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
41	2025-07-23	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	开发一种深度学习算法用于量化炎症性肠病中的潘氏细胞密度	使用两阶段U-net深度学习模型显著提高了潘氏细胞密度量化的准确性，并验证了其作为疾病预后生物标志物的潜力	研究基于回顾性队列，需要前瞻性研究进一步验证模型性能	开发深度学习工具以量化潘氏细胞密度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	数字病理学	炎症性肠病	深度学习	U-net	全切片图像(WSI)	190例(142例克罗恩病患者和48例非IBD患者)
42	2025-07-23	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	本研究利用U-Net深度学习模型对膝关节MRI扫描中的半月板进行自动检测和分割	提出了一种基于深度学习的实用方法，用于膝关节半月板的分割，并通过骨科医生的真实标注进行验证	数据稀缺和需要针对特定序列进行优化	开发一个自动识别和分割膝关节MRI扫描中半月板的模型	膝关节MRI扫描中的半月板	计算机视觉	骨科疾病	MRI	U-Net	图像	104个膝关节MRI图像用于训练，50个MRI扫描用于微调
43	2025-07-22	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	research paper	该研究开发了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑	使用仅1-3张Micro-CT图像和预训练神经网络训练出准确的深度学习模型，能够跨不同组织对比染色、扫描仪型号和基因型进行大脑分割	需要依赖预训练神经网络，且训练数据量较少	开发一种高效的Micro-CT图像分析工具，以替代耗时的手动分析	果蝇（Drosophila melanogaster）大脑	computer vision	NA	Micro-CT	pre-trained neural networks	image	1-3张Micro-CT图像
44	2025-07-22	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	本研究提出了一种名为Deep-Block的多阶段深度学习框架，用于识别与阿尔茨海默病（AD）显著相关的遗传区域	Deep-Block框架结合了生物学知识，采用三阶段方法（基于连锁不平衡（LD）模式的基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化SNP特征重要性），有效处理大规模高通量测序数据并保留SNP相互作用	研究主要针对非西班牙裔白人参与者，可能限制了结果在其他人群中的普适性	识别与阿尔茨海默病显著相关的遗传位点	阿尔茨海默病相关的遗传变异	机器学习	阿尔茨海默病	全基因组测序（WGS）	TabNet, 随机森林	基因组数据	7,416名非西班牙裔白人参与者（3,150名认知正常的老年人，4,266名AD患者）
45	2025-07-22	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	该研究开发了一种基于深度学习的模型，用于从三维重建的数字乳腺断层合成图像中估计乳腺体积密度	利用深度学习直接从三维重建的DBT图像中估计乳腺体积密度，无需依赖原始二维数据或原始DBT数据	研究依赖于回顾性数据，且样本量相对有限	开发一种从三维重建的DBT图像中估计乳腺体积密度的方法，并评估其与乳腺癌诊断的关联	1080例非操作性三维重建DBT筛查检查数据	数字病理	乳腺癌	深度学习	DL	三维图像	1080例非操作性三维重建DBT筛查检查数据，其中180例病例和654例对照
46	2025-07-22	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	research paper	提出一种基于深度学习的部分标注训练方法，用于在AO-OCT图像中检测视网膜色素上皮细胞，准确率超过人类表现	使用部分标注训练方法实现超人类准确率的RPE细胞检测	未提及具体局限性	开发自动化细胞分割算法以快速、经济、客观地量化RPE镶嵌结构特性	视网膜色素上皮(RPE)细胞	digital pathology	视网膜神经退行性疾病	adaptive optics-optical coherence tomography (AO-OCT)	deep learning	image	未提及具体样本量
47	2025-07-21	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	本研究利用深度学习技术分析重症婴儿的视频数据，以检测神经系统变化	首次将姿态AI应用于ICU环境，仅通过视频数据预测脑功能障碍	单中心回顾性研究，样本量相对有限	开发连续、可靠的神经系统监测方法	重症监护病房中1岁以下的婴儿	计算机视觉	神经系统疾病	深度学习姿态识别算法	深度学习	视频	115名婴儿，282301分钟视频数据
48	2025-07-20	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	本研究探索了利用可穿戴设备收集的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先进的机器学习和深度学习技术，用于预测体力消耗水平	研究仅涉及27名健康参与者，样本量较小	预测体力消耗水平	健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度(RPM)和心率变异性(HRV)测量	LSTM网络与传统机器学习模型	生理信号数据	27名健康参与者
49	2025-07-18	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	使用深度学习技术对专家脑血管神经外科医生在模拟微血管吻合手术中的手部运动进行定量评估	首次利用深度学习技术无传感器追踪专家神经外科医生的手部运动，并定量分析手术动作的经济性和流畅性	样本量较小（仅5名专家），且仅在模拟环境中进行	评估专家神经外科医生的手术动作特征，探索深度学习在手术培训中的应用潜力	5名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	深度学习模型（具体未说明）	视频	5名专家神经外科医生的模拟手术数据
50	2025-07-17	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究探讨了基于卫星和街景的绿地空间与美国儿童肥胖之间的关联	首次同时使用卫星归一化植被指数(NDVI)和街景图像绿地指标，并结合多种肥胖测量指标进行研究	研究仅基于美国儿童样本，结果可能不适用于其他人群	探索不同绿地空间测量方法与儿童肥胖指标之间的关系	美国儿童	公共卫生	肥胖症	卫星NDVI、街景图像分析、深度学习算法	线性回归模型	卫星图像、街景图像、人体测量数据	843名儿童(基线平均年龄7.9岁，50.2%为女孩)
