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	2025-05-31	Quantifying social roles in multi-animal videos using subject-aware deep-learning 2024-Jul-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.07.602350 PMID:39026890	研究论文	介绍了一种基于深度学习的系统LabGym2，用于识别和量化多动物群体中的社会角色	采用主体感知方法，评估群体中每个个体的行为状态，同时考虑其社会和周围环境	NA	开发自动化工具以分析多动物群体中自由移动个体的社会角色	多动物群体中的个体	计算机视觉	NA	深度学习	NA	视频	多种物种和实验，包括自由移动昆虫和野外灵长类动物的社会互动
2	2025-05-31	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含基因组和病理注释的泛癌患者来源异种移植组织学图像库，用于深度学习分析	创建了一个大规模的PDX H&E图像库，并展示了其在深度学习中的三种应用	NA	促进通过组织病理学分析进行的癌症生物学研究，并扩展现有的人类组织学库	患者来源的异种移植(PDX)样本	数字病理学	癌症	H&E染色	深度学习	图像	超过1000个PDX和配对亲代肿瘤H&E图像
3	2025-05-31	Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae035 PMID:39081943	研究论文	该研究开发了一种基于深度学习的动态风险分层方法，利用植入式单导联动态心电图监测心力衰竭恶化的风险	首次将植入式循环记录器的动态心电图数据与深度学习算法结合，用于心力衰竭恶化的动态风险分层	研究仅基于回顾性数据，需要前瞻性研究验证	开发心力衰竭恶化的早期预警系统	心力衰竭患者	数字病理学	心血管疾病	动态心电图监测	CNN	心电图数据	2247名患者（训练集），909名患者（验证集）
4	2025-05-31	CrysFormer: Protein structure determination via Patterson maps, deep learning, and partial structure attention 2024-Jul, Structural dynamics (Melville, N.Y.) DOI:10.1063/4.0000252 PMID:39148510	研究论文	提出了一种基于Transformer的模型CrysFormer，利用实验蛋白质晶体学数据和部分结构信息计算蛋白质的电子密度图	首次提出直接利用实验蛋白质晶体学数据和部分结构信息的Transformer模型，绕过晶体学相位问题	仅在合成数据集上进行了验证，未在真实复杂蛋白质结构上测试	解决蛋白质原子级结构确定的长期挑战	蛋白质晶体结构	计算生物学	NA	X射线晶体学	Transformer	Patterson图、蛋白质序列信息	两个合成数据集（一个每单位细胞含2个残基，另一个含15个残基）
5	2025-05-29	FedAssist: Federated Learning in AI-Powered Prosthetics for Sustainable and Collaborative Learning 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781961 PMID:40039020	研究论文	本文探讨了联邦学习在开发深度学习驱动的表面肌电信号解码方法中的应用，用于AI控制的假肢	提出了FedAssist框架，通过本地和全局预热策略，有效解决了sEMG数据集的非独立同分布问题	未提及具体样本量或实验规模	推进去中心化机器学习方法在sEMG领域的应用，提高假肢精度和康复效果	AI控制的假肢	机器学习	NA	联邦学习	深度学习	表面肌电信号(sEMG)	NA
6	2025-05-29	Multi-class Prediction of Cognitively Normal / Mild Cognitive Impairment / Alzheimer's Disease Status in Dementia Based on Convolutional Neural Networks with Attention Mechanism 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781557 PMID:40039646	研究论文	开发了一个基于MRI和深度学习的多类别阿尔茨海默病分类预测框架	在传统VGG19架构中嵌入卷积块注意力模块（CBAM）注意力层，构建了名为AD_Net的阿尔茨海默病定向预测3D卷积模型	未明确说明模型在其他独立数据集上的泛化能力	阿尔茨海默病的早期诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者	数字病理学	阿尔茨海默病	MRI成像	CNN（VGG19架构改进）与注意力机制结合	MRI图像	来自ADNI开放数据资源的MRI图像（具体数量未说明）
7	2025-05-29	Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782195 PMID:40040188	研究论文	本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中正则化参数的最优值	利用残差神经网络直接从原始测量数据（正弦图）预测正则化参数的最优值，避免了传统手动调参的繁琐过程	研究仅基于合成数据集进行训练和验证，未在真实临床数据上进行测试	优化PET图像重建过程中的正则化参数设置，提高图像质量	PET重建算法中的正则化参数	医学影像处理	NA	深度学习	残差神经网络(ResNet)	2D正弦图	合成数据集（具体数量未提及）
