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
221	2025-10-07	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	提出一种基于超图表示学习的深度模型HIT，用于预测基因的治疗潜力、生物标志物状态或与疾病的关联	首次将超图结构与注意力机制相结合用于治疗性基因靶点预测，能够捕捉基因、本体、疾病和表型之间的复杂关系	已知治疗靶点数量有限可能影响模型性能	开发计算模型预测治疗性基因靶点以加速疾病治疗开发	基因、疾病、表型和生物本体	机器学习	NA	深度超图表示学习	Transformer	图结构数据	NA	NA	超图交互Transformer(HIT)	NA	NA
222	2025-10-07	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	研究论文	开发基于深度学习的MiTCP方法预测小分子诱导的转录谱变化	首次结合图神经网络同时建模分子结构表示和基因共表达关系进行转录变化预测	仅基于L1000数据集训练，模型泛化能力有待进一步验证	预测小分子化合物诱导的细胞转录谱变化	978个标志基因的转录谱变化	机器学习	癌症	转录组分析	图神经网络	分子结构数据，基因表达数据	L1000数据集	NA	图神经网络	皮尔逊相关系数	NA
223	2025-10-07	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	通过螺旋和直线绘图评估帕金森病和小脑功能障碍	比较螺旋与直线绘图在识别帕金森病和小脑症状方面的性能，并探索压力数据在分类中的重要性	未明确说明样本规模和具体数据采集条件	开发基于绘图任务的神经系统疾病识别方法	帕金森病和小脑功能障碍患者	医疗人工智能	帕金森病, 小脑疾病	绘图任务分析	深度学习特征提取模型	绘图图像数据	NA	NA	预训练模型, 自定义深度学习模型	p值, 分类准确率	NA
224	2025-10-07	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	研究论文	本研究利用深度学习技术对分层相衬断层扫描成像中的肾脏3D血管进行分割，并建立评估基准	首次将nnU-Net框架应用于新型HiP-CT成像技术的血管分割，创建了经过双标注验证的高质量训练数据集	HiP-CT是离体成像技术，缺乏静水压力导致大血管塌陷分割效果差；细小血管连通性降低和血管边界分割错误	为血管分割建立稳健的基准模型，评估机器学习模型在高分辨率器官成像中的性能	来自人类器官图谱项目的三个肾脏血管数据	计算机视觉	肾脏疾病	分层相衬断层扫描（HiP-CT）	深度学习	3D图像	3个肾脏的血管数据	nnU-Net	U-Net	Dice相似系数, 中心线DSC	NA
225	2025-10-07	scGO: interpretable deep neural network for cell status annotation and disease diagnosis 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf018 PMID:39820437	研究论文	开发了一种基于基因本体的可解释深度学习框架scGO，用于单细胞RNA测序数据的细胞状态注释和疾病诊断	利用基因本体构建稀疏神经网络，通过基因、转录因子和GO术语之间的内在生物学关系增强模型可解释性，并引入计算基因操作技术用于发现治疗靶点	未明确说明模型在特定疾病类型或数据质量较差情况下的性能表现	解决深度学习模型在单细胞RNA测序分析中的可解释性问题，实现准确的细胞状态注释和疾病诊断	单细胞RNA测序数据中的细胞状态、疾病诊断、发育阶段预测、疾病严重程度评估和细胞衰老状态	生物信息学	多种疾病（未具体指定）	单细胞RNA测序	深度学习, 稀疏神经网络	单细胞RNA测序数据	多个scRNA-seq数据集（未提供具体样本数量）	NA	基于基因本体的稀疏神经网络架构	细胞亚型表征精度	NA
226	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
227	2025-10-07	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	提出一种可在单次训练中获取回归问题所有β值下VIB最优解的框架	首次在回归问题中推导VIB最优解，并提出单次训练即可探索所有β值的创新框架	仅针对回归问题进行分析，未涉及分类等其他任务	分析变分信息瓶颈在回归问题中的行为特性并提升参数探索效率	变分信息瓶颈方法在回归任务中的应用	机器学习	NA	变分信息瓶颈	VIB	NA	NA	NA	NA	NA	NA
228	2025-10-07	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	探讨人工智能技术在体外受精实验室中的应用及其对生殖医学的影响	系统分析AI在胚胎和精子选择自动化、临床决策优化方面的创新应用	存在数据安全、算法偏见和人机交互等伦理监管挑战	提升体外受精实验室的精准度和效率	体外受精实验室流程和生殖医学	机器学习	生殖系统疾病	NA	神经网络,深度学习,机器学习	医疗数据	NA	NA	NA	准确率,一致性,操作效率	NA
