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
2461	2025-04-05	Development and multicentric external validation of a prognostic COVID-19 severity model based on thoracic CT 2025-Apr-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02983-z PMID:40170034	研究论文	开发并验证了一种基于胸部CT的COVID-19严重程度预后模型	结合患者年龄、性别及胸部CT影像特征，开发了一个逻辑回归模型，用于快速预测COVID-19患者一个月内发展为重症的风险	模型在疫情后期Delta和Omicron变种流行时的性能未下降，但未明确说明对其他变种的适用性	通过胸部CT影像特征快速预测COVID-19患者的严重程度，以支持临床决策和资源分配	COVID-19患者	数字病理	COVID-19	胸部CT成像	逻辑回归	影像数据	来自STOIC挑战赛的公开数据及多中心外部数据集
2462	2025-04-05	DconnLoop: a deep learning model for predicting chromatin loops based on multi-source data integration 2025-Apr-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06092-6 PMID:40170155	研究论文	开发了一种名为DconnLoop的深度学习方法，通过整合Hi-C、ChIP-seq和ATAC-seq数据来预测染色质环	首次整合多源数据和深度学习技术预测染色质环，结合残差机制、方向性连接激励模块和交互特征空间解码器进行特征提取与融合	方法尚未在更广泛的实验条件下验证，可能受限于特定数据类型	提高染色质环预测的准确性和召回率，以更好地理解基因调控机制	染色质环	机器学习	NA	Hi-C, ChIP-seq, ATAC-seq	深度学习	基因组数据	NA
2463	2025-04-05	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	开发并评估了一种自由呼吸、高度加速、多切面、单次心跳的心脏MRI电影序列	使用生成对抗网络（REGAIN）进行图像重建，实现了自由呼吸、单次心跳的心脏MRI成像，显著缩短了扫描时间	研究样本量相对较小（136名参与者），且未明确说明具体心脏疾病类型	开发更高效的心脏MRI成像技术	心脏结构和功能	医学影像	心血管疾病	MRI	GAN（REGAIN）	医学影像	136名参与者（40名健康人，96名心脏病患者）
2464	2025-04-05	AutOmatic floW planning for fetaL MRI (OWL) 2025-Apr-01, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	开发了一种名为OWL的自动规划系统，用于胎儿MRI中的2D相位对比血流成像	首次实现了胎儿MRI中2D相位对比序列的实时自动规划，通过两个深度学习网络分别进行胎儿身体定位和心脏标志物检测	前瞻性案例中成功实施率为6/7，尚需进一步验证其普适性	通过自动化技术扩大胎儿血流成像的可及性	胎儿MRI扫描数据	医学影像分析	胎儿发育	2D相位对比MRI	深度学习网络	MRI影像	167个胎儿数据集用于身体定位训练，71个用于心脏标志物检测训练；10个回顾性数据集和7个前瞻性胎儿受试者（孕36+3至39+3周）用于评估
2465	2025-04-05	Breast cancer histopathology image classification using transformer with discrete wavelet transform 2025-Apr, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104317 PMID:40180530	研究论文	本文提出了一种名为DWNAT-Net的新型乳腺癌组织病理学图像分类网络，结合离散小波变换和邻域注意力变换器以提高分类性能	首次将离散小波变换引入邻域注意力变换器，同时考虑空间和频率特征分布	未明确说明方法在更大规模或更复杂数据集上的泛化能力	提高乳腺癌组织病理学图像的分类准确率	乳腺癌组织病理学图像	数字病理学	乳腺癌	离散小波变换(DWT)	NAT(邻域注意力变换器)	图像	BreakHis和BACH数据集
2466	2025-04-05	TissueProf: An ImageJ/Fiji Plugin for Tissue Profiling Based on Fluorescent Signals 2025-Apr, The European journal of neuroscience DOI:10.1111/ejn.70094 PMID:40180584	research paper	开发了一个名为TissueProf的ImageJ/Fiji插件，用于基于荧光信号的组织分析	提供了一个半自动化的图像分析流程，能够根据用户输入灵活调整，自动化识别荧光信号并分析分子共表达	需要手动校正细胞分割，可能仍存在一定的工作量	减少研究人员在多通道显微镜图像分析中的工作量和时间消耗	组织中的细胞群	digital pathology	NA	fluorescence immunohistochemistry	deep learning networks	image	NA
2467	2025-04-05	Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation 2025-Mar-31, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003185 PMID:40164487	research paper	本研究探讨了如何通过结合心电图（ECG）、心率变异性（HRV）和人口统计数据（年龄和性别）来提高心房颤动（AF）的检测效果	首次将ECG、HRV和人口统计数据结合使用，通过多模态方法显著提高了AF检测的敏感性和准确性	需要进一步的临床验证来确认多模态方法的实际应用效果	提高心房颤动（AF）的早期检测准确率	35,634份12导联ECG记录，来自三个公共数据库	machine learning	cardiovascular disease	ECG, HRV分析	CNN (AlexNet, VGG-16, ResNet), transformers	ECG信号、HRV数据、人口统计数据	35,634份ECG记录
