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
1701	2025-12-16	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能	开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题	NA	提高运动想象脑电信号的分类性能	运动想象脑电信号	机器学习	NA	脑电信号处理	卷积神经网络	脑电信号	公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset	NA	多尺度多频带卷积黎曼网络	分类准确率	NA
1702	2025-12-16	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战	未在摘要中明确说明	预测miRNA与疾病之间的关联	miRNA与疾病	机器学习	结直肠癌、食管癌、前列腺癌	NA	Transformer, 图神经网络	图数据	基于HMDD v2.0和v3.2数据库	NA	DARSFormer, 正交图神经网络, 图Transformer	AUC	NA
1703	2025-12-16	An Eye Movement Classification Method Based on Cascade Forest 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件	创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类	NA	解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题	原始眼动数据	机器学习	NA	眼动追踪技术	级联森林	眼动数据	NA	NA	级联森林	准确率, 效率	NA
1704	2025-12-15	Tiny Lungs, Big Challenges: Pediatric and Premature Lung Segmentation using Deep Learning 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783643 PMID:41383822	研究论文	本文提出了一种基于深度学习的两步法，用于儿科和早产儿X射线图像的肺部分割，以应对小尺寸肺部、解剖变异和放射伪影的挑战	采用两步策略，先进行肺部检测，再分割心后肺区域，并结合加权损失函数在儿科和早产儿数据集上微调预训练的UNETR模型	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及临床验证的细节	开发一种自动化的肺部分割方法，以支持儿科和早产儿肺部疾病的临床诊断和严重程度分级	儿科和早产儿的胸部X射线图像	计算机视觉	肺部疾病	X射线成像	深度学习	图像	儿科407张图像，早产儿193张图像，预训练使用约31,000张扫描	未明确指定，可能基于PyTorch或TensorFlow	UNETR	Dice系数, Hausdorff距离	未明确指定
1705	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
1706	2025-12-13	Radiomics for differentiation of somatic BAP1 mutation on CT scans of patients with pleural mesothelioma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064501 PMID:39669009	研究论文	本研究探讨了基于CT扫描的放射组学特征在区分胸膜间皮瘤患者体细胞BAP1基因突变状态中的潜力	首次利用放射组学方法结合机器学习模型，自动从CT图像中提取纹理特征来识别胸膜间皮瘤相关的体细胞BAP1突变，为无创基因状态评估提供了新思路	研究样本量相对较小（149例），模型性能有限（AUC 0.69），且尚未应用于胚系突变检测，需要进一步验证和扩展	探索放射组学在CT扫描中识别胸膜间皮瘤患者体细胞BAP1基因突变的可行性，并为未来胚系突变研究奠定基础	149例已知体细胞BAP1突变状态的胸膜间皮瘤患者	数字病理学	胸膜间皮瘤	CT扫描，放射组学特征提取	机器学习模型（包括决策树等）	医学图像（CT扫描）	149例患者	Scikit-learn	决策树	ROC AUC	NA
1707	2025-12-13	Personalized phenotype encoding and prediction of pathological head development from cross-sectional images 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783545 PMID:41367399	研究论文	本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测	首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测	NA	预测解剖发育，以辅助儿科外科治疗的选择和规划	儿科患者的头部发育，包括规范发育和病理性发育	计算机视觉	颅骨病理	深度学习	深度学习架构	图像	NA	NA	表型编码器, 生长预测器	头部表面生长预测误差, 体积误差	NA
1708	2025-12-13	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量	设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文	未明确说明模型在极端运动场景或计算资源受限环境下的性能表现	提升低分辨率低帧率视频的时空分辨率	视频序列	计算机视觉	NA	深度学习	RNN, 注意力网络	视频	多个数据集（未指定具体数量）	PyTorch（根据GitHub仓库推断）	STDAN（包含LSTFI和STDFA模块）	未明确说明，但提及超越现有方法	NA
1709	2025-12-13	Deep Learning Sequence Models for Transcriptional Regulation 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-021623-024727 PMID:38594933	研究论文	本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果	利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式	未明确提及具体模型或实验的局限性	解码基因表达的调控代码并解释基因组变异对转录的影响	人类基因组DNA序列，包括非编码变异	自然语言处理	NA	深度学习序列模型	深度学习序列模型	DNA序列数据	NA	NA	NA	NA	NA
1710	2025-12-13	Integrating Large-Scale Protein Structure Prediction into Human Genetics Research 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-120622-020615 PMID:38621234	综述	本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用	强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异	未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性	促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响	人类蛋白质及其错义变异	自然语言处理	NA	深度学习，序列基结构预测	深度学习模型	蛋白质序列数据	数百万人类错义蛋白变异	NA	AlphaFold2	NA	NA
1711	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
1712	2025-12-12	Imputation of cancer proteomics data with a deep model that learns from many datasets 2024-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609780 PMID:39253518	研究论文	本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效	来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型	机器学习	癌症	串联质谱标签（TMT）蛋白质组学	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本	Python	NA	NA	NA
