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	2025-10-06	Space-for-time substitutions exaggerate urban bird-habitat ecological relationships 2024-12, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14194 PMID:39506196	研究论文	本研究通过分析加拿大温哥华地区20年的鸟类调查数据，检验了空间替代时间方法在城市鸟类-栖息地生态关系研究中的有效性	首次系统验证空间替代时间方法在城市生态研究中的局限性，并引入最优尺度效应概念分析栖息地变化对鸟类数量的影响	研究仅基于单一城市区域，结果可能不适用于其他地理环境；栖息地变化仅能部分解释鸟类数量变化	评估空间替代时间方法在城市鸟类-栖息地关系研究中的有效性，探索城市栖息地管理对鸟类保护的潜力	北美城市鸟类种群及其与多尺度土地覆盖的关系	生态学	NA	遥感数据分析，深度学习，贝叶斯多物种丰度模型	深度学习模型，提升回归树，贝叶斯模型	鸟类调查数据，遥感影像数据	1997-2020年加拿大温哥华大都会区的纵向鸟类调查数据	Stan	NA	样本外预测	NA
222	2025-07-23	SAUSI: an integrative assay for measuring social aversion and motivation 2024-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.13.594023 PMID:38798428	研究论文	介绍了一种名为SAUSI的新型行为任务，用于全面评估小鼠的社会厌恶行为	开发了整合社会动机、犹豫、决策和自由互动元素的新行为任务SAUSI，克服了传统方法的局限性	目前仅在小鼠模型中验证，尚未在人类或其他动物模型中测试	研究社会厌恶行为的生物行为机制	小鼠	行为神经科学	社交焦虑症、自闭症谱系障碍	深度学习分析	NA	行为数据	未明确说明小鼠数量	NA	NA	NA	NA
223	2025-10-06	A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging 2024-Dec-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.30.630782 PMID:39803485	研究论文	开发了一种基于深度学习的高精度果蝇大脑Micro-CT图像分割模型	仅需1-3张Micro-CT图像即可训练出准确的分割模型，并能跨不同组织染色、扫描仪型号和基因型进行泛化	训练数据量较小（仅1-3张图像），可能限制模型在更广泛场景下的适用性	实现果蝇大脑Micro-CT图像的自动化精确分割	黑腹果蝇成年大脑	计算机视觉	NA	Micro-CT成像	深度学习	三维医学图像	1-3张果蝇大脑Micro-CT图像	Dragonfly	预训练神经网络	分割准确性，体积量化分析	NA
224	2025-10-06	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	研究论文	本研究开发了一个结合生物学知识的多阶段深度学习框架Deep-Block，用于从全基因组测序数据中识别与阿尔茨海默病相关的遗传位点	提出了一个结合连锁不平衡模式的三阶段深度学习框架，在降维过程中保留SNP相互作用，最小化偏差和信息损失	研究仅包含7,416名非西班牙裔白人参与者，样本多样性有限	识别与阿尔茨海默病风险相关的遗传因素	阿尔茨海默病患者的全基因组测序数据	机器学习	阿尔茨海默病	全基因组测序	TabNet, Random Forest	基因组数据	7,416名非西班牙裔白人参与者（3,150名认知正常老年人，4,266名AD患者）	NA	稀疏注意力机制, TabNet, Random Forest	eQTL分析, 交叉验证	NA
225	2025-10-06	Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00103 PMID:39652797	研究论文	开发基于深度学习的模型从三维重建数字乳腺断层合成图像中估计乳腺体积密度	首次使用深度学习直接从三维重建DBT图像估计乳腺体积密度，无需依赖原始二维数据	回顾性研究设计，依赖历史数据	开发从三维重建DBT图像自动估计乳腺体积密度的方法	乳腺筛查检查中的三维重建数字乳腺断层合成图像	数字病理	乳腺癌	数字乳腺断层合成	深度学习	三维重建医学图像	1080个非操作性三维重建DBT筛查检查（2011-2016年），外加834个样本的独立病例对照研究（180病例+654对照）	NA	NA	Dice系数, AUC, 比值比	NA
226	2025-10-06	Identifying retinal pigment epithelium cells in adaptive optics-optical coherence tomography images with partial annotations and superhuman accuracy 2024-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.538473 PMID:39679394	研究论文	提出一种基于深度学习的视网膜色素上皮细胞自动分割方法，在自适应光学光学相干断层扫描图像中实现超人类准确度的细胞识别	采用部分标注训练策略，在AO-OCT图像中实现超越人类专家性能的RPE细胞检测精度	NA	开发自动化细胞分割算法，实现视网膜色素上皮细胞结构的快速、经济、客观量化	视网膜色素上皮细胞	计算机视觉	视网膜神经退行性疾病	自适应光学光学相干断层扫描	深度学习	医学图像	NA	NA	NA	准确度	NA
