深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21	2025-10-06	Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318577 PMID:39677477	研究论文	提出一种名为gruyere的贝叶斯概率模型，利用功能注释改进罕见变异关联分析，并应用于阿尔茨海默病全基因组测序数据	开发了首个能够整合功能注释、编码罕见变异和细胞类型特异性非编码罕见变异的全基因组关联测试框架	未提及模型在其它疾病或数据集上的泛化能力验证	通过整合功能注释改进罕见变异与阿尔茨海默病的关联分析	阿尔茨海默病患者的全基因组测序数据	生物信息学	阿尔茨海默病	全基因组测序(WGS), 功能注释, 变异效应预测(VEPs)	贝叶斯概率模型	基因组测序数据, 功能注释数据	7,966例病例和13,412例对照	NA	gruyere	关联显著性	NA
22	2025-10-06	AgeNet-SHAP: An explainable AI approach for optimally mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025-Mar-04, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.28.25323097 PMID:40093264	研究论文	开发了一种可解释的AI方法AgeNet-SHAP，用于绘制阿尔茨海默病中多变量区域脑年龄和临床严重程度模式	首次将深度学习模型与SHAP特征重要性技术结合，探索大脑区域与年龄的多变量关联，而非传统的单变量关系	样本量相对有限(n=668)，仅基于MRI数据进行分析	开发数据驱动的预测建模方法，用于疾病进展、诊断、预后和个性化医疗	阿尔茨海默病患者和认知正常参与者	机器学习	阿尔茨海默病	MRI	深度学习,传统机器学习	图像	668个MRI样本	NA	AgeNet	NA	NA
23	2025-10-06	Deep learning modelling of structural brain MRI in chronic head and neck pain after mild traumatic brain injury 2025-Mar-12, Pain IF:5.9Q1 DOI:10.1097/j.pain.0000000000003587 PMID:40084983	研究论文	本研究利用深度学习模型分析轻度创伤性脑损伤后早期结构脑MRI，预测慢性头颈部疼痛风险	首次使用预训练的3D ResNet-18模型对伤后72小时内的T1加权脑MRI进行慢性疼痛风险预测	样本量有限（128例），模型平均准确率仅0.59，需更大样本验证	开发基于早期结构脑MRI的预测模型，识别mTBI后慢性疼痛高风险个体	227例车辆碰撞后mTBI患者，其中128例在伤后72小时内完成脑MRI扫描	医学影像分析	创伤性脑损伤	T1加权磁共振成像	CNN	3D脑部MRI图像	128例mTBI患者脑MRI扫描	NA	3D ResNet-18	准确率, AUC, 召回率	NA
24	2025-10-06	DCT-UNet: a UNet architecture for diffuse correlation tomography 2025-Mar-10, Optics express IF:3.2Q2 DOI:10.1364/OE.544401 PMID:40798593	研究论文	提出一种基于UNet架构的DCT-UNet网络，用于漫相关断层扫描的血流成像重建	首次将深度学习框架应用于DCT图像重建，采用可变形卷积、门控单元和组聚合桥模块改进UNet架构	NA	解决传统DCT重建算法中的病态数学问题，提高血流成像的准确性和鲁棒性	组织血流成像	医学影像处理	NA	漫相关断层扫描	CNN	光学信号	NA	NA	UNet	准确性, 鲁棒性	NA
25	2025-10-06	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma 2025-Mar-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	本研究通过时空转录组学分析揭示黑色素瘤靶向治疗中持久性细胞状态的形成机制和耐药动态	结合空间转录组学和深度学习分析，首次在患者来源异种移植模型中解析了黑色素瘤治疗过程中克隆谱系演化的时空动态	研究基于异种移植模型，可能与人类体内真实情况存在差异	阐明BRAF突变黑色素瘤靶向治疗中持久性状态和耐药性的动态机制	BRAF突变黑色素瘤患者来源异种移植模型	数字病理学	黑色素瘤	空间转录组学, 深度学习, 系统发育追踪	深度学习模型	转录组数据, 组织病理切片图像	患者来源异种移植模型样本	NA	NA	NA	NA
