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
2201	2025-05-21	scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework 2025-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.11.623049 PMID:39605417	研究论文	本文提出了一种名为scPrediXcan的新方法，该方法将深度学习与单细胞数据相结合，用于细胞类型特异性的转录组范围关联研究	scPrediXcan整合了先进的深度学习方法和单细胞数据，能够更准确地预测细胞类型特异性表达，并捕捉线性模型忽略的复杂基因调控规律	NA	提高转录组范围关联研究（TWAS）在细胞水平上识别疾病机制的能力	2型糖尿病和系统性红斑狼疮	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	ctPred	DNA序列, 单细胞表达数据	NA
2202	2025-05-21	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	本研究利用深度学习技术分析和验证了一种自动预测脑出血（ICH）后90天功能预后的生物标志物	结合临床数据和深度学习特征构建的Merge模型在预测脑出血预后方面表现出更高的AUC值	研究为回顾性多中心研究，可能存在选择偏倚	开发客观有效的脑出血预后预测工具	脑出血患者	数字病理学	脑出血	深度学习	Resnet50, 逻辑回归	医学影像	1098名患者（男性652名，女性446名）
2203	2025-05-21	The role of artificial intelligence and deep learning in determining the histopathological grade of pancreatic neuroendocrine tumors by using EUS images 2025 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000113 PMID:40385971	research paper	该研究利用人工智能和深度学习算法，通过EUS图像预测胰腺神经内分泌肿瘤的组织病理学分级	首次将AI和深度学习技术应用于EUS图像，以预测胰腺神经内分泌肿瘤的分级	样本量较小（44名患者），且为初步研究，需要更大规模的验证	评估AI和深度学习在预测胰腺神经内分泌肿瘤分级中的应用	胰腺神经内分泌肿瘤（pNETs）患者	digital pathology	pancreatic neuroendocrine tumors	EUS, deep learning	CNN	image	44名患者的803张EUS图像
2204	2025-05-21	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	research paper	介绍了一款名为phyddle的软件，该软件利用深度学习技术探索系统发育模型	phyddle是一款基于深度学习的无似然函数系统发育模型分析软件，适用于缺乏易处理似然函数的模型	NA	开发一个能够处理无易处理似然函数的系统发育模型的软件工具	系统发育树	machine learning	NA	deep learning	NA	phylogenetic trees	NA
2205	2025-05-21	Deep Convolutional Neural Network for Automated Staging of Periodontal Bone Loss Severity on Bite-wing Radiographs: An Eigen-CAM Explainability Mapping Approach 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01218-3 PMID:39147888	research paper	该研究利用深度学习模型YOLOv8对咬翼片X光图像进行牙周骨丧失严重程度的自动分期	采用Eigen-CAM可解释性热图分析测试图像，提高了模型的可解释性	对于轻度和中度骨丧失的分类效果相对较差	自动分期牙周骨丧失严重程度	咬翼片X光图像	digital pathology	periodontal disease	deep learning	YOLOv8	image	1752张咬翼片图像
2206	2024-12-19	Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy" 2025-Jan-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03526 PMID:39693047	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2207	2025-05-21	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本文开发了一种主动学习方法，用于训练能够区分由光感受器转录因子CRX结合位点组成的增强子和沉默子的模型	采用主动学习策略结合合成生物学和不确定性采样，迭代训练模型，以区分具有相同序列但功能相反的CRX位点	模型主要针对CRX结合位点，可能不适用于其他转录因子的调控元件	研究顺式调控元件的功能区分，特别是在不同背景下转录因子的激活或抑制转录机制	光感受器转录因子CRX的结合位点	机器学习	NA	主动学习、合成生物学、大规模并行报告基因检测	深度学习模型	基因组序列	几乎所有基因组中结合的CRX位点
