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
1	2025-09-25	Myocardial scar and left ventricular ejection fraction classification for electrocardiography image using multi-task deep learning 2024-03-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58131-6 PMID:38553581	研究论文	开发基于计算机视觉的多任务深度学习模型，通过12导联心电图二维图像预测心肌瘢痕和左心室射血分数降低	首次将多任务深度学习应用于心电图图像分析，同时预测两个关键心血管参数，性能优于心脏病专家	研究基于特定数据集，在资源有限环境中的实际应用效果需进一步验证	开发低成本的心血管疾病筛查替代方案，减少对心脏磁共振的依赖	心电图二维图像和相关的临床特征数据	计算机视觉	心血管疾病	多任务深度学习	深度学习模型	图像	14,052份心电图数据
2	2025-09-11	Characterization of organic fouling on thermal bubble-driven micro-pumps 2024 Mar-Apr, Biofouling IF:2.6Q1 DOI:10.1080/08927014.2024.2353034 PMID:38785127	研究论文	本研究通过高速成像和深度学习网络分析了热气泡驱动微泵在蛋清蛋白和牛全血作用下的有机污染特性	首次研究了热气泡微泵与生物流体（如血液和蛋白质富集流体）的相互作用，并提出基于气泡面积减少的新污染量化指标	研究仅针对蛋清蛋白和牛全血两种生物流体，未涉及其他可能影响微泵性能的生物或化学物质	表征热气泡驱动微泵在生物流体环境中的有机污染效应及其对性能的影响	热气泡驱动微泵及其在蛋清蛋白和牛全血中的污染行为	微流控技术	NA	频闪高速成像和基于RESNET-18迁移学习的定制深度学习神经网络	CNN（基于RESNET-18）	图像	使用蛋清蛋白和牛全血作为测试流体，具体样本数量未明确说明
3	2025-09-10	iEEG-recon: A fast and scalable pipeline for accurate reconstruction of intracranial electrodes and implantable devices 2024-Mar, Epilepsia IF:6.6Q1 DOI:10.1111/epi.17863 PMID:38148517	研究论文	开发了一个名为iEEG-recon的快速、可扩展管道，用于精确重建颅内电极和植入设备	提出了一个模块化、容器化的自动化电极重建流程，支持云端部署并与临床工作流集成	NA	自动化颅内脑电图(iEEG)电极的标记、配准和坐标分配过程，促进癫痫治疗的协作与研究	132名癫痫患者的颅内电极和植入设备	数字病理	癫痫	脑磁共振成像(MRI), ANTsPyNet深度学习分割	深度学习	医学影像	来自两个癫痫中心的132名患者数据（回顾性和前瞻性队列）
4	2025-09-10	Machine learning-based detection of sarcopenic obesity and association with adverse outcomes in patients undergoing surgical treatment for spinal metastases 2024-03-01, Journal of neurosurgery. Spine DOI:10.3171/2023.9.SPINE23864 PMID:38039533	研究论文	本研究利用基于机器学习的深度学习技术检测脊柱转移手术患者的肌少性肥胖（SO），并分析其与不良预后的关联	首次在脊柱转移手术患者中系统评估肌少性肥胖（SO）作为预后因素的价值，并采用验证过的深度学习算法进行身体成分分析	样本量较小（共62例患者），且为单中心回顾性研究，可能存在选择偏倚	探究肌少性肥胖（SO）对脊柱转移手术患者预后的影响	接受手术治疗脊柱转移的肥胖患者	数字病理	脊柱转移癌	深度学习，CT图像分析	深度学习	CT图像	62例肥胖患者（其中25例为肌少性肥胖）
5	2025-09-05	LST-AI: a Deep Learning Ensemble for Accurate MS Lesion Segmentation 2024-Mar-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.23.23298966 PMID:38045345	研究论文	提出一种基于深度学习的集成模型LST-AI，用于精确分割多发性硬化症脑白质病变	采用三个3D-UNet集成架构，结合二元交叉熵和Tversky损失函数的复合损失函数，显式处理病变与非病变组织的不平衡问题	NA	开发开源自动化脑白质病变分割工具，提升多发性硬化症病灶分割精度	多发性硬化症患者的脑部MRI图像	医学图像分析	多发性硬化症	深度学习，MRI成像	3D-UNet集成模型	3D医学图像（T1w和FLAIR序列）	491对训练图像（内部采集），103个测试案例（公开数据）
