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
181	2025-10-07	Hybrid Deep Learning Approach for Traffic Speed Prediction 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0251 PMID:35108088	研究论文	提出一种名为HDL4TSP的混合深度学习方法用于城市交通速度预测	同时建模交通数据中的空间和时间相关性，通过图卷积网络捕获空间依赖关系，使用ConvLSTM网络建模时间周期性	NA	提高交通速度预测的准确性	城市各区域的交通速度数据	机器学习	NA	深度学习	图卷积网络, ConvLSTM	交通速度数据	两个真实世界数据集	NA	HDL4TSP（包含输入层、空间层、时间层、融合层和输出层）	NA	NA
182	2025-10-07	A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0268 PMID:35704031	研究论文	提出一种基于混合多层深度学习模型的网络入侵检测系统	采用多层卷积神经网络进行特征提取和选择，并结合softmax分类器进行入侵分类，同时使用多层深度神经网络进行进一步分析	仅使用NSL-KDD和KDDCUP'99两个基准数据集进行验证，未在其他数据集上测试泛化能力	提高网络入侵检测的准确率	网络流量数据	机器学习	NA	深度学习	CNN, 深度神经网络	网络流量数据	NSL-KDD和KDDCUP'99两个基准数据集	NA	多层卷积神经网络, 多层深度神经网络	准确率, 召回率, F1分数, 精确率	NA
183	2025-04-25	Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4889334/v1 PMID:39483897	研究论文	本文探讨了在系统性硬化症（SSc）患者中使用神经网络分析作为皮肤结果的新方法，并与传统方法进行比较	首次将深度学习模型应用于SSc患者的皮肤活检，以量化病理特征，超越了传统的皮肤厚度测量	研究样本量较小（仅10名患者），且试验提前终止，可能影响结果的普遍性	评估belumosudil在SSc患者中的效果，并探索AI在量化SSc皮肤病理特征中的应用	患有弥漫性皮肤SSc的成年患者	数字病理学	系统性硬化症	深度学习	深度学习模型	图像（皮肤活检切片）	10名患者（其中5名有配对活检）	NA	NA	NA	NA
184	2025-04-25	Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology 2024-Oct-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.22.590118 PMID:38712207	研究论文	本研究提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境细胞组织模式	引入了双层图模型（细胞图和群体图），通过软Weisfeiler-Lehman子树核捕捉患者间的相似性，从而识别具有独特预后的患者亚群和肿瘤微环境模式	方法虽然在乳腺癌患者中验证，但可能在其他癌症类型中的适用性需要进一步验证	开发一种可解释的深度学习方法，识别与预后相关的肿瘤微环境模式	乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	深度学习	双层图模型（细胞图和群体图）	数字病理图像	乳腺癌患者队列（具体数量未提及）及两个独立验证队列	NA	NA	NA	NA
185	2025-10-07	Development and Evaluation of a Learning-Based Model for Real-Time Haptic Texture Rendering 2024 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2024.3382258 PMID:38536688	研究论文	开发并评估一种基于学习的实时触觉纹理渲染模型	提出统一的动作条件触觉纹理渲染模型，无需为每种纹理单独训练模型，能够泛化到未见过的纹理	NA	开发可泛化的实时触觉纹理渲染方法，提升虚拟现实环境的触觉体验	触觉纹理渲染和人类触觉感知	机器学习	NA	基于视觉的触觉传感(GelSight)	深度学习	触觉传感器数据	通过多部分人类用户研究进行评估	NA	NA	感知性能评估	NA
186	2025-10-07	A dynamic approach for MR T2-weighted pelvic imaging 2024-Oct-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	研究论文	提出一种无需患者准备的动态磁共振盆腔成像方法来解决蠕动引起的运动伪影问题	采用动态数据采集策略和基于深度均衡模型的展开方法进行图像重建，将成像问题从传统运动预防转变为运动重建	NA	解决盆腔磁共振成像中蠕动引起的运动伪影和模糊问题	盆腔磁共振成像	医学影像	盆腔疾病	T2加权2D快速自旋回波序列	深度均衡模型	磁共振k空间数据	回顾性和前瞻性数据	NA	深度均衡模型	运动伪影减少程度、结构细节描绘准确性	NA
