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
61	2025-07-22	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本研究通过空间转录组学技术构建了一个大脑衰老图谱，揭示了细胞邻近效应对脑衰老的影响	开发了空间衰老时钟模型，首次系统性地研究了衰老细胞对邻近细胞的影响及其在组织衰退中的作用	研究仅基于小鼠模型，人类大脑的类似效应尚需验证	探究脑衰老过程中细胞间相互作用的分子机制	420万个来自不同年龄阶段大脑的细胞	空间转录组学	神经退行性疾病	空间转录组学	机器学习模型（空间衰老时钟）、深度学习	单细胞转录组数据	420万个细胞，覆盖20个不同年龄阶段
62	2025-07-22	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	该论文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，通过等深度概念构建组织切片的拓扑图，同时学习空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未提及具体的数据稀疏性处理方法的局限性或算法在其他类型组织中的适用性	解决空间转录组数据稀疏性问题，解析基因表达的空间模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	多个组织样本（具体数量未提及）
63	2025-07-22	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究通过分析国家肺癌筛查试验中的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）变化与死亡率之间的关联	首次利用自动深度学习算法量化EAT体积和密度的变化，并发现这些非典型变化与全因死亡率、心血管死亡率和肺癌死亡率显著相关	研究为二次分析，可能存在选择偏倚，且未考虑其他潜在混杂因素	探究心外膜脂肪组织变化与接受肺癌筛查人群死亡率的关系	国家肺癌筛查试验中的20,661名参与者	数字病理学	肺癌	低剂量CT扫描	深度学习算法	医学影像	20,661名参与者（平均年龄61.4岁，59.2%为男性）
64	2025-07-21	Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact 2025-Feb-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111707 PMID:39877905	research paper	该研究利用深度学习模型探讨非编码变异与先天性心脏病患者脑沟模式的关系	首次将深度学习应用于预测非编码变异对基因调控信号的影响，并揭示其与脑沟模式的关联	研究样本仅限于先天性心脏病患者，结果可能不适用于其他人群	探索非编码变异对先天性心脏病患者脑发育的影响	先天性心脏病患者及其脑沟模式	machine learning	cardiovascular disease	deep learning	深度学习模型	基因序列数据和脑影像数据	先天性心脏病患者队列与无先天性心脏病对照队列
65	2025-07-21	Extended Technical and Clinical Validation of Deep Learning-Based Brainstem Segmentation for Application in Neurodegenerative Diseases 2025-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70141 PMID:39936343	研究论文	本研究优化并验证了基于深度学习的脑干分割方法，应用于神经退行性疾病的研究	使用多维度门控循环单元(MD-GRU)和nnU-Net方法优化脑干分割，并在多种病理和图像采集参数下进行系统验证	研究样本量相对有限，且主要针对特定神经退行性疾病	开发和验证自动化的脑干分割工具，作为神经退行性疾病的潜在生物标志物	脑干结构和神经退行性疾病患者	数字病理	神经退行性疾病	深度学习	MD-GRU, nnU-Net	T1加权MRI图像	257例训练数据，46例扫描-重扫重复性验证，20例跨扫描仪重现性验证，16例多系统萎缩患者随访数据，23例多发性硬化患者
66	2025-07-21	Classification of schizophrenia, bipolar disorder and major depressive disorder with comorbid traits and deep learning algorithms 2025-Feb-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00564-7 PMID:39910091	研究论文	本研究利用多基因风险评分（PRSs）和深度学习算法，探讨了共享遗传风险在精神分裂症、双相情感障碍和重度抑郁症分类与区分中的应用	研究发现，结合目标疾病特异性PRS和共病性状PRS可以提高疾病分类的准确性，且仅使用共病性状PRS也能有效区分患者与健康对照	研究未提及样本的具体来源和多样性，可能影响结果的普适性	评估共享遗传风险在精神疾病分类与区分中的效用	精神分裂症（SCZ）、双相情感障碍（BIP）和重度抑郁症（MDD）患者及健康对照	机器学习	精神疾病	多基因风险评分（PRSs）	深度学习算法	遗传数据	未明确提及具体样本数量
67	2025-07-21	An empirical study of using radiology reports and images to improve intensive care unit mortality prediction 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae137 PMID:39980476	研究论文	本研究通过结合放射学报告和图像，构建了一个基于深度学习的ICU死亡率预测模型	利用多模态数据（包括生理测量、放射学预定义疾病标签、文本特征和胸部X光图像特征）进行ICU死亡率预测，显著提高了预测准确性	研究仅使用了MIMIC-IV数据集，可能在其他数据集上的泛化能力有待验证	提高ICU患者死亡率预测的准确性	ICU患者	医疗人工智能	重症监护	深度学习	深度学习模型（具体架构未明确说明）	多模态数据（结构化临床数据、文本、图像）	MIMIC-IV数据集中的样本（具体数量未说明）
