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
201	2025-07-23	Multimodal functional deep learning for multiomics data 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae448 PMID:39285512	research paper	提出了一种多模态功能深度学习（MFDL）方法，用于分析高维多组学数据	MFDL方法通过深度神经网络的层次结构建模多组学变异与疾病表型之间的复杂关系，并利用功能数据分析技术处理高维组学数据	未明确提及具体局限性	开发新型分析方法以应对高维多组学数据分析的挑战	高维多组学数据	machine learning	NA	functional data analysis, deep learning	deep neural networks	multiomics data	NA
202	2025-07-23	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	该研究开发了一种结合生物物理光感受器适应机制的新型深度学习模型，用于改进人工神经网络在动态输入条件下预测视网膜神经节细胞响应的能力	在传统卷积神经网络前端嵌入光感受器适应的生物物理机制，显著提升了模型在动态自然刺激下的预测性能	研究仅针对视网膜神经节细胞的响应预测，未验证在其他神经系统的适用性	探索将神经适应机制嵌入人工神经网络是否能提升其动态输入下的预测性能	灵长类和鼠类的视网膜神经节细胞(RGC)	机器学习	NA	深度学习	CNN	神经电生理数据	灵长类和鼠类视网膜神经节细胞
203	2025-07-23	A Computed Tomography-Based Fracture Prediction Model With Images of Vertebral Bones and Muscles by Employing Deep Learning: Development and Validation Study 2024-07-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48535 PMID:38995678	研究论文	本研究开发并验证了一种基于CT扫描的深度学习模型，用于预测椎骨骨折风险	结合椎骨和椎旁肌肉的CT图像，使用注意力卷积神经网络-循环神经网络模型进行骨折预测，相比仅使用骨图像或临床变量模型表现更优	研究样本主要来自特定时间段(2010-2019年)的患者，且女性比例较高	开发并验证基于CT图像的骨折预测模型	1214名患者的腹部CT图像(开发集)和495名患者(验证集)	数字病理学	骨质疏松症	CT扫描	注意力CNN-RNN	医学图像	开发集1214名患者，验证集495名患者
204	2025-07-23	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含基因组和病理注释的泛癌患者来源异种移植组织学图像库，用于深度学习分析	创建了一个大规模的PDX H&E图像库，并展示了其在深度学习分析中的适用性	NA	促进通过组织病理学分析进行的癌症生物学研究	患者来源异种移植(PDX)模型	数字病理学	泛癌	H&E染色	深度学习	图像	>1,000个PDX和配对亲本肿瘤H&E图像
205	2025-07-23	Deep Learning-Based Automated Measurement of Murine Bone Length in Radiographs 2024-Jul-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070670 PMID:39061752	研究论文	本研究开发了一种基于深度学习的模型，用于自动化测量小鼠骨骼X光片中的骨骼长度，以提高准确性和可重复性	利用Keypoint R-CNN算法与EfficientNet-B3特征提取骨干网络，开发了一个骨骼检测和测量流程，显著提升了测量精度和一致性	研究主要针对小鼠骨骼，尚未验证其在人类骨骼测量中的适用性	开发自动化工具以替代传统手动测量小鼠骨骼长度的方法，提高遗传关联映射的精度和一致性	小鼠骨骼X光片	计算机视觉	骨骼疾病	深度学习	Keypoint R-CNN, EfficientNet-B3	图像	94张X光片用于开发，592张用于独立测试，21,300张用于进一步验证
206	2025-07-23	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2024-Jun-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.16.599221 PMID:38915557	research paper	PSSR2是一个用户友好的Python包，旨在普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进并扩展了原有的PSSR工作流程，实现了同时超分辨率和去噪功能，并通过集成的CLI和Napari插件使技术更易于使用	NA	开发一个用户友好的工具，使显微镜和生物学研究社区能够轻松实现超分辨率工作流程	显微镜数据	digital pathology	NA	deep learning	NA	image	NA
207	2025-07-23	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	本研究利用迁移学习训练深度学习模型，通过DNA序列预测转录因子（TF）剂量如何影响面部祖细胞中调控元件（RE）的染色质可及性	首次将迁移学习应用于预测TF剂量对染色质状态的定量影响，揭示了缓冲和敏感响应的序列特征，并通过生物物理模型验证了低亲和力基序的敏感效应	研究仅针对两种剂量敏感的TF（TWIST1和SOX9），可能不适用于其他TF	揭示染色质状态对TF剂量变化的定量响应的序列决定因素	面部祖细胞中的调控元件（RE）染色质可及性	机器学习	NA	迁移学习	深度学习模型	DNA序列数据	NA