187	2025-10-07	Creation of de novo cryptic splicing for ALS and FTD precision medicine 2024-10-04, Science (New York, N.Y.) DOI:10.1126/science.adk2539 PMID:39361759	研究论文	开发了一种利用TDP-43功能丧失诱导的隐蔽剪接特异性来驱动蛋白质表达的新方法TDP-REG，为ALS和FTD精准治疗提供新策略	结合深度学习和理性设计开发SpliceNouveau算法，首次实现在蛋白质编码序列中生成可定制的隐蔽剪接事件	NA	开发针对TDP43相关疾病的精准治疗方法	RNA结合蛋白TDP-43及其功能丧失引起的隐蔽剪接事件	生物信息学	肌萎缩侧索硬化症,额颞叶痴呆	深度学习,基因组prime editing,隐蔽剪接分析	深度学习	基因组序列,剪接数据	NA	NA	NA	NA	NA
188	2025-10-07	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	开发了一个名为HLAPepBinder的集成机器学习模型，用于预测HLA-肽结合	首次使用随机森林方法整合九个预测器的结果，提供全面的预测框架，无需手动模型选择	缺乏可靠的阴性数据，通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合对	机器学习	癌症	集成机器学习	随机森林	肽序列数据	NA	NA	随机森林	预测准确性，资源效率	有限计算环境
189	2025-10-07	Knot data analysis using multiscale Gauss link integral 2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2408431121 PMID:39392667	研究论文	提出一种结合曲线分割和多尺度分析的高斯链接积分方法，用于分析复杂生物数据中的拓扑结构	将曲线分割和多尺度分析引入高斯链接积分，创建多尺度高斯链接积分方法，能够同时捕捉数据的全局拓扑特性和局部结构	NA	开发能够分析复杂数据中局部结构和连接性的拓扑数据分析方法	13个复杂生物数据集，包括蛋白质灵活性分析、蛋白质-配体相互作用、hERG钾通道阻断筛选和毒性评估	拓扑数据分析	NA	多尺度高斯链接积分	NA	生物数据	13个复杂生物数据集	NA	NA	NA	NA
190	2025-10-07	Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72120-5_4 PMID:40207034	研究论文	提出一种结合噪声标签学习和主动学习的两阶段方法，用于处理医学图像分类中的标签噪声和类别不平衡问题	提出梯度方差方法补充基于损失的样本选择，在有限标注预算下迭代改进数据集质量，避免将少数类干净样本误判为噪声样本	仅在两个不平衡噪声医学分类数据集上验证，需要进一步在更多数据集上测试泛化能力	提高医学图像分类在标签噪声存在下的鲁棒性，并主动清理噪声标签	医学图像分类任务	计算机视觉	NA	深度学习	深度学习模型	医学图像	两个不平衡噪声医学分类数据集	NA	NA	分类性能	NA
191	2025-10-07	Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71562-5 PMID:39353972	研究论文	开发基于心电图检测血钾异常的深度学习算法	首次开发能够从心电图中检测高钾血症和低钾血症的深度学习模型，并验证其临床预测价值	回顾性研究设计，模型性能在不同心电图导联配置下存在差异	通过深度学习技术实现血钾异常的无创快速检测	心电图与血清钾浓度配对数据	医疗人工智能	电解质紊乱	心电图分析	深度学习	心电图信号	训练集310,449个、验证集15,828个、内部测试集23,849个、外部验证集130,415个ECG-K样本	NA	NA	AUROC, 敏感度, 特异度	NA
192	2025-10-07	A phenotypic drug discovery approach by latent interaction in deep learning 2024-Oct, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240720 PMID:40191531	研究论文	开发了一种基于深度学习的表型药物发现方法，通过潜在交互作用规避传统结合测定方法的局限性	提出端到端的深度学习模型，仅利用治疗信息生成潜在表示，能隐式考虑上位效应和化学-遗传相互作用等复杂机制	在基础机制知识有限的情况下使用，对化学多样性数据有依赖性	开发新的计算药物发现方法以克服传统结合测定方法的限制	药物和病毒的遗传信息	机器学习	病毒性疾病	深度学习，数据增强	深度学习	文本（药物和病毒遗传信息的文本表示）	NA	NA	NA	样本外验证性能	NA
193	2025-10-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出一种名为ProNEP的深度学习算法，用于高通量识别NLR受体与病原体效应子的配对关系	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并首次结合迁移学习与双线性注意力网络进行预测	CNE数据非常稀缺，仅387个已知配对，限制了模型的训练和应用	开发高效识别NLR受体与效应子配对关系的方法，促进作物育种和免疫学研究	核苷酸结合富亮氨酸重复序列受体和病原体效应子	生物信息学	植物免疫疾病	深度学习，迁移学习	双线性注意力网络	蛋白质序列数据	91,291个NLRs和387个已知CNE配对	PyTorch	双线性注意力网络	准确率，精确率，召回率，F1分数，AUC	NA