8	2025-05-28	Imputing Single-Cell Protein Abundance in Multiplex Tissue Imaging 2024-Jul-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.05.570058 PMID:38106203	研究论文	本文探讨了如何利用机器学习方法在多重组织成像数据中估算单细胞蛋白质丰度，以解决技术限制	创新点包括使用机器学习估算单细胞蛋白质丰度，结合细胞空间信息提高估算准确性，并展示其在生物相关性验证中的应用	技术限制包括可检测分子数量有限、组织损失和蛋白质探针失败	解决多重组织成像中的技术限制，提高单细胞蛋白质丰度估算的准确性	乳腺癌队列中的单细胞蛋白质丰度	数字病理学	乳腺癌	多重组织成像	正则化线性回归、梯度提升回归树、深度学习自编码器	图像	乳腺癌队列的多重组织成像数据集
9	2025-05-28	Deep learning guided design of dynamic proteins 2024-Jul-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603962 PMID:39071443	research paper	该论文提出了一种基于深度学习的通用方法，用于设计蛋白质内部几何结构的动态变化，类似于自然界中普遍存在的开关机制	首次利用深度学习指导设计蛋白质的动态构象变化，实现了原子级精度的设计，并展示了构象景观可通过配体和突变调控	NA	开发一种设计蛋白质动态构象变化的方法，以模拟自然界的开关信号蛋白行为	蛋白质的动态构象变化	machine learning	NA	deep learning, physics-based simulations	deep learning	protein structures	4个验证结构
10	2025-05-28	Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model 2024-07-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001097 PMID:38632686	research paper	本文提出了一种基于卷积神经网络和VGC 16模型的脑肿瘤提取、分割和检测系统，利用磁共振成像图像进行自动诊断	结合两种CNN模型和数字图像处理技术，提出了一种混合方法用于脑肿瘤的自动分割和检测，并引入了基于卷积神经网络的分类方法以提高准确性和计算效率	NA	设计和构建一个系统，用于自动诊断和发现脑肿瘤及其他疾病和异常	脑肿瘤患者的磁共振成像图像	digital pathology	brain tumor	digital image processing, deep learning	CNN, VGC 16	image	NA
11	2025-05-28	Artificial intelligence and machine learning in axial spondyloarthritis 2024-07-01, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001015 PMID:38533807	review	评估人工智能和机器学习在中轴型脊柱关节炎（axSpA）诊断和管理中的当前应用及前景	深度学习在X光、CT和MRI分析中显示出潜力，部分模型在检测骶髂关节炎和标志物方面与放射科医生相当或更优，并用于疾病进展预测和个性化治疗	研究设计、样本量各异，且以回顾性单中心研究为主，限制了结果的普遍性	探索人工智能和机器学习在axSpA诊断和管理中的应用	中轴型脊柱关节炎（axSpA）患者	machine learning	axial spondyloarthritis	deep learning	NA	medical imaging (X-ray, CT, MRI)	NA
12	2025-05-26	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究比较了四种机器学习算法在预测早产方面的性能，发现transformer模型表现最佳	首次在早产预测中比较transformer模型与其他传统机器学习算法的性能	回顾性研究设计可能引入偏差，且仅在单一医疗中心进行	评估深度学习算法在预测早产中的适用性	30,965例分娩数据	机器学习	产科疾病	机器学习算法比较	transformer, logistic regression, random forest, support vector machine	临床数据	30,965例分娩数据（24,770例训练集，6,195例测试集）
13	2025-05-22	Lightning Pose: improved animal pose estimation via semi-supervised learning, Bayesian ensembling and cloud-native open-source tools 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02319-1 PMID:38918605	研究论文	介绍了一种名为'Lightning Pose'的高效姿态估计包，通过半监督学习、贝叶斯集成和云原生开源工具改进了动物姿态估计	结合半监督学习、多视角几何和姿态合理性惩罚，提出了一种新的网络架构以解决遮挡问题，并通过集成和卡尔曼平滑后处理优化姿态预测	需要部分标记视频帧作为监督信号，且未提及在极端遮挡或复杂背景下的性能	改进动物姿态估计的准确性和科学可用性	动物姿态估计	计算机视觉	NA	半监督学习、贝叶斯集成、卡尔曼平滑	深度学习网络	视频	未明确提及具体样本数量，但使用了大量未标记视频和少量标记视频帧
