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
1641	2025-07-22	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究利用深度学习技术分析数字细胞病理学图像，直接预测葡萄膜黑色素瘤患者的48个月生存状态	首次使用深度学习直接从数字细胞病理学图像预测葡萄膜黑色素瘤患者的长期生存状态，且模型能正确预测临床意外案例	样本量较小（74例患者），需要前瞻性验证	开发基于深度学习的葡萄膜黑色素瘤患者生存预测工具	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检（FNAB）、H&E染色、全切片扫描	人工神经网络（ANN）	数字细胞病理学图像	74例患者（207,260个独特ROI）
1642	2025-07-22	Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas 2025-Jan-12, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae173 PMID:39211987	研究论文	本研究探讨了深度学习在预测儿童低级别胶质瘤术后复发风险中的应用	结合临床特征和深度学习提取的MRI影像特征的多模态模型显著提高了术后无事件生存期的预测准确性	模型泛化能力有待提高，可能需要更大规模的多中心训练数据	改善儿童低级别胶质瘤术后复发风险预测	396名接受手术的儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	深度学习	逻辑风险模型	MRI影像数据	396例患者（中位随访85个月）
1643	2025-07-22	Unsupervised deep learning of electrocardiograms enables scalable human disease profiling 2025-Jan-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01418-9 PMID:39799251	研究论文	本研究开发了一种深度学习去噪自编码器，用于从12导联心电图中检测人类疾病	利用无监督深度学习模型从心电图中识别与多种疾病的关联，并生成疾病特异性心电图波形	研究结果需要在更多独立数据集中进行验证	探索心电图在人类疾病检测中的潜力	12导联心电图数据	机器学习	心血管疾病	深度学习去噪自编码器	自编码器	心电图信号	三个独立数据集中的约1,600种基于Phecode的疾病
1644	2025-07-22	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	本文提出了一种基于Transformer的动态深度学习方法TraCSED，用于模拟克隆选择过程，揭示乳腺癌治疗中的耐药机制	提出TraCSED方法，能够识别与克隆选择相关的可解释基因程序及其时间点，揭示了传统差异分析方法未能发现的耐药机制	仅针对两种特定药物治疗的乳腺癌细胞进行研究，可能无法推广到其他癌症类型或治疗方式	研究乳腺癌细胞转录异质性及其对治疗反应的影响，揭示耐药机制	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本数量，但使用了单细胞基因表达数据和条形码克隆的适应性数据
1645	2025-07-22	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中验证了模型性能	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改进自适应脑深部电刺激疗法	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	深度学习	回归模型（N2GNet）	神经信号（STN LFPs）和地面反作用力数据	18名帕金森病患者
1646	2025-07-22	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本研究通过机器学习方法全面评估了药物分子表示在药物反应预测(DRP)中的效果	揭示了PubChem指纹或SMILES分子表示与深度学习模型结合可显著提升DRP性能，并指出最优药物分子表示选择取决于预测模型和具体DRP任务	未明确说明研究数据集的规模和多样性限制	评估不同药物分子表示在药物反应预测中的效果	药物分子表示和遗传特征	机器学习	NA	PubChem指纹、SMILES	深度学习模型	分子表示数据、遗传特征数据	NA
1647	2025-07-22	Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30283 PMID:39221515	研究论文	开发了一种基于MRI的深度学习模型，用于颅内动脉钙化的自动分割和检测	提出了一种在变分自编码器框架下的新型深度学习模型，并引入了一种理论上有依据的差异损失函数，以限制网络特征的复杂性，提高分割准确性和鲁棒性	NA	提高MRI上颅内动脉钙化的自动分割和检测能力	颅内动脉钙化	医学影像分析	心血管疾病	MRI	变分自编码器	MRI图像	113名受试者