227	2025-10-06	Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study 2024-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102919 PMID:39764545	研究论文	本研究开发了一种基于深度学习姿态识别算法的计算机视觉方法，通过视频数据预测危重症婴儿的神经系统变化	构建了迄今为止最大的视频-脑电图数据集，并首次证明仅通过视频数据就能预测脑功能异常和镇静状态	单中心回顾性研究，样本量相对有限（115名婴儿）	开发可靠、连续的神经系统监测方法以替代间歇性、主观的体格检查	矫正年龄小于1岁的危重症婴儿	计算机视觉	神经系统疾病	视频脑电图监测	深度学习姿态识别算法	视频数据	115名婴儿，282,301分钟视频数据	NA	NA	ROC-AUC, 置换检验P值	NA
228	2025-10-06	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索利用可穿戴设备生理信号预测体力消耗的机器学习方法	结合特征选择算法与深度学习技术，使用LSTM网络预测连续体力消耗结果	样本量较小（27名健康参与者），仅在受控骑行运动环境下验证	开发预测体力消耗的人工智能模型	健康参与者在骑行运动中的生理信号数据	机器学习	NA	可穿戴传感器数据采集	LSTM, 传统机器学习模型	生理信号时间序列数据（ECG、心率、血氧饱和度、踏板速度）	27名健康参与者，分为8个两分钟区段	MATLAB	LSTM	均方误差, R平方值, 准确率, F1分数	NA
229	2025-10-06	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发用于炎症性肠病的潘氏细胞密度定量分析的深度学习算法	首次开发用于潘氏细胞密度自动量化的两阶段U-net深度学习模型，显著提升了量化准确性	研究采用回顾性队列，需要前瞻性验证；样本量相对有限	开发深度学习工具实现潘氏细胞自动量化，作为炎症性肠病的生物标志物	回肠组织样本中的潘氏细胞和隐窝结构	数字病理学	炎症性肠病	全玻片成像	U-net	病理图像	训练集未明确数量，验证集48个WSI，测试集CD患者142例，非IBD患者48例	NA	U-net	RMSE, r2, Log-rank检验	NA
230	2025-10-06	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术定量评估专家脑血管神经外科医生在模拟微血管吻合术中的手部运动特征	首次将深度学习手部追踪技术应用于神经外科专家微血管吻合术的运动分析，无需物理传感器即可实现精确运动评估	研究样本量较小（仅5位专家），且仅在模拟环境中进行验证	通过深度学习分析外科医生的手部运动特征，探索手术动作评估的新方法	5位经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪技术	深度学习检测系统	视频数据	5位专家神经外科医生	NA	NA	运动经济性（像素距离），运动流畅性（缝合间隔时间）	NA
231	2025-10-06	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	研究论文	本研究使用机器学习和神经网络方法探索强迫症严重程度与宗教信仰、人格特质之间的复杂关系	采用项目级特征分析揭示比传统汇总评分更具影响力的预测因子，神经网络模型提供了对强迫症异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确率上未超越线性回归模型，样本量相对有限（229名参与者）	识别强迫症严重程度的关键预测因素，探索心理现象的复杂关系	229名参与者的强迫症严重程度、人格特质、宗教信仰和精神信仰数据	机器学习	强迫症	机器学习，深度学习	神经网络，线性回归	心理测量数据，人口统计学数据	229名参与者	NA	NA	预测准确率	NA
232	2025-10-06	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究利用机器学习和深度学习技术从全球毒液组数据中挖掘新型抗菌肽，以应对抗生素耐药性问题	首次整合全球毒液组数据集，使用深度学习模型APEX预测抗菌活性，发现了386个结构功能全新的毒液加密肽	仅对58个候选肽进行了实验验证，需要进一步扩大验证规模	从毒液分子中发现新型抗生素以对抗耐药菌感染	全球毒液组数据集中的16,123个毒液蛋白和40,626,260个毒液加密肽	机器学习	细菌感染	毒液组学分析，机器学习，深度学习	神经网络	蛋白质序列数据	16,123个毒液蛋白，40,626,260个毒液加密肽，58个实验验证肽	深度学习框架	APEX（结合肽序列编码器和神经网络的深度学习模型）	抗菌活性预测准确率，实验验证成功率	NA
