深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
26121	2025-10-07	Enhancing U-Net-based Pseudo-CT generation from MRI using CT-guided bone segmentation for radiation treatment planning in head & neck cancer patients 2025-Feb-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb124 PMID:39898433	研究论文	本研究通过整合CT引导的骨分割技术，改进基于U-Net的MRI伪CT生成方法，用于头颈癌患者的放射治疗计划	将脂肪图像中的骨提取作为额外通道整合到模型中，显著改善了伪CT图像中骨结构的表示精度	研究样本量较小（25例患者），且仅针对头颈癌患者	提高头颈癌患者放射治疗计划中仅基于MRI的伪CT生成精度	头颈癌患者	医学影像分析	头颈癌	Dixon梯度回波(GRE)MRI技术	CNN	医学影像（MRI和CT图像）	25例头颈癌患者的治疗前MRI-CT图像对	NA	3D U-Net	平均绝对误差(MAE), 峰值信噪比(PSNR)	NA
26122	2025-10-07	End-To-End Deep Learning Explains Antimicrobial Resistance in Peak-Picking-Free MALDI-MS Data 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05113 PMID:39893590	研究论文	提出一种端到端深度学习模型，直接从原始MALDI-MS数据预测抗生素耐药性，无需传统峰检测步骤	首次在MALDI-MS数据中应用端到端深度学习，跳过传统峰检测步骤直接处理原始数据	NA	开发基于原始质谱数据的抗生素耐药性预测方法	感染性微生物的质谱数据	机器学习	感染性疾病	MALDI-MS（基质辅助激光解吸电离质谱）	CNN	质谱数据	NA	NA	1D CNN	AUC	NA
26123	2025-10-07	Unraveling Human Hepatocellular Responses to PFAS and Aqueous Film-Forming Foams (AFFFs) for Molecular Hazard Prioritization and In Vivo Translation 2025-Feb-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c10595 PMID:39893674	研究论文	本研究通过人类肝细胞模型和多组学方法系统评估PFAS和AFFFs的肝毒性机制	首次结合高通量转录组学、深度学习细胞形态分析和基准剂量分析，建立从体外肝细胞反应到体内肝肿大预测的转化方法	研究仅使用体外肝细胞模型，需要进一步体内实验验证	评估PFAS和AFFFs的肝毒性潜力并开发更安全的替代品	30种物质（包括AFFF、PFAS和临床药物）及人类肝细胞（HepaRG）	毒理学与计算生物学	肝病	高通量转录组学、深度学习、细胞形态成像、肝酶渗漏检测	深度学习	转录组数据、细胞形态图像、酶活性数据	30种测试物质，人类肝细胞（HepaRG）培养模型	NA	NA	基准剂量分析	NA
26124	2025-10-07	Enhancing deep learning methods for brain metastasis detection through cross-technique annotations on SPACE MRI 2025-Feb-06, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00554-5 PMID:39913077	研究论文	通过SPACE MRI上的跨技术标注增强脑转移瘤检测的深度学习方法	利用SPACE序列的高质量标注来提升MPRAGE图像上脑转移瘤检测的深度学习算法性能，实现跨技术迁移学习	需要在前瞻性研究中进一步验证	提高脑转移瘤在MPRAGE图像上的自动检测和分割精度	脑转移瘤患者	医学影像分析	脑转移瘤	SPACE MRI, MPRAGE MRI, 钆对比增强成像	深度学习	MRI图像	157名患者用于训练，660名患者用于测试	NA	NA	阳性预测值, 敏感度, F1分数, Dice相似系数	NA
26125	2025-10-07	Forecasting the Incidence of Mumps Based on the Baidu Index and Environmental Data in Yunnan, China: Deep Learning Model Study 2025-Feb-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66072 PMID:39913179	研究论文	本研究基于百度指数和环境数据，利用深度学习模型预测中国云南省腮腺炎发病率	首次将百度搜索指数与环境因素相结合，采用长短期记忆网络构建腮腺炎发病率预测模型	研究仅限于云南省数据，未考虑其他可能影响因素如人口流动和疫苗接种率	开发腮腺炎发病率的准确预测模型以改善公共卫生监测	云南省2014-2023年腮腺炎发病数据	机器学习	腮腺炎	时间序列分析，相关性分析	LSTM	时间序列数据，包括发病率、搜索指数和环境因素	2016-2023年云南省腮腺炎发病数据	NA	长短期记忆网络	决定系数，平均绝对误差，平均绝对百分比误差，均方根误差	NA
26126	2025-10-07	PIPENN-EMB ensemble net and protein embeddings generalise protein interface prediction beyond homology 2025-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88445-y PMID:39910126	研究论文	提出PIPENN-EMB集成网络，利用ProtT5-XL蛋白质语言模型嵌入改进蛋白质相互作用界面预测	首次将蛋白质语言模型嵌入应用于蛋白质界面预测，并在低同源性蛋白质上展现出优越的泛化能力	未明确说明模型的计算复杂度及训练数据的具体规模	开发能够超越同源性限制的蛋白质相互作用界面预测方法	蛋白质相互作用界面	计算生物学	结核病	蛋白质语言模型嵌入	集成网络	蛋白质序列数据	BIO_DL_TE测试集、ZK448数据集和25个结核分枝杆菌耐药相关蛋白	NA	PIPENN-EMB	MCC, AUROC	NA