68	2025-07-20	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	research paper	该研究开发了一个深度学习框架，用于从多参数MR图像合成表观扩散系数（ADC）图	提出了多参数残差视觉变换器模型（MPR-ViT），结合了视觉变换器（ViT）层的长距离上下文和卷积算子的精确性	研究依赖于公开数据集，可能无法涵盖所有临床场景	开发一个深度学习框架以合成ADC图，用于神经胶质瘤患者的诊断和干预	501例神经胶质瘤患者的T1w和T2-FLAIR图像	digital pathology	diffuse gliomas	deep learning, MRI	MPR-ViT, VCT, ResViT	image	501例神经胶质瘤病例（训练集400例，验证集50例，测试集51例）
69	2025-07-20	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	research paper	开发并验证了用于自动分割前交叉韧带损伤和手术后患者股四头肌横截面积的卷积神经网络	针对前交叉韧带损伤患者开发了新的CNN模型，解决了现有自动化方法在该人群中的有效性挑战	模型在部分情况下存在错误预测（VL 17%，RF 11%，VM 20%）	验证和开发适用于前交叉韧带损伤患者的股四头肌横截面积自动分割方法	前交叉韧带损伤患者的股四头肌（股外侧肌、股直肌和股内侧肌）	digital pathology	anterior cruciate ligament injury	ultrasound imaging	CNN	image	124名ACL损伤患者（430个VL图像，349个RF图像，723个VM图像）和153名健康参与者
70	2025-07-20	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	提出一种新型的自监督学习框架和CSwin transformer UNet模型，用于增强双参数MRI中临床显著性前列腺癌的检测	引入了端到端的Cross-Shaped windows (CSwin) transformer UNet模型和自监督学习框架，利用未标记数据提高网络泛化能力	需要进一步验证模型在其他数据集上的表现	提高双参数MRI中临床显著性前列腺癌的检测性能	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像(bpMRI)	CSwin transformer UNet	MRI图像	1476名患者(PI-CAI数据集)和158名患者(Prostate158数据集)
71	2025-07-20	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较深度学习与传统机器学习方法在心律失常/心电图模式分类中的性能，并评估减少心电图导联子集对分类准确性的影响	首次比较了深度学习（CNN）和传统机器学习（RF）在心电图导联子集上的心律失常分类性能，并识别了最优导联子集	研究仅基于公开数据集PhysioNet Cardiology Challenge 2020，未在其他独立数据集上验证结果	评估减少心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图数据	机器学习	心血管疾病	递归特征消除	CNN, RF	心电图信号	PhysioNet Cardiology Challenge 2020公开数据集
72	2025-07-19	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	comments	本文是一篇受邀评论，探讨了深度学习在流行病学数据收集和分析中的应用及其潜力	强调了深度学习为流行病学研究带来的新机遇，包括扩大研究的地理范围、增加研究对象数量以及处理大规模或高维数据	指出深度学习工具对流行病学家而言不如传统回归方法那样直接和普及，需要与深度学习专家进行跨学科合作	探讨深度学习如何扩展和增强流行病学研究的数据收集和分析能力	流行病学研究中的数据收集和分析方法	machine learning	NA	深度学习	neural networks, attention algorithms	text, audio, images, video	NA
73	2025-07-19	Deep Learning-Based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in Computed Tomography Images and Assessment of Spinal Cord Compression: A Two-Center Study 2025-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.123567 PMID:39694139	研究论文	本研究开发了一种基于CT的深度学习模型，用于自动分割后纵韧带骨化病灶并测量骨化物质厚度及计算颈椎脊髓压迫系数	首次提出全自动CT深度学习模型用于后纵韧带骨化分割及脊髓压迫评估，采用3D U-Net框架实现高精度分割	外部测试集Dice系数较低(0.71)，模型泛化能力有待提升，样本来自两个中心可能限制普适性	开发自动化工具辅助诊断后纵韧带骨化疾病	307例后纵韧带骨化患者的CT影像	数字病理	脊柱疾病	CT成像	3D U-Net	医学影像	307例患者(260例来自上海长征医院，47例来自西南医科大学附属中医医院)
74	2025-07-17	Deep Learning for Protein-Ligand Docking: Are We There Yet? 2025-Feb-09, ArXiv PMID:38827451	研究论文	本文介绍了PoseBench，首个用于蛋白质-配体对接的全面基准测试，旨在评估深度学习方法在蛋白质-配体对接和结构预测中的应用	首次系统地研究了最新对接和结构预测方法在预测蛋白质结构、多配体结合和无结合口袋知识的情况下的表现，并引入了首个多配体基准数据集	深度学习方法在预测新蛋白质序列或多配体蛋白质目标时，难以平衡结构准确性和化学特异性	评估深度学习方法在蛋白质-配体对接和结构预测中的实际应用效果	蛋白质-配体对接和结构预测方法	生物信息学	NA	深度学习	DL co-folding methods, AlphaFold 3	蛋白质结构数据	主要配体和多配体基准数据集
