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	2025-07-23	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
62	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
63	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
64	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
65	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
66	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
67	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
68	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
69	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
70	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
71	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
72	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
73	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
74	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
75	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
76	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
77	2025-10-06	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	比较基于放射组学和3D-CNN的模型在18F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	首次比较半自动化放射组学模型与全自动3D-CNN模型在帕金森综合征诊断中的性能，并在外部测试集验证模型在经验不足医院的临床应用价值	回顾性研究，仅包含两个医疗中心的数据	开发并验证人工智能模型用于神经退行性帕金森综合征的自动诊断	687名具有帕金森综合征运动症状的患者	医学影像分析	帕金森综合征	18F-FDOPA PET脑部扫描	支持向量机, 3D-CNN	PET图像	687名患者（训练集417人，内部测试集100人，外部测试集170人）	NA	3D-CNN	平衡准确度	NA
78	2025-10-06	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探索PET/CT健康器官影像组学特征在非小细胞肺癌预后预测中的附加价值	首次提出'器官组学'概念，将健康器官的影像组学特征纳入肺癌预后预测模型	样本量相对较小（154例患者），仅使用公开数据库数据	评估健康器官影像组学特征对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT影像和临床数据	医学影像分析	肺癌	PET/CT影像, 影像组学分析	nnU-Net, 随机生存森林, Cox比例风险模型	医学影像（PET/CT）	154例患者	nnU-Net	nnU-Net	C-index	NA
79	2025-10-06	A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model 2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000001972 PMID:38457410	研究论文	基于Transformer模型开发用于胶囊内镜胃结构识别的深度学习应用	首次将Transformer模型应用于胶囊内镜胃结构识别，通过自注意力机制提升胃肠道图像识别性能	数据来源于单一医院（南方医院），样本时间跨度较长（2011-2021年）	建立胶囊内镜胃结构识别模型，提升深度学习在内镜图像识别中的临床应用价值	胶囊内镜视频中的15种上消化道结构	计算机视觉	胃部病变	胶囊内镜	Transformer	视频	3343个无线胶囊内镜视频用于无监督预训练，2433个用于训练，118个用于验证	NA	Transformer	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
80	2025-10-06	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-10-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	研究论文	开发自适应权重集成方法预测香港地区流感活动，解决季节性不规律带来的预测挑战	提出自适应权重混合集成方法，能动态更新模型贡献度，在不同流行趋势和季节中均优于单一模型	研究主要基于香港地区数据，在其他地理区域的适用性需要进一步验证	预测具有不规则季节性的热带和亚热带地区的流感活动	香港地区1998-2019年期间的32次流感疫情监测数据	机器学习	流感	疾病监测数据分析	集成学习,统计模型,机器学习,深度学习	时间序列监测数据	32次流感疫情数据（1998-2019年），外加2023-2024年后疫情数据作为测试集	NA	简单平均集成,自适应权重混合集成	均方根误差,加权区间评分	NA