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	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	research paper	利用深度学习蛋白质设计工具设计小蛋白质，特异性结合肽-MHC-I复合物	使用深度学习工具设计能够特异性结合肽-MHC复合物的小蛋白质，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC-I复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	免疫相关疾病	深度学习	NA	蛋白质结构数据	10种目标pMHC复合物
2	2025-05-31	Predicting cell type-specific epigenomic profiles accounting for distal genetic effects 2024-11-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54441-5 PMID:39550354	研究论文	介绍了一种名为Enformer Celltyping的深度学习模型，用于预测未见细胞类型的表观遗传信号，并考虑了DNA的远端遗传效应	该模型能够整合DNA远端相互作用（长达100,000个碱基对）的影响，预测未见细胞类型的表观遗传信号，并在表观遗传插补方面优于当前最佳方法	在基因组深度学习模型中，遗传变异效应预测的评估框架揭示了当前模型的局限性	理解遗传变异如何影响表观基因组，以解释GWAS结果	细胞类型特异性表观遗传谱	机器学习	NA	深度学习	Enformer Celltyping	DNA和染色质可及性数据	NA
3	2025-05-31	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	research paper	本文提出了一种基于深度学习的3D血管分割方法，应用于分层相位对比断层扫描（HiP-CT）成像技术，以肾脏为例进行研究	利用HiP-CT这一新型成像技术，创建了一个经过双标注验证的血管数据集，并使用nnU-Net框架在高分辨率器官成像中评估模型性能	Dice相似系数（DSC）作为主要评估指标存在局限性，无法全面反映血管特征；大血管由于缺乏静水压力（HiP-CT为离体技术）而塌陷，导致分割效果不佳；细血管连通性降低和血管边界分割错误	为血管分割建立一个稳健的基线模型，并评估其在HiP-CT成像数据上的性能	肾脏血管	digital pathology	NA	HiP-CT	nnU-Net	3D image	三个肾脏的血管数据
4	2025-05-31	Boosting Cardiac Color Doppler Frame Rates With Deep Learning 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424549 PMID:38976463	研究论文	本文探讨了使用深度学习模型从减少的滤波I/Q信号中估计心内多普勒速度，以提高心脏彩色多普勒成像的帧率	提出使用深度学习模型（如U-Net和ConvNeXt）从减少的滤波I/Q信号中估计多普勒速度，有效减轻混叠和噪声，优于现有的自相关器方法	未观察到实数与复数数据之间的显著差异，且仅在体外和体内实验中验证了模型	提高心脏彩色多普勒成像的帧率，以更全面地分析心室充盈	心脏彩色多普勒成像中的血流速度	数字病理	心血管疾病	深度学习	CNN, U-Net, ConvNeXt	图像	模拟患者心脏彩色多普勒采集数据，并通过数据增强策略扩大训练数据集
5	2025-05-31	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	research paper	该研究比较了五种基于CT的胰腺分割深度学习模型在不同扫描和患者/胰腺特征下的性能	首次对五种高性能胰腺分割模型在多指标下进行分层比较，并分析了影响分割性能的扫描和患者特征	研究为回顾性设计，部分患者特征数据缺失	评估不同胰腺分割模型在多种临床特征下的性能差异	胰腺CT图像分割	digital pathology	pancreatic pathologies	CT imaging	CNN, transformer network (AAUNet, AASwin, TS, nnUNetv1, DM-UNet)	CT scans	352例CT扫描（8448例训练集用于AAUNet/AASwin，1204例用于TS，282例用于MSD-nnUNet，427例用于DM-UNet）
6	2025-05-31	Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100566 PMID:39139546	研究论文	本研究探讨了人工智能在年龄相关性黄斑变性（AMD）临床试验招募中的应用，特别是针对地理萎缩（GA）患者	利用深度学习模型分析OCT扫描图像，自动筛选符合临床试验条件的GA患者，相比传统电子健康记录（EHR）搜索方法提高了筛选效率和准确性	研究依赖于单一医疗中心的数据，可能影响结果的普遍性	评估人工智能在GA临床试验患者招募中的效果	年龄相关性黄斑变性（AMD）患者，特别是地理萎缩（GA）阶段患者	数字病理	年龄相关性黄斑变性	OCT成像，深度学习	深度学习模型	图像	306651名患者（602826只眼睛）的回顾性数据集
7	2025-05-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	research paper	介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现	使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选	研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性	加速AMD生物标志物的发现	视网膜OCT图像	digital pathology	geriatric disease	OCT	CNN	image	3456名51-102岁成年人的46496张视网膜OCT图像