1713	2025-12-10	GENERATIVE FORECASTING OF BRAIN ACTIVITY ENHANCES ALZHEIMER'S CLASSIFICATION AND INTERPRETATION 2024-Oct-30, ArXiv PMID:39575120	研究论文	本研究通过生成式预测大脑活动来增强阿尔茨海默病的分类和解释	采用基于Transformer的BrainLM模型进行静息态功能磁共振成像数据的多元时间序列预测，作为数据增强手段，并展示了其在阿尔茨海默病分类中的性能提升	数据可用性有限，尤其是在阿尔茨海默病等疾病特定群体中，这限制了深度学习模型的泛化能力	通过数据驱动方法理解认知与内在大脑活动之间的关系，并提升阿尔茨海默病的分类性能	阿尔茨海默病患者	机器学习	阿尔茨海默病	静息态功能磁共振成像	LSTM, Transformer	多元时间序列	NA	NA	BrainLM	NA	NA
1714	2025-12-10	Sensitive Detection of Structural Differences using a Statistical Framework for Comparative Crystallography 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604476 PMID:39091831	研究论文	本文介绍了一种结合深度学习和统计先验的贝叶斯框架，用于校正X射线衍射数据，并通过多变量统计理论提升比较晶体学中结构差异的敏感检测	将贝叶斯框架与多变量统计理论结合，显著提高了蛋白质动力学、元素特异性异常信号及药物片段结合的检测能力	NA	开发一种统计框架，以敏感检测比较晶体学中的结构差异	蛋白质的化学和构象变化	机器学习	NA	X射线衍射	深度学习	晶体学数据	NA	NA	NA	NA	NA
1715	2025-12-10	Opportunistic screening for coronary artery calcium deposition using chest radiographs - a multi-objective models with multi-modal data fusion 2024-Jan-11, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.10.23299699 PMID:38260571	研究论文	本研究开发了一种基于多任务深度学习的融合模型，利用胸部X光片和电子健康记录数据进行冠状动脉钙化评分和心血管风险的预测	提出了一种结合多模态数据（CXR和EHR）的多任务深度学习模型，用于冠状动脉钙化的机会性筛查，并在多个外部数据集上验证了其稳健性	研究为回顾性设计，样本量相对有限（2,121名患者），且外部验证数据集的种族和民族差异可能影响模型泛化能力	开发一种基于胸部X光片和电子健康记录的机会性筛查策略，用于预测冠状动脉钙化评分和心血管风险	冠状动脉钙化沉积和心血管风险	数字病理学	心血管疾病	CT扫描，胸部X光成像	多任务深度学习模型	图像，文本	2,121名患者（内部数据集），外加多个外部数据集（EUH和VGHTPE）	NA	多任务深度学习融合模型	F1分数，AUCROC	NA
1716	2025-12-09	Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning 2024-Dec-09, ArXiv PMID:39764408	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求	研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	肩部MRI扫描（包括标准MRI和MRA）	计算机视觉	骨科损伤（Bankart病变）	MRI成像	深度学习	医学图像（MRI）	586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA）	PyTorch（基于Swin Transformer的实现通常使用PyTorch）	Swin Transformer	AUC, 准确率, 敏感性, 特异性	NA
1717	2025-12-08	Wireless Sensing-based Daily Activity Tracking System Deployment in Low-Income Senior Housing Environments 2024-Nov, Proceedings of the ... annual International Conference on Mobile Computing and Networking. International Conference on Mobile Computing and Networking DOI:10.1145/3636534.3698115 PMID:41346851	研究论文	本文介绍了一种基于无线传感的日常活动追踪系统，专为低收入老年住房环境设计，用于监测老年人的日常活动与移动能力	提出了一种非侵入式、低成本的无线传感解决方案，利用深度学习对周围WiFi信号进行细粒度分析，避免了摄像头或可穿戴设备带来的隐私、负担等问题	系统部署时间仅为一周，样本规模有限，且准确率最高为76.90%，仍有提升空间	开发并评估一种适用于低收入老年人的非侵入式日常活动监测系统，以早期发现功能衰退	低收入老年住房环境中的老年人及其日常活动	机器学习	老年疾病	无线传感技术，基于WiFi信号分析	深度学习模型	无线信号数据	在真实老年住房环境中部署一周，具体参与者数量未明确说明	NA	NA	准确率	NA
1718	2025-12-07	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能	开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战	研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估	评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照组的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频	涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明	NA	EchoNet-LVH	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
1719	2025-12-04	Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding 2024-07, Oncogene IF:6.9Q1 DOI:10.1038/s41388-024-03074-5 PMID:38834657	研究论文	提出了一种名为scRISE的深度聚类方法，用于单细胞RNA测序数据的聚类分析	结合了基于图自编码器的迭代平滑模块和具有自适应相似度阈值的自监督判别嵌入模块，以去噪数据并优化聚类	未明确提及方法在极大规模数据集上的计算效率或泛化能力	解决单细胞RNA测序数据聚类中相似度度量选择的挑战	单细胞RNA测序数据	机器学习	头颈鳞状细胞癌	单细胞转录组测序	图自编码器	基因表达数据	17个单细胞RNA测序数据集	NA	图自编码器	NA	NA
1720	2025-12-04	A visual-language foundation model for computational pathology 2024-03, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02856-4 PMID:38504017	研究论文	本文介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过任务无关的预训练处理多样化的病理图像和文本数据	开发了首个利用超过117万图像-标题对进行视觉-语言对比学习的病理学基础模型，支持多任务迁移且无需额外监督微调	未明确讨论模型在特定疾病或小样本场景下的泛化能力限制	构建一个能够处理病理学图像和文本的多任务基础模型，以解决医学领域标签稀缺和任务局限性问题	多样化的病理学图像、生物医学文本及图像-标题对	计算病理学	NA	深度学习，视觉-语言对比学习	视觉-语言基础模型	图像，文本	超过117万图像-标题对	NA	CONCH	图像分类，分割，标题生成，文本到图像检索，图像到文本检索的先进性能	NA