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	2025-08-03	Network-based analyses of multiomics data in biomedicine 2025-May-27, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00452-x PMID:40426270	综述	本文回顾了多组学数据在生物医学中基于网络的表示和分析方法	探讨了网络表示在深度学习与机器学习框架下处理多组学数据的现有方法，并分析了各种方法的优缺点	未提及具体的技术实现细节或实验验证结果	旨在通过基于网络的表示和分析方法促进生物医学大数据任务的发展	多组学数据，包括基因组学、转录组学和蛋白质组学等	生物医学	NA	多组学数据分析	深度学习与机器学习方法	多组学数据	NA
62	2025-08-03	Phase recognition in manual Small-Incision cataract surgery with MS-TCN + + on the novel SICS-105 dataset 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00303-z PMID:40399321	研究论文	本研究介绍了首个手动小切口白内障手术（SICS）视频数据集，并评估了使用MS-TCN++架构进行深度学习在手术阶段识别的有效性	首次引入SICS视频数据集，并比较了MS-TCN++架构在SICS与传统超声乳化手术中的表现差异	SICS手术阶段更多且持续时间更长，使得阶段识别相比超声乳化更具挑战性	探索深度学习在手动小切口白内障手术阶段识别中的应用效果	105名在印度Sankara眼科医院接受手术的患者	计算机视觉	白内障	深度学习	MS-TCN++	视频	105名患者的手术视频数据
63	2025-07-29	Genome structure mapping with high-resolution 3D genomics and deep learning 2025-May-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.06.650874 PMID:40654659	研究论文	本文介绍了一种结合高分辨率3D基因组学和深度学习的基因组结构映射方法	开发了基于注意力的深度学习模型Cleopatra，能够以前所未有的分辨率预测3D基因组图谱	仅测试了四种人类细胞类型，可能无法完全代表所有细胞类型的3D基因组结构	建立超高分辨率3D基因组映射框架，研究细胞类型特异性基因调控	人类基因组3D结构	机器学习	NA	Region Capture Micro-C (RCMC)和Micro-C	基于注意力的深度学习模型(Cleopatra)	基因组数据	四种人类细胞类型
64	2025-07-28	Fully volumetric body composition analysis for prognostic overall survival stratification in melanoma patients 2025-May-12, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06507-1 PMID:40355935	研究论文	本研究探讨了基于深度学习的身体成分分析在预测黑色素瘤患者总体生存期中的应用	利用基线CT扫描进行全体积身体成分分析，识别出与预后相关的身体成分特征	需要外部验证以确认结果的普遍适用性	预测黑色素瘤患者的总体生存期，为治疗决策提供支持	黑色素瘤患者	数字病理学	黑色素瘤	深度学习	深度学习网络	CT图像	495名患者（内部验证），428名患者（外部验证）
65	2025-07-26	Identification of Hypertrophic Cardiomyopathy on Electrocardiographic Images with Deep Learning 2025-May-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.23.23300490 PMID:38234746	research paper	开发并验证了一种深度学习模型，用于从12导联心电图图像中识别肥厚型心肌病	利用深度学习模型从心电图图像中检测肥厚型心肌病，支持多种图像格式和临床环境	模型在点护理应用中的使用受限	提高肥厚型心肌病的诊断率	心电图图像	computer vision	cardiovascular disease	deep learning	DL	image	124,553份心电图来自66,987名个体
66	2025-07-26	Deep Learning-Based Classification of Peptide Analytes from Single-Channel Nanopore Translocation Events 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652126 PMID:40654724	研究论文	本文提出了一种基于深度学习的纳米孔易位事件数据处理流程，用于肽类分析物的分类	采用了一种新颖的分支输入网络结构，结合时间卷积网络和密集网络处理易位事件电导状态序列及全局动力学特征	在混合样本分类中性能较为一般（准确率0.68），且存在误分类导致的假阳性问题	开发快速准确的肽类生物标志物检测方法，用于疾病诊断和其他生物医学应用	七种肽类的模拟多态易位数据	机器学习	NA	纳米孔生物传感器	CNN, RNN, TCN	电流记录数据	七种肽类的模拟数据
67	2025-07-24	ORAKLE: Optimal Risk prediction for mAke30 in patients with sepsis associated AKI using deep LEarning 2025-May-26, Critical care (London, England) DOI:10.1186/s13054-025-05457-w PMID:40420108	研究论文	介绍了一种名为ORAKLE的新型深度学习模型，用于预测脓毒症相关急性肾损伤（AKI）患者在30天内发生重大不良肾脏事件（MAKE30）的风险	ORAKLE模型利用动态时间序列数据进行预测，克服了现有静态预测模型的不足，能够更准确地捕捉肾脏损伤、治疗效果和患者轨迹的动态变化	研究为回顾性分析，可能存在数据偏差；模型性能需在更多临床环境中进一步验证	开发能够准确预测AKI患者30天内重大不良肾脏事件风险的深度学习模型	脓毒症相关急性肾损伤（AKI）患者	医疗人工智能	急性肾损伤	深度学习时间序列分析	Dynamic DeepHit框架	临床时间序列数据	开发队列（MIMIC-IV数据库）16,671例患者，外部验证队列（SiCdb数据库）2,665例患者和（eICU-CRD数据库）11,447例患者
