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
61	2025-10-06	Automatic detection of midfacial fractures in facial bone CT images using deep learning-based object detection models 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101914 PMID:38750725	研究论文	本研究开发了一种基于深度学习的目标检测模型，用于在面部骨CT图像中自动检测中面部骨折	首次将SSD和YOLOv8两种目标检测算法应用于中面部骨折的自动检测，为急诊医疗提供快速准确的诊断解决方案	研究样本量有限（仅100例CT图像），需要更大规模的数据验证模型泛化能力	开发自动检测中面部骨折的系统，实现准确快速的骨折诊断	包含中面部骨折（如上颌骨、颧骨、鼻骨和眼眶骨折）的面部CT图像	计算机视觉	面部骨折	CT成像	深度学习目标检测模型	CT图像	100例CT图像（训练集80例3736张切片，验证集20例883张切片）	NA	SSD, YOLOv8	精确率, 召回率, F1分数, 平均精确率	NA
62	2025-10-06	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	开发一种基于深度学习的自动化图像转录技术，用于从血压设备图像中提取读数，以改善围产期血压监测	提出结合YOLO目标检测和CNN数字识别的两阶段深度学习模型，并应用色彩校正和阈值处理技术减少反射和伪影影响	研究主要针对特定血压设备和特定人群（低资源环境和低文化水平人群），在其他设备和人群中的适用性需进一步验证	解决血压数据从示波设备向医疗记录系统传输的挑战，特别是在低文化水平人群中	围产期妇女（孕期和产后）的血压监测数据	计算机视觉	心血管疾病	移动健康技术，图像处理	CNN, YOLO	图像	来自危地马拉的2281名孕妇（1697+584）和来自乔治亚州的72名产后非洲裔美国参与者（23+49）	NA	YOLO, 卷积神经网络	平均绝对误差	NA
63	2025-07-23	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来克服分辨率增强Hi-C数据中的人工结构问题	SHARP方法首次将Hi-C数据分解为三种信号类型，并仅对第三种信号类型应用深度学习，同时结合局部和全局注意力机制以捕获多尺度上下文信息	未明确提及具体限制，但可能涉及对新型数据类型的泛化能力或计算资源需求	提高Hi-C数据的分辨率增强准确性，避免人工结构的产生	基因组范围内的染色体构象捕获(Hi-C)数据	生物信息学	NA	Hi-C技术、深度学习	多尺度注意力机制	基因组接触矩阵数据	未明确提及具体样本数量，但包括新样本和另一物种的数据	NA	NA	NA	NA
64	2025-07-23	Postoperative facial prediction for mandibular defect based on surface mesh deformation 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101973 PMID:39089509	研究论文	本研究介绍了一种基于表面网格变形的新型预测模型，用于预测下颌骨缺损患者的术后面部轮廓	采用表面网格理论和深度学习，区别于传统的点云方法，使用表面三角网格网格，通过MCRBM模型提取潜在变量生成三维变形场，提高了几何信息保存和可解释性	NA	提高下颌骨缺损重建术后面部轮廓预测的准确性	下颌骨缺损患者	计算机视觉	口腔颌面疾病	深度学习	MCRBM	三维网格数据	NA	NA	NA	NA	NA
65	2025-07-23	A deep learning approach to detection of oral cancer lesions from intra oral patient images: A preliminary retrospective study 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101975 PMID:39043293	research paper	本研究评估了一种基于深度学习的计算机软件在检测口腔癌病变中的性能	使用YOLOv5架构开发的人工智能模型首次应用于口腔癌病变的检测	样本量较小（仅65张图像），且为回顾性研究	评估深度学习算法在口腔癌病变检测中的应用潜力	口腔鳞状细胞癌（OSCC）病变	digital pathology	oral cancer	deep learning	YOLOv5	image	65张匿名回顾性口腔内患者图像（53张训练集，6张验证集，6张测试集）	NA	NA	NA	NA
66	2025-10-06	Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis 2024-Oct-31, ArXiv PMID:39575118	研究论文	提出一种用于多子空间学习的监督独立子空间主成分分析方法，旨在解决高维数据表示中可解释性问题	将希尔伯特-施密特独立性准则(HSIC)融入PCA框架，同时实现监督学习和子空间解缠	未明确说明方法在大规模数据集上的计算效率限制	开发能够捕获人类可理解概念的高维数据表示方法	高维数据表示和可解释性分析	机器学习	乳腺癌, 疟疾, 衰老相关疾病	主成分分析, 希尔伯特-施密特独立性准则	线性模型, 自编码器	图像特征, DNA甲基化数据, 单细胞数据	NA	NA	sisPCA	NA	NA