8	2025-05-31	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）序列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI序列进行分类，并比较它们的性能，最终确定最佳分类器DenseNet-121	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，分别为0.872和0.810	提高放射科医生阅读多参数磁共振成像（mpMRI）检查的效率	8种不同的身体mpMRI序列类型	计算机视觉	NA	多参数磁共振成像（mpMRI）	ResNet、EfficientNet、DenseNet	图像	超过729项研究数据
9	2025-05-31	Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3445434 PMID:39186423	research paper	提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法，用于生成大量可靠的合成超声数据集	结合生物力学模拟（FEM）、稀疏肌束重建算法和扩散网络，生成多样化的实时超声图像，解决了超声图像斑点噪声导致的标注难题	合成图像的逼真度仍需进一步验证，且参数调整可能影响生成数据的多样性	开发无需人工扫描标注的肌肉超声图像合成流程，增强深度学习模型的训练和评估	肌肉运动超声图像	medical imaging	NA	finite-element method (FEM), conditional diffusion network	diffusion network	ultrasound images	3030张合成超声图像
10	2025-05-31	Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3459391 PMID:39264782	研究论文	本研究探讨了在超声计算机断层扫描中，使用走时层析成像和反射层析成像作为深度学习输入模态对声速估计的影响	提出了一种基于双通道（走时层析成像和反射层析成像）的卷积神经网络方法，用于高分辨率声速重建，相比全波形反演具有更高的计算效率	研究主要基于数值乳腺模型，临床数据验证有限	提高超声计算机断层扫描中声速估计的准确性和计算效率	数值乳腺模型和临床人类乳腺数据	医学影像处理	乳腺癌	超声计算机断层扫描（USCT），走时层析成像（TT），反射层析成像（RT）	CNN	图像	数值乳腺模型和临床人类乳腺数据（具体数量未提及）
11	2025-05-31	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究优化了ISDra2 TnpB系统在哺乳动物细胞中的应用，并通过深度学习预测ωRNAs，提高了基因组编辑效率	优化了ISDra2 TnpB系统（TnpBmax），在哺乳动物细胞中平均提高4.4倍的编辑效率，并开发了K76位点突变体以识别替代目标相邻基序（TAMs），扩大了ISDra2 TnpB的靶向范围	NA	优化TnpB系统以提高基因组编辑效率，并开发深度学习模型预测ωRNAs活性	ISDra2 TnpB系统及其在哺乳动物细胞中的应用	基因组编辑	NA	基因组编辑、深度学习	深度学习模型（TEEP）	基因组数据	10,211个靶位点的编辑效率数据集
12	2025-05-31	Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study 2024-11, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00172-9 PMID:39455192	research paper	开发并验证了一个基于人工智能的心电图（AI-ECG）风险估计平台AIRE，用于预测死亡率和心血管风险	AIRE平台不仅预测死亡率风险，还预测死亡时间，具有个体患者层面的可操作性、可解释性和生物学合理性	现有模型预测在个体患者层面缺乏可操作性、可解释性和生物学合理性	开发一个可操作、可解释且具有生物学合理性的AI-ECG风险估计平台	心电图数据	digital pathology	cardiovascular disease	deep learning, discrete-time survival model	AI-ECG risk estimator (AIRE)	ECG	1,163,401 ECGs from 189,539 patients
13	2025-05-31	Expert-guided protein language models enable accurate and blazingly fast fitness prediction 2024-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae621 PMID:39576695	research paper	介绍了一种快速准确的蛋白质变异效应预测工具VespaG，该工具利用蛋白质语言模型嵌入作为最小深度学习模型的输入	通过使用GEMME作为伪标准创建了一个包含3900万个单氨基酸变异的数据集，提高了预测的可解释性，并且速度比现有方法快几个数量级	依赖于GEMME作为伪标准，可能引入偏差	开发一种快速准确的蛋白质变异效应预测方法	人类蛋白质组中的单氨基酸变异	machine learning	NA	protein language model (pLM), deep learning	deep learning model	protein sequence data	39 million single amino acid variants from the human proteome
14	2025-05-29	Self-Powered, Flexible, Wireless and Intelligent Human Health Management System Based on Natural Recyclable Materials 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02186 PMID:39436357	research paper	该研究设计了一种基于天然可回收材料的自供电、柔性、无线智能健康管理系统，用于人体运动识别和睡眠呼吸异常的早期预警	通过将丝瓜导电石墨四摩擦层增强的摩擦纳米发电机（LG-TENG）与深度学习模型结合，实现了高精度的运动分析和睡眠呼吸监测	NA	开发一种基于天然可回收材料的自供电健康管理系统，用于肥胖引起的慢性疾病的监测和干预	肥胖引起的慢性疾病（如阻塞性睡眠呼吸暂停、II型糖尿病、心血管疾病和阿尔茨海默病）患者	物联网与大数据	肥胖相关慢性疾病	摩擦纳米发电机（TENG）技术	深度学习模型	运动信号和呼吸信号	三个个体的七种位移速度类别