68	2025-07-24	Pancreas segmentation using AI developed on the largest CT dataset with multi-institutional validation and implications for early cancer detection 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01802-9 PMID:40379726	研究论文	本研究开发了一种基于深度学习的卷积神经网络（CNN）用于胰腺的自动分割，并在大型CT数据集上进行了多机构验证，以提高早期胰腺癌检测的准确性	使用迄今为止最大的单机构CT数据集（n=3031）开发了3D nnU-Net模型，并在多机构AbdomenCT-1K数据集（n=585）上进行了外部验证，展示了模型在不同成像条件下的鲁棒性	虽然模型在多个数据集上表现良好，但未提及在更广泛或更具挑战性的临床环境中的表现	提高胰腺自动分割的准确性，以促进早期胰腺癌检测和胰腺疾病的生物标志物发现	胰腺	数字病理	胰腺癌	深度学习	3D nnU-Net	CT图像	3031个单机构CT扫描和585个多机构AbdomenCT-1K数据集扫描
69	2025-07-24	Tracking Conditioned Fear in Pair-Housed Mice Using Deep Learning and Real-Time Cue Delivery 2025-May-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.10.653260 PMID:40463247	研究论文	本研究开发了一种基于深度学习的开源软件，用于在配对饲养的小鼠家庭笼中实时追踪条件恐惧行为	结合开源软件和深度学习姿态估计技术，在生态学相关环境中研究小鼠的条件恐惧行为	研究仅针对小鼠模型，结果向人类PTSD的转化需要进一步验证	开发新方法来研究创伤后应激障碍(PTSD)相关的条件恐惧行为	配对饲养的小鼠	数字病理学	创伤后应激障碍(PTSD)	深度学习姿态估计	深度学习模型	视频	配对饲养的小鼠群体(具体数量未明确说明)
70	2025-07-24	Vessels hiding in plain sight: quantifying brain vascular morphology in anatomical MR images using deep learning 2025-May-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.06.652518 PMID:40654616	研究论文	该研究开发了一种名为anat2vessels的深度学习模型，用于在标准T1或T2加权MR图像中量化脑血管形态	提出了一种无需额外MRA扫描即可在常规MR图像中准确量化脑血管形态的深度学习方法	模型性能在仅使用T1w图像时可能不如T2w图像	开发一种非侵入性方法来评估脑血管形态及其与脑健康和衰老的关系	脑血管形态	数字病理学	老年疾病	MR成像	深度学习神经网络	医学影像	包含配对MR/MRA的数据集及另一个不含MRA的数据集
71	2025-07-24	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	本研究通过深度学习模型自动检测关节间隙，提高了骨骼分割的准确性	超越之前发布的半自动标记分水岭算法，引入了结构增强、张量投票和输出膨胀技术来识别关节间隙，并使用3D U-Net架构的深度学习模型进行预测	在疾病严重程度和年龄增加的TNF-Tg小鼠中，准确性下降，且在关节炎严重程度增加的前爪中准确性也逐步降低	提高复杂骨骼解剖结构的自动分割准确性	小鼠的后爪和前爪骨骼	数字病理	炎症侵蚀性关节炎	micro-CT、深度学习	3D U-Net、ResNet-18	图像	野生型（WT）和肿瘤坏死因子转基因（TNF-Tg）小鼠的后爪和前爪，数量未明确说明
72	2025-07-24	Diagnostic Accuracy of a Deep Learning Algorithm for Detecting Unruptured Intracranial Aneurysms in Magnetic Resonance Angiography: A Multicenter Pivotal Trial 2025-05, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123882 PMID:40086726	研究论文	评估深度学习算法在磁共振血管造影中检测未破裂颅内动脉瘤的准确性	使用3D U-Net模型在TOF MRA数据上实现高灵敏度和低假阳性率的未破裂颅内动脉瘤检测	对于小于3毫米的动脉瘤检测灵敏度较低，仍需专家复核	评估深度学习算法在辅助放射科医生检测未破裂颅内动脉瘤方面的效果	675名参与者（189名动脉瘤阳性，486名阴性）的TOF MRA数据	数字病理学	颅内动脉瘤	TOF磁共振血管造影	3D U-Net	医学影像	675名参与者（来自2家医院2019-2023年数据），训练使用988个非重叠TOF MRA数据集
73	2025-07-23	scPrediXcan integrates deep learning methods and single-cell data into a cell-type-specific transcriptome-wide association study framework 2025-May-14, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100875 PMID:40373737	研究论文	提出了一种名为scPrediXcan的方法，整合深度学习和单细胞数据，用于细胞类型特异性的全转录组关联研究	结合先进的深度学习方法和单细胞数据，提高了细胞类型特异性表达的预测准确性，并捕捉了线性模型忽略的复杂基因调控规律	未提及具体样本量或数据集的局限性	改进全转录组关联研究（TWAS）框架，以更好地理解复杂疾病的细胞机制	2型糖尿病（T2D）和系统性红斑狼疮（SLE）	生物信息学	2型糖尿病, 系统性红斑狼疮	深度学习, 单细胞数据分析	ctPred（未明确具体模型类型如CNN、LSTM等）	单细胞表达数据, DNA序列数据	NA