26	2025-10-06	AnglesRefine: Refinement of 3D Protein Structures Using Transformer Based on Torsion Angles 2025 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3422288 PMID:38959143	研究论文	提出一种基于Transformer的蛋白质结构优化方法AnglesRefine，通过改进蛋白质二面角来提升三维蛋白质结构预测精度	首次将Transformer架构应用于蛋白质结构优化，专注于二级结构和多种关键角度（psi、phi、omega等）的联合优化	方法在CASP15数据集上的性能提升相对有限，需要更多数据集验证泛化能力	开发高效的蛋白质结构优化方法，提升预测蛋白质模型的局部结构精度	蛋白质三维结构	计算生物学	NA	深度学习	Transformer	蛋白质结构数据	CASP11-14和CASP15数据集	NA	Transformer	模型质量退化百分比	NA
27	2025-10-06	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述人工智能在预测心源性猝死领域的应用现状、机遇与挑战	系统阐述AI通过识别传统方法难以发现的非线性模式实现个性化SCD风险预测的潜力	存在阻碍临床广泛采用的关键挑战需要解决	改善心源性猝死的风险分层和预防策略	心源性猝死高风险人群	机器学习	心血管疾病	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
28	2025-10-06	Unraveling other-race face perception with GAN-based image reconstruction 2025-03-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02636-z PMID:40087201	研究论文	本研究使用StyleGAN2图像重建技术探索异族面孔识别的表征基础	首次将GAN潜在空间与人类感知表征相似性结合，开发了从行为数据重建内部面孔表征的新方法	研究仅涉及东亚和白人参与者，样本种族范围有限	揭示异族效应(ORE)的表征基础	东亚和白人参与者的面孔感知	计算机视觉	NA	GAN图像生成，行为相似性评分	GAN	图像，行为评分数据	东亚和白人参与者群体	StyleGAN2	StyleGAN2	重建准确率	NA
29	2025-10-06	Increase Docking Score Screening Power by Simple Fusion With CNNscore 2025-Mar-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70060 PMID:39981784	研究论文	提出一种通过将传统分子对接评分与CNN评分简单融合来提高虚拟筛选效能的新策略	首次将GNINA的卷积神经网络评分与传统Watvina对接评分通过乘法融合，显著提升了虚拟筛选能力	方法仅在特定靶点TYK2上验证，需要更多靶点验证通用性	提高结构基虚拟筛选中的分子对接评分函数的筛选能力	蛋白质-配体相互作用	机器学习	NA	分子对接，虚拟筛选	CNN	分子结构数据	近120亿个分子	GNINA	卷积神经网络	筛选效能，IC50值	NA
30	2025-10-06	Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays 2025-Mar, Journal of extracellular vesicles IF:15.5Q1 DOI:10.1002/jev2.70052 PMID:40098346	研究论文	通过大规模无偏蛋白质组学分析识别脑源性细胞外囊泡在脑脊液中的特异性标志物	首次在脑脊液中系统筛选5416种蛋白质，结合深度学习模型区分跨膜蛋白定位，挑战传统跨膜蛋白均与EV相关的假设	仅基于严格的EV分离模式标准进行筛选，需要进一步实验验证候选标志物的特异性	识别脑源性细胞外囊泡的特异性捕获标志物和来源验证蛋白	人脑脊液中的细胞外囊泡	生物信息学	神经系统疾病	邻近延伸分析,Olink筛查,尺寸排阻色谱	DeepTMHMM	蛋白质组数据	大规模筛查（5416种蛋白质）	NA	DeepTMHMM	EV分离模式标准	NA
