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
21	2025-07-25	Development of automatic organ segmentation based on positron-emission tomography analysis system using Swin UNETR in breast cancer patients in Korea 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00094 PMID:40703367	研究论文	本研究开发了一种基于深度学习的自动器官分割方法，用于标准化乳腺癌患者的正电子发射断层扫描（PET）分析	使用Swin UNETR模型进行自动器官分割，提高了标准化摄取值（SUV）评估的准确性和可靠性	样本量较小，测试数据集仅包含10名患者	标准化核医学成像中的SUV评估，提高乳腺癌预后诊断的准确性	乳腺癌患者的关键器官（乳腺、肝脏、脾脏和骨髓）	数字病理学	乳腺癌	正电子发射断层扫描（PET）	Swin UNETR	医学影像	60名患者（40名训练集，10名验证集，10名独立测试集）
22	2025-07-25	Cyclic dual latent discovery for improved blood glucose prediction through patient-provider interaction modeling: a prediction study 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00332 PMID:40703385	研究论文	该研究提出了一种名为循环双潜在发现（CDLD）的深度学习框架，通过显式建模患者-提供者互动来改进血糖水平的预测	引入了CDLD框架，首次在血糖预测中显式建模患者-提供者互动，并采用循环训练机制交替更新患者和提供者的潜在表示	研究基于ICU患者数据，可能不适用于普通糖尿病患者群体	提高血糖变异性预测的准确性，改善糖尿病管理	ICU患者及其医疗提供者	机器学习	糖尿病	深度学习	CDLD（循环双潜在发现模型）	结构化医疗记录数据	约5,014例患者-提供者互动实例（来自MIMIC-IV v3.0重症监护数据库）
23	2025-07-24	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，整合了流行病学理论和数据	通过将分室模型嵌入损失函数，整合流行病学理论与数据，防止模型过拟合，并引入考虑移动性和累计疫苗剂量等协变量的子网络	模型在更广泛的地理区域和不同传染病中的适用性未经验证	提高传染病预测的准确性，以支持公共卫生政策制定和疫情准备	COVID-19在加利福尼亚州的传播情况	机器学习	COVID-19	物理信息神经网络（PINNs）	PINN, RNN, LSTM, GRU, Transformer	时间序列数据	加利福尼亚州级别的COVID-19数据
24	2025-07-24	Dynamic Glucose Enhanced Imaging using Direct Water Saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	提出了一种利用直接水饱和曲线的交换性线宽增宽进行动态葡萄糖增强成像的新方法	首次提出利用直接水饱和曲线的线宽变化来检测葡萄糖摄取，克服了现有CEST和CESL方法的低效应量和运动敏感性问题	目前仅在4例脑肿瘤患者中进行了初步验证，样本量较小	开发一种更灵敏的葡萄糖摄取检测方法	脑肿瘤患者的葡萄糖摄取情况	医学影像	脑肿瘤	DS-DGE MRI	深度学习Lorentzian拟合	MRI影像数据	4例脑肿瘤患者
25	2025-07-24	Deep learning-based generation of DSC MRI parameter maps using DCE MRI data 2025-Apr-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	利用深度学习技术从DCE MRI数据生成DSC MRI参数图	开发了一种基于条件生成对抗网络（cGAN）的方法，能够从DCE MRI数据合成DSC衍生的参数图，从而减少对比剂的使用量	研究样本量有限，且仅针对脑肿瘤患者和健康对照进行了验证	开发一种方法，通过单一剂量的对比剂获取DSC和DCE MRI参数图	脑肿瘤患者和健康对照的MRI数据	医学影像分析	脑肿瘤	DSC MRI和DCE MRI	cGAN	MRI图像	64名参与者，包括脑肿瘤患者和健康对照
26	2025-07-24	Virtual Lung Screening Trial (VLST): An In Silico Study Inspired by the National Lung Screening Trial for Lung Cancer Detection 2025-Apr-04, ArXiv PMID:38699170	研究论文	本研究通过虚拟成像试验（VITs）模拟国家肺部筛查试验（NLST），探讨了CT和胸部X光在肺癌筛查中的诊断性能差异	利用虚拟成像试验平台模拟临床实验，减少实际试验的成本和伦理风险，同时验证深度学习模型在肺癌筛查中的应用	研究基于模拟数据，可能无法完全反映真实临床环境中的复杂情况	探索虚拟成像试验在加速临床研究和优化影像技术使用方面的潜力	模拟的肺癌结节和虚拟患者队列	数字病理	肺癌	CT和CXR成像	深度学习模型（AI CT-Reader和AI CXR-Reader）	影像数据	294名虚拟受试者
27	2025-07-24	MSP-tracker: A versatile vesicle tracking software tool used to reveal the spatial control of polarized secretion in Drosophila epithelial cells 2025-04, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003099 PMID:40208901	研究论文	开发了一种名为MSP-tracker的囊泡追踪软件工具，用于研究果蝇上皮细胞中极化分泌的空间控制	利用计算机视觉和深度学习技术开发了MSP-tracker，无需大量训练数据即可在嘈杂环境中追踪囊泡轨迹，揭示了微管组织在顶端分泌靶向中的核心作用	研究主要局限于果蝇上皮细胞，未在其他生物系统或细胞类型中验证	研究上皮细胞中特定分泌货物如何靶向质膜的不同区域	果蝇上皮细胞中的后高尔基体囊泡	计算机视觉	NA	RUSH系统、计算机视觉、深度学习	NA	图像	NA
