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
6221	2025-07-01	A Deep Learning Approach to Measure Visual Function in Zebrafish 2025-Jun-09, Biology DOI:10.3390/biology14060663 PMID:40563916	研究论文	本文提出了一种基于深度学习的方法，用于测量斑马鱼的视觉功能，特别是在低对比度或无色素疾病模型中的应用	使用ResNet-50在DeepLabCut框架中构建深度学习管道，实现对斑马鱼眼动的稳健量化，不受对比度或色素变化的限制	研究仅针对5天大的斑马鱼幼虫在控制条件下进行，尚未在其他发育阶段或更复杂的行为测试中验证	开发一种更灵活、准确的视觉行为分析方法，以支持人类神经和眼部疾病研究及药物毒性测试	野生型和白化突变斑马鱼幼虫	计算机视觉	眼部疾病	DeepLabCut框架，ResNet-50模型	CNN	视频	野生型和白化突变斑马鱼幼虫（具体数量未明确说明）
6222	2025-07-01	Evaluation of a Deep Learning and XAI based Facial Phenotyping Tool for Genetic Syndromes: A Clinical User Study 2025-Jun-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.08.25328588 PMID:40568665	研究论文	评估基于深度学习和XAI的面部表型工具在遗传综合征诊断中的临床应用效果	首次通过临床用户研究探讨XAI在遗传综合征诊断中对医生表现、信心和信任的实际影响	样本量较小（31名医学遗传学家），且仅针对特定遗传综合征的面部表型分析	评估AI和XAI在遗传综合征面部表型诊断中的辅助效果	31名医学遗传学家和18张已知遗传综合征患者及正常人的面部图像	数字病理学	遗传综合征	深度学习和可解释人工智能（XAI）	深度学习模型（具体类型未说明）	图像	31名医学遗传学家参与实验，使用18张面部图像
6223	2025-07-01	Comprehensive molecular impact mapping of common and rare variants at GWAS loci 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.658079 PMID:40501721	研究论文	本文介绍了一种名为DNACipher的深度学习模型，能够预测遗传变异在多种生物环境中的分子效应，并提出了DNACipher Deep Variant Impact Mapping (DVIM)方法，用于识别GWAS位点中具有分子效应的变异	DNACipher模型能够预测未直接测量的生物环境中的变异效应，且预测的上下文数量是Enformer的7倍以上，DVIM方法显著提高了GWAS位点变异的精细定位效率	模型的预测依赖于输入的196 kb基因组序列，且仅针对38,582种细胞类型-测定组合进行了验证	开发一种能够广泛预测遗传变异分子效应的深度学习模型，并应用于GWAS位点的变异精细定位	遗传变异及其在多种生物环境中的分子效应	机器学习	1型糖尿病	深度学习、单核ATAC-seq、荧光素酶测定	DNACipher	基因组序列	38,582种细胞类型-测定组合
6224	2025-07-01	Regional Brain Aging Disparity Index: Region-Specific Brain Aging State Index for Neurodegenerative Diseases and Chronic Disease Specificity 2025-Jun-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060607 PMID:40564423	研究论文	本研究提出了一种基于Shapley值解释的新型脑区水平老化评估范式，旨在克服传统脑龄预测模型的可解释性限制	创新性地开发了一个计算框架，通过新颖的多阶段计算策略高效近似Shapley值，显著降低了复杂度，从而实现对深度学习模型的可解释分析	NA	克服传统脑龄预测模型的局限性，提供区域特异性脑老化状态评估	脑区水平的老化评估	数字病理学	神经退行性疾病	深度学习	深度学习模型	神经影像数据	UK Biobank数据
6225	2025-07-01	Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416161 PMID:40391846	研究论文	本研究开发了一种基于深度学习的非侵入性方法，用于评估膀胱癌患者的肿瘤出芽状态，并探讨其与新辅助化疗免疫治疗反应及疾病预后的相关性	首次利用深度学习模型非侵入性地评估膀胱癌患者的肿瘤出芽状态，并验证其与治疗反应和预后的相关性	研究样本量虽大，但未提及模型在其他种族或地区患者中的适用性	探索肿瘤出芽状态与新辅助化疗免疫治疗反应及膀胱癌预后的关系	2322例经病理确诊的膀胱癌患者	数字病理学	膀胱癌	CT成像	深度学习模型	图像	2322例患者（2014年1月1日至2023年12月31日收集的多中心队列）
6226	2025-07-01	SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification 2025-Jun, ACM transactions on intelligent systems and technology IF:7.2Q1 DOI:10.1145/3718097 PMID:40575765	研究论文	提出了一种名为SubgroupTE的新型治疗效果估计模型，通过子群识别提高治疗效果估计的精确性	SubgroupTE模型首次将子群识别整合到治疗效果估计中，并采用基于EM的训练过程优化估计和子群划分网络	模型在合成和半合成数据集上表现良好，但在真实世界数据中的泛化能力仍需进一步验证	提高治疗效果估计的精确性，并提供有针对性的治疗建议	患者群体，特别是阿片类药物使用障碍(OUD)患者	机器学习	阿片类药物使用障碍	期望最大化(EM)算法	SubgroupTE	合成数据、半合成数据和真实世界数据	未明确说明具体样本量，但涉及合成、半合成数据集和真实世界OUD患者数据