2208	2025-05-21	Optimizing Corn Tar Spot Measurement: A Deep Learning Approach Using Red-Green-Blue Imaging and the Stromata Contour Detection Algorithm for Leaf-Level Disease Severity Analysis 2025-Jan, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-12-23-2702-RE PMID:39160128	research paper	本文提出了一种名为SCDA v2的深度学习算法，用于优化玉米焦斑病的叶片级病害严重程度分析	SCDA v2解决了SCDA v1的局限性，无需经验性地搜索最优决策输入参数，同时实现了更高且一致的焦斑病检测准确率	NA	优化玉米焦斑病的测量方法，提高病害监测和管理的效率	玉米叶片上的焦斑病	computer vision	plant disease	RGB imaging, deep learning	CNN	image	来自田间（低、中、高冠层）和温室条件下不同环境的玉米叶片RGB图像数据集
2209	2025-05-21	Generative Adversarial Network With Robust Discriminator Through Multi-Task Learning for Low-Dose CT Denoising 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3449647 PMID:39186436	研究论文	提出一种通过多任务学习增强判别器鲁棒性的生成对抗网络（GAN），用于低剂量CT图像去噪	1) 提出多任务学习的GAN判别器同时执行三个视觉任务；2) 引入恢复一致性（RC）和无差异抑制（NDS）机制提升判别器表征能力；3) 在生成器中加入Res-FFT-Conv模块联合利用频域和空域信息	未明确说明模型在其他CT领域的泛化能力测试细节	解决低剂量CT图像去噪中视觉不一致、多指标性能不足及跨域鲁棒性等问题	低剂量CT（LDCT）图像	计算机视觉	NA	生成对抗网络（GAN）	GAN（含Res-FFT-Conv模块）	CT图像	未明确说明具体样本量（涉及两项去噪任务及放射科医生视觉评分）
2210	2025-05-21	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	review	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了其未来前景	联邦学习提供了一种在不集中敏感患者数据的情况下进行协作模型开发的方法，解决了隐私和监管问题	创建集中式数据存储库受到数据共享、患者隐私、法规遵从性和知识产权等问题的阻碍	开发用于青光眼筛查的稳健人工智能模型	青光眼患者及其影像数据	digital pathology	glaucoma	federated learning	deep learning	medical imaging	NA
2211	2025-05-21	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变影响的预测能力	性能相比使用实验结构略有下降，Pearson相关系数平均降低1.1%，均方根误差平均增加9.3%	快速响应病毒的快速进化，提高病毒跟踪、诊断和抗体设计的效率	SARS-CoV-2病毒及其突变	机器学习	传染病	拓扑深度学习（TDL）、深度突变扫描（DMS）	多任务拓扑拉普拉斯（MT-TopLap）	蛋白质-蛋白质相互作用（PPI）复合物结构数据	四个实验性DMS数据集，包括SARS-CoV-2刺突蛋白受体结合域（RBD）和人类血管紧张素转换酶-2（ACE2）复合物
2212	2025-05-21	Advancements in AI-driven drug sensitivity testing research 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1560569 PMID:40384974	综述	本文综述了人工智能在药物敏感性测试和病原体耐药性检测中的研究进展及其应用前景	强调了人工智能和机器学习在预测药物敏感性测试和病原体耐药性中的创新应用	未提及具体的技术实施细节和实验验证结果	探讨人工智能技术在药物敏感性测试和病原体耐药性预测中的应用，以减少抗生素滥用并提高感染患者的治疗效果	病原体的抗生素敏感性测试和耐药性检测	机器学习	抗菌素耐药性	Machine Learning(ML)和Deep Learning(DL)	NA	影像和实验室数据	NA
2213	2025-05-21	Advancements in deep learning for early diagnosis of Alzheimer's disease using multimodal neuroimaging: challenges and future directions 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1557177 PMID:40385089	综述	本文综述了深度学习在多模态神经影像学中用于阿尔茨海默病早期诊断的最新进展、挑战及未来方向	整合多模态神经影像数据，应用CNN、RNN和Transformer等深度学习模型提高诊断准确性和预测疾病进展	数据异质性、样本量小、跨人群泛化性有限以及临床转化中的可解释性和伦理问题	探讨深度学习在阿尔茨海默病早期诊断中的应用潜力及面临的挑战	阿尔茨海默病的多模态神经影像数据	数字病理学	老年病	多模态神经影像分析	CNN, RNN, Transformer	影像	NA
2214	2025-05-21	Automatic diagnosis of extraocular muscle palsy based on machine learning and diplopia images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.05.01 PMID:40385124	研究论文	本研究开发了基于机器学习和复视图像的自动诊断模型，用于诊断眼外肌麻痹	首次将多种机器学习算法（包括深度学习）应用于复视图像的自动诊断，并与临床医生诊断结果进行一致性比较	研究为回顾性研究，未进行前瞻性验证	开发自动诊断眼外肌麻痹的机器学习模型	3244例患者的复视图像和医疗记录	数字病理	眼外肌麻痹	计算机化复视测试	LR, DT, SVM, XGBoost, DL	图像	3244例（训练集2757例，测试集487例）