208	2025-07-23	Massively parallel characterization of regulatory elements in the developing human cortex 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adh0559 PMID:38781390	研究论文	通过大规模并行报告实验，研究了人类发育中大脑皮层的基因调控元件及其变异	首次在人类原代细胞和脑器官样中大规模并行检测了102,767个开放染色质区域的顺式调控活性，并鉴定了46,802个活性增强子序列和164个改变增强子活性的变异	研究主要集中在中孕期大脑皮层，可能无法完全代表其他发育阶段或脑区的调控特征	建立人类神经元发育过程中功能性基因调控元件和变异的全面目录	人类中孕期大脑皮层的原代细胞和脑器官样	基因组学	神经系统疾病	大规模并行报告实验(MPRA)、深度学习	深度学习模型	基因组数据	102,767个开放染色质区域
209	2025-07-23	AI-based classification of three common malignant tumors in neuro-oncology: A multi-institutional comparison of machine learning and deep learning methods 2024-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2023.08.007 PMID:37652263	研究论文	本研究比较了机器学习和深度学习方法在神经肿瘤学中三种常见恶性肿瘤分类中的性能	首次在多机构环境中比较了ML和DL方法在神经肿瘤学三分类任务中的表现，并探讨了不同MRI序列掩模对模型性能的影响	研究为回顾性分析，样本量相对有限（502例训练集，86例外部验证集）	确定在神经肿瘤学三分类任务中机器学习或深度学习方法哪种表现更优	胶质母细胞瘤(GBM)、颅内转移性疾病(IMD)和原发性中枢神经系统淋巴瘤(PCNSL)	数字病理	神经肿瘤	多参数MRI（T1W, T2W, FLAIR, DWI和T1-CE）	机器学习管道和3D-CNN	医学影像	502例训练病例（208 GBM，67 PCNSL，227 IMD）和86例外部验证病例（27:27:32）
210	2025-07-23	Geometric Scattering on Measure Spaces 2024-May, Applied and computational harmonic analysis IF:2.6Q1 DOI:10.1016/j.acha.2024.101635 PMID:40686586	research paper	本文提出了一种在测度空间上的几何散射变换通用模型，扩展了传统散射变换在非欧几里得数据结构中的应用	提出了一个统一框架，适用于更广泛的设置（如有向图、带符号图和带边界流形），并提出了新的不变性准则	NA	扩展散射变换在几何深度学习中的应用，提高对非欧几里得数据结构中神经网络架构的理解	测度空间、非欧几里得数据结构（如有向图、带符号图和流形）	machine learning	NA	散射变换、扩散映射	geometric scattering transform	graph data, manifold data	NA
211	2025-07-23	BigBind: Learning from Nonstructural Data for Structure-Based Virtual Screening 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01211 PMID:38113513	research paper	本文介绍了BigBind数据集和Banana模型，用于基于结构的虚拟筛选，通过深度学习预测蛋白质-配体结合	提出了BigBind数据集，将ChEMBL活性数据与CrossDocked数据集中的蛋白质结构结合，并开发了Banana模型，显著提高了虚拟筛选的效率和准确性	BigBind数据集虽然规模较大，但仍可能受限于数据质量和覆盖范围	提高基于结构的虚拟筛选的准确性和效率	蛋白质-配体结合预测	machine learning	NA	深度学习	神经网络	3D结构数据	583K配体活性数据
212	2025-07-23	Development of Medical Imaging Data Standardization for Imaging-Based Observational Research: OMOP Common Data Model Extension 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00982-6 PMID:38315345	研究论文	本研究提出了医学影像数据模型（MI-CDM）扩展，以支持基于影像的观察性研究	提出了OMOP CDM的扩展MI-CDM，新增两个表和两个词汇表，以支持影像研究的结构和语义需求	未提及具体实施中的技术挑战或数据隐私问题	开发医学影像数据标准化，以支持基于影像的观察性研究	医学影像数据和影像特征	数字病理	NA	DICOM	NA	医学影像数据	NA
213	2025-07-23	Generative Adversarial Networks Accurately Reconstruct Pan-Cancer Histology from Pathologic, Genomic, and Radiographic Latent Features 2024-Mar-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.22.586306 PMID:38585926	research paper	该研究开发了一种名为HistoXGAN的生成对抗网络，能够从病理、基因组和放射学潜在特征中准确重建泛癌组织学图像	提出并验证了HistoXGAN，能够利用常见特征提取器生成的特征向量重建代表性组织学图像，并展示了重建图像保留了肿瘤分级、组织学亚型和基因表达模式的信息	未提及具体样本量的限制或模型在其他数据集上的泛化能力	开发一种能够从多模态数据中重建肿瘤组织学图像的AI模型，以帮助理解深度学习模型所依赖的组织学特征	29种癌症亚型的组织学图像	digital pathology	pan-cancer	generative adversarial network	GAN	image	涉及29种癌症亚型（具体样本量未提及）
