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
1	2025-05-31	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出了一种利用神经网络评估和改进生物数据建模中非线性动力学和参数推断的新方法	使用卷积神经网络同时处理生物建模、参数化和参数推断，为数学模型中的参数推断建立了深度学习框架	方法依赖于模拟数据的生成，可能受到模拟数据与真实数据差异的影响	改进生物数据建模中的参数优化方法	葡萄糖、胰岛素和游离脂肪酸（FFA）的动力学模型	机器学习	NA	卷积神经网络	CNN	临床数据和模拟数据	有限的临床数据和大量模拟数据
2	2025-05-31	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	research paper	该研究利用AI技术分析超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于超声心动图视频和心电图图像，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，可能存在选择偏倚，且外部验证队列样本量相对较小	开发可扩展的ATTR-CM临床前监测策略	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者和年龄/性别匹配的对照组	digital pathology	cardiovascular disease	deep learning	CNN	image, video	内部队列984人（YNHHS），外部队列806人（HMH），共分析7,352个超声心动图和32,205个心电图
3	2025-05-31	Combinatorial mapping of E3 ubiquitin ligases to their target substrates 2025-Feb-20, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.01.016 PMID:39919746	研究论文	本文介绍了一种名为COMET的组合映射方法，用于大规模识别E3泛素连接酶与其底物蛋白的降解关系	开发了COMET框架，能够在一个实验中同时测试多个E3连接酶对多个候选底物的降解作用，并利用深度学习预测E3-底物相互作用的结构基础	未明确说明实验验证的覆盖范围是否足够全面，深度学习模型的预测准确性可能存在局限	大规模识别人类E3泛素连接酶与其底物蛋白的降解关系	人类E3泛素连接酶及其底物蛋白	生物信息学	NA	COMET框架、深度学习	深度学习模型	蛋白质相互作用数据	6,716种F-box-ORF组合和26,028种E3-TF组合
4	2025-05-31	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	review	本文系统回顾了过去十年深度学习在牙科领域的应用，包括诊断、治疗规划和预后预测等方面	提供了深度学习在牙科领域的全面概述，识别了研究趋势和未来改进方向	主要依赖监督学习，需要大量标注数据，且未充分探索新兴模型架构	探索深度学习在牙科领域的应用及其临床意义	2012年至2023年发表的深度学习在牙科领域的研究	digital pathology	NA	深度学习	CNN	image	1,007项研究（从21,242项筛选）
5	2025-05-31	Deep Learning Derived Adipocyte Size Reveals Adipocyte Hypertrophy is under Genetic Control 2025-Feb-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本研究利用深度学习技术自动分析脂肪细胞大小，探讨其与肥胖相关性状及遗传关联的关系	开发了基于深度学习的脂肪组织切片语义分割方法，进行了迄今为止最大规模的脂肪细胞表型与遗传关联研究	研究样本主要来自特定人群，可能限制结果的普适性	探究脂肪细胞大小与肥胖相关代谢特征的关联及其遗传基础	皮下和内脏脂肪组织样本	数字病理学	肥胖相关疾病	深度学习	语义分割模型	组织切片图像	5个独立队列中的2,667份样本，包含9,000张全切片图像和超过2,700万个脂肪细胞
6	2025-05-31	Unraveling Human Hepatocellular Responses to PFAS and Aqueous Film-Forming Foams (AFFFs) for Molecular Hazard Prioritization and In Vivo Translation 2025-Feb-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c10595 PMID:39893674	研究论文	本研究探讨了人类肝细胞对PFAS和AFFFs的反应，旨在预测人类肝损伤的效力范围并识别更安全的替代品	结合高通量转录组学、细胞形态图像的深度学习和肝酶泄漏分析，创新性地将机制性肝细胞反应数据转化为预测PFAS诱导的肝肿大效力范围	研究仅使用了体外培养的人类肝细胞（HepaRG, 2D），可能无法完全模拟体内环境	理解PFAS和AFFFs的毒性潜力，识别更安全的替代品，并为风险评估提供新方法	人类肝细胞（HepaRG, 2D）和30种物质（包括AFFF、PFAS和临床药物）	毒理学	肝病	高通量转录组学、深度学习、肝酶泄漏分析	深度学习	转录组数据、细胞形态图像	30种物质（包括AFFF、PFAS和临床药物）
7	2025-05-31	Artificial intelligence-driven volumetric CT outcome score in cystic fibrosis: longitudinal and multicenter validation with/without modulators treatment 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11019-5 PMID:39150489	研究论文	本研究通过3D深度学习技术开发了一种自动定量测量囊性纤维化(CF)患者气道异常的CT评分方法(NOVAA-CT)，并进行了纵向和多中心的临床验证	首次开发了基于AI的全肺自动定量CT评分系统(NOVAA-CT)，可全面监测CF严重程度并量化治疗效果	研究为回顾性设计，样本量相对有限(139例)	验证AI驱动的容积CT评分在囊性纤维化诊疗中的临床应用价值	接受ETI或ABPA治疗的囊性纤维化患者	数字病理	囊性纤维化	3D深度学习	3D CNN	CT影像	139例CF患者(ETI组60例，ABPA组20例，外部验证组59例)