1648	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1649	2025-07-22	MMRT: MultiMut Recursive Tree for predicting functional effects of high-order protein variants from low-order variants 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.012 PMID:40070521	研究论文	本文介绍了一种名为MMRT的新型深度学习模型，用于预测高阶蛋白质变体的功能效应	MMRT模型结合深度学习与递归树框架，利用低阶变体信息预测高阶变体的功能效应	研究仍受限于高阶变体组合数量庞大带来的扫描困难	预测高阶蛋白质变体的功能效应，以促进复杂疾病发病机制的理解、蛋白质工程和精准医学的发展	蛋白质序列的高阶变体	机器学习	复杂疾病	深度学习	MMRT（MultiMut Recursive Tree）	蛋白质序列数据	685,593个高阶变体
1650	2025-07-22	Graph-Based 3-Dimensional Spatial Gene Neighborhood Networks of Single Cells in Gels and Tissues 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0110 PMID:40084126	研究论文	开发了一种基于图的三维空间基因邻域网络嵌入方法（3D-spaGNN-E），用于发现亚细胞基因邻近关系并识别细胞间通讯（CCC）中的关键亚细胞模式	结合3D成像空间转录组学和基于图的深度学习，首次在三维空间中解析亚细胞基因邻近关系	三维数据复杂度高，需要新的分析方法	研究细胞间通讯中的亚细胞基因邻近关系	间充质干细胞（MSCs）、外周血单个核细胞（PBMCs）、小鼠下丘脑和皮层中的星形胶质细胞-神经元	空间转录组学	NA	3D成像空间转录组学、MERFISH	图自编码器（graph autoencoder）	3D空间转录组数据	间充质干细胞培养物、MSC-PBMC共培养系统、小鼠下丘脑和皮层组织
1651	2025-07-22	Synergistic fusion: An integrated pipeline of CLAHE, YOLO models, and advanced super-resolution for enhanced thermal eye detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328227 PMID:40679961	研究论文	提出了一种结合CLAHE、YOLO模型和先进超分辨率技术的综合流程，用于增强热成像中的眼睛检测	首次将CLAHE图像增强、YOLO模型和多种超分辨率技术融合在一个流程中，显著提高了热成像眼睛检测的准确性和图像分辨率	未提及该方法在极端光照条件下的表现，也未说明计算资源需求	提高热成像中眼睛检测的准确性和图像质量	热成像面部图像中的眼睛区域	计算机视觉	NA	CLAHE, YOLO, 超分辨率技术(包括BSRGAN, ESRGAN, Real-ESRGAN, SwinIR等)	YOLOv8, YOLOv9, GAN, SwinIR	热成像图像	未明确提及具体数量，但提到创建了带有精确眼睛位置标注的热成像面部图像数据集
1652	2025-07-22	Automated identification of sedimentary structures in core images using object detection algorithms 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327738 PMID:40680021	研究论文	本研究探讨了使用卷积神经网络（CNNs）自动识别岩心图像中的沉积结构，以减少人工解释的时间和偏差	首次将YOLOv4和Faster R-CNN两种目标检测模型应用于岩心图像中沉积结构的自动识别，并比较了它们的性能	模型在区分形态相似的特征（如泥质披盖和生物扰动介质）时存在困难，且在未见过的数据集上泛化能力有限	通过深度学习技术自动化岩心图像中沉积结构的识别，以提高解释效率和可重复性	硅质碎屑沉积物中的15种沉积结构类型	计算机视觉	NA	卷积神经网络（CNNs）	YOLOv4, Faster R-CNN	图像	标注数据集包含15种沉积结构类型
1653	2025-07-21	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	本文系统分析了28项关于应用机器学习技术早期检测自杀意念的研究	强调了现有研究在跨文化泛化方面的不足，并呼吁开发可解释和混合模型以提高风险预测	现有文献中缺乏对混合和集成深度学习模型的广泛分析	通过应用AI和机器学习技术实现自杀意念的早期检测	学生群体的自杀意念	机器学习	心理健康	机器学习	Random Forest, SVM, 深度学习	调查数据	28项研究
1654	2025-07-21	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	review	本文综述了过去十年中气候时间序列缺失数据插补的最相关方法	总结了不同地区和国家在气候时间序列缺失数据插补方面的研究进展，并比较了传统统计方法和深度学习方法的应用效果	主要关注亚洲和欧洲的研究，对其他地区的覆盖可能不足	描述气候时间序列缺失数据插补的最相关方法	气候时间序列数据	machine learning	NA	mean techniques, simple and multiple linear regression, interpolation, PCA, artificial neural networks, GAN	artificial neural networks, GAN	time series	NA
