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
81	2025-05-17	[Research progress in mutation effect prediction based on protein language models] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240683 PMID:40170306	综述	本文综述了基于蛋白质语言模型（PLMs）的蛋白质突变效应预测的研究进展	总结了PLMs在预测蛋白质突变效应中的应用，包括序列模型、结构模型及序列与结构结合模型，并分析了无监督和监督学习在模型训练中的应用	当前面临的主要挑战包括高质量数据集的获取和数据噪声的处理	推动蛋白质突变效应预测的进一步发展	蛋白质突变效应预测	生物信息学	NA	蛋白质语言模型（PLMs）	序列模型、结构模型、序列与结构结合模型	蛋白质序列和结构数据	NA
82	2025-05-17	[Intelligent mining, engineering, and de novo design of proteins] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240629 PMID:40170309	综述	本文综述了人工智能在蛋白质发现、评估、工程和设计方面的最新研究进展	探讨了人工智能在蛋白质工程和设计中的应用及其对生物制造的潜在影响	未提及具体的技术限制或数据局限性	探索和改造酶以适应特定的生物制造过程	蛋白质，特别是酶	机器学习	NA	机器学习和深度学习算法	NA	生物信息学数据	NA
83	2025-05-17	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	开发并验证了一种基于3D卷积神经网络（CNN）的自动化诊断框架，用于急性阑尾炎的诊断	提出了一个全自动的诊断框架IA模型，能够自动提取阑尾解剖位置的感兴趣区域（VOI），并使用两阶段二元算法进行预测	模型在第二阶段区分简单和复杂阑尾炎的准确率为76.1%，仍有提升空间	开发一种快速、准确的术前影像诊断工具，以辅助急诊护理中的手术决策	腹痛患者的增强腹部盆腔CT图像	计算机视觉	阑尾炎	3D卷积神经网络（CNN）	ResNet, DenseNet, EfficientNet	图像	NA
84	2025-05-17	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	提出了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	整合了循环变分自编码器、GRANGER因果性、稀疏性诱导惩罚和基于负二项式的损失函数，显著提高了处理时间序列scRNA-seq数据的能力	NA	从时间序列单细胞RNA测序数据中准确推断基因调控网络	小鼠全脑scRNA-seq数据中的五个转录调节因子（E2f7, Gbx1, Sox10, Prox1, Onecut2）	生物信息学	NA	scRNA-seq	循环变分自编码器	时间序列单细胞RNA测序数据	多个流行基准数据集和小鼠全脑scRNA-seq数据
85	2025-05-17	Kolmogorov-Arnold networks for genomic tasks 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf129 PMID:40163820	research paper	本文研究了Kolmogorov-Arnold网络（KANs）在基因组任务中替代多层感知机（MLPs）的潜力	首次将KANs整合到基因组任务的深度学习模型中，并测试了线性KANs（LKANs）和卷积KANs（CKANs）的性能	CKANs在参数规模较大时表现不佳，且KANs在不同深度学习架构中的潜力需要进一步研究	探索KANs在基因组任务中的性能表现	基因组序列的分类与生成	machine learning	NA	deep learning	Kolmogorov-Arnold networks (KANs), linear KANs (LKANs), convolutional KANs (CKANs)	genomic sequences	三个基因组基准数据集：Genomic Benchmarks, Genome Understanding Evaluation, Flipon Benchmark
86	2025-05-17	CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf126 PMID:40178283	研究论文	提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据	CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的单细胞状态转换	NA	预测单细胞扰动响应，以理解生物体的功能和行为	单细胞RNA测序数据	计算生物学	NA	单细胞RNA测序	VAE (变分自编码器)	单细胞RNA测序数据	三个真实数据集（感染、刺激和跨物种预测）
87	2025-05-17	DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf115 PMID:40178281	研究论文	提出了一种名为DOMSCNet的深度学习模型，用于利用多层组学数据对胃癌进行分类	提出了一种混合特征选择（HFS）技术和基于深度循环神经网络的DOMSCNet模型，能够处理多层组学数据并有效提取信息特征	未明确提及具体局限性	改进胃癌的分类方法，支持癌症的分子过程理解和临床诊断	胃癌的多层组学数据	机器学习	胃癌	NGS	深度循环神经网络（DOMSCNet）	多层组学数据	使用了八个外部数据集进行验证
