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	2025-09-24	Single-sequence protein-RNA complex structure prediction by geometric attention-enabled pairing of biological language models 2024-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.27.605468 PMID:39091736	研究论文	提出仅需单序列输入的蛋白质-RNA复合物结构预测深度学习框架ProRNA3D-single	首次通过几何注意力机制配对生物语言模型，实现无需进化信息的单序列蛋白质-RNA复合物结构预测	未明确说明模型对特定类型蛋白质-RNA复合物的预测局限性	开发不依赖进化信息的蛋白质-RNA复合物三维结构预测方法	蛋白质-RNA复合物	计算生物学	NA	几何注意力机制、生物语言模型、几何优化	深度学习框架（几何注意力配对网络）	蛋白质和RNA单序列数据	基准测试数据集（具体数量未说明）
2	2025-09-24	Mediodorsal thalamus and ventral pallidum contribute to subcortical regulation of the default mode network 2024-07-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06531-9 PMID:39039239	研究论文	本研究通过树鼩模型揭示了腹侧苍白球和背内侧丘脑在默认模式网络调控中的重要作用	首次在灵长类近亲树鼩中发现腹侧苍白球和背内侧丘脑通过伽马振荡参与默认模式网络的调控，并证实了跨频耦合的增强	研究局限于树鼩模型，需要在其他哺乳动物中进一步验证	探究默认模式网络的皮层下调控机制	树鼩的腹侧苍白球、背内侧丘脑和前扣带皮层	神经科学	NA	电生理记录、深度学习行为状态分类	深度学习分类模型	神经电生理信号	树鼩动物模型（具体数量未明确说明）
3	2025-09-23	Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study 2024-07, JPEN. Journal of parenteral and enteral nutrition DOI:10.1002/jpen.2643 PMID:38796717	研究论文	开发并评估基于3D面部点云的深度学习框架用于营养不良诊断	首次使用PointNet++深度学习模型处理3D面部点云数据实现营养不良自动分类	样本量有限（482名患者），且为单中心横断面研究	开发精准诊断营养不良的深度学习工具	营养不良患者的面部特征	计算机视觉	营养不良	3D摄像技术	PointNet++	3D点云	482名患者（150名中度营养不良，54名重度营养不良）
4	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-09-06	Resting state electroencephalographic brain activity in neonates can predict age and is indicative of neurodevelopmental outcome 2024-07, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.05.002 PMID:38797002	研究论文	使用深度学习模型基于单通道静息态脑电图预测新生儿脑年龄，并探索脑年龄差与神经发育结局的关联	开发了数据需求大幅减少的深度学习模型，仅需20分钟单通道EEG即可准确预测脑年龄，适用于临床床边应用	模型仅在神经发育正常的新生儿数据上训练，测试数据集有限且来自两个临床中心	建立适用于临床的新生儿脑年龄预测模型，并评估脑年龄差与神经发育结局的关系	早产新生儿	机器学习	新生儿神经发育疾病	EEG（脑电图），Bayley婴幼儿发展量表（BSID）	深度学习模型	EEG信号	来自两个临床中心的独立测试数据集
6	2025-09-06	Deep learning model utilizing clinical data alone outperforms image-based model for hernia recurrence following abdominal wall reconstruction with long-term follow up 2024-07, Surgical endoscopy DOI:10.1007/s00464-024-10980-y PMID:38862826	研究论文	本研究比较了仅使用临床数据和仅使用影像数据的深度学习模型在预测腹壁重建术后疝复发方面的表现	发现仅基于临床数据的深度学习模型在预测疝复发方面优于影像模型和混合模型	所有三个模型对复发的预测能力都较差，需要进一步研究提升	评估深度学习模型预测腹壁重建术后疝复发的效果，并比较不同数据类型的预测能力	接受腹壁重建术并有术前CT影像的患者	机器学习	疝病	深度学习	DLM	影像数据和临床数据	190名腹壁重建术患者，平均随访超过7年
7	2025-09-06	Surgical optomics: hyperspectral imaging and deep learning towards precision intraoperative automatic tissue recognition-results from the EX-MACHYNA trial 2024-07, Surgical endoscopy DOI:10.1007/s00464-024-10880-1 PMID:38789623	研究论文	本研究开发了一种基于高光谱成像和深度学习的术中自动组织识别方法，用于腹部手术	首次在前瞻性双中心设置中使用人类数据开发基于HSI的自动腹部组织识别系统	需要进一步工作来量化HSI的临床价值，相似胚胎起源组织的分类存在困难	开发精准术中自动组织识别技术以提高手术场景分割	接受择期开腹手术的患者	计算机视觉	腹部疾病	高光谱成像(HSI)	CNN	图像	169名患者（斯特拉斯堡73名，维罗纳96名），共766张图像