6227	2025-07-01	IECata: interpretable bilinear attention network and evidential deep learning improve the catalytic efficiency prediction of enzymes 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf283 PMID:40548541	研究论文	本文提出了一种名为IECata的酶催化效率预测模型，该模型通过引入可解释的双线性注意力机制和证据深度学习，提高了预测的准确性和可解释性	结合证据深度学习提供不确定性估计，并利用双线性注意力机制解释酶催化反应中的关键残基和底物原子	可用的kcat/Km数据集规模有限，可能影响深度学习模型的进一步发展	提高酶催化效率（kcat/Km）的预测准确性，并提供可靠的不确定性估计和可解释性	酶催化效率（kcat/Km）	机器学习	NA	证据深度学习，双线性注意力机制	IECata	酶催化效率数据	11,815个kcat/Km条目（来自BRENDA和SABIO-RK数据库）和806个条目（来自文献的外部测试数据集）
6228	2025-07-01	2D Hole-Arrayed Double-Anode Structure Exciting Surface Plasmon Polaritons for Enhancing Outcoupling Efficiency of Organic Light-Emitting Diodes on Silicon Wafers (OLEDoS) 2025-Apr-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10366 PMID:40321593	研究论文	研究通过二维孔阵列双阳极结构激发表面等离子体激元，以提高硅基有机发光二极管(OLEDoS)的出光效率	提出了一种新型二维孔阵列双阳极结构，通过优化设计参数显著提升OLED的出光效率，并利用多种模型预测出光增强因子	未提及实际大规模生产中的可行性和成本问题	提高有机发光二极管的出光效率	硅基有机发光二极管(OLEDoS)	光电器件	NA	有限差分时域(FDTD)方法	线性回归、XGB Regressor、MLP	光学模拟数据	NA
6229	2025-07-01	Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study 2025-Feb-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01602-7 PMID:40000986	研究论文	比较直肠磁敏感伪影对前列腺癌诊断中主观评估和深度学习的影响	首次比较了直肠磁敏感伪影对放射科医生和深度学习模型在前列腺癌诊断中的影响	研究为回顾性设计，且仅包含两个医疗中心的数据	评估直肠磁敏感伪影对前列腺癌诊断准确性的影响	1052名临床疑似前列腺癌患者	数字病理学	前列腺癌	MRI	DL	医学影像	1052名患者
6230	2025-07-01	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究利用深度学习技术开发了一个自动评估腹腔镜结直肠手术中组织解剖效率的模型	首次使用深度学习计算机视觉技术自动识别和评估手术中组织解剖效率，减少人为评估的偏差	研究为回顾性研究，且仅针对使用单极设备的手术，可能不适用于其他手术工具或技术	验证使用深度学习模型自动评估手术技能的可行性	腹腔镜结直肠手术（乙状结肠切除术或高位前切除术）的视频数据	计算机视觉	结直肠癌	深度学习计算机视觉技术	深度学习识别模型	视频	766例来自日本多中心的手术案例
6231	2025-07-01	Cer-ConvN3Unet: an end-to-end multi-parametric MRI-based pipeline for automated detection and segmentation of cervical cancer 2025-Feb-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00557-2 PMID:39966210	research paper	提出并验证了一个创新的两阶段流程，用于基于多参数宫颈癌MRI的自动检测和分割，并研究了其临床效果	创新的两阶段流程结合了ConvNeXt块和多通道DoubleU-Nets，实现了高精度的自动检测和分割	研究为回顾性多中心研究，样本量相对有限，且仅基于MRI数据	开发一个自动化的AI辅助工具，用于宫颈癌的检测和分割，以减少放射科医生和妇科医生的工作负担	125名宫颈癌患者的14,547张二维MRI图像	digital pathology	cervical cancer	multi-parametric MRI (DWI, T2WI, CE-T1WI)	ConvNeXt blocks and 3-channel DoubleU-Nets	MRI images	125名患者的14,547张MRI图像（3,077 DWI, 2,990 T2WI, 8,480 CE-T1WI）
6232	2025-07-01	Artificial intelligence in cancer pathology: Applications, challenges, and future directions 2025, CytoJournal IF:2.5Q2 DOI:10.25259/Cytojournal_272_2024 PMID:40469709	综述	本文综述了人工智能在癌症病理学中的应用、挑战及未来发展方向	探讨了AI在多种癌症类型中的应用，包括组织分类、突变检测和预后预测，并强调了未来发展方向如实时诊断和可解释AI	存在数据隐私、模型可解释性及监管标准等挑战	评估AI在癌症病理学中的潜力，以提升诊断准确性、优化工作流程并支持精准肿瘤学	乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型	数字病理学	多种癌症	机器学习、深度学习和计算机视觉	NA	组织病理学图像和多模态数据	NA