31	2025-10-06	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	提出一种融合物理信息的深度学习框架SPINN，用于随机粒子动力学估计	将随机微分方程整合到深度学习框架中，实现单帧分辨率的参数空间自主探索和确定性/随机性成分区分	NA	提高随机粒子动力学的时间分辨率，实现复杂扩散行为的估计和预测	单粒子轨迹数据，金纳米棒在水凝胶中的扩散	机器学习	NA	单粒子追踪技术	深度学习	轨迹数据	NA	NA	SPINN（随机粒子信息神经网络）	帧间变异性，统计相关性	NA
32	2025-10-06	T-ALPHA: A Hierarchical Transformer-Based Deep Neural Network for Protein-Ligand Binding Affinity Prediction with Uncertainty-Aware Self-Learning for Protein-Specific Alignment 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02332 PMID:39965912	研究论文	提出了一种名为T-ALPHA的新型深度学习模型，用于提高蛋白质-配体结合亲和力预测的准确性	在分层Transformer框架中集成多模态特征表示，并引入无需额外实验数据的不确定性感知自学习方法进行蛋白质特异性对齐	NA	开发能够准确预测小分子与蛋白质靶点结合亲和力的计算方法	蛋白质-配体结合亲和力	机器学习	NA	深度学习	Transformer	蛋白质结构数据，配体数据	NA	NA	分层Transformer	结合亲和力评分函数评估指标	NA
33	2025-10-06	Towards artificial intelligence application in pain medicine 2025-03, Recenti progressi in medicina DOI:10.1701/4460.44555 PMID:40084580	综述	本文概述人工智能在疼痛医学领域的最新应用进展	系统总结了人工智能技术在自动疼痛评估（APA）中的创新应用，包括通过生物信号、面部表情和语音模式分析实现客观疼痛诊断	存在验证困难、参数选择复杂和技术实施伦理问题等挑战	探讨人工智能技术在疼痛医学领域的应用潜力与发展方向	疼痛患者（包括新生儿和无法沟通的患者）	自然语言处理, 机器学习	疼痛相关疾病	NA	深度学习, 机器学习	生物信号, 面部图像, 语音数据	NA	NA	自然语言处理系统	NA	NA
34	2025-10-06	Leveraging deep-learning and unconventional data for real-time surveillance, forecasting, and early warning of respiratory pathogens outbreak 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103076 PMID:39914162	研究论文	开发基于深度学习和非常规数据的实时监测、预测和预警框架，用于呼吸道病原体爆发	整合多源非常规数据（谷歌趋势、Reddit帖子、卫星空气质量数据等）并构建包含CNN、GNN、GRU和线性神经网络的混合深度学习模型	研究局限于加拿大省份和南部非洲国家，模型在其他地区的适用性需要进一步验证	建立呼吸道疾病的实时监测、预测、预报和预警系统	COVID-19和流感病例，覆盖加拿大省份和南部非洲国家	机器学习	呼吸道疾病	深度学习，数据挖掘	CNN, GNN, GRU, NN	病例数据，网络趋势数据，社交媒体帖子，卫星空气质量数据，天气数据	加拿大6个数据集（流感病例、COVID-19病例、谷歌趋势、Reddit帖子、卫星空气质量、天气数据），南部非洲国家5个数据源（COVID-19感染数、谷歌趋势、维基趋势、谷歌新闻、卫星空气质量数据）	NA	包含CNN、GNN、GRU和线性神经网络的四层混合架构	RMSE, R2-score, 相关系数	NA
35	2025-10-06	Practical X-ray gastric cancer diagnostic support using refined stochastic data augmentation and hard boundary box training 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103075 PMID:39919469	研究论文	提出一种基于X光图像的胃癌诊断支持系统，通过改进的数据增强和边界框训练技术提高检测性能	提出两种新技术：精细化概率胃图像增强(R-sGAIA)和硬边界框训练(HBBT)，能够增强胃皱襞区域特征并利用未标注阴性样本	精确度相对较低(42.5%)，需要进一步优化以减少误报	开发实用的胃癌诊断支持系统，扩大胃癌筛查覆盖范围	胃部X光图像	计算机视觉	胃癌	X光成像	目标检测模型	医学图像	NA	深度学习	目标检测模型	灵敏度, 精确度, F1分数, 处理速度	NA