51	2025-07-17	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	research paper	该研究利用机器学习和神经网络技术，探讨了强迫症（OCD）严重程度与人格特质、宗教信仰及灵性之间的复杂关系	研究发现项目级特征比总分更具影响力，挑战了传统分析方法，神经网络模型虽未在预测准确性上超越线性回归，但提供了对OCD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性上未超越线性回归模型	识别OCD严重程度的关键预测因素，并探讨其与人格特质、宗教信仰及灵性的关系	229名参与者	machine learning	obsessive-compulsive disorder	machine learning, deep learning	neural network, linear regression	survey data	229名参与者
52	2025-07-16	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数据集中挖掘潜在的抗菌肽，以应对抗生素耐药性问题	首次将深度学习模型APEX应用于毒液衍生肽的抗菌活性预测，发现了386种结构功能新颖的抗菌肽候选物	实验验证阶段仅测试了58种候选肽中的53种，样本量相对有限	开发新型抗生素以解决日益严重的抗生素耐药性问题	毒液蛋白质及其衍生的加密肽(VEPs)	机器学习	细菌感染	深度学习	APEX(结合肽序列编码器和神经网络的深度学习模型)	蛋白质序列数据	16,123种毒液蛋白质生成的40,626,260个VEPs，其中58个进入实验验证
53	2025-07-16	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	提出了一种名为ANTIPASTI的卷积神经网络模型，用于预测抗体结合亲和力，并利用弹性网络模型生成的正常模式相关图作为输入	ANTIPASTI模型在预测抗体结合亲和力方面达到了最先进的性能，并且其学习到的表示具有可解释性，能够揭示针对相同抗原类型的抗体之间的结合模式相似性	NA	预测抗体结合亲和力，以增强对免疫反应的理解并改进抗体在研究和治疗工具中的应用	抗体-抗原结构	机器学习	NA	弹性网络模型	CNN	结构数据	NA
54	2025-07-16	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	GeoNet通过可解释的几何深度学习模型准确预测蛋白质-配体结合位点	引入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述局部交互生物物理环境，同时捕获残基空间分布和交互生物物理环境信息	未提及具体的数据集规模限制或模型泛化能力的局限性	准确预测DNA、RNA和蛋白质结合位点，以理解蛋白质在体内的功能	蛋白质结合残基	机器学习	NA	几何深度学习	GeoNet	蛋白质结构数据	NA
55	2025-07-12	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	本文提出了一种基于优化和光谱间结构相似性正则化的图像重建方法，用于有限角度双能锥束CT成像	该方法无需X射线光谱测量或配对数据集进行模型训练，实现了准确的图像重建	研究仅使用了物理和数字体模进行评估，未涉及真实临床数据	促进快速低剂量双能锥束CT的临床应用	有限角度双能锥束CT图像重建	计算机视觉	NA	锥束CT	优化方法	CT图像	4个物理体模和3个数字体模
56	2025-07-11	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	research paper	本文提出了一种名为TAVAC的度量标准，用于评估Vision Transformer模型在生物医学图像分类任务中的过拟合情况并量化解释的可重复性	引入TAVAC度量标准，通过比较训练和测试阶段的高注意力区域来评估ViT模型的过拟合情况，并量化解释的可重复性	研究主要依赖于有限的标注生物医学图像数据集，可能影响模型的泛化能力	提高Vision Transformer模型在生物医学图像分类任务中的解释可重复性和防止过拟合	生物医学图像，特别是乳腺癌组织学图像	digital pathology	breast cancer	Vision Transformer (ViT)	ViT	image	四个公共图像分类数据集和两个独立的乳腺癌组织学图像数据集
57	2025-07-07	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	research paper	该研究利用几何深度学习（GDL）改进MHC结合肽预测的泛化能力	采用基于结构的方法和几何深度学习，显著提高了对未见MHC等位基因的泛化能力，并引入自监督学习（3D-SSL）提升数据效率	概念验证研究，尚未大规模验证其在实际应用中的效果	提高MHC结合肽预测的准确性和泛化能力，以支持癌症免疫治疗	MHC分子与肽的相互作用	machine learning	tumor immunity	geometric deep learning (GDL), self-supervised learning (3D-SSL)	GDL	3D结构数据	未明确说明样本数量，但提及3D-SSL方法在未接触结合亲和力数据的情况下优于基于序列的方法（后者使用了约90倍的数据点）
58	2025-07-02	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	提出了一种基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度分类	首次使用深度学习方法进行HIV-1 M群亚型分类，并利用人工分子进化技术生成适合机器学习的合成数据集	NA	开发一种高精度的HIV-1 M群亚型分类方法	HIV-1 M群亚型	机器学习	HIV感染	人工分子进化技术	卷积自编码器（CNN）与全连接神经网络	DNA序列数据	NA
59	2025-06-26	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Bi-LSTM的混合模型，用于基于光纤数据的COVID-19 IgG抗体检测	首次将CNN与Bi-LSTM结合用于COVID-19 IgG抗体检测，并引入全面的数据预处理流程	未提及样本量的具体数字和研究人群特征	开发高效准确的COVID-19自动化筛查工具	SARS-CoV-2免疫球蛋白G(IgG)抗体	机器学习	COVID-19	光纤数据	CNN-BiLSTM	光纤数据	NA
60	2025-06-23	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	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规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方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片