8	2025-09-03	Deep Learning for 3D Vascular Segmentation in Phase Contrast Tomography 2024-Jul-16, Research square DOI:10.21203/rs.3.rs-4613439/v1 PMID:39070623	研究论文	本文利用深度学习进行3D血管分割，基于新型HiP-CT成像技术，并通过nnU-Net框架在肾脏血管数据集上评估模型性能	引入经双标注验证的高分辨率HiP-CT血管数据集，并在新型成像模态上系统评估血管分割模型，为高分辨率器官成像中的机器学习模型评估设立新标准	Dice系数主要评估体素一致性但忽略血管关键特征；大血管因缺乏静水压（离体技术）塌陷导致分割效果差；细血管连通性降低及边界分割错误影响血管树结构理解	为血管分割提供理论基础并确定适用于HiP-CT成像的鲁棒基线模型	人体肾脏血管结构	计算机视觉	NA	Hierarchical Phase-Contrast Tomography (HiP-CT)	nnU-Net	3D图像	3个肾脏的血管数据（来自人类器官图谱项目）
9	2025-09-03	Automatically Detecting Pancreatic Cysts in Autosomal Dominant Polycystic Kidney Disease on MRI Using Deep Learning 2024-07-16, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10070087 PMID:39058059	研究论文	本研究利用深度学习自动检测ADPKD患者MRI图像中的胰腺囊肿	首次开发基于nnU-Net的深度学习模型来自动化检测ADPKD相关的胰腺囊肿，并在多中心数据上验证性能	模型灵敏度较低（20-24%），标注一致性有限（放射科医生仅对52%的训练数据囊肿标注达成一致）	自动化检测常被放射科医生忽略的自体显性多囊肾病患者的胰腺囊肿	146名ADPKD患者的MRI扫描图像	数字病理学	胰腺疾病	深度学习，MRI成像	nnU-Net (2D和3D配置)	医学图像（轴向和冠状T2加权MR图像）	254次扫描来自146名ADPKD患者，包含40名内部测试、40名外部测试和23名重测重现性患者
10	2025-09-02	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	提出一种基于非线性测量模型的扩散后验采样CT重建方法	将扩散先验与非线性物理测量模型结合，突破了现有方法依赖线性近似的限制	NA	改进CT图像重建质量，特别是针对不同采集协议	CT图像重建	医学影像重建	NA	扩散后验采样(DPS)	无条件扩散模型	CT测量数据	多个模拟研究（具体数量未说明）
11	2025-08-09	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	research paper	提出一种基于深度学习的像差补偿策略，用于提高荧光显微镜图像的对比度和分辨率	通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高荧光显微镜在厚样本成像中的图像质量	荧光显微镜图像	computer vision	NA	深度学习	神经网络	image	多种数据集（共聚焦、光片、多光子和超分辨率显微镜捕获）
12	2025-08-09	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文比较了放射组学特征、3D深度学习卷积神经网络（CNN）及其融合模型在痴呆患者和正常对照者全脑18F-FDG PET图像评估中的应用	首次将放射组学特征与3D-CNN融合应用于全脑18FDG PET研究，提高了痴呆患者的诊断准确性	样本量相对较小（85例痴呆患者和125例健康对照），且仅使用了18F-FDG PET一种成像方式	评估不同模型在痴呆诊断中的性能差异	痴呆患者和健康对照者的全脑18F-FDG PET图像	数字病理学	老年痴呆症	18F-FDG PET-CT成像	3D-CNN与放射组学融合模型	医学影像	85例痴呆患者和125例健康对照者
13	2025-08-08	Capability and reliability of deep learning models to make density predictions on low-dose mammograms 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044506 PMID:39114539	研究论文	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性	首次评估深度学习模型在低剂量乳腺X光片上的预测能力，并提出通过平均CC-MLO图像和多次训练模型来提高预测性能的方法	模型在预测密度较高和乳房较小的乳腺时性能下降	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的可靠性，以便为年轻女性提供风险估计	乳腺X光片	数字病理学	乳腺癌	深度学习	深度学习模型	图像	包含配对的常规剂量和低剂量乳腺X光片的数据集
14	2025-08-06	Neural Network Enables High Accuracy for Hepatitis B Surface Antigen Detection with a Plasmonic Platform 2024-07-17, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c02860 PMID:38975746	研究论文	本文介绍了一种基于无标记等离子体生物传感方法和监督深度学习的策略，用于高精度检测乙型肝炎表面抗原（HBsAg）	结合厚度敏感的等离子体耦合与神经网络监督深度学习，显著提高了检测的准确性和灵敏度，并将检测时间缩短至约30分钟	NA	开发高精度的分子检测工具，用于即时检测（POC）应用	乙型肝炎表面抗原（HBsAg）	机器学习	乙型肝炎	无标记等离子体生物传感方法	神经网络	NA	NA