6233	2025-06-30	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了一种基于生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在数值模型和健康人脑组织中进行验证，未涉及病理组织的应用验证	开发快速准确的饱和转移MR指纹成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场不均匀性	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MRI影像数据	数值模型及健康人脑组织数据(尺寸256×256×9×103)
6234	2025-06-30	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度卷积神经网络整合QUASAR模型，显著减少了传统QSM方法中的伪影和误差	研究主要基于合成数据和数字脑模型验证，虽然也使用了活体人脑数据，但样本量未明确说明	提高磁敏感定量成像在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像分析	神经退行性疾病	定量磁敏感成像（QSM）	深度卷积神经网络	MRI影像数据	NA
6235	2025-06-30	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的图像配准方法AiM-ED，用于处理低信噪比的心脏MRI图像	使用预训练的边缘检测器定义训练损失，联合处理多个噪声源图像，提高了图像配准的质量	样本量较小，仅验证了24个健康受试者和5个患者的切片	提高低信噪比心脏MRI图像的配准和平均质量	自由呼吸单次心脏MRI图像	计算机视觉	心血管疾病	深度学习	AiM-ED	图像	24个健康受试者和5个患者的切片，以及6个患者的0.55T扫描数据
6236	2025-06-30	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出了一种名为DeepArabianSignNet的新模型，结合DenseNet、EfficientNet和基于注意力的Deep ResNet，用于阿拉伯手语识别	引入了G-TverskyUNet3+进行感兴趣区域检测，并采用新型元启发式算法CSFOA进行特征优化	仅使用了两个数据库进行测试，可能需要更多样化的数据集验证	提高阿拉伯手语识别的准确性和特征捕捉能力	阿拉伯手语图像	计算机视觉	NA	CSFOA优化算法	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	图像	两个数据库（训练率70%和80%）
6237	2025-06-30	A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors 2025-Jun-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02011-8 PMID:40571854	研究论文	开发了一个结合临床、放射组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤（GISTs）术后复发和转移	整合了临床数据、放射组学特征和深度学习特征，构建了一个高性能的预测模型，为个性化治疗和随访策略提供支持	研究仅基于两个独立中心的数据，样本量相对有限，且未涉及其他影像学模态的数据	开发个体化的临床随访策略，预测原发性GISTs患者的术后复发和转移风险	原发性胃肠道间质瘤（GISTs）患者	数字病理	胃肠道间质瘤	机器学习、放射组学分析、深度学习	临床深度学习放射组学模型（CDLRM）	临床数据、CT图像	526名患者（260名男性，266名女性，平均年龄62岁）
6238	2025-06-30	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Jun-23, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发了一种基于深度学习的分类器，用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae菌落	利用两阶段培养温度区分菌落，并首次应用YOLO深度学习模型进行自动计数	研究仅针对特定两种酵母菌，未验证对其他微生物的适用性	开发自动化工具监测酸面团发酵过程中的酵母菌群变化	酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	深度学习	YOLO	图像	多种温度条件下培养的酸面团样本
6239	2025-06-30	LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123814 PMID:40573701	research paper	提出了一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet，以解决现有深度学习方法的不足	采用Swin-Transformer模块替代卷积核进行特征提取，增强全局信息学习能力，并引入DECASPP模块和LGFF模块以提升复杂水体边界细节的提取能力	未明确提及模型在不同地理环境或不同SAR数据源上的泛化能力	提升SAR图像中水体的自动提取精度，特别是连续水体的边界细节	Sentinel-1 SAR数据中的水体区域	computer vision	NA	深度学习	LGFUNet（基于Swin-Transformer的编码器-解码器结构）	SAR图像	青藏高原区域的Sentinel-1 SAR数据（未明确样本数量）
6240	2025-06-30	Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123816 PMID:40573703	research paper	比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能，应用于医疗健康领域	首次对比图像深度学习和加速度计分类在睡眠姿势识别中的表现，展示加速度计方法的高精度和鲁棒性	图像方法对左侧卧和仰卧姿势识别性能略低，研究未涉及多模态融合方法	评估不同技术路径在睡眠姿势监测中的适用性，为智能医疗系统开发提供参考	人体睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	digital pathology	sleep apnea	数据增强（旋转/镜像/缩放/平移）、加速度信号特征提取	VGG16 CNN, 前馈神经网络	image, accelerometer信号	未明确说明样本数量