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	2025-07-25	Recent advances in pulmonary tuberculosis, the application of deep learning to medical topics, and highlights from this issue of Ewha Medical Journal 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00395 PMID:40703376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
62	2025-07-25	Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: a prediction study 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00353 PMID:40703379	研究论文	本研究开发并评估了一种基于特征的集成模型，结合SMOTE、RUS和随机森林方法，用于解决糖尿病早期检测中的类别不平衡问题	提出了一种结合SMOTE、RUS和特征集成学习的创新方法，显著提高了少数类（高风险糖尿病）的预测性能	研究仅使用了Scikit-learn糖尿病数据集（442个样本），样本量相对较小	解决机器学习中类别不平衡问题，提高糖尿病早期预测的准确性	糖尿病进展预测	机器学习	糖尿病	SMOTE（合成少数类过采样技术）、RUS（随机欠采样）、随机森林	随机森林、全连接神经网络、k近邻	结构化数据	442个样本，10个特征
63	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
64	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
65	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
66	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
67	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
68	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
69	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
70	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
71	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)
72	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
73	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
74	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
75	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
76	2025-07-22	DCATNet: polyp segmentation with deformable convolution and contextual-aware attention network 2025-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01661-w PMID:40229681	研究论文	提出了一种名为DCATNet的新型深度学习架构，专门用于息肉分割	结合了ResNetV2-50编码器和Transformer，集成了几何注意力模块(GAM)、上下文注意力门(CAG)和多尺度特征提取(MSFE)块	未提及具体局限性	解决医学图像中息肉分割的挑战	医学图像中的息肉	计算机视觉	息肉相关疾病	深度学习	U-shaped网络结合ResNetV2-50和Transformer	医学图像	五个公共数据集（包括Kvasir-SEG和CVC-ClinicDB）
77	2025-07-22	Deciphering epistatic genetic regulation of cardiac hypertrophy 2025-Apr-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.06.23297858 PMID:37987017	研究论文	该研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构，并通过深度学习从29,661份英国生物银行心脏MRI中获取左心室质量估计	使用低信号符号迭代随机森林方法发现全基因组关联研究中被认为不显著的位点，并通过功能基因组学和转录组网络分析验证这些基因在心脏肥大中的非加性调控作用	研究依赖于英国生物银行的样本，可能无法完全代表其他人群的遗传多样性	揭示心脏肥大的复杂遗传调控机制，特别是非加性遗传互作（上位性）的作用	人类心脏组织、诱导多能干细胞衍生的心肌细胞	遗传学	心血管疾病	低信号符号迭代随机森林、深度学习、RNA沉默、微流控单细胞形态分析	随机森林、深度学习模型	心脏MRI图像、基因组数据、转录组数据	29,661份英国生物银行心脏MRI，313个人类心脏样本
78	2025-07-22	Continuous sleep depth index annotation with deep learning yields novel digital biomarkers for sleep health 2025-Apr-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01607-0 PMID:40216900	研究论文	提出一种深度学习方法，利用现有离散睡眠分期标签标注连续睡眠深度指数（SDI），揭示了更详细的睡眠结构	使用深度学习从传统离散睡眠分期中提取连续睡眠深度指数，发现新的数字生物标志物	研究基于现有数据集，可能无法涵盖所有睡眠异常情况	开发更精细的睡眠评估方法，发现与健康相关的睡眠数字生物标志物	来自四个大型队列的10,000多份多导睡眠图记录	机器学习	睡眠障碍	深度学习	深度学习模型（未指定具体类型）	多导睡眠图数据	超过10,000份记录
79	2025-07-22	Decomposing the effect of normal aging and Alzheimer's disease in brain morphological changes via learned aging templates 2025-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96234-w PMID:40189702	研究论文	本文提出两种评分（AS和ADS）来独立测量正常衰老和阿尔茨海默病（AD）对脑萎缩的影响	使用深度学习模型生成不同年龄的成像模板，并基于深度学习的微分同胚配准技术分解脑萎缩的两种成分	研究仅基于OASIS-3数据集，样本量有限，且未涵盖其他神经退行性疾病	区分正常衰老和AD病理对脑形态变化的独立影响	认知正常（CN）个体和不同临床严重程度的AD患者	数字病理学	阿尔茨海默病	T1加权MRI扫描	生成式深度学习模型	MRI图像	1014例（326例CN，688例AD）
80	2025-07-22	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种结合深度学习和量化的端到端管道，用于快速和定量的动态对比增强（DCE）MRI	开发了名为DCE-Movienet的新型深度重建网络，结合先前开发的DCE-Qnet深度量化网络，显著提高了DCE-MRI的重建速度和量化鲁棒性	仅在健康志愿者和一名宫颈癌患者上进行了验证，样本量较小	提高DCE-MRI在临床环境中的性能和采用率	动态对比增强（DCE）MRI数据	数字病理学	宫颈癌	动态对比增强（DCE）MRI	DCE-Movienet, DCE-Qnet	4D MRI数据	健康志愿者和一名宫颈癌患者