75	2025-07-15	Improving Identification of Drug-Target Binding Sites Based on Structures of Targets Using Residual Graph Transformer Network 2025-Feb-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15020221 PMID:40001524	研究论文	提出了一种基于目标结构的深度学习框架RGTsite，用于改进药物-靶标结合位点的识别	采用残差图Transformer网络（RGTsite）结合1D-CNN和ProtT5预训练模型，融合多模态信息以提升结合位点预测性能	未明确提及数据不平衡问题的具体解决方案或模型在极端不平衡场景下的表现	提升药物-靶标结合位点的识别准确性以加速药物开发流程	蛋白质靶标结构及其结合位点	生物信息学	NA	1D-CNN、ProtT5预训练模型、图Transformer网络（GTN）	Residual Graph Transformer Network (RGTsite)	蛋白质序列数据、结构数据及理化性质	多个基准数据集（未明确具体数量）
76	2025-07-07	Advancing structure modeling from cryo-EM maps with deep learning 2025-02-07, Biochemical Society transactions IF:3.8Q2 DOI:10.1042/BST20240784 PMID:39927816	研究论文	本文讨论了利用深度学习从冷冻电镜图谱中推进结构建模的方法	强调了AI驱动方法在冷冻电镜结构建模中的变革性作用	未明确提及具体局限性	探讨冷冻电镜图谱自动结构建模的演变和现状	冷冻电镜图谱中的生物分子结构	结构生物学	NA	冷冻电镜(cryo-EM)	深度学习	冷冻电镜图谱	NA
77	2025-07-06	Deep learning and explainable artificial intelligence for investigating dental professionals' satisfaction with CAD software performance 2025-Feb, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.13900 PMID:39010644	研究论文	本研究利用深度学习和可解释人工智能技术调查牙科专业人员对CAD软件性能的满意度	首次将DL-XAI行为分析方法应用于牙科领域，识别影响CAD软件满意度的关键因素	样本仅包含436名牙科专业人员，可能无法代表所有用户群体	评估牙科专业人员对CAD软件性能的满意度及其影响因素	牙科学生、牙医和牙科技师等牙科专业人员	医疗人工智能	牙科疾病	深度学习(DL)、可解释人工智能(XAI)、排列特征重要性分析(PFIA)、Shapley加性解释方法	多层感知器人工神经网络(MLP-ANN)	行为数据、问卷调查数据	436名具有不同CAD经验的牙科专业人员
78	2025-07-05	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.31.587283 PMID:38826198	研究论文	本文介绍了一种名为gRNAde的几何深度学习管道，用于3D RNA逆设计，能够考虑结构和动态性	gRNAde利用多状态图神经网络和自回归解码，针对一个或多个3D骨架结构生成候选RNA序列，显著提高了原生序列恢复率	尽管在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	开发一种能够考虑3D构象多样性的RNA序列设计方法	RNA序列和3D骨架结构	机器学习	NA	几何深度学习，图神经网络	GNN	3D结构数据	14个RNA结构（来自PDB），10个结构化RNA骨架的湿实验验证
79	2025-07-03	PhysioEx: a new Python library for explainable sleep staging through deep learning 2025-Feb-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adaf73 PMID:39874654	研究论文	介绍了一个名为PhysioEx的Python库，用于通过深度学习和可解释AI进行睡眠分期分析	PhysioEx是一个新颖的Python库，结合了深度学习和可解释AI技术，提供了标准化的睡眠分期分析流程，并支持多种配置和自定义数据集	未明确提及具体限制，但可能依赖于特定数据集（如Sleep Heart Health Study数据集）的预训练模型	开发一个标准化且易于访问的平台，用于睡眠分期分析，结合深度学习和可解释AI技术	睡眠分期的生理信号数据	机器学习	睡眠障碍	深度学习（DL）、可解释AI（XAI）	预训练模型（具体类型未明确提及）	生理信号数据（如EEG、EOG、EMG）	基于Sleep Heart Health Study数据集的预训练模型，具体样本量未提及
80	2025-07-03	A two-branch framework for blood pressure estimation using photoplethysmography signals with deep learning and clinical prior physiological knowledge 2025-Feb-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adae50 PMID:39854841	研究论文	提出了一种结合深度学习和临床先验知识的双分支框架，用于通过光电容积描记（PPG）信号无袖带估计血压	结合深度学习和临床先验知识，考虑不同时间段（早晨、下午和晚上）的血压变化，构建特定的收缩压和舒张压估计模型	NA	开发一种准确可靠的无创血压监测技术，适用于连续健康监测和心血管疾病预防	光电容积描记（PPG）信号	数字病理	心血管疾病	PPG信号处理	MobileViTv2, Vgg19	信号数据	人类静息状态PPG和血压数据集（HRSD）和MIMIC-IV数据集