194	2025-04-06	An Automated Deep Learning-Based Framework for Uptake Segmentation and Classification on PSMA PET/CT Imaging of Patients with Prostate Cancer 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01104-y PMID:38587770	研究论文	开发并评估了一种基于深度学习的自动化框架，用于在前列腺癌患者的PSMA PET/CT成像上进行摄取分割和分类	采用解剖学先验引导策略，使深度学习框架专注于PSMA高摄取病变，并构建了多模态决策融合分类框架	样本量相对有限（193例扫描），且仅来自两个机构	自动化全身肿瘤负荷评估	前列腺癌患者的PSMA PET/CT扫描图像	数字病理学	前列腺癌	PSMA PET/CT成像	CNN, 多模态决策融合框架	医学影像	193例[F]DCFPyL PET/CT扫描（137例用于训练和内部测试，56例用于外部测试）	NA	NA	NA	NA
195	2025-10-07	Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models 2024-10-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75748-9 PMID:39455655	研究论文	提出一种结合Yolov5和ConvNeXt的深度学习集成模型YoCNET，用于根尖片中牙齿自动分割和多颗牙齿根尖病变的同步检测	首次将目标检测模型Yolov5与图像分类模型ConvNeXt集成，克服单一分类模型无法同时识别多个病变目标的限制	数据集排除了乳牙，且仅使用1305张根尖片进行训练验证	开发能够自动分割牙齿并同时检测多颗牙齿根尖病变的深度学习模型	根尖片中的牙齿和根尖病变	计算机视觉	牙科疾病	放射影像分析	CNN, 集成模型	图像	1305张根尖片用于训练验证，717张单个牙齿图像用于集成模型验证	PyTorch	Yolov5, ConvNeXt, ResNet34	准确率, 精确率, 灵敏度, F1分数, AUC, 混淆矩阵	NA
196	2024-10-02	Deep learning sharpens vistas on biodiversity mapping 2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416358121 PMID:39348547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
197	2025-04-01	A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09688-0 PMID:39417954	研究论文	本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构	开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升	仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证	理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解	普通狨猴大脑的Nissl染色和髓鞘染色切片图像	数字病理学	神经系统疾病	深度学习	深度学习模型（未明确具体类型）	图像	普通狨猴大脑切片图像（具体数量未说明）	NA	NA	NA	NA
198	2025-03-28	Message-Passing Monte Carlo: Generating low-discrepancy point sets via graph neural networks 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409913121 PMID:39325425	研究论文	本文提出了一种名为消息传递蒙特卡洛(MPMC)的新型低差异点集生成方法，利用图神经网络工具实现	首次将几何深度学习方法应用于低差异点集生成，提出MPMC点集并在低维和小点数情况下达到最优或接近最优差异	目前主要适用于低维和小规模点集的情况	开发更有效的低差异点集生成方法以提高数值积分、计算机视觉等领域的性能	低差异点集的生成方法	机器学习	NA	几何深度学习	图神经网络(GNN)	空间点集数据	低维和小规模点集	NA	NA	NA	NA
199	2025-10-07	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	本研究开发了一种基于多模态深度学习的前列腺癌风险分层系统，通过数字组织病理学图像和临床数据改善局部前列腺癌的风险评估	首次在NRG Oncology III期随机试验中应用多模态人工智能模型进行前列腺癌风险分层，相比现有NCCN风险分组显示出更好的预后分层能力	研究基于特定临床试验队列，需要在更广泛的人群中进行外部验证	开发优于当前NCCN风险分组的临床可用前列腺癌风险分层系统	9,787名来自8项NRG Oncology III期随机试验的局部前列腺癌患者	数字病理学	前列腺癌	数字组织病理学成像	多模态深度学习	数字组织病理学图像, 临床数据	9,787名患者	NA	多模态人工智能模型	10年远处转移率, 风险重分类率	NA
200	2025-10-07	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题	未明确说明模型在更广泛癌症类型中的性能表现	提高不同类型癌症中有丝分裂细胞的识别准确性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	深度学习	CNN, Transformer	图像	使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集	NA	YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer	精确率, 召回率, F1分数	NA