1655	2025-07-21	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种结合深度学习和NLP的混合AI驱动框架，用于提高药物警戒中不良反应检测的准确性和可解释性	整合结构化和非结构化数据，应用先进的深度学习和NLP方法，显著提升了药物不良反应检测的准确性和实时性	研究依赖于临床数据的多样性和质量，可能存在数据不平衡和异质性问题	提高药物警戒中严重不良事件检测的准确性和效率	临床实验数据中的药物不良反应	自然语言处理	NA	NLP, 深度学习	CNN, BERT, GPT, Random Forest, Gradient Boosting Machines	结构化数据（如患者人口统计、实验室结果）和非结构化数据（如临床记录）	未明确提及具体样本量
1656	2025-07-21	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	research paper	该研究提出了一种基于混合CNN-LSTM模型的双输出深度学习模型，用于心血管风险评估和诊断，并通过进化配对算法（EMA）进行优化	使用进化配对算法（EMA）优化双输出CNN-LSTM模型，提高了预测准确性和模型鲁棒性	诊断任务的准确率为70%，仍有提升空间	开发一种准确且高效的心血管疾病预测模型	心血管疾病（CVD）患者	machine learning	cardiovascular disease	deep learning	CNN-LSTM	NA	NA
1657	2025-07-21	MDD-LLM: Towards accuracy large language models for major depressive disorder diagnosis 2025-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119774 PMID:40581100	研究论文	本文介绍了一种名为MDD-LLM的高性能抑郁症诊断工具，该工具利用微调的大型语言模型（LLMs）和大规模真实世界样本解决抑郁症诊断中的挑战	首次将LLMs应用于抑郁症诊断，并提出了三种表格数据转换方法以创建大规模训练语料库	研究仅基于UK Biobank队列数据，可能无法完全代表其他人群	开发高准确度、鲁棒性和可解释性的抑郁症诊断工具	抑郁症患者	自然语言处理	抑郁症	LLM微调	LLM	表格数据	274,348个来自UK Biobank的个体记录
1658	2025-07-21	EstimateNoiseSEM: A novel framework for deep learning based noise estimation of scanning electron microscopy images 2025-Oct, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114192 PMID:40602325	研究论文	本文介绍了一个名为EstimateNoiseSEM的框架，用于自动化扫描电子显微镜(SEM)图像中的噪声估计	提出了一个基于深度学习的多阶段方案，用于SEM图像中的噪声类型和水平的自动估计，包括一个分类网络选择机制	Gamma噪声水平的不确定性导致分类网络对高斯噪声的分类准确率从97%下降到80%	自动化估计SEM图像中的噪声类型和水平，以支持去噪过程	扫描电子显微镜(SEM)图像	计算机视觉	NA	深度学习	分类网络和回归模型	图像	合成噪声样本
1659	2025-07-21	Can artificial intelligence in spine imaging affect current practice? Practical developments and their clinical status 2025-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2025.100621 PMID:40678684	综述	本文综述了人工智能在脊柱影像学中的临床应用现状及其潜在影响	总结了当前脊柱影像学中AI工具的实际临床应用，特别是深度学习重建技术的成熟应用	大多数AI工具仍处于实验或早期阶段，其临床性能仍需进一步研究	评估人工智能在脊柱影像学中的临床应用现状及其潜在影响	脊柱影像学中的AI应用	医学影像	脊柱疾病	深度学习	深度学习模型	医学影像	NA
1660	2025-07-21	Exploring Machine Learning Models for Vault Safety in ICL Implantation: A Comparative Analysis of Regression and Classification Models 2025-Aug, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01173-4 PMID:40493108	research paper	本研究比较了回归和分类机器学习模型在预测植入式Collamer镜片（ICL）V4c植入术后拱高（vault height）的性能	首次系统比较了回归和分类模型在ICL术后拱高预测中的表现，发现分类模型（特别是梯度提升和随机森林）在临床应用中更具优势	所有模型在极端拱高分类（如<250µm或>750µm）的准确性上存在挑战	评估机器学习模型预测ICL植入术后拱高的性能，为个性化手术规划提供支持	接受ICL V4c植入术患者的术后拱高数据	machine learning	眼科疾病	gradient boosting, random forest, CatBoost	回归模型和分类模型（包括二分类和多分类）	生物计量和人口统计学数据	NA