15	2025-05-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究整合空间转录组学和单核RNA测序数据，增强了对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	结合空间转录组学(ST)和单核RNA测序(snRNA-seq)数据，提高了空间信息和细胞类型特异性差异基因表达(DGE)分析的效力，发现了传统方法无法检测到的与阿尔茨海默病相关的基因和通路	研究依赖于推断的空间位置信息，可能不如直接测量的空间数据准确	增强对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	阿尔茨海默病相关的β-淀粉样蛋白、缠结密度和认知衰退表型	生物信息学	阿尔茨海默病	空间转录组学(ST)、单核RNA测序(snRNA-seq)	深度学习工具CelEry、线性混合回归模型	基因表达数据	436个死后大脑的背外侧前额叶皮层(DLPFC)组织的约150万个细胞
16	2025-05-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-11-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	research paper	介绍了一种名为ChromaFold的深度学习模型，能够从单细胞ATAC测序数据预测3D接触图谱	ChromaFold仅需scATAC-seq数据即可预测3D接触图谱，包括调控相互作用，且在性能上达到领先水平	模型依赖于配对scATAC-seq和Hi-C数据进行训练，可能限制了其在没有Hi-C数据情况下的应用	开发一个能够从单细胞染色质可及性数据预测3D接触图谱的深度学习模型	人类和小鼠的测试细胞类型	machine learning	NA	scATAC-seq, Hi-C	deep learning model	genomic data	人类和小鼠的测试细胞类型
17	2025-05-28	Directional Characteristic Enhancement of an Omnidirectional Detection Sensor Enabled by Strain Partitioning Effects in a Periodic Composite Hole Substrate 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c01097 PMID:39431947	研究论文	提出了一种基于应变分配调制（SPM）的全向可拉伸应变传感器，通过定制周期性孔阵列增强方向特性识别能力	采用应变分配调制策略和周期性孔阵列结构，显著提升传感器的方向识别能力，并通过深度学习网络实现高精度应变-方向解耦	未明确说明传感器在极端环境条件下的稳定性和耐久性	开发具有高分辨率和方向识别能力的全向可拉伸应变传感器	全向可拉伸应变传感器及其在运动检测和人机交互中的应用	传感器技术	NA	应变分配调制（SPM）	轻量级深度学习网络	应变数据	NA
18	2025-05-28	Deep learning-based Fast Volumetric Image Generation for Image-guided Proton Radiotherapy 2024-Nov, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2024.3439585 PMID:40385936	研究论文	开发了一种基于深度学习的快速体积图像生成框架，用于图像引导的质子放射治疗	提出了一种结合深度学习技术的快速体积图像重建方法，优化了图像引导放射治疗的精准度和速度	研究仅基于30名肺癌患者的数据，样本量较小	提高图像引导放射治疗的精准度和速度，特别是在FLASH超高速剂量率放射治疗中的应用	肺癌患者	数字病理	肺癌	深度学习，X射线投影采集，质子水等效厚度评估	DL（深度学习）	图像（CT数据集）	30名肺癌患者，每人有包含十个呼吸阶段的四维CT数据集
19	2025-05-24	Accurate de novo design of high-affinity protein binding macrocycles using deep learning 2024-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.18.622547 PMID:39605685	研究论文	本文介绍了一种基于深度学习的去噪扩散管道RFpeptides，用于设计针对特定蛋白质靶点的大环肽结合物	首次提出了一种稳健的大环肽结合物设计方法，无需依赖大规模筛选方法，且能精确控制结合模式	研究中仅测试了四种蛋白质靶点，样本量较小，且对某些靶点（如RbtA）缺乏实验确定的结构	开发一种高效、定制化的大环肽结合物设计方法，用于诊断和治疗应用	大环肽结合物及其与蛋白质靶点的相互作用	机器学习	NA	去噪扩散模型	深度学习	蛋白质序列和结构数据	针对四种蛋白质靶点各设计并测试了20个或更少的大环肽结合物
20	2025-05-24	An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53450-8 PMID:39511143	research paper	提出了一种可解释的纵向多模态融合模型MRP，用于预测乳腺癌患者的新辅助治疗反应	MRP系统通过跨模态知识挖掘和时间信息嵌入策略处理缺失模态，减少不同NAT设置的影响，提高了临床适用性	NA	预测乳腺癌患者的新辅助治疗反应，提高临床决策的准确性	乳腺癌患者	digital pathology	breast cancer	deep learning	multi-modal fusion model	multi-modal image	多中心研究和跨国读者研究验证