28	2025-07-23	PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning 2025-Apr-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.16.24317431 PMID:40321248	research paper	开发并评估了一个名为PanEcho的AI系统，用于自动化超声心动图的解读	提出了一个多任务深度学习模型PanEcho，能够自动化解读超声心动图，并在不同地理和时间范围内保持高准确性	研究为回顾性分析，可能需要在更多前瞻性研究中验证其性能	开发并评估一个AI系统，用于自动化超声心动图的解读	超声心动图视频和相关的39个标签和测量值	digital pathology	cardiovascular disease	multi-task deep learning	deep learning	video	1.2 million echocardiographic videos from 32,265 TTE studies of 24,405 patients
29	2025-07-23	Harnessing AlphaFold to reveal hERG channel conformational state secrets 2025-Apr-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.27.577468 PMID:38352360	研究论文	利用AlphaFold揭示hERG通道构象状态的秘密，以改进药物安全筛选和设计更安全的治疗方法	通过精心选择的结构模板引导AlphaFold预测不同的功能状态，揭示了hERG通道的失活机制和增强药物结合的新分子特征	需要进一步的实验验证来确认预测的构象状态和药物结合机制	深入理解hERG通道的结构和功能，以改进药物安全筛选和设计更安全的治疗方法	hERG通道的构象状态及其与药物的相互作用	计算生物学	心血管疾病	AlphaFold、分子对接、分子动力学模拟	AlphaFold	蛋白质结构数据	NA
30	2025-07-23	Mapping individualized multi-scale hierarchical brain functional networks from fMRI by self-supervised deep learning 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.07.647618 PMID:40291726	研究论文	本文提出了一种自监督深度学习框架，用于从fMRI数据中构建个体化的多尺度层次脑功能网络	首次通过自监督深度学习同时计算多尺度功能网络并表征其跨尺度层次结构	方法尚未在更广泛的神经精神疾病群体中进行验证	开发新方法以表征个体化多尺度脑功能网络的层次结构	人类大脑功能网络	神经影像分析	神经精神疾病	fMRI, 自监督深度学习	DL模型	fMRI扫描数据	Human Connectome Project数据及两个外部队列
31	2025-07-23	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了MUC5B基因型及其他常见变异与普通间质性肺炎（UIP）的计算成像特征之间的关联	首次使用深度学习技术自动评估CT图像，探索遗传风险与IPF患者成像表型的关系	样本量有限（329名IPF患者），且未发现遗传变异与视觉评估的UIP模式之间的关联	确定IPF患者的遗传风险特征是否能识别独特的计算成像表型	特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	CT扫描、深度学习	深度学习技术	CT图像	329名IPF患者
32	2025-07-23	A deep learning model for clinical outcome prediction using longitudinal inpatient electronic health records 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf026 PMID:40213364	研究论文	开发了一种基于Transformer的临床结果预测模型TECO，用于利用住院电子健康记录预测ICU死亡率	提出了一种新型的Transformer-based Encounter-level Clinical Outcome (TECO)模型，在预测ICU死亡率方面优于现有专有指标和传统机器学习模型	需要进一步验证	开发深度学习模型预测ICU患者的临床结果	COVID-19患者、急性呼吸窘迫综合征患者和败血症患者	机器学习	COVID-19、急性呼吸窘迫综合征、败血症	深度学习	Transformer	电子健康记录(EHR)	COVID-19患者2579人，急性呼吸窘迫综合征患者2799人，败血症患者6622人
33	2025-07-23	Mortality and Antibiotic Timing in Deep Learning-Derived Surviving Sepsis Campaign Risk Groups: A Multicenter Study 2025-Apr-01, Research square DOI:10.21203/rs.3.rs-6123541/v1 PMID:40235491	研究论文	本研究利用深度学习模型对脓毒症患者进行风险分层，并探讨抗生素使用时机对不同风险组患者死亡率的影响	首次使用深度学习模型客观地将脓毒症患者分层到与SSC风险组相似的组别，并分析不同风险组中抗生素使用时机与死亡率的关系	未评估因果关系，需要更多前瞻性研究验证结果	评估基于深度学习风险分层的脓毒症患者抗生素使用时机与死亡率的关系	34,163名潜在脓毒症成年患者	数字病理学	脓毒症	深度学习	DL	临床数据	34,163名成年患者