233	2025-10-06	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	提出ANTIPASTI模型，通过结合正态模式相关图和深度学习预测抗体结合亲和力	首次将弹性网络模型生成的正态模式相关图作为卷积神经网络输入，用于抗体结合亲和力预测，并提供可解释性分析	NA	开发能够准确预测抗体结合亲和力并具有可解释性的计算方法	抗体-抗原复合物结构	机器学习	NA	弹性网络模型，正态模式分析	CNN	结构数据，相关图	NA	NA	卷积神经网络	NA	NA
234	2025-10-06	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	开发了一种名为GeoNet的可解释几何深度学习模型，用于准确预测蛋白质与DNA、RNA和配体的结合位点	引入了无坐标几何表示来表征局部残基分布，并生成特征空间来描绘局部交互生物物理环境，同时捕获残基空间分布和交互环境信息	NA	准确识别蛋白质结合位点以理解其体内功能	蛋白质与DNA、RNA和配体的结合位点	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质结构数据	NA	NA	GeoNet	NA	NA
235	2025-10-06	Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT 2024-Dec-18, ArXiv PMID:39764397	研究论文	提出一种基于能谱间结构相似性正则化的优化重建方法，用于解决有限角度双能锥束CT的图像重建问题	无需X射线能谱测量或配对数据集进行模型训练，通过能谱间结构相似性正则化有效减少有限角度伪影	NA	开发一种实用的图像重建方法，促进快速低剂量双能锥束CT的临床应用	四个物理体模和三个数字体模	医学影像	NA	双能锥束CT成像	NA	CT投影数据	七个体模（四个物理体模和三个数字体模）	NA	NA	NA	NA
236	2025-10-06	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	研究论文	提出TAVAC指标用于评估Vision Transformer模型的过拟合程度并量化解释可重复性	首次提出通过比较训练和测试阶段的高注意力区域来评估ViT模型过拟合的TAVAC指标	仅在有限的数据集上进行了验证，需要更多样化的数据集进一步测试	提高Vision Transformer模型在生物医学图像分析中的解释可重复性	Vision Transformer模型在图像分类任务中的注意力机制	计算机视觉	乳腺癌	数字病理图像分析	Vision Transformer (ViT)	图像	四个公共图像分类数据集和两个独立乳腺癌组织学图像数据集	NA	Vision Transformer	TAVAC分数	NA
237	2025-10-06	Geometric deep learning improves generalizability of MHC-bound peptide predictions 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07292-1 PMID:39702482	研究论文	本研究利用几何深度学习改进MHC结合肽预测的泛化能力	提出基于结构的几何深度学习方法和三维自监督学习，显著提升对未知MHC等位基因的泛化能力	概念验证研究，需要进一步验证和扩展	改进MHC结合肽预测的泛化能力和数据效率	主要组织相容性复合体结合的肽段	机器学习	自身免疫病,传染病,肿瘤免疫	几何深度学习,自监督学习	几何深度学习模型	三维结构数据,序列数据	NA	NA	NA	泛化能力,数据效率	NA
238	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA
239	2025-10-06	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合CNN和BiLSTM的混合模型，利用光纤数据检测COVID-19 IgG抗体	首次将CNN-BiLSTM混合模型与光纤数据结合用于COVID-19 IgG抗体检测	NA	开发高效准确的COVID-19自动筛查工具	SARS-CoV-2免疫球蛋白G（IgG）抗体	机器学习	COVID-19	光纤数据检测	CNN, RNN, BiLSTM, CNN-BiLSTM	光纤数据	NA	NA	CNN-BiLSTM混合架构	准确率, 召回率, 精确率, F1分数, 特异性, 几何平均数, ROC曲线	NA
240	2025-10-06	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	研究论文	本研究开发了一种基于深度学习的方法，利用常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次使用深度学习模型从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的新方法	样本量相对有限，训练集仅97张切片，测试集110张切片	开发基于病理图像的PDAC分子亚型分类方法	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	苏木精-伊红染色(H&E)	深度学习模型	全切片病理图像	训练集97张切片(来自TCGA)，测试集110张切片(来自本地队列)	NA	NA	平衡准确率	NA