15	2025-08-03	Dose robustness of deep learning models for anatomic segmentation of computed tomography images 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044005 PMID:39099642	研究论文	研究探讨了深度学习模型在不同辐射剂量下对CT图像解剖分割的稳健性	利用全剂量采集的原始数据模拟低剂量CT扫描，避免了重新扫描患者的需求，并验证了模拟的准确性	对于有效半径小于19毫米的标签结果不稳定，且需要进一步研究病变分割方法的稳健性	评估现有分割模型在不同辐射剂量下的稳健性	CT图像	计算机视觉	NA	CT扫描	CNN	图像	NA
16	2025-07-29	A deep learning-driven discovery of berberine derivatives as novel antibacterial against multidrug-resistant Helicobacter pylori 2024-07-08, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01895-0 PMID:38972904	研究论文	利用基于图神经网络的深度学习模型发现新型小檗碱衍生物作为抗多药耐药幽门螺杆菌的抗菌剂	采用深度学习模型预测并验证了一种新型小檗碱衍生物8，其对所有测试的药物敏感和耐药幽门螺杆菌菌株均表现出强效抗菌活性，并揭示了其作用靶点为SecA和BamD	研究仅针对幽门螺杆菌，未涉及其他病原体	发现新型抗菌剂以对抗多药耐药幽门螺杆菌	幽门螺杆菌及其耐药菌株	机器学习	胃癌	图神经网络、化学蛋白质组学技术	图神经网络	分子结构数据	13,638个分子用于预训练和微调
17	2025-07-29	Enhancing Hypotension Prediction in Real-time Patient Monitoring Through Deep Learning: A Novel Application of XResNet with Contrastive Learning and Value Attention Mechanisms 2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- ) DOI:10.1007/978-3-031-66538-7_5 PMID:39155989	研究论文	本研究提出了一种基于XResNet并结合对比学习和价值注意力机制的深度学习方法，用于实时监测中的低血压预测	创新性地应用了XResNet架构，并结合对比学习和价值注意力机制，专门针对动脉血压波形信号进行分析，提高了低血压预测的性能	未提及具体样本量或数据来源的局限性	优化患者护理，提升低血压预测的准确性	动脉血压波形信号	机器学习	心血管疾病	深度学习	XResNet	波形信号	NA
18	2025-07-26	SCorP: Statistics-Informed Dense Correspondence Prediction Directly from Unsegmented Medical Images 2024-Jul, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-66955-2_10 PMID:39444584	研究论文	提出了一种名为SCorP的新框架，能够直接从未分割的医学图像预测基于表面的对应关系，以改进统计形状建模（SSM）	SCorP框架无需优化的形状模型进行训练监督，通过无监督方式直接从表面网格学习形状先验，消除了传统方法的线性假设限制	实验仅在LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集上进行，未验证在其他解剖结构上的普适性	改进医学图像中的统计形状建模（SSM）方法，提高形状描述符的预测效率和准确性	医学图像中的解剖结构形状	数字病理	NA	深度学习	神经网络（未指定具体类型）	医学图像（MRI和CT）	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集（未提供具体样本数量）
19	2025-07-25	Calculating Protein-Ligand Residence Times through State Predictive Information Bottleneck Based Enhanced Sampling 2024-Jul-23, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00503 PMID:38991145	研究论文	本文提出了一种半自动化协议，用于计算蛋白质-配体停留时间，跨越12个数量级的时间尺度	结合深度学习方法和增强采样技术，首次实现了在原子水平上定量预测蛋白质-配体停留时间	方法仅在6种蛋白质-配体复合物上进行了验证，需要更广泛的测试	提高药物疗效和理解生物化学中的靶标识别	蛋白质-配体复合物	计算生物化学	癌症	分子动力学模拟(MD)、状态预测信息瓶颈(SPIB)、元动力学	深度学习	分子模拟数据	6种不同的蛋白质-配体复合物
20	2025-07-25	qMAP enabled microanatomical mapping of human skin aging 2024-Jul-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.03.588011 PMID:39005293	研究论文	本研究开发了一种名为qMAP的组织图像分析工作流程，用于定量分析人类皮肤衰老的微解剖变化	首次利用深度学习和机器视觉技术全面标记组织切片中的组织和细胞区室，建立了可解释的特征集来定量分析衰老相关的微解剖变化	研究仅针对皮肤组织，未涉及其他组织类型的衰老特征	识别与衰老相关的组织水平特征，发现新型衰老生物标志物	人类皮肤组织	数字病理学	老年疾病	深度学习	NA	图像	99名年龄在14至92岁之间的捐赠者