34	2025-07-23	SegCSR: WEAKLY-SUPERVISED CORTICAL SURFACES RECONSTRUCTION FROM BRAIN RIBBON SEGMENTATIONS 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10980662 PMID:40655953	研究论文	提出了一种名为SegCSR的弱监督方法，用于从脑MRI带状分割中重建多个皮质表面	SegCSR通过联合学习微分同胚流来对齐皮质带状分割图的边界，无需依赖传统CSR流程生成的伪地面真值作为监督	方法在具有挑战性的深皮质沟区域可能仍需进一步优化	开发一种不依赖伪地面真值的皮质表面重建方法	脑MRI图像中的皮质表面	数字病理	NA	深度学习	NA	MRI图像	两个大规模脑MRI数据集
35	2025-07-22	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度(OSD)，并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍(SDB)和认知障碍的关系	使用深度学习框架开发了连续测量睡眠深度的方法，相比传统离散睡眠分期更能捕捉睡眠深度的连续性	NA	开发连续睡眠深度测量方法并验证其临床相关性	18,116名患者的21,787份多导睡眠图记录	机器学习	睡眠呼吸障碍, 认知障碍	多导睡眠图	CNN	EEG信号	21,787份多导睡眠图记录(来自18,116名患者)
36	2025-07-22	Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study 2025-Apr-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.22.25325465 PMID:40313259	研究论文	本研究利用深度学习技术自动检测胎盘绒毛组织特征，并探讨其与母婴特征的关联	首次采用深度学习分割技术自动识别胎盘绒毛亚型，并通过无监督聚类验证其生物学相关性	仅分析了足月胎盘样本，未涵盖早产或其他妊娠并发症病例	建立胎盘绒毛结构的客观量化标准以改善母婴健康评估	新罕布什尔州出生队列研究中的1531例足月胎盘全切片图像	数字病理学	妊娠相关疾病	深度学习分割、无监督聚类	CNN	病理图像	1531例足月胎盘全切片图像（包含900多万个绒毛结构）
37	2025-07-22	Dissection of tumoral niches using spatial transcriptomics and deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112214 PMID:40230519	研究论文	本研究介绍了一种名为TG-ME的创新计算框架，结合了transformer和图变分自编码器（GraphVAE）模型，用于利用空间转录组学数据和形态学图像解析肿瘤微环境	TG-ME框架整合了transformer和GraphVAE模型，能够有效识别和表征肿瘤微环境中的特定区域，为肿瘤微环境的空间组织提供了新的见解	研究可能受限于数据集的大小和多样性，以及模型在更广泛癌症类型中的泛化能力	解析肿瘤微环境的空间组织，揭示与疾病预后和治疗效果相关的微环境特征	肿瘤微环境中的特定区域（niches）	数字病理学	肺癌（NSCLC）	空间转录组学	transformer, GraphVAE	空间转录组学数据, 形态学图像	基准数据集和高分辨率NSCLC数据集
38	2025-07-22	Enhanced cell tracking using a GAN-based super-resolution video-to-video time-lapse microscopy generative model 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112225 PMID:40230526	研究论文	本文提出了一种基于GAN的超分辨率视频到视频延时显微镜生成模型tGAN，用于增强细胞追踪的性能	引入了tGAN，一种基于GAN的延时显微镜生成器，能够生成高质量和多样性的合成注释延时显微镜数据，提升细胞追踪模型的性能	需要进一步验证tGAN在不同类型细胞和实验条件下的泛化能力	提升细胞追踪的准确性和减少对人工注释的依赖	细胞动态行为	数字病理学	NA	GAN	GAN	视频	NA
39	2025-07-22	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学，生成经过筛选的电生理特性真实库，并训练半监督深度学习分类器，预测细胞类型的准确率超过95%	研究主要集中在小脑作为测试平台，可能在其他脑区的适用性有待验证	揭示具有不同功能、分子和解剖特性的神经元在行为中的计算作用	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学、药理学、高密度细胞外记录	半监督深度学习分类器	电生理记录数据	NA
40	2025-07-22	Accurate and rapid determination of metabolic flux by deep learning of isotope patterns 2025-Apr-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.06.565907 PMID:37986781	研究论文	本文介绍了一种名为ML-Flux的机器学习框架，用于快速准确地测定代谢通量	创新性地开发了ML-Flux框架，能够解读复杂的同位素标记模式，并比现有方法更准确、更快速地计算代谢通量	研究仅涉及26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂，可能不涵盖所有代谢情况	旨在通过机器学习方法改进代谢通量的定量分析	中心碳代谢中的同位素标记模式	机器学习	NA	同位素示踪实验	神经网络	同位素标记模式数据	26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