36	2025-10-06	Performance of a Deep Learning Diabetic Retinopathy Algorithm in India 2025-03-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0984 PMID:40105843	研究论文	评估深度学习糖尿病视网膜病变算法在印度临床部署环境中的性能表现	首次在印度大规模临床部署后评估糖尿病视网膜病变AI算法的实际性能，监测了60万患者的筛查结果	研究为横断面分析，仅纳入约1%的样本，可能存在选择偏倚	评估自动化视网膜疾病评估算法在真实临床环境中的诊断性能	印度南部45个中心的糖尿病患者视网膜图像	数字病理	糖尿病视网膜病变	眼底摄影	深度学习	图像	4537名患者的4537张眼底图像，其中3941张图像质量可分级	NA	ARDA算法	灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
37	2025-10-06	Deep learning-based classification of hemiplegia and diplegia in cerebral palsy using postural control analysis 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93166-3 PMID:40087338	研究论文	本研究提出一种基于深度学习的脑瘫偏瘫和双瘫分类方法，通过分析姿势控制的时间序列数据	首次将循环神经网络应用于脑瘫姿势控制数据分析，采用自动参数优化和数据增强技术提升模型性能	样本量相对有限，准确率为76.43%仍有提升空间	开发准确分类脑瘫类型（偏瘫和双瘫）的自动化诊断工具	脑瘫患者的姿势控制数据	医疗人工智能	脑瘫	姿势控制分析，时间序列数据分析	RNN, BiGRU, LSTM	时间序列力数据	NA	NA	双向门控循环单元，长短期记忆网络	准确率	NA
38	2025-10-06	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	研究论文	本研究开发了一种基于卷积神经网络的海马体结构自动分割方法，用于死后MRI扫描中的海马体分区	提出了一种新的分割框架，包含嵌入自注意力机制和空洞空间金字塔池化的编码器-解码器块，能够更好地识别海马体的四个区域	样本量较小，仅使用了15个死后MRI扫描	开发自动分割海马体结构的方法以替代耗时的手动分割	死后MRI扫描中的海马体结构	计算机视觉	阿尔茨海默病	MRI（T1加权、T2加权和磁敏感加权）	CNN	医学图像	15个死后MRI扫描	NA	UNet, Double UNet, Attention UNet, Multi-resolution UNet	定性比较, 定量比较	NA
39	2025-10-06	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	研究论文	本文提出一种名为期望反射的新型学习算法，通过乘性权重更新实现神经网络高效训练	提出基于观测与预测输出比值的乘性权重更新方法，无需自定义损失函数或学习率超参数，单次迭代即可实现最优权重更新	NA	开发更高效的神经网络训练算法以替代传统反向传播	人工神经网络训练算法	机器学习	NA	NA	神经网络	图像	NA	NA	多层网络	NA	NA
40	2025-10-06	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	研究论文	本研究评估了物理信息自编码器在利用混合多维MRI测量前列腺癌组织生物标志物方面的性能	将三室扩散弛豫模型与混合多维MRI整合到自监督深度学习模型中，无需大量训练数据即可预测组织特异性生物标志物	回顾性研究设计，样本量相对较小（21名患者）	开发准确、非侵入性且可解释的人工智能方法用于前列腺癌检测	前列腺癌患者和前列腺组织	数字病理	前列腺癌	混合多维MRI, MR扩散加权成像	自编码器, 深度学习	MRI图像	21名前列腺癌患者（平均年龄60岁±6.6，全部男性），71个感兴趣区域	NA	堆叠自编码器	组内相关系数, Pearson相关系数	NA