6	2025-09-03	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于3D卷积神经网络的模型，使用脑部18F-FDG PET图像对阿尔茨海默病、额颞叶痴呆和健康对照进行分类	首次引入深度学习模型基于[18F]-FDG PET扫描区分AD和FTD，并以极高准确率识别健康对照	研究为回顾性设计，数据来自特定数据库，需要进一步验证在其他中心的泛化能力	开发准确的神经退行性疾病诊断工具以支持优化治疗	阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	3D VGG16-like CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）
7	2025-08-09	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发了一种基于深度学习的模型，利用治疗前的[18F]FDG-PET/CT图像数据预测局部晚期子宫颈癌患者的远处转移	采用新型三维图像增强技术和深度学习模型，首次在治疗前预测子宫颈癌患者的远处转移	需要外部验证以确定模型的预测性能	早期预测局部晚期子宫颈癌患者在确定性放化疗后的远处转移	局部晚期子宫颈癌患者	数字病理学	子宫颈癌	[18F]FDG-PET/CT成像	深度学习模型	医学影像	186名患者用于训练，25名患者用于验证
8	2025-08-08	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	research paper	开发了一个基于ResNet-50、EfficientNet-B3和ResNet-101的深度学习模型融合系统，用于通过DICOM图像预测肺癌	结合三种不同的深度学习模型和迁移学习技术，构建了一个统一的预测系统，显著提高了肺癌分类的精确度	深度学习在癌症数据分析方面的能力仍在发展中，可能存在过拟合风险	通过深度学习技术提高肺癌的早期检测准确率，降低死亡率	肺癌DICOM图像	digital pathology	lung cancer	transfer learning	ResNet-50, EfficientNet-B3, ResNet-101	image	1000张来自LIDC-IDRI库的DICOM图像
9	2025-08-08	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究旨在建立一个基于常规MRI数据的深度学习模型，用于自动检测和分割脑膜瘤，并开发基于自动分割的放射组学模型以区分低级别和高级别脑膜瘤	开发了基于SegResNet的自动分割模型，并首次将自动分割的放射组学特征用于术前脑膜瘤分级	研究样本量相对有限（326例患者），且仅使用了T1加权增强MRI数据	建立自动分割脑膜瘤的深度学习模型并开发术前脑膜瘤分级的放射组学模型	326例经病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI	SegResNet	医学影像	326例脑膜瘤患者（训练集：验证集：测试集=6:2:2）
10	2025-08-08	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	介绍了一种基于迁移学习的三维卷积神经网络（3D CNN），用于融合PET/CT图像和临床数据以预测肺腺癌（LADC）中的EGFR突变状态	提出了一种三流迁移学习模型（TS_TL），整合了PET/CT图像和临床数据，显著提高了EGFR突变状态的预测性能	研究为回顾性设计，样本量相对有限，且未在外部验证集上测试模型性能	预测肺腺癌中的EGFR突变状态，辅助临床治疗决策	516名肺腺癌患者的术前PET/CT图像、临床信息和EGFR突变状态	数字病理	肺癌	PET/CT成像	3D CNN, 迁移学习, TS_TL	图像, 临床数据	516名患者（404名训练集，112名测试集）
11	2025-08-05	Deep learning in structural bioinformatics: current applications and future perspectives 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae042 PMID:38701422	综述	本文探讨了深度学习在结构生物信息学中的变革性影响及其未来前景	详细介绍了深度学习在生物信息学中的显著应用，并从基础浅层神经网络到卷积、循环、人工和变压器神经网络等高级模型进行了清晰阐述	未具体提及研究的局限性	探讨深度学习在结构生物信息学中的应用及其未来发展	生物分子结构	结构生物信息学	NA	深度学习	CNN, LSTM, GAN, transformer neural networks	生物分子结构数据	NA
12	2025-08-05	Evaluating large language models for annotating proteins 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文提出并评估了一种基于迁移学习的新型协议，利用蛋白质大型语言模型（LLMs）来改进蛋白质域注释的预测	使用自监督学习在大型未注释数据集上训练的蛋白质LLMs，结合监督学习在小注释数据集上进行专门任务，显著提高了蛋白质家族分类的预测准确性	对于家族成员较少的蛋白质家族，训练数据量可能仍然不足	改进蛋白质域注释的自动预测方法	UniProtKB数据库中的蛋白质序列	自然语言处理	NA	迁移学习、自监督学习、监督学习	LLMs	蛋白质序列数据	UniProtKB数据库中的251百万蛋白质序列