229	2025-10-07	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	提出一种名为VDMNet的新型深度学习框架，用于视网膜血管分割	集成了快速多头自注意力模块、血管动态卷积模块、多尺度融合机制和加权非对称焦点Tversky损失函数，有效解决了噪声敏感、类别不平衡和复杂血管形态分割等挑战	NA	开发更精确的视网膜血管分割方法	视网膜血管图像	计算机视觉	眼科疾病	光学相干断层扫描血管成像(OCTA)	深度学习分割网络	医学图像	ROSE-1和OCTA-3M两个公开数据集	NA	VDMNet	多种评估指标	NA
230	2025-10-07	Early Detection of Macular Atrophy Automated Through 2D and 3D Unet Deep Learning 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121191 PMID:39768009	研究论文	开发了一种基于2D和3D Unet架构的自动化方法，用于通过光学相干断层扫描早期检测黄斑萎缩	首次结合2D和3D Unet架构开发自动化黄斑萎缩检测方法，性能优于人工评分	样本量相对有限（125只眼睛，89名患者）	开发黄斑萎缩的早期自动检测方法	年龄相关性黄斑变性患者的黄斑萎缩病变	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	CNN	医学影像	1241个容积OCT扫描，来自125只眼睛（89名患者）	NA	2D Unet, 3D Unet	Dice相似系数, F1分数	NA
231	2025-10-07	LVGG-IE: A Novel Lightweight VGG-Based Image Encryption Scheme 2024-Nov-23, Entropy (Basel, Switzerland) DOI:10.3390/e26121013 PMID:39766642	研究论文	提出一种基于轻量级VGG网络的图像加密方案LVGG-IE，通过结合混沌系统和深度学习实现高效安全的图像加密	设计轻量级VGG网络生成密钥种子，构建动态S-box和单连接层，将明文图像与混沌系统初始值关联	未明确说明计算复杂度分析，缺乏与其他深度学习加密方案的详细对比	开发高安全性和高效率的图像加密方案	数字图像的安全加密	计算机视觉	NA	图像加密，混沌系统，深度学习	CNN	图像	NA	NA	VGG	相关系数，NPCR，UACI	NA
232	2025-10-07	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2024-Nov-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	研究论文	比较真实对比增强T1加权图像与深度学习合成的伪图像在脑转移瘤检测中的敏感性和精确度	首次使用深度学习从低剂量MRI图像合成对比增强图像，并系统评估其在转移瘤检测中的性能	样本量相对较小（40名参与者），仅评估了两种钆对比剂剂量	评估低剂量对比剂结合深度学习合成图像在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部发现的患者	医学影像分析	脑转移瘤	脑磁共振成像（MRI），深度学习图像合成	深度学习	MRI图像	40名参与者（24名男性，平均年龄54.3±15.1岁），来自5个中心的917名参与者数据库	NA	NA	敏感性，精确度，假阳性发现	NA
233	2025-10-07	Deep learning segmentation architectures for automatic detection of pancreatic ductal adenocarcinoma in EUS-guided fine-needle biopsy samples based on whole-slide imaging 2024 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000094 PMID:39802107	研究论文	本研究比较了7种U-Net架构变体在胰腺导管腺癌全玻片图像分割中的性能	评估了多种先前未在PDAC全玻片图像分割中探索的U-Net架构变体，并在两个不同医疗中心的数据集上进行交叉验证	样本量较小（分别为31和33张全玻片图像），仅针对胰腺导管腺癌一种疾病	开发基于深度学习的自动分割方法用于胰腺导管腺癌诊断	EUS引导细针活检样本的全玻片图像	数字病理学	胰腺癌	全玻片成像	CNN	图像	两个数据集分别包含31和33张全玻片图像	NA	U-Net, Inception U-Net	Dice系数, IoU	NA
234	2025-10-07	Functional imaging derived ADHD biotypes based on deep clustering: a study on personalized medication therapy guidance 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102876 PMID:39763511	研究论文	本研究基于功能影像数据开发深度学习聚类方法识别ADHD生物亚型，并探索其对个性化药物治疗的指导意义	首次提出结合功能网络连接性和非影像表型数据的图卷积网络生物亚型检测方法，实现了ADHD的客观分型并验证了不同亚型对药物的差异化反应	样本量相对有限，验证集仅来自单一医疗中心，需要更大规模的多中心研究进一步验证	开发基于神经影像的ADHD生物分型方法，为个性化药物治疗提供指导	注意缺陷多动障碍患者	医学影像分析	神经发育障碍	功能磁共振成像，深度学习聚类	图卷积网络	功能网络连接性数据，非影像表型数据	发现集1069名ADHD患者（来自ABCD研究），验证集130名ADHD青少年（来自北京大学第六医院）	深度学习框架	图卷积网络	恢复率，统计学显著性	NA