8	2025-05-31	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	使用基于深度学习的OCT图像分析量化pegcetacoplan治疗下地理萎缩(GA)中光感受器(PRs)和视网膜色素上皮(RPE)层的形态变化	首次采用深度学习技术对OCT图像进行分割，量化PR和RPE的退化情况，并评估pegcetacoplan治疗的疗效	研究为事后纵向图像分析，可能存在选择偏倚	评估pegcetacoplan治疗对GA患者PR和RPE层退化的影响	年龄相关性黄斑变性导致的GA患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习	图像	897名患者的897只眼
9	2025-05-31	Spatial Transcriptomics of the Respiratory System 2025-Feb, Annual review of physiology IF:15.7Q1 DOI:10.1146/annurev-physiol-022724-105144 PMID:39353142	综述	本文回顾了呼吸系统空间转录组学的最常用分析流程，并概述了机器学习和人工智能在空间数据解释中的最新进展	结合机器学习和深度学习计算工具的空间解析基因表达技术，为理解呼吸系统细胞类型的三维空间互作提供了新方法	文中提到的技术和方法可能仍存在数据处理和解释的挑战	探讨呼吸系统细胞类型在三维空间中的互作机制及其在健康和疾病中的作用	呼吸系统（肺和气道）的细胞类型	空间转录组学	肺癌、COVID-19、肺纤维化	空间解析基因表达技术	机器学习、深度学习	基因表达数据	NA
10	2025-05-31	Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14602 PMID:39636019	research paper	提出了一种基于频域聚合的个性化联邦学习框架（PAF-Fed），用于腹部多器官分割	PAF-Fed选择性收集部分模型参数进行客户端间协作，保留其余参数以学习本地数据分布，并利用傅里叶变换与自注意力机制聚合参数的低频成分	NA	解决医学图像分割中数据隐私和标注工作量大的问题	腹部多器官分割	digital pathology	NA	Federated Learning (FL), Fourier Transform, Self-attention mechanism	DL models	MRI, CT	CHAOS 2019数据集和私人CT数据集
11	2025-05-31	Tumour purity assessment with deep learning in colorectal cancer and impact on molecular analysis 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6376 PMID:39710952	研究论文	本文探讨了深度学习模型SoftCTM在结直肠癌肿瘤纯度评估中的应用及其对分子分析的影响	开发了开源多器官深度学习模型SoftCTM，用于H&E染色切片中肿瘤和非肿瘤细胞的检测，并在OCELOT Challenge 2023中开发	NA	比较SoftCTM与传统病理学(CP)和生物信息学反卷积方法在肿瘤纯度评估(TPE)中的效用和准确性	结直肠癌(CRC)患者	数字病理学	结直肠癌	RNA表达分析、DNA甲基化分析	深度学习(DL)	数字病理图像、多组学数据	1,097名患者
12	2025-05-31	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	开发了一个名为PreEMPT-ECMO的分层深度学习模型，用于预测ECMO的使用，以优化患者分诊和资源分配	利用多模态数据开发了一个连续预测ECMO使用的分层深度学习模型，该模型整合了静态和多粒度时间序列特征，优于现有的预测模型	未来需要在前瞻性验证和非COVID-19难治性呼吸衰竭中进行泛化性验证	开发一个连续的ECMO风险预测模型，以优化患者分诊和资源分配	使用ECMO的患者	机器学习	COVID-19	深度学习	分层深度学习模型	多模态数据（静态和时间序列数据）	101,400名患者（其中1,298名使用ECMO）
13	2025-05-31	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	research paper	该研究介绍了一个新的数据集TB-Portals SIFT，用于胸部X光片中结核病(TB)病灶的语义分割，并评估了多种语义分割模型的性能	提出了一个新的数据集TB-Portals SIFT，包含6,328张带有10,435个伪标签病灶实例的胸部X光片，并首次将语义分割模型应用于TB病灶分割任务	数据集使用伪标签而非专家标注，可能影响模型性能评估的准确性	开发能够自动分割胸部X光片中TB病灶的深度学习模型，以提高TB诊断的自动化水平和可解释性	胸部X光片中的TB病灶	computer vision	lung cancer	深度学习	UNet, YOLOv8-seg, DenseNet121	image	6,328张胸部X光片，包含10,435个伪标签病灶实例
14	2025-05-29	Deeply supervised two stage generative adversarial network for stain normalization 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91587-8 PMID:40016308	research paper	提出了一种名为DSTGAN的深度监督两阶段生成对抗网络，用于染色归一化，以提高病理图像分析的性能	创新性地在生成对抗网络中引入深度监督，设计了一种新颖的两阶段染色策略，并构建了一个能够捕获长距离语义关系的生成器	未明确提及具体局限性	减少染色差异对计算病理学的影响，提高组织病理学图像分析的准确性	组织病理学图像	digital pathology	NA	生成对抗网络	GAN	image	TUPAC-2016, MITOS-ATYPIA-14, ICIAR-BACH-2018和MICCAI-16-GlaS数据集