67	2025-10-06	The gene expression signature of electrical stimulation in the human brain 2024-Oct-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558812 PMID:37790527	研究论文	本研究通过转录组和表观基因组测序技术揭示了人脑电刺激对基因表达的分子影响，重点关注小胶质细胞的反应	首次发现临床常用电刺激主要影响小胶质细胞特异性细胞因子活性相关基因表达，而非神经元基因表达	研究样本量有限，仅针对前颞叶电刺激，未涵盖其他脑区	探索人脑电刺激的分子机制及其对基因表达的影响	接受神经外科手术患者的前颞叶脑组织	生物信息学	神经系统疾病	转录组测序, 表观基因组测序, 单细胞测序	深度学习	基因表达数据, 表观遗传数据	神经外科手术患者脑组织样本	NA	NA	NA	NA
68	2025-10-06	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本研究通过使用基因组基础模型的预训练嵌入，开发了能够从DNA序列预测个性化基因表达的深度学习模型	首次将Nucleotide Transformer基础模型的预训练嵌入应用于个性化基因表达预测，显著缩小了与仅使用遗传变异的弹性网络回归方法的性能差距	训练数据规模有限（290个个体），需要更多训练数据和计算资源改进方法	提高从DNA序列预测个性化基因表达的准确性	人类基因组DNA序列和基因表达数据	基因组学	NA	基因表达分析，基因型分析	Transformer	DNA序列数据，基因表达数据，基因型数据	290个个体的基因型和表达数据	NA	Transformer	相关性	NA
69	2025-10-06	Integrated image-based deep learning and language models for primary diabetes care 2024-Oct, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03139-8 PMID:39030266	研究论文	开发集成图像和语言模型的DeepDR-LLM系统，用于改善基层糖尿病管理和糖尿病视网膜病变筛查	首次将基于图像的深度学习模型与大型语言模型集成，为基层医生提供个性化糖尿病管理建议	仅进行了单中心前瞻性研究，样本量有限，需要在更广泛人群中验证	解决基层糖尿病管理和DR筛查资源不足的问题	糖尿病患者和基层医生	计算机视觉,自然语言处理	糖尿病,糖尿病视网膜病变	深度学习,大型语言模型	Transformer	图像,文本	回顾性评估未明确样本量，前瞻性研究769名患者（397名无辅助组，372名辅助组）	NA	Transformer	准确率,依从性改善统计显著性	NA
70	2025-10-06	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-Oct, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	综述	探讨数据科学在改善放射治疗计划和临床决策中的应用前景	提出整合多源数据（基因组学、影像组学、剂量组学）和深度学习技术来优化个性化放疗方案，并引入数字孪生概念指导自适应放疗	未提及具体实施案例或验证结果	提升放射治疗的精准性和个性化水平	放射治疗患者	医疗人工智能	肿瘤疾病	基因组学, 影像组学, 剂量组学	深度学习	多模态数据（基因组数据、医学影像、剂量数据）	NA	NA	NA	NA	NA
71	2025-10-06	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发基于图结构的超分辨率蛋白质-蛋白质相互作用技术，用于预测单细胞水平的癌症药物反应	首次将图神经网络与超分辨率显微镜结合，实现单细胞水平蛋白质相互作用空间网络的三维解析	研究样本数量有限（约10,000个细胞），仅针对EGFR突变细胞系进行验证	开发空间信号网络解析技术以理解癌症耐药机制	EGFR突变PC9和HCC827癌细胞、临床肺组织样本、T细胞	计算生物学	肺癌	空间邻近连接分析、超分辨率显微镜、3D空间蛋白质组分子像素化	图神经网络	蛋白质相互作用图像、3D空间蛋白质数据	超过10,000个EGFR突变细胞	深度学习框架	图神经网络架构	准确率、AUC、F1分数	NA
72	2025-10-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	研究论文	提出一种基于深度学习的回归模型N2GNet，能够从帕金森病患者丘脑底核局部场电位实时追踪步态表现	首次开发能够直接从STN LFP信号追踪步态性能的深度学习模型，利用全面频带信息而非仅限于beta波段	研究样本量较小（18名患者），仅在原地踏步任务中验证	开发用于帕金森病自适应脑深部电刺激的实时步态性能追踪算法	帕金森病患者	机器学习	帕金森病	局部场电位记录，地面反作用力测量	深度学习回归模型	神经信号，生物力学数据	18名帕金森病患者	NA	N2GNet	相关性分析	NA
73	2025-10-06	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	开发了一个基于电子健康记录的疾病全表型预测框架PheW2P2V，通过加权患者向量实现个性化预测	提出加权患者向量计算方法，通过提升与特定表型相关的医疗记录权重来实现个性化预测	需要进一步研究嵌入表示在不同数据库间的可迁移性	开发基于电子健康记录的计算预测工具，实现疾病全表型的风险预测	电子健康记录中的患者医疗数据	机器学习	多种疾病	Phecode映射，国际疾病分类代码	嵌入表示模型	电子健康记录	MIMIC-III数据库中的942个全表型预测	NA	加权患者向量	AUC-ROC, F1-score, AUC-PR	NA