2215	2025-05-21	Multimodal deep learning model for prediction of prognosis in central nervous system inflammation 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf179 PMID:40385378	研究论文	开发了一种多模态深度学习模型，整合临床特征和脑部MRI数据，以提高中枢神经系统炎症的早期预后预测	首次将临床特征与脑部MRI数据通过多模态深度学习模型结合，用于中枢神经系统炎症的预后预测，并在多种病因组中表现出优越性能	研究为回顾性设计，可能存在选择偏差；外部测试集数据量相对较小	提高中枢神经系统炎症的早期预后预测准确性	中枢神经系统炎症患者	数字病理	中枢神经系统炎症	MRI扫描	3D CNN	图像和临床数据	内部数据集：291名患者的413张图像；外部数据集：106名患者的210张图像
2216	2025-05-21	HD-6mAPred: a hybrid deep learning approach for accurate prediction of N6-methyladenine sites in plant species 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19463 PMID:40386224	research paper	本文提出了一种名为HD-6mAPred的混合深度学习模型，用于准确预测植物物种中的N6-甲基腺嘌呤（6mA）位点	结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和注意力机制，以及多种DNA序列编码方案，提高了预测准确性和跨物种泛化能力	NA	开发一种稳健的方法来准确预测植物物种中的6mA位点	植物物种中的N6-甲基腺嘌呤（6mA）位点	machine learning	NA	DNA序列编码（one-hot encoding, EIIP, ENAC, NCP）	BiGRU, CNN, attention mechanism	DNA序列	Rosaceae、水稻和拟南芥数据集
2217	2025-05-21	Significance of multi-task deep learning neural networks for diagnosing clinically significant prostate cancer in plain abdominal CT 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543230 PMID:40386561	research paper	评估多任务深度学习神经网络在腹部CT扫描中诊断临床显著性前列腺癌（csPCa）的有效性	首次将多任务深度学习神经网络（基于3DUnet架构）应用于腹部CT扫描的前列腺癌诊断，并开发了诊断列线图	样本量相对有限（539例患者），且未与其他影像学方法（如MRI）进行直接比较	探索腹部CT扫描结合多任务深度学习模型在前列腺癌早期诊断中的价值	临床显著性前列腺癌（csPCa）患者	digital pathology	prostate cancer	CT扫描	3DUnet, ResNet18	image	539例患者（461例来自放射科，78例来自核医学科）
2218	2025-05-21	Intelligent rehabilitation in an aging population: empowering human-machine interaction for hand function rehabilitation through 3D deep learning and point cloud 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1543643 PMID:40386804	研究论文	本研究提出了一种基于3D深度学习模型的方法，处理激光传感器点云数据，用于人机交互手功能智能康复领域的非接触式手势表面特征分析	通过整合手表面点云采集、局部特征提取和维度信息抽象与增强等关键技术，构建了准确的手势表面特征分析系统	NA	促进手功能非接触式智能康复技术的发展，提升老年人和康复患者的安全舒适交互方式	老年人群体的手功能康复	数字病理学	老年疾病	3D深度学习	3D深度学习模型	点云数据	NA
2219	2025-05-21	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	research paper	本文通过冷冻电子断层扫描技术分析了生化重建的染色质凝聚物的结构，并开发了深度学习分割与新型上下文感知模板匹配相结合的方法来识别凝聚物内密集堆积的分子	整合深度学习分割与新型上下文感知模板匹配技术，用于高分辨率可视化染色质凝聚物内部结构	方法主要针对生化重建的染色质凝聚物，对于细胞内的某些凝聚物可能适用性有限	研究染色质凝聚物的形成和功能机制	生化重建的染色质凝聚物及原位天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描技术（cryo-electron tomography）、深度学习分割、上下文感知模板匹配	深度学习	图像数据	NA
2220	2025-05-21	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-11-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测	基于Graph-Transformer架构的统一模型，利用交互感知的混合密度网络捕获非共价相互作用，并引入负采样策略以有效校正交互分布	未提及具体局限性	改进蛋白质-配体对接和亲和力预测的性能	蛋白质-配体复合物	机器学习	NA	Graph-Transformer架构、混合密度网络	Interformer	蛋白质-配体复合物数据	广泛使用的数据集和内部数据集