的详细人口统计学特征	开发敏感的生物标志物用于阿尔茨海默病的诊断和监测	认知未受损个体和轻度认知障碍参与者	医学影像分析	阿尔茨海默病	扩散MRI, T1加权MRI, 自由水校正技术	深度神经网络	神经影像数据	NA	NA	密集连接神经网络	相关系数r, p值, β系数	NA
117	2025-11-22	Deep learning estimation of proton stopping power with photon-counting computed tomography: a virtual study 2024-Dec, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.S1.S12809 PMID:39574807	研究论文	本研究通过深度学习模型从光子计数计算机断层扫描图像估计质子阻止本领	首次将光子计数CT与U-Net深度学习网络结合用于质子阻止本领估计，相比传统单能和双能CT方法显著提高了精度	基于虚拟仿真研究，尚未在真实患者数据上验证	提高质子放射治疗中质子阻止本领的估计精度	头部XCAT体模的仿真PCCT图像和质子阻止本领图	医学影像分析	癌症治疗	光子计数计算机断层扫描(PCCT)	深度学习	医学影像	基于XCAT体模的仿真数据	NA	U-Net	均方根误差(RMSE)	NA
118	2025-11-22	Applications of Deep Learning Techniques in Healthcare Systems: A Review 2024-Nov, Journal of clinical practice and research DOI:10.14744/cpr.2024.25381 PMID:41257169	综述	本文综述了深度学习技术在医疗保健系统中的应用研究	系统梳理了卷积神经网络、堆叠自编码器和循环神经网络等主流深度学习方法在医疗领域的应用现状	未涉及具体实验验证和性能对比分析	探讨深度学习技术在医疗保健领域的应用前景	医疗图像分析、药物研发和远程患者监测	机器学习	NA	深度学习	CNN, SAE, RNN	图像, 时间序列数据	NA	NA	卷积神经网络, 堆叠自编码器, 循环神经网络	NA	NA
119	2025-11-21	A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes 2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13770 PMID:38881051	研究论文	提出一种整合影像学和基因组数据的深度学习框架用于黑色素瘤的准确诊断	首次将卷积神经网络和图神经网络结合，融合多模态数据（皮肤镜图像、组织病理切片和基因组图谱）进行黑色素瘤诊断	需要在更大规模上进行验证，需要更多临床试验来确认该诊断方法的有效性和可行性	开发一种新的黑色素瘤分类方法，提供比当前医学方法更可靠的诊断	黑色素瘤患者的多模态数据	计算机视觉, 自然语言处理	黑色素瘤	皮肤镜成像, 组织病理学, 基因组分析	CNN, GNN	图像, 基因组数据	NA	NA	定制多模态深度神经网络	准确率, AUC	NA
120	2025-11-21	Magnetic Resonance Imaging-Based Assessment of Pancreatic Fat Strongly Correlates With Histology-Based Assessment of Pancreas Composition 2024-02-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002288 PMID:38194643	研究论文	本研究评估了基于磁共振成像的胰腺脂肪估计与基于组织学的胰腺成分测量之间的关系	首次使用深度学习算法在胰腺切除组织学中标记11种组织成分，并建立MRI脂肪估计与组织成分的线性相关模型	样本量较小（27例患者），回顾性研究设计	评估MRI基于胰腺脂肪估计与组织学胰腺成分测量的相关性	高风险个体和胰腺正常疾病对照的术前MRI图像及后续胰腺切除组织学样本	数字病理	胰腺癌	磁共振成像, 组织学分析	深度学习算法, 线性模型	医学影像, 组织学图像	27例患者（平均年龄64.0±12.0岁，15名女性）	NA	NA	相关系数r, P值	NA