15	2025-05-29	De Novo Synthesis of Reticuline and Taxifolin Using Re-engineered Homologous Recombination in Yarrowia lipolytica 2025-02-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00853 PMID:39899813	研究论文	本研究通过重新设计Yarrowia lipolytica的同源重组系统，提高了基因编辑效率，并应用于合成reticuline和taxifolin	建立了Cas9系统以重新设计同源重组系统，显著提高了HR效率，并开发了深度学习模型预测gRNA活性	NA	提高Yarrowia lipolytica的基因编辑效率，并应用于重要化合物的合成	Yarrowia lipolytica	合成生物学	NA	Cas9系统，同源重组，深度学习	深度学习模型	NA	NA
16	2025-05-29	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	本文研究了卷积神经网络在针对马匹兴奋剂控制的靶向LC-HRMS/MS分析中辅助峰分类的应用	利用卷积神经网络（CNN）和线性判别分析（LDA）分类器实现色谱图分类的自动化，提高兴奋剂检测的准确性和效率	研究未提及模型在更大规模数据集上的泛化能力，以及在实际应用中的稳定性	开发一种自动化方法，用于马匹兴奋剂控制筛查分析中的色谱图分类	马匹兴奋剂控制中的色谱图数据	机器学习和分析化学	NA	超高压液相色谱-高分辨串联质谱（UHPLC-HRMS/MS）	CNN和LDA	色谱图图像	未明确提及具体样本数量
17	2025-05-29	Multiscale footprints reveal the organization of cis-regulatory elements 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08443-4 PMID:39843737	research paper	开发了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的足迹，并创建了seq2PRINT框架，利用深度学习推断转录因子和核小体结合	PRINT方法能够跨多个蛋白质尺度识别DNA-蛋白质相互作用的足迹，seq2PRINT框架利用深度学习精确推断转录因子和核小体结合，并解释CREs的调控逻辑	未明确提及方法的局限性	连接CRE结构与其在细胞命运和疾病中的功能	人类骨髓和小鼠造血干细胞的单细胞染色质可及性数据	computational biology	NA	chromatin accessibility data analysis, deep learning	deep learning	chromatin accessibility data	human bone marrow and murine haematopoietic stem cells
18	2025-05-29	Community Graph Convolution Neural Network for Alzheimer's Disease Classification and Pathogenetic Factors Identification 2025-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269446 PMID:37204952	research paper	该研究提出了一种新的深度学习方法Com-GCN，用于研究大脑区域和基因社区网络中的信息传递，以诊断阿尔茨海默病并提取其致病因素	提出了社区图卷积神经网络(Com-GCN)和大脑区域基因社区网络(BG-CN)的概念，改进了分类性能和可解释性，并能识别病变脑区和致病基因	仅基于ADNI数据集进行验证，未在其他神经疾病上广泛测试	研究大脑区域和基因协作网络中的信息传递机制，用于阿尔茨海默病的诊断和致病因素识别	阿尔茨海默病患者的大脑区域和基因协作网络	machine learning	geriatric disease	深度学习	GCN (Graph Convolutional Network)	神经影像数据	ADNI数据集
19	2025-05-29	Hypernetwork-Based Physics-Driven Personalized Federated Learning for CT Imaging 2025-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3338867 PMID:38100342	研究论文	提出了一种基于超网络的物理驱动个性化联邦学习方法（HyperFed），用于CT成像，旨在解决传统深度学习方法中的数据集中收集和隐私问题	通过将每个域的优化问题分解为局部数据适应和全局CT成像两个子问题，分别由机构特定的物理驱动超网络和全局共享成像网络实现，从而学习稳定有效的跨数据分布不变特征	未明确提及具体样本量或实验覆盖的扫描协议范围，可能影响方法的泛化性评估	提升CT成像质量并满足不同机构或扫描仪的个性化需求，同时避免数据共享	CT影像数据及其重建过程	医学影像分析	NA	联邦学习、深度学习	超网络（Hypernetwork）	CT影像	NA
20	2025-05-28	Deep learning-based defect detection in film-coated tablets using a convolutional neural network 2025-Feb-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125220 PMID:39832574	研究论文	本文提出了一种基于深度学习的薄膜包衣片剂缺陷检测方法，使用卷积神经网络（CNN）进行定量分析	采用CNN进行薄膜包衣片剂缺陷检测，准确率达到99.7%，显著优于传统的基于静态规则的方法	研究中使用的缺陷是人为诱导的，可能无法完全代表实际生产中的所有缺陷类型	开发一种标准化、客观且高效的薄膜包衣片剂缺陷检测方法	红色-橙色薄膜包衣安慰剂片剂	计算机视觉	NA	图像分析	CNN	图像	25,200张片剂图像