2468	2025-04-05	Global trends in artificial intelligence applications in liver disease over seventeen years 2025-Mar-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i3.101721 PMID:40177211	review	本文分析了17年来人工智能在肝病领域的应用趋势，总结了当前研究状况并识别了热点	通过文献计量学方法全面梳理了AI在肝病领域的研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他重要文献	分析AI在肝病领域的研究现状和发展趋势	4051篇关于肝病和AI的研究文章	digital pathology	liver disease	文献计量分析	machine learning, deep learning, CNN	文献数据	4051篇研究文章
2469	2025-04-05	MEF2C controls segment-specific gene regulatory networks that direct heart tube morphogenesis 2025-Mar-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.01.621613 PMID:39554149	研究论文	本研究探讨了转录因子MEF2C在早期心脏形成中控制的基因调控网络（GRNs）及其对心脏管形态发生的影响	通过单核RNA和ATAC测序时间序列分析，揭示了MEF2C缺失导致的‘后化’心脏基因特征和染色质景观，并利用深度学习模型构建了心脏各段的发育轨迹	研究主要基于小鼠胚胎模型，结果在其他物种中的普适性需要进一步验证	解析早期心脏管形成过程中谱系特异性基因调控网络	野生型和MEF2C缺失胚胎的心脏发育过程	发育生物学	心脏发育异常	单核RNA测序（snRNA-seq）、ATAC测序、深度学习	深度学习模型	基因组数据、表观基因组数据	野生型和MEF2C缺失胚胎（具体数量未明确说明）
2470	2025-04-05	Structural assembly of the PAS domain drives the catalytic activation of metazoan PASK 2025-Mar-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409685122 PMID:40106358	研究论文	本文揭示了后生动物PASK激酶中PAS结构域的结构组装如何驱动其催化激活	发现了PASK中PAS-C结构域的非典型结构特征及其通过分子内相互作用形成功能性PAS模块的新机制	研究主要基于计算模型和体外实验，需要更多体内实验验证	阐明PAS结构域在环境信号传导中的调控机制	后生动物PASK激酶及其PAS结构域	结构生物学	NA	深度学习结构建模、进化尺度域定位	深度学习模型	蛋白质结构数据	NA
2471	2025-04-05	Convolutional Neural Network Models for Visual Classification of Pressure Ulcer Stages: Cross-Sectional Study 2025-Mar-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/62774 PMID:40135412	研究论文	本研究探讨了使用不同卷积神经网络模型对压力性溃疡（PI）进行视觉分类的潜力，旨在提供一种有效的辅助分期工具	首次将AlexNet、VGGNet16、ResNet18和DenseNet121等CNN模型应用于PI分期，其中DenseNet121达到了93.71%的最高总体准确率	研究仅在中国一家三甲医院进行，样本来源单一；未来需要与不同经验水平的护士进行对比以进一步验证临床应用效果	提高压力性溃疡分期的准确性，开发智能分期方法	压力性溃疡（PI）患者图像，包括I-IV期、不可分期和疑似深部组织损伤（SDTI）	计算机视觉	压力性损伤	深度学习	CNN（包括AlexNet、VGGNet16、ResNet18和DenseNet121）	图像	853张原始PI图像（经数据增强后达7677张），包括I期148张、II期121张、III期216张、IV期110张、不可分期128张和SDTI 130张
2472	2025-04-05	Leveraging AI to Explore Structural Contexts of Post-Translational Modifications in Drug Binding 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.14.633078 PMID:40166291	研究论文	利用人工智能探索翻译后修饰在药物结合中的结构背景	首次大规模利用AI方法（如AlphaFold3、RoseTTAFold All-Atom、Chai-1）预测PTM对小分子结合的影响，并构建了包含14,178个PTM修饰人类蛋白质模型的数据库	方法的精确评估需要更大的基准测试集	探索翻译后修饰（PTMs）对药物结合的结构影响	人类蛋白质中的小分子结合相关PTMs	机器学习	癌症（宫颈癌和肺癌）、糖尿病、心脏病、神经退行性疾病和代谢疾病	深度学习算法、蛋白质结构预测工具（AlphaFold3、RoseTTAFold All-Atom、Chai-1）	深度学习模型	蛋白质结构数据	6,131个已识别的PTMs，映射到ECOD数据库的结构域，生成14,178个PTM修饰的人类蛋白质模型
2473	2025-04-05	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统综述	本文通过系统综述探讨了深度学习模型如何利用电子健康记录中的序列诊断代码来预测患者结果	首次系统评估了深度学习模型在利用序列诊断数据预测患者结果中的应用，并分析了样本大小对模型性能的影响及模型的泛化能力	研究方法和结果的异质性较大，且大多数研究存在高偏倚风险	探讨序列诊断数据在深度学习模型中的应用，评估其整合方式、样本大小对性能的影响及模型的泛化能力	使用序列诊断代码训练的深度学习算法预测患者结果的研究	医疗健康数据分析	多种疾病（如心力衰竭）	深度学习	RNN及其衍生模型、Transformer	电子健康记录中的序列诊断代码	84项符合条件的研究（共740篇筛选论文）
