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
241	2025-06-13	Ultra-wide-field fundus photography and AI-based screening and referral for multiple ocular fundus diseases 2025-Jun-06, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102187 PMID:40499544	research paper	开发了三种基于不同算法和成像模式的深度学习算法，用于识别25种眼底疾病并提供转诊建议	结合超广角眼底摄影和跨域协作学习（CdCL）方法，显著提高了检测周边视网膜异常的能力	未提及具体局限性	解决眼底疾病全面筛查的困难	眼底疾病	digital pathology	ocular fundus diseases	deep learning algorithms (DLAs)	Swin Transformer, cross-domain collaborative learning (CdCL)	UWF images, cropped posterior-pole-region (PPR) images	59,475 UWF images
242	2025-06-13	Comprehensive molecular impact mapping of common and rare variants at GWAS loci 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.658079 PMID:40501721	research paper	该研究介绍了DNACipher，一种深度学习模型，用于预测遗传变异在多种生物背景下的分子效应，并开发了DNACipher Deep Variant Impact Mapping (DVIM)方法，用于识别GWAS位点中具有分子效应的变异	DNACipher能够预测未直接测量的细胞类型和实验中的变异效应，DVIM方法显著提高了GWAS位点中变异的精细定位能力	模型的预测能力依赖于训练数据的覆盖范围和质量	开发一种能够广泛预测遗传变异分子效应的深度学习模型，并应用于GWAS位点的精细定位	遗传变异及其在多种生物背景下的分子效应	machine learning	type 1 diabetes	deep learning, single-nucleus ATAC-seq, luciferase assays	DNACipher	genomic sequence	38,582 cell type-assay combinations
243	2025-06-13	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质	提出了一个经过微调的Alphafold2版本，能够捕捉几何多样性，并推广到未见过的蛋白质折叠家族	当前基于深度学习的结构预测方法未能完全捕捉到蛋白质设计的物理原理	改进从头设计蛋白质的几何形状预测模型	从头设计的蛋白质	机器学习	NA	深度学习	Alphafold2	蛋白质结构数据	5,996个稳定的从头设计蛋白质
244	2025-06-13	Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study 2025-Jun-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101263 PMID:40473283	研究论文	本研究旨在开发基于深度学习的AI模型，以支持临床医生实时检测胎儿先天性心脏病（CHD），特别是在胎儿超声心动图专业知识不足的非专科或资源匮乏环境中	通过国际多中心多学科合作，收集大规模、多样化的胎儿心脏超声图像和视频数据，构建能够区分正常胎儿心脏和CHD的AI模型	目前AI模型在CHD检测上的准确性不足，部分原因是缺乏可用于机器学习的超声数据，CHD罕见且异质性高，以及已发表研究的回顾性性质	开发支持临床医生实时检测胎儿CHD的AI模型，特别是在资源匮乏的环境中	胎儿心脏超声图像和视频，包括正常心脏和CHD病例	数字病理	先天性心脏病	深度学习	AI模型	图像和视频	总计16,400例回顾性和前瞻性超声扫描，包括13,000例正常胎儿心脏和1,000例CHD胎儿的回顾性数据，以及2,000例正常胎儿心脏和400例主要CHD胎儿的前瞻性数据
245	2025-06-13	Multitask deep learning model based on multimodal data for predicting prognosis of rectal cancer: a multicenter retrospective study 2025-Jun-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03050-3 PMID:40474195	研究论文	开发并验证了一种基于多模态数据的多任务深度学习模型，用于预测直肠癌患者的预后	模型整合了临床病理数据和多参数MRI图像，无需进行肿瘤分割，同时预测复发/转移和无病生存期	回顾性研究设计可能引入选择偏倚，且样本量相对有限	开发预测直肠癌患者预后的深度学习模型	直肠癌患者	数字病理	直肠癌	多参数MRI（包括扩散峰度成像）	多任务深度学习模型	临床病理数据和MRI图像	321名直肠癌患者（训练集212例，内部测试集53例，外部测试集56例）
246	2025-06-13	Deep learning reduced order models of vaginal tear propagation 2025-Jun-05, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107074 PMID:40499333	research paper	该论文介绍了结合有限元分析、适当正交分解和机器学习的新计算方法，用于预测阴道变形和撕裂	整合有限元分析、适当正交分解和机器学习技术，开发了全阶ML模型和基于POD的降阶模型，以提高计算效率	研究基于啮齿动物的离体微机械数据，可能无法完全模拟人类阴道的复杂性	预测阴道分娩过程中的组织撕裂及其对盆底疾病的影响	阴道组织的变形和撕裂	machine learning	pelvic floor disorders	finite element analysis, proper orthogonal decomposition, machine learning	ML, POD-ML	micro-mechanical data	基于啮齿动物的离体微机械数据