235	2025-10-07	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	开发基于深度学习的LOGOWheat工具，用于预测小麦非编码变异的调控效应	首次将基于自注意力的上下文预训练语言模型应用于小麦基因组，整合表观基因组数据进行微调以识别基因组序列中的调控代码	NA	预测小麦非编码变异的调控功能	小麦基因组非编码变异	自然语言处理	NA	表观基因组分析	自注意力机制,预训练语言模型	基因组序列,表观基因组数据	NA	NA	Transformer	AUROC,AUPRC	NA
236	2025-10-07	Automated denoising software for calcium imaging signals using deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39574 PMID:39524741	研究论文	开发了基于深度学习的自动化钙成像信号去噪软件CalDenoise	整合图像处理和生成对抗网络(GAN)模型，能够有效去除多种复杂噪声模式	未提及具体性能验证的样本规模和对比基准	开发自动化钙成像信号去噪软件以提高信号分析准确性	钙时空图谱(STMaps)中的噪声信号	计算机视觉	NA	钙成像技术	GAN	荧光信号图像	NA	NA	生成对抗网络	NA	NA
237	2025-01-07	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39756070	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在PHIs预测任务中表现出色，但其性能可能仍受到数据稀疏性的影响	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	抗生素耐药性	深度学习	区域图卷积模型	序列信息	三个基准数据集	NA	NA	NA	NA
238	2025-01-07	Multimodal deep learning approaches for precision oncology: a comprehensive review 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae699 PMID:39757116	综述	本文综述了多模态深度学习在精准肿瘤学中的应用，基于对651篇文献的广泛调查	提供了多模态深度学习在肿瘤分割、检测、诊断、预后、治疗选择和疗效监测中的全面应用概述，并提出了未来研究方向	当前方法存在局限性，未来研究需要解决这些挑战	推动多模态深度学习在精准肿瘤学中的应用	肿瘤学研究中的多模态数据	机器学习	癌症	深度学习	多模态深度学习	多模态数据	651篇文献	NA	NA	NA	NA
239	2025-01-06	A transformer-based deep learning survival prediction model and an explainable XGBoost anti-PD-1/PD-L1 outcome prediction model based on the cGAS-STING-centered pathways in hepatocellular carcinoma 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae686 PMID:39749665	研究论文	本文开发了基于cGAS-STING通路的深度学习生存预测模型和可解释的XGBoost抗PD-1/PD-L1结果预测模型，用于肝细胞癌（HCC）的研究	创新点在于结合cGAS-STING通路，构建了Transformer生存模型和XGBoost免疫治疗结果预测模型，并提供了模型的开源代码	模型的泛化能力需进一步验证，且样本量可能限制了模型的普适性	开发预测肝细胞癌患者生存风险和抗PD-1/PD-L1治疗结果的模型	肝细胞癌（HCC）患者	机器学习	肝细胞癌	SHAP算法	Transformer, XGBoost	基因表达数据	多个HCC队列（TCGA-LIHC、ICGC-LIRI-JP、GSE144269等）	NA	NA	NA	NA
240	2025-01-06	Towards simplified graph neural networks for identifying cancer driver genes in heterophilic networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae691 PMID:39751645	研究论文	本文提出了一种简化的图神经网络（SGCD），用于在异质性网络中识别癌症驱动基因	SGCD模型结合了表示分离的图卷积神经网络和双模态特征提取器，解决了现有方法未考虑生物网络异质性和特征混淆的问题	NA	提高在异质性网络中识别癌症驱动基因的模型性能	癌症驱动基因	机器学习	癌症	图深度学习	图卷积神经网络（GCN）	多组学数据和生物网络	NA	NA	NA	NA	NA