88	2025-05-17	Data imbalance in drug response prediction: multi-objective optimization approach in deep learning setting 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf134 PMID:40178282	research paper	该研究提出了一种多目标优化方法，用于解决药物反应预测中的数据集不平衡问题，以提高深度学习模型的泛化能力	通过构建多目标优化损失函数（Multi-Objective Optimization Regularized by Loss Entropy）并将其应用于深度学习模型，解决了药物反应预测中的数据集不平衡问题	数据深度仍然不足，与计算机视觉或自然语言处理等领域相比，限制了当前的学习能力	提高药物反应预测模型的泛化能力	药物反应预测模型	machine learning	NA	deep learning	Deep Learning	genomic data, drug screening data	NA
89	2025-05-17	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	review	本文综述了深度学习在单细胞和空间转录组数据分析中的进展与挑战，从数据科学的角度进行了系统分析	系统评估了58种计算方法在21个数据集上的表现，揭示了模型性能在不同数据集和评估指标间的显著差异，并提出了未来发展的三个关键方向	高质量标注数据集仍然有限，且生物组织的复杂相关性使得准确重建细胞状态和空间背景具有挑战性	探讨深度学习如何有效应用于转录组数据分析，以提升预测准确性和生物学解释性	单细胞和空间转录组数据	machine learning	NA	单细胞测序、空间转录组	深度学习	基因表达、表观遗传修饰、代谢物水平、空间位置等多模态数据	21个数据集来自9个基准测试
90	2025-05-17	Clinical applications of deep learning in neuroinflammatory diseases: A scoping review 2025-Mar, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2024.04.004 PMID:38772806	综述	本文综述了深度学习在神经炎症性疾病中的临床应用，探讨了该技术的潜力及其在医疗领域的应用现状	首次对深度学习在神经炎症性疾病中的临床应用进行全面综述，揭示了该领域的研究热点和未来方向	仅涵盖2018至2024年间发表的148篇文章和5种商业算法，可能未完全反映该领域的最新进展	评估深度学习技术在神经炎症性疾病临床应用中的现状和发展趋势	神经炎症性疾病	数字病理学	神经炎症性疾病	深度学习	多种深度学习模型	图像、文本、时间序列信号	148篇文献和5种商业算法
91	2025-05-17	Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111985 PMID:39946812	研究论文	本研究开发了一种基于胎盘MRI的深度学习放射组学模型，用于识别先兆子痫（PE）妊娠及其严重程度	首次利用半监督方法实现胎盘MRI的自动分割，并构建深度学习放射组学（DLR）模型来识别PE妊娠及预测胎儿生长受限（FGR）	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对较小，尤其是PE合并FGR的病例	开发自动定量模型识别先兆子痫妊娠及疾病严重程度	420名孕妇（140例PE患者和280例正常血压妊娠）	数字病理	先兆子痫	MRI，深度学习放射组学（DLR）	深度学习模型	MRI图像	420名孕妇（140例PE，280例对照）
92	2025-05-17	The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study 2025-Mar-01, Neurology India IF:0.9Q4 DOI:10.4103/NI.Neurol-India-D-23-00014 PMID:40176222	研究论文	本研究通过多模态MRI技术探索了轻度认知障碍（MCI）患者在两年随访期间的影像特征	首次利用多模态MRI序列和深度学习算法，识别出MCI恶化组的FA值降低和ADC值升高的特征性脑区变化	样本量相对较小（105例），且仅进行了2年随访	探索MCI患者认知功能恶化的MRI预警特征	105名MCI患者	数字病理学	老年性疾病	多模态MRI（包括ADC、FA、CBF测量）	深度学习算法	MRI影像数据	105名MCI患者（2019和2021年两次扫描）
93	2025-05-17	Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring 2025-Mar, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2483302 PMID:40178023	研究论文	本研究提出了一种名为NalexNet的混合深度学习分类器，用于提高结肠癌组织病理学图像的分类准确性和计算效率	结合Vahadane染色归一化、Watershed分割和Teamwork优化算法进行特征选择，构建了具有卷积层和正常/缩减细胞的NalexNet模型	未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战	开发自动化的结肠癌早期诊断系统	结肠癌组织病理学图像	数字病理学	结肠癌	深度学习	CNN（NalexNet）	图像	NA
94	2025-05-17	Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16 2025-Mar, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.1177/18758592241311184 PMID:40183298	research paper	该研究探索了使用卷积神经网络（CNN）和VGG16在MRI图像中自动检测和分类脑肿瘤的方法	提出了一种能够预测分割性能并检测失败事件的深度学习模型，无需在测试时访问真实数据	未提及具体的样本量或数据集的多样性，可能影响模型的泛化能力	开发一个自动化的癌症检测系统，以提高脑肿瘤诊断的准确性和效率	MRI图像中的脑肿瘤	digital pathology	brain tumor	deep learning, image processing	CNN, VGG16	image	NA