247	2025-06-13	Learning Genetic Perturbation Effects with Variational Causal Inference 2025-Jun-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.657988 PMID:40501829	研究论文	本文提出了一种结合机制因果模型和变分深度学习的混合方法SCCVAE，用于预测单细胞水平的基因扰动效应	提出了一种新的混合方法SCCVAE，结合了机制因果模型和变分自编码器，能够更好地预测未见过的扰动响应	机制模型的应用受限于过于简化的假设，难以有效处理大规模单细胞数据的噪声	开发一种能够准确预测基因扰动效应的计算方法	单细胞水平的基因扰动效应	功能基因组学	NA	Perturb-seq	变分自编码器（VAE）	单细胞转录组数据	NA
248	2025-06-13	Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma 2025-Jun-04, Pathology, research and practice DOI:10.1016/j.prp.2025.156071 PMID:40499499	研究论文	本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的预后	结合临床特征和组织病理学特征，开发了一种新型的非侵入性预后预测方法	样本量相对较小（194例患者），且仅基于回顾性数据	预测弥漫性大B细胞淋巴瘤（DLBCL）患者的预后	194例DLBCL患者的全切片图像和临床特征	数字病理学	弥漫性大B细胞淋巴瘤	深度学习，CellProfiler	深度学习模型	图像，临床数据	194例患者
249	2025-06-13	Proteasome-derived antimicrobial peptides discovered via deep learning 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.17.643752 PMID:40501667	研究论文	通过深度学习发现蛋白酶体衍生的抗菌肽	利用深度学习从蛋白酶体中系统挖掘出59种候选抗菌肽（'proteasomins'），其中21种经过优化，展现出与已知抗菌肽不同的序列特征和潜在独特作用机制	NA	探索蛋白酶体在先天免疫肽库中的潜在贡献，并开发对抗多重耐药病原体的创新疗法	蛋白酶体衍生的抗菌肽	机器学习	NA	深度学习	NA	肽序列数据	59种候选肽（21种优化后）针对11种临床相关病原体
250	2025-06-13	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究提出了一种基于功率-功率跨频耦合（CFC）的新方法，用于颞叶癫痫发作的检测和分析	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并揭示了三种常见癫痫成分的独特CFC特征	研究样本量较小（26名患者），且仅针对颞叶癫痫	评估功率-功率跨频耦合方法在癫痫发作检测中的有效性，并分析不同癫痫成分的特征	颞叶癫痫患者的颅内脑电图（iEEG）数据	生物医学信号处理	癫痫	功率-功率跨频耦合分析（PPC），EEGLAB工具箱	SSAE（堆叠稀疏自编码器），LSTM	颅内脑电图（iEEG）信号	26名患者的120次颞叶癫痫发作记录
251	2025-06-13	Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf301 PMID:40366737	research paper	该研究提出了一种基于深度学习的框架，用于预测克罗恩病患者对ustekinumab治疗的响应	提出了一种结合聚类和弱监督学习的框架，能够从全切片图像中选择相关区域并整合斑块级证据，以提高预测性能	未提及具体样本量的限制或其他潜在的技术限制	预测克罗恩病患者对ustekinumab治疗的响应，以支持个性化治疗策略	克罗恩病患者的预处理活检全切片图像	digital pathology	Crohn's disease	deep learning, k-means clustering, DenseNet, Grad-CAM, multi-instance learning	DenseNet	image	NA
252	2025-06-13	TRENDY: gene regulatory network inference enhanced by transformer 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf314 PMID:40408160	研究论文	介绍了一种名为TRENDY的新型基因调控网络推断方法，该方法整合了transformer模型以增强基于机制的WENDY方法	整合transformer模型增强基因调控网络推断方法，展示了其在多种推断方法中的广泛应用潜力	未明确提及具体局限性	提高基因调控网络推断的准确性和效率	基因调控网络（GRNs）	机器学习	NA	transformer模型	transformer	基因表达数据	模拟和实验数据集
253	2025-06-13	A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf319 PMID:40424358	research paper	开发了一种基于多源相似性融合的深度学习模型MSSF，用于预测药物副作用的频率类别	利用多源特征融合模块和自注意力机制深入探索药物与副作用之间的关系，并采用贝叶斯变分推断更准确地预测药物副作用的频率类别	现有方法通常在五个频率类别上建立回归模型，容易对训练集过拟合，导致边界处理问题和过拟合风险	预测药物副作用在人群中的频率类别，以指导患者用药和药物开发	药物副作用	machine learning	NA	deep learning, Bayesian variational inference	MSSF (multi-source similarity fusion-based model)	multi-source data	NA