74	2025-07-22	A Diffusion-Based Framework for Designing Molecules in Flexible Protein Pockets 2025-May-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.27.656443 PMID:40502112	research paper	提出了一种基于扩散的框架YuelDesign，用于设计适应柔性蛋白口袋的分子	YuelDesign采用新的蛋白质编码方案和全连接图表示来编码蛋白口袋的灵活性，以及专门的键重建模块	未提及具体的局限性	解决基于结构的药物发现中柔性蛋白口袋分子设计的挑战	柔性蛋白口袋和分子设计	machine learning	NA	扩散模型	diffusion-based framework	molecular structures	NA
75	2025-07-22	Operationalizing postmortem pathology-MRI association studies in Alzheimer's disease and related disorders with MRI-guided histology sampling 2025-05-28, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-025-02030-y PMID:40437594	研究论文	本文开发了一种结合7T MRI引导的组织病理学采样和数字成像的全面方案，用于阿尔茨海默病及相关疾病的死后病理-MRI关联研究	开发了患者特异性3D打印模具和半自动MRI到组织学配准流程，以及使用弱监督深度学习的定量病理评分系统	研究仅针对29个大脑样本进行验证，样本量相对较小	开发标准化方法整合组织学和MRI，以改进阿尔茨海默病及相关疾病的神经病理学研究	死后大脑组织，特别是阿尔茨海默病谱系疾病患者的大脑	数字病理学	阿尔茨海默病	7T MRI，全切片数字成像，弱监督深度学习	深度学习模型（具体类型未明确说明）	MRI图像，组织学图像	29个确诊为阿尔茨海默病谱系疾病的大脑
76	2025-07-22	FlowMRI-Net: A generalizable self-supervised 4D flow MRI reconstruction network 2025-May-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101913 PMID:40383184	研究论文	提出了一种名为FlowMRI-Net的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	采用基于物理驱动的展开优化和复数卷积循环神经网络的自监督训练方法，提高了重建速度和准确性	研究仅针对主动脉和脑血管应用进行了验证，未涵盖其他血管区域	开发一个通用的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	主动脉和脑血管的4D流MRI数据	医学影像处理	心血管疾病	4D流MRI	复数卷积循环神经网络	MRI图像	使用了来自两个不同厂商系统的主动脉和脑血管4D流MRI采集数据
77	2025-07-22	Neurospectrum: A Geometric and Topological Deep Learning Framework for Uncovering Spatiotemporal Signatures in Neural Activity 2025-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533807 PMID:40654845	研究论文	介绍了一个名为Neurospectrum的几何和拓扑深度学习框架，用于揭示神经活动中的时空特征	提出了一个结合空间和时间结构的框架，通过图表示、可学习注意力机制、图小波嵌入和流形正则自编码器来提取神经活动的多尺度几何、拓扑和动态特征	未明确提及具体局限性	开发一个可解释的端到端可训练框架，用于提取与行为或疾病相关的神经活动特征	神经信号	机器学习	强迫症	深度学习	图神经网络、自编码器、注意力机制	神经信号数据（如fMRI、钙成像数据）	模拟数据集和实验数据集（具体数量未提及）
78	2025-07-22	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文比较了四种深度学习分割模型在生物物理和生物医学数据上的表现	提供了针对生物物理实验中常见的小型训练数据集，比较了四种常用架构的性能，并建立了确定每种模型最佳适用条件的标准	研究仅限于四种深度学习架构，且假设训练数据集规模较小	比较不同深度学习分割模型在生物物理和生物医学数据上的性能，为研究者和实践者提供实用指南	生物物理和生物医学数据	机器学习和生物物理学	NA	深度学习	CNN, U-Nets, vision transformers, vision state space models	图像	NA
79	2025-07-22	scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression 2025-May-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.17.649372 PMID:40654959	research paper	开发了一个名为scRegulate的生成深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性	结合了基因调控网络先验和变分推断，能够捕捉新颖、动态和上下文特定的调控相互作用	依赖于基因调控网络的先验知识，可能无法完全捕捉未知的调控关系	提高从单细胞RNA测序数据中推断转录因子活性的准确性和可解释性	单细胞RNA测序数据和基因调控网络	computational biology	NA	scRNA-seq, variational inference	generative deep learning framework	gene expression data	multiple public experimental and synthetic datasets
80	2025-07-22	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	研究论文	开发了一种基于深度学习的自动去标识化工具，用于儿科脑部MRI图像，以促进神经科学数据共享	针对儿科病例和多种MRI序列定制化开发的去标识化工具，填补了现有工具在儿科病例和多样化图像类型上的不足	模型在去除耳朵区域的性能较低（准确率73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	数字病理	脑肿瘤	MRI（T1W、T1W对比增强、T2W、T2W-FLAIR）	nnU-Net	图像	208名脑肿瘤患者和36名临床对照患者，共976张图像