74	2025-10-06	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	本研究通过实验量化超过10万种蛋白质序列的淀粉样蛋白成核过程，并开发了可解释的深度学习模型CANYA来预测蛋白质聚集	创建了前所未有的大规模蛋白质聚集实验数据集，开发了结合卷积和注意力机制的混合神经网络模型，并将基因组神经网络可解释性分析应用于蛋白质聚集预测	NA	解决蛋白质聚集预测中数据不足的问题，开发准确且可解释的预测模型	超过10万种蛋白质序列的淀粉样蛋白成核过程	机器学习	NA	实验量化分析	CNN,注意力机制	蛋白质序列数据	>100,000个蛋白质序列	NA	卷积-注意力混合神经网络	NA	NA
75	2025-10-06	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	研究论文	提出结合深度学习和特征追踪的自动化流程，用于长轴心脏磁共振图像的左心室和左心房分割及心肌应变分析	首次将3D-ResUnet应用于长轴心脏磁共振图像的左心腔分割，并与特征追踪算法结合实现全自动应变分析	研究样本量有限（共684例），仅针对左心腔进行分析	开发自动化心肌应变评估方法以减少人工初始化带来的变异性和繁琐操作	左心室和左心房的心肌应变	医学影像分析	心血管疾病	心脏磁共振成像	CNN	2D和3D心脏磁共振图像	684名个体的845个训练样本、281个调优样本和116个测试样本	NA	2D-ResUnet, 3D-ResUnet	Dice系数, ICC, Bland-Altman偏差, 相关系数	NA
76	2025-10-06	An Automated Multi-scale Feature Fusion Network for Spine Fracture Segmentation Using Computed Tomography Images 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01091-0 PMID:38622384	研究论文	提出一种用于CT图像中脊柱骨折自动分割的多尺度特征融合深度学习模型	设计了包含特征融合模块、注意力机制和空间金字塔池化的新型多尺度特征融合架构	NA	开发自动脊柱骨折分割方法以辅助临床决策	脊柱骨折的CT图像	计算机视觉	脊柱骨折	计算机断层扫描(CT)	深度学习	医学图像	NA	NA	多尺度特征融合网络,包含FFM,SEM,ASPP,RCBAM,RBRAB,LPRAB模块	准确度	NA
77	2025-10-06	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	研究论文	提出了一种基于持续同调的蛋白质-配体结合亲和力预测算法PATH，具有可解释性和高效性	使用反对距离计算蛋白质-配体复合物的持续同调特征，开发了运行时间与蛋白质大小无关的最快算法，并提出了可解释的持久性指纹表示方法	NA	开发可解释且高效的蛋白质-配体结合亲和力预测方法	蛋白质-配体复合物	计算生物学	NA	持续同调，拓扑数据分析	回归树集成	蛋白质-配体复合物结构数据	NA	NA	浅回归树集成	结合亲和力预测准确度	NA
78	2025-10-06	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	研究论文	通过深度学习模型研究氨基酸二聚体基序对质谱MS1强度的影响	首次使用带有注意力机制的编码器-解码器深度学习模型系统分析氨基酸二聚体基序与质谱响应的关系	氨基酸二聚体序列表示相比单氨基酸表示未能提高预测能力	探索氨基酸局部环境与质谱MS1强度之间的潜在关系	质谱分析中的肽段序列	机器学习	NA	质谱分析，ESI-MS	RNN，编码器-解码器	肽段序列数据，质谱强度数据	约200,000个独特肽段的等摩尔肽池	NA	带有注意力机制的编码器-解码器架构	平均百分比误差，皮尔逊相关系数	NA
79	2025-10-06	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本研究通过mRNA展示技术结合深度学习模型评估了RiPP环化脱水酶LynD的底物广谱性	首次将mRNA展示高通量肽段展示技术与深度学习模型相结合，用于预测RiPP酶的底物处理能力	研究仅针对LynD单一酶进行，未验证其他RiPP酶的应用潜力	阐明核糖体合成后修饰肽天然产物酶的底物广谱性及其预测方法	RiPP环化脱水酶LynD及其肽底物	机器学习	NA	mRNA展示技术	深度学习	肽序列数据	通过mRNA展示技术构建的大规模肽库	NA	NA	NA	NA
80	2025-10-06	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	开发了一种名为CHIEF的病理学基础模型，用于癌症诊断和预后预测	结合无监督预训练和弱监督预训练两种互补方法，提取多样化的病理学表征，解决了传统方法在跨域泛化方面的局限性	NA	开发通用的病理学基础模型以提升癌症诊断和预后预测的准确性和泛化能力	癌症患者的组织病理学全玻片图像	数字病理学	癌症	组织病理学成像	深度学习	图像	训练阶段使用60,530张全玻片图像，验证阶段使用19,491张全玻片图像	NA	CHIEF	NA	44TB高分辨率病理学影像数据集