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
81	2025-06-04	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	研究论文	利用深度学习蛋白质设计工具设计针对肽-MHC-I复合物的小蛋白结合物	采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，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	NA	深度学习	NA	蛋白质结构	十个目标pMHC复合物
82	2025-06-03	Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity 2024-11-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00542 PMID:39495623	research paper	该研究探讨了平衡训练集对基于深度学习的CRISPR sgRNA活性预测的影响	通过使用平衡和不平衡的数据集训练CNN和LLM模型，并测试合成sgRNA对预测性能的提升，强调了平衡训练集的重要性	研究仅针对CRISPR-Cas12a和CRISPR-Cas9系统，可能不适用于其他CRISPR系统	提高CRISPR sgRNA活性预测的准确性	CRISPR sgRNA	machine learning	NA	CRISPR-Cas12a和CRISPR-Cas9筛选	CNN, LLM	序列数据	来自酵母的CRISPR-Cas12a筛选数据及CRISPR-Cas9数据集
83	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
84	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
85	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
86	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）
87	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
88	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
89	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
90	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）
91	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
92	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
93	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
94	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
95	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
96	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
97	2025-05-24	PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54043-1 PMID:39511229	研究论文	开发并验证了一种深度学习模型PACT-3D，用于在腹部CT扫描中检测气腹	提出了一种新的深度学习算法PACT-3D，专门用于检测气腹，并在不同数据集上验证了其高敏感性和特异性	在检测少量游离气体（总体积<10ml）的情况下敏感性较低	提高气腹的检测准确性和速度，以优化急诊护理中的诊断和治疗流程	腹部CT扫描图像	计算机视觉	气腹	深度学习	深度学习模型	图像	回顾性测试集14,039次扫描，前瞻性测试集6,351次扫描，外部验证集480次扫描
98	2025-05-22	Digital profiling of gene expression from histology images with linearized attention 2024-11-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54182-5 PMID:39543087	research paper	该研究介绍了一种名为SEQUOIA的线性化transformer模型，用于从全切片图像(WSIs)预测癌症转录组学特征	提出SEQUOIA模型，首次将线性化transformer应用于WSIs的基因表达预测，解决了传统transformer在WSIs应用中的高复杂性和小数据集限制问题	模型在16种癌症类型上进行了训练，但可能对其他罕见癌症类型的泛化能力有限	开发一种成本效益高的方法，从组织学图像中预测基因表达谱，用于个性化癌症管理	7584个肿瘤样本(训练集)和1368个肿瘤样本(验证集)，涵盖16种癌症类型	digital pathology	cancer	deep learning	linearized transformer (SEQUOIA)	whole slide images (WSIs)	7584个肿瘤样本(训练集) + 1368个肿瘤样本(验证集)
99	2025-05-21	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-11-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测	基于Graph-Transformer架构的统一模型，利用交互感知的混合密度网络捕获非共价相互作用，并引入负采样策略以有效校正交互分布	未提及具体局限性	改进蛋白质-配体对接和亲和力预测的性能	蛋白质-配体复合物	机器学习	NA	Graph-Transformer架构、混合密度网络	Interformer	蛋白质-配体复合物数据	广泛使用的数据集和内部数据集
100	2025-05-21	Whole-cell multi-target single-molecule super-resolution imaging in 3D with microfluidics and a single-objective tilted light sheet 2024-11-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54609-z PMID:39582043	研究论文	本文介绍了一种名为soTILT3D的平台，用于全细胞多靶点3D单分子超分辨率成像，提高了成像精度和速度	开发了一种可操纵、抖动的单目标倾斜光片用于光学切片以减少荧光背景，并结合3D纳米打印微流控系统反射光片到样品中	NA	解决全哺乳动物细胞单分子超分辨率成像中的高荧光背景和慢采集速度问题	哺乳动物细胞	生物成像	NA	单分子超分辨率荧光显微镜、微流控技术、深度学习	NA	3D图像	NA