254	2025-06-13	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-02, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	research paper	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏倚带来的潜在风险	首次在外部验证中直接比较了四种ATTR-CM检测算法的性能，并进行了种族偏倚风险评估	研究样本中非裔美国人比例较低(9.0%)，可能影响偏倚评估的全面性	评估和比较不同算法检测转甲状腺素蛋白心脏淀粉样变性的性能及潜在偏倚风险	心力衰竭患者群体中的转甲状腺素蛋白心脏淀粉样变性病例	digital pathology	cardiovascular disease	deep learning	random forest, regression-based score, EchoNet-LVH, EchoGo ® Amyloidosis	medical records, echocardiogram images	176例ATTR-CM确诊患者和3192例心力衰竭对照患者
255	2025-06-13	Development of Deep Learning Models to Screen Posterior Staphylomas in Highly Myopic Eyes Using UWF-OCT Images 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.25 PMID:40504567	研究论文	开发深度学习模型用于利用超广域光学相干断层扫描(UWF-OCT)图像筛查高度近视患者后葡萄肿	首次开发了基于深度学习的模型，用于自动检测高度近视患者后葡萄肿的边缘，其敏感性与视网膜专家相当或更优	单中心回顾性研究，样本量相对有限(1428张图像)，需要外部验证	开发人工智能系统辅助眼科医生筛查高度近视后葡萄肿	高度近视患者的UWF-OCT图像	数字病理	眼科疾病/高度近视	UWF-OCT成像	VGG16/VGG19/ResNet18/ResNet50/ResNet101/DenseNet121/DenseNet161	医学图像	训练集: 438名患者的1428张图像；测试集: 69名患者的216张图像
256	2025-06-13	Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01283-8 PMID:39349785	综述	本文对2020年至2024年1月间发表的60篇关于使用深度学习技术通过MRI图像进行脑肿瘤检测和分类的研究进行了系统性回顾	总结了现有研究的局限性和重要亮点，提供了分析方法比较和未来研究方向	仅涵盖了2020年至2024年1月间发表的研究，可能不包括最新的技术进展	回顾和总结深度学习在脑肿瘤检测和分类领域的应用研究	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	MRI	深度学习（包括迁移学习、自动编码器、transformer和注意力机制等）	图像	60篇研究文章
257	2025-06-13	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	使用可解释的多视角心血管磁共振电影序列深度学习模型预测平均肺动脉压	提出了一种非侵入性预测平均肺动脉压的深度学习方法，并识别了关键影像特征	模型仅在1646例检查数据上进行训练和评估，样本量相对有限	通过深度学习模型从心脏磁共振数据中非侵入性估计右心导管检查参数	肺动脉高压患者	数字病理	心血管疾病	心脏磁共振成像	CNN	影像	1646例检查
258	2025-06-13	Automatic bone marrow segmentation for precise [177Lu]Lu-PSMA-617 dosimetry 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17684 PMID:39935268	研究论文	开发了一种基于深度学习的自动骨髓分割方法，用于[177Lu]Lu-PSMA-617治疗的个性化骨髓剂量测定	首次应用X-means聚类方法在CT图像上自动分割骨髓区域，相比传统方法具有更高的准确性和更低的误差	样本量较小（10名患者，30个治疗周期），且仅针对前列腺癌患者	开发自动骨髓分割方法以改进[177Lu]Lu-PSMA-617治疗中的骨髓剂量测定	转移性去势抵抗性前列腺癌患者的骨髓区域	数字病理学	前列腺癌	SPECT/CT成像，X-means聚类	深度学习	医学影像	10名患者，30个治疗周期
259	2025-06-13	A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy 2025-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70047 PMID:39980269	研究论文	比较2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，评估计算量较小的模型的适用性	比较了2D和3D U-Net模型在局部乳腺癌放疗剂量预测中的性能，并评估了数据增强和多通道输入对模型性能的影响	研究样本量较小（89例患者），且3D模型的训练时间较长	评估计算量较小的2D模型在局部乳腺癌放疗剂量预测中的适用性	局部乳腺癌患者的放疗剂量预测	数字病理	乳腺癌	深度学习	2D Attention U-Net, 2D HD U-Net, 3D U-Net	医学影像	89例局部乳腺癌患者
260	2025-06-13	Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data 2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101869 PMID:40021091	研究论文	提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法	首次将深度学习应用于3D心脏标记磁共振图像的位移分析，而非仅限于2D数据集	方法在合成数据上训练，虽然在体外验证中表现良好，但可能仍需更多真实数据验证	开发能够快速分析3D心脏标记磁共振图像的深度学习方法	左心室运动	医学影像分析	心血管疾病	3D标记磁共振成像	神经网络	3D图像	体外人类数据集和猪研究数据集