214	2025-07-23	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	开发了一种自动化方法用于前列腺T2加权MRI强度标准化，以提高前列腺癌侵袭性信号的检测	提出了一种基于深度学习的自动化三参考组织标准化技术，用于改善T2加权MRI在前列腺癌评估中的定量利用	研究样本量相对较小（训练集32例，独立测试集83例），且仅针对前列腺癌	开发前列腺T2加权MRI强度标准化方法，以提高前列腺癌检测和侵袭性评估的准确性	前列腺癌患者（训练集32例，测试集83例）的T2加权MRI图像	数字病理学	前列腺癌	T2加权MRI	MASK R-CNN	MRI图像	训练集32例患者，测试集83例患者（共231个活检ROI）
215	2025-07-23	Cancer Mutations Converge on a Collection of Protein Assemblies to Predict Resistance to Replication Stress 2024-Mar-01, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-23-0641 PMID:38236062	研究论文	该研究开发了一个预测模型集合，用于阐明癌症突变如何影响对常见复制压力诱导药物的反应	利用深度学习的最新进展，实现了多药物预测和机制解释，并识别了41个分子组装体，这些组装体整合了数百个基因的改变以准确预测药物反应	分子通路对药物抗性的理解不完全	阐明癌症突变如何影响对复制压力诱导药物的反应，以推动精准医疗	肿瘤细胞和接受顺铂治疗的宫颈癌患者	机器学习	宫颈癌	深度学习	ensemble of predictive models	基因突变数据和药物反应数据	肿瘤细胞和宫颈癌患者样本
216	2025-07-23	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	提出了一种基于Swin Transformer的深度学习模型SwinIR，用于去噪单延迟和多延迟3D动脉自旋标记（ASL）数据，并与CNN和其他基于Transformer的方法进行了性能比较	首次将Swin Transformer应用于ASL数据的去噪，展示了其在单延迟和多延迟3D ASL数据上的优越性能	使用M0作为输入时虽然提高了图像质量，但引入了更大的CBF量化偏差	提高3D ASL数据的图像质量并减少扫描时间，以促进其临床应用	单延迟和多延迟3D ASL数据	医学影像处理	NA	动脉自旋标记（ASL）	SwinIR, CNN	3D医学影像	105名受试者（173次扫描），包括66名训练受试者（119次扫描）和39名测试受试者（44次扫描），以及另外6名多延迟ASL受试者（10次扫描）
217	2025-07-23	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	该研究提出了一种基于MRI图像的果蝇优化密集连接卷积神经网络用于阿尔茨海默病的预测	采用元启发式优化的深度学习方法，结合自适应直方图处理和加权中值滤波，提高了阿尔茨海默病区域的检测准确率	研究仅基于Kaggle数据集，未提及外部验证集的测试结果	开发自动化方法用于阿尔茨海默病的早期和准确诊断	阿尔茨海默病患者的MRI图像	数字病理学	老年性疾病	MRI成像	密集连接卷积神经网络（Dense CNN）	图像	Kaggle数据集（具体样本量未说明）
218	2025-07-23	Neuron collinearity differentiates human hippocampal subregions: a validated deep learning approach 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae296 PMID:39262825	研究论文	本文提出了一种基于深度学习的高通量方法，用于自动提取海马体亚区中锥体神经元的定向信息，并验证了神经元共线性作为海马体亚区分割的定量参数	首次对海马体亚区内锥体神经元定向和共线性进行全面定量研究，开发了基于Cellpose算法的自动化深度学习流程	研究仅基于168个海马体分区样本，需要更大规模的多中心验证	建立海马体亚区神经元共线性的定量测量方法	人类海马体亚区中的479,873个锥体神经元	数字病理学	神经退行性疾病	深度学习	Cellpose	图像	168个海马体分区中的479,873个神经元
219	2025-07-23	Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1460354 PMID:39872877	研究论文	本研究提出了一种基于对比学习和Transformer的新方法，用于预测冠状动脉支架植入术后患者接受双抗血小板治疗的不良终点事件	结合对比学习和Transformer架构，通过最大化类内相似性和区分类间差异来优化预测性能，同时在多个时间窗口内进行预测	研究数据来自单一临床研究联盟，可能限制结果的普遍适用性	提高冠状动脉支架植入术后患者双抗血小板治疗不良事件的预测准确性	接受药物洗脱支架植入术的成年患者	机器学习	心血管疾病	对比学习	Transformer	临床记录数据	19,713名成年患者
220	2025-07-23	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究开发了一种端到端的深度学习方法，用于预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗的反应	首次将混合监督的深度学习模型应用于全切片图像，以预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心	探索利用深度学习模型预测子宫内膜疾病患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	全切片图像（WSI）分析	Autoencoder或ResNet50	图像	112例患者