13	2025-08-05	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	research paper	提出了一种名为SC-Track的新型细胞追踪算法，用于从多样化的细胞分割中生成准确的单细胞谱系	SC-Track采用基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能	未提及具体局限性	开发一种能够处理噪声细胞分割和分类预测的鲁棒细胞追踪算法，以生成准确的单细胞谱系和分类	荧光时间推移显微镜图像中的单细胞	digital pathology	NA	深度学习	CNN	image	未提及具体样本数量
14	2025-08-05	Genotypic-phenotypic landscape computation based on first principle and deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae191 PMID:38701420	研究论文	本文提出了一种基于第一性原理和深度学习的基因型-表型景观计算方法，通过Phenotypic-Embedding定理（P-E定理）和Transformer模型，实现了基因型与适应度的定量映射	提出了Phenotypic-Embedding定理（P-E定理），并开发了基于Transformer的预训练基础模型，用于准确模拟病毒的中性进化并预测免疫逃逸突变	NA	建立基因型与表型之间的定量关系，为理论和计算生物学研究提供新范式	基因型与表型的关系，特别是病毒的基因型与适应度的关系	计算生物学	NA	深度学习	Transformer	基因型和表型数据	NA
15	2025-08-04	A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae162 PMID:38739759	review	本文全面回顾了160多种蛋白质-配体相互作用预测器，涵盖蛋白质-蛋白质、蛋白质-核酸、蛋白质-肽及蛋白质-其他配体（核苷酸、血红素、离子）的相互作用	对蛋白质-配体相互作用预测器进行了全面分析，包括输入、特征概况、模型和可用性等多个重要方面，并指出深度学习方法、基于序列的预训练模型和基于结构的方法是新趋势	未提及具体预测器的性能比较或实际应用中的局限性	理解和预测蛋白质与各种配体的相互作用，以促进分子机制的研究和新药开发	蛋白质与核酸、肽及其他配体的相互作用	生物信息学	NA	深度学习、基于序列的预训练模型、基于结构的方法	NA	蛋白质序列、结构数据	超过160种蛋白质-配体相互作用预测器
16	2025-08-04	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	该研究探讨了如何最优地结合基因组和药物特征来预测癌症药物反应	通过引入基因和药物潜在特征之间的乘法关系，改进了基于连接的架构DrugCell，显著提高了预测性能	不同融合方法对不同融合点的响应差异未深入探讨其生物学意义	优化基因组和药物特征的融合方法以提高癌症药物反应预测的准确性	癌症药物反应预测	机器学习	癌症	深度学习	可见神经网络（具有两个深度学习分支）	基因组数据和药物特征数据	NA
17	2025-08-04	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法分析和分类火鸡再病毒的新兴变种	首次应用K-means和层次聚类方法区分火鸡再病毒类型，并结合多种机器学习算法和CNN进行变种分类	CNN模型在分类任务中的表现略逊于传统机器学习方法	检测和分类火鸡种群中的再病毒类型，识别新兴变种	火鸡再病毒（包括火鸡关节炎再病毒TARV和火鸡肝炎再病毒THRV）	机器学习	禽类疾病	K-means聚类、层次聚类、SVM、朴素贝叶斯、随机森林、决策树、CNN	SVM、朴素贝叶斯、随机森林、决策树、CNN	基因序列数据	真实火鸡再病毒序列数据（具体数量未提及）
18	2025-08-04	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	研究论文	本文提出了一种基于对比学习的深度学习模型，用于仅使用肽序列筛选抗癌肽（ACPs）	应用对比学习技术提升模型性能，并采用两个独立编码器替代常用的数据增强方法	未提及具体样本量及模型在临床实践中的验证情况	开发高效的计算工具以加速抗癌肽的筛选	抗癌肽（ACPs）	机器学习	癌症	对比学习	深度学习模型	肽序列	NA
19	2025-08-04	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer和Shell-like图架构的新型深度学习评分方法GSScore，用于蛋白质-配体对接姿势的RMSD预测	利用Graphormer和Shell-like图架构，GSScore能够有效捕捉近天然构象与非天然姿势之间的细微差异，无需额外信息	未提及具体局限性	开发更准确的蛋白质-配体对接姿势RMSD预测方法	蛋白质-配体相互作用	机器学习	NA	Graphormer, Shell-like图架构	Graphormer	蛋白质-配体对接数据	PDBBind版本2019的子集、CASF2016以及DUD-E数据集
20	2025-08-04	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强的乳腺MRI在乳腺癌原发治疗反应评估和预测中的应用	探讨了人工智能技术（包括经典机器学习和深度学习）在MRI上预测乳腺癌原发治疗反应的潜力	讨论了人工智能增强MRI在临床应用中面临的挑战和限制	评估和预测乳腺癌患者对原发系统性治疗（PST）的反应	乳腺癌患者，特别是局部晚期和早期乳腺癌患者	数字病理学	乳腺癌	MRI	经典机器学习和深度学习	图像	NA