14	2025-05-21	Fully Automated MRI-based Analysis of the Locus Coeruleus in Aging and Alzheimer's Disease Dementia using ELSI-Net 2024-Jul-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.26.605356 PMID:39091766	research paper	本文介绍了一种基于深度学习的蓝斑核(LC)分割和特征提取方法ELSI-Net，并应用于健康老龄化和阿尔茨海默病痴呆数据集	开发了ELSI-Net这一全自动MRI分析方法，用于评估蓝斑核完整性，并在老龄化和阿尔茨海默病痴呆中验证其性能	需要在更多样化的临床队列数据集上进行进一步评估以确认ELSI-Net的普适性	评估蓝斑核在老龄化和阿尔茨海默病痴呆中的完整性及其与AD病理生物标志物的相关性	健康老龄化和阿尔茨海默病痴呆患者的蓝斑核	digital pathology	Alzheimer's Disease	MRI	Deep Learning (ELSI-Net)	MRI图像	健康老龄化和阿尔茨海默病痴呆数据集（具体数量未提及）
15	2025-05-21	Ultralow-Power Single-Sensor-Based E-Nose System Powered by Duty Cycling and Deep Learning for Real-Time Gas Identification 2024-07-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00471 PMID:38857120	research paper	本研究提出了一种新型超低功耗单传感器电子鼻系统，用于实时气体识别	采用单一金属氧化物半导体传感器和占空比驱动技术，显著降低功耗和成本，同时通过深度学习实现快速气体识别	仅测试了五种气体类型，识别准确率和浓度回归误差仍有提升空间	开发低功耗、低成本的气体识别系统	气体识别和浓度检测	物联网	NA	占空比驱动技术	CNN	传感器信号	五种气体类型
16	2025-05-21	ConsensuSV-ONT - a modern method for accurate structural variant calling 2024-Jul-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.26.605267 PMID:39211254	research paper	提出了一种名为ConsensuSV-ONT的新方法，用于准确检测结构变异	结合六种独立的结构变异检测工具和CNN，提供高质量的结构变异检测	仅适用于Oxford Nanopore长读长测序数据	开发一种基于共识的结构变异检测工具，提高检测的准确性和可靠性	结构变异检测	machine learning	NA	Oxford Nanopore sequencing	CNN	sequencing data	NA
17	2025-05-21	Marker Data Enhancement For Markerless Motion Capture 2024-Jul-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603382 PMID:39071421	research paper	该研究通过构建更大、更多样化的训练数据集，开发了一种更准确且泛化能力更强的标记增强器，用于改进无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了比OpenCap原有标记增强器更准确、泛化能力更强的模型	未明确提及具体局限性，但暗示模型性能可能仍受限于训练数据的覆盖范围	提高无标记运动捕捉中关节运动学的测量准确性	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器（marker enhancer）	视频和运动捕捉数据	1176名受试者的标记运动捕捉数据，合成了1433小时的关键点和解剖标记数据
18	2025-05-17	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	该研究利用深度学习从已灭绝生物的蛋白质组中挖掘抗菌肽，以解决抗生素耐药性问题	首次将深度学习应用于分子复活领域，从灭绝生物中挖掘出新型抗菌肽，并验证其抗菌活性	仅验证了69种预测肽的抗菌活性，占预测总量的很小比例	发现新型抗菌肽以解决抗生素耐药性问题	已灭绝生物的蛋白质组	机器学习	细菌感染	深度学习	神经网络	蛋白质序列	10,311,899条肽序列
19	2025-05-17	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781599 PMID:40039079	研究论文	该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果	研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限	提升阿尔茨海默病分类和痴呆严重程度推断的准确性	印度和北美人群的脑部MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	CNN, 3D CycleGAN	MRI图像	ADNI和NIMHANS队列的数据集
20	2025-05-17	Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782502 PMID:40039209	research paper	本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用	提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段	未提及具体的研究限制	探索PPG信号处理的新方法，提高信号分析和合成的能力	PPG信号	machine learning	NA	VAE	VAE	signal	NA