95	2025-05-16	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-Mar-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	研究论文	本研究开发了一种基于数字光电容积脉搏波（PPGD）信号和深度学习技术的非侵入性方法，用于预测心脏血流动力学状态（CHS）的关键参数	提出了一种并行卷积神经网络（PCNN）方法，同时处理原始信号和非线性特征，用于非侵入性心血管生物标志物预测	研究基于虚拟受试者数据，未来需要在真实世界环境中验证以提高临床适用性	开发非侵入性方法评估心脏血流动力学状态	心脏输出量（CO）、系统性血管阻力（SVR）和动脉顺应性（AC）等心血管生物标志物	机器学习	心血管疾病	数字光电容积脉搏波（PPGD）信号分析	并行卷积神经网络（PCNN）	信号数据	4374名虚拟受试者
96	2025-05-16	Unsupervised Deep Learning of Electronic Health Records to Characterize Heterogeneity Across Alzheimer Disease and Related Dementias: Cross-Sectional Study 2025-Mar-31, JMIR aging IF:5.0Q1 DOI:10.2196/65178 PMID:40163031	研究论文	本研究利用无监督深度学习技术分析电子健康记录，以识别阿尔茨海默病及相关痴呆症的亚型	结合非ADRD诊断代码的预训练嵌入和临床笔记的LLM嵌入，识别出具有性别特异性共病和临床表现的ADRD亚型	研究仅基于单一记忆诊所的数据，可能限制结果的普适性	通过无监督学习识别ADRD的临床亚型，为精准医疗提供依据	3454名来自马萨诸塞州总医院记忆诊所的ADRD患者	机器学习	阿尔茨海默病及相关痴呆症	无监督学习、LLM嵌入	层次聚类	电子健康记录（EHRs）	3454名ADRD患者
97	2025-05-16	Impact of optimized and conventional facility designs on outpatient abdominal MRI workflow efficiency 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94799-0 PMID:40157988	research paper	本研究评估了优化设施与传统设施在腹部磁共振成像（MRI）门诊工作流程效率上的差异	通过对比优化设施与传统设施的工作流程效率，展示了优化设施在提高患者吞吐量方面的显著优势	研究仅针对特定机构的两个设施，结果可能不具备普遍性	评估优化设施与传统设施在腹部MRI门诊工作流程效率上的差异	2,723例对比增强肝脏和前列腺MRI检查	digital pathology	liver cancer, prostate cancer	MRI, deep learning reconstruction	NA	medical imaging data	2,723例MRI检查
98	2025-05-16	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	研究论文	本研究提出了一种结合海鸥优化算法(SGA)进行特征选择和随机森林(RF)分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间以识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的集成以进一步提升性能和临床适用性	提高乳腺癌诊断的分类准确性	乳腺癌基因数据	机器学习	乳腺癌	SGA, RF	随机森林(RF)	基因数据	NA
99	2025-05-16	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	review	回顾了过去十年中机器学习技术在圆锥角膜（KC）诊断中的应用，并指出了学术研究与临床实践之间的差距	提出了一个路线图模型，以促进机器学习模型在临床实践中的整合，提高诊断准确性和患者护理	缺乏对圆锥角膜早期检测和严重程度分期的客观诊断标准的共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨如何将其更好地应用于临床实践	圆锥角膜（KC）的诊断	machine learning	keratoconus	NA	Random Forest, CNN, Feedforward and Feedback Neural Networks, SVM	numerical corneal parameters	62 articles analyzed
100	2025-05-16	A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs 2025-Mar-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05803-y PMID:40158107	研究论文	开发了一种基于深度学习的自动化系统，用于在混合和恒牙列的咬合照片中检测和编号牙齿	首次在咬合照片中实现了混合和恒牙列的自动化牙齿检测与编号，填补了该领域的研究空白	在代表性不足的牙齿（如乳切牙和恒牙第三磨牙）上存在误分类	开发人工智能模型以改进牙科诊断和治疗规划	混合和恒牙列的牙齿	计算机视觉	牙科疾病	深度学习	CNN, YOLOv8	图像	3215张上颌和下颌的咬合视图图像