2474	2025-04-05	Emotion Forecasting: A Transformer-Based Approach 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63962 PMID:40101216	研究论文	本文提出了一种基于Transformer的方法，用于预测精神病患者的情绪状态，通过被动监测行为变量实现实时监控	结合HMM预处理和Transformer模型，利用注意力机制捕捉长时间依赖关系，提高了多元时间序列预测的稳定性和可解释性	研究依赖于移动设备和可穿戴设备的数据收集，可能受限于设备普及率和数据质量	利用新技术和深度学习技术实现更客观、实时的精神病患者情绪状态监测	精神病患者	机器学习	精神疾病	移动设备传感器数据收集、Transformer模型	Transformer、HMM、RNN、LSTM	时间序列数据（步数、位置、睡眠模式等）	与医院和诊所合作使用eB2应用收集的数据（具体数量未提及）
2475	2025-04-05	AGPred: An End-to-End Deep Learning Model to Predicting Drug Approvals in Clinical Trials Based on Molecular Features 2025-Mar-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547315 PMID:40048330	research paper	提出了一种基于深度学习的端到端模型AGPred，用于预测药物在临床试验中的批准率	采用基于注意力的图神经网络(GNN)自动学习药物分子表示，并结合交叉注意力融合模块学习分子指纹特征，整合药物的理化性质	未提及具体的数据集规模限制或模型泛化能力的局限性	提高药物临床试验批准率的预测准确性	药物分子	machine learning	NA	deep learning, GNN	attention-based GNN	molecular graphs, molecular fingerprints, physicochemical properties	未明确提及具体样本数量
2476	2025-04-05	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025-Mar-06, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了弱监督深度学习模型在分类肝脏局灶性病变良恶性方面的性能	使用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签进行训练	研究为回顾性研究，样本来自单一医疗机构	开发辅助诊断肝脏局灶性病变良恶性的AI算法	肝脏局灶性病变(FLLs)患者	数字病理	肝脏疾病	对比增强超声(CEUS)	注意力机制的多实例学习算法	图像	370名患者，共955,938张CEUS图像
2477	2025-04-05	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Mar-06, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究探讨了心外膜脂肪组织与无症状主动脉瓣狭窄患者的疾病严重程度、进展、心肌重塑和功能以及死亡率之间的关系	首次在心外膜脂肪组织与无症状主动脉瓣狭窄患者的疾病严重程度、进展及死亡率之间建立关联，并发现其与心肌健康受损的生物标志物相关	样本量较小（124例患者），且为事后分析，可能影响结果的普遍性	研究心外膜脂肪组织在主动脉瓣狭窄中的作用	无症状的轻度至重度主动脉瓣狭窄患者	心血管疾病	主动脉瓣狭窄	CT血管造影和深度学习软件	深度学习	医学影像和生物标志物数据	124例无症状主动脉瓣狭窄患者
2478	2025-04-05	Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes 2025-Mar, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.100924 PMID:39921205	研究论文	提出了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高蛋白质瓜氨酸化位点识别的敏感性和精确性	将深度学习模型Prosit-Cit整合到质谱数据库搜索工作流程中，显著提高了瓜氨酸化位点识别的准确性和灵敏度，并减少了假阳性	依赖于合成肽段的光谱数据进行模型训练，可能在实际生物样本中存在一定的偏差	提高蛋白质瓜氨酸化位点识别的精确性和灵敏度，以促进对瓜氨酸化在健康和疾病中作用的理解	人类和模式植物拟南芥的组织蛋白质组	蛋白质组学	NA	质谱分析	Prosit-Cit（基于Prosit模型的扩展）	质谱数据	约53,000个光谱来自约2,500个合成瓜氨酸化肽段，以及拟南芥30个组织中的约200个瓜氨酸化位点
2479	2025-04-05	The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study 2025-Mar-01, Neurology India IF:0.9Q4 DOI:10.4103/NI.Neurol-India-D-23-00014 PMID:40176222	研究论文	探讨轻度认知障碍（MCI）患者两年随访期间的多模态MRI特征	通过深度学习算法提取脑区特征，发现FA值降低和ADC值升高可作为MCI恶化的预警特征	样本量较小（105例），且仅基于MRI特征分析	探索MCI患者认知功能恶化的MRI影像学特征	105例MCI患者	数字病理学	老年性疾病	多模态MRI序列（ADC、FA、CBF）	深度学习算法	MRI图像	105例MCI患者（2019年和2021年两次随访）
2480	2025-04-05	Conditioning generative latent optimization for sparse-view computed tomography image reconstruction 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024004 PMID:40177097	research paper	提出一种无需训练数据的稀疏视图CT图像重建方法，通过条件生成潜在优化（cGLO）提高重建质量	无需训练数据，独立于实验设置，可从小型无监督数据集中初始化以提高重建效果	未提及具体在低剂量CT或其他成像任务中的表现	解决稀疏视图CT图像重建问题，提高重建质量	稀疏视图CT图像	digital pathology	NA	条件生成潜在优化（cGLO）	generative model	CT图像	未明确提及具体样本数量