26127	2025-10-07	Breast cancer classification based on hybrid CNN with LSTM model 2025-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88459-6 PMID:39910136	研究论文	提出一种结合CNN和LSTM的混合深度学习模型用于乳腺癌分类	将CNN的空间特征提取能力与LSTM的序列依赖建模能力相结合，构建新型混合模型	仅使用Kaggle上的两个数据集进行验证，未在更广泛的数据集上测试	提高乳腺癌医学图像的分类准确性和鲁棒性	乳腺癌医学图像	计算机视觉	乳腺癌	医学图像分析	CNN, LSTM	图像	两个Kaggle数据集（具体数量未提及）	NA	CNN-LSTM混合架构	准确率, 敏感度, 特异度, F分数, AUC曲线	NA
26128	2025-10-07	CoTF-reg reveals cooperative transcription factors in oligodendrocyte gene regulation using single-cell multi-omics 2025-Feb-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07570-6 PMID:39910206	研究论文	开发了一个名为coTF-reg的分析框架，通过整合单细胞多组学数据识别少突胶质细胞中协同转录因子对基因的共调控机制	首次提出结合scRNA-seq和scATAC-seq数据识别协同转录因子的计算框架，并利用Shapley交互得分量化转录因子间的相互作用	仅针对少突胶质细胞进行研究，未验证所有预测的转录因子对	揭示少突胶质细胞中转录因子协同调控基因的分子机制	少突胶质细胞中的转录因子及其靶基因	生物信息学	神经系统疾病	scRNA-seq, scATAC-seq, ChIP-seq, eQTL分析	深度学习模型	单细胞多组学数据	NA	NA	NA	预测性能评估，消融研究	NA
26129	2025-10-07	Leveraging paired mammogram views with deep learning for comprehensive breast cancer detection 2025-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88907-3 PMID:39910228	研究论文	本研究提出了一种基于配对乳腺钼靶视图的深度学习网络PMVnet，通过整合双视图关联信息来提升乳腺病变检测性能	首次将余弦相似度和压缩激励方法结合在U型架构中，利用配对乳腺钼靶视图的关联信息来改进病变检测	仅使用1636张私有乳腺钼靶图像，数据规模有限且未在公共数据集上验证	开发能够整合双视图信息的深度学习算法以提高乳腺病变检测准确率	乳腺钼靶图像中的病变区域	计算机视觉	乳腺癌	乳腺钼靶成像	CNN	医学图像	1636张私有乳腺钼靶图像	NA	U-Net,VGGNet16,ResNet50,EfficientNetB5	Dice相似系数,召回率,每图像假阳性数	NA
26130	2025-10-07	Deep learning radiomics nomogram for preoperatively identifying moderate-to-severe chronic cholangitis in children with pancreaticobiliary maljunction: a multicenter study 2025-Feb-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01579-3 PMID:39910477	研究论文	本研究开发并验证了一种基于增强CT图像和临床特征的深度学习影像组学列线图，用于术前识别胰胆管合流异常儿童中重度慢性胆管炎	首次将手工影像组学特征与基于ResNet50迁移学习的深度学习影像组学特征相结合，构建多中心验证的深度学习影像组学列线图	回顾性研究设计，样本量相对有限	开发术前识别胰胆管合流异常儿童中重度慢性胆管炎的非侵入性诊断工具	323例接受手术的胰胆管合流异常儿科患者	医学影像分析	胆道疾病	对比增强CT成像	深度学习, 逻辑回归	医学影像	323例儿科患者（训练队列153例，内部验证队列67例，两个外部测试队列103例）	NA	ResNet50	AUC, 校准曲线, 决策曲线分析, 临床影响曲线	NA
26131	2025-10-07	Development and Evaluation of a Deep Learning-Based Pulmonary Hypertension Screening Algorithm Using a Digital Stethoscope 2025-Feb-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036882 PMID:39895552	研究论文	开发并评估了一种基于深度学习的肺动脉高压筛查算法，使用数字听诊器采集心音图进行早期检测	首次将深度学习与数字听诊器结合，以半监督方式利用大量未标记心音图数据开发肺动脉高压筛查工具	测试数据集样本量相对较小（196名患者），模型性能仍有提升空间	开发低成本、无创且易于获取的肺动脉高压早期筛查工具	心音图（PCG）记录和对应的超声心动图估计的肺动脉收缩压值	数字病理	心血管疾病	心音图（PCG）、超声心动图	CNN	音频信号、梅尔频谱图	约6000个带标签的心音图记录和约169000个无标签心音图记录，测试集196名患者	NA	深度卷积网络	AUC, 敏感度, 特异度	NA
26132	2025-10-07	FLANet: A multiscale temporal convolution and spatial-spectral attention network for EEG artifact removal with adversarial training 2025-Feb-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adae34 PMID:39902757	研究论文	提出一种结合多尺度时间卷积和空间-频谱注意力机制的网络FLANet，用于脑电信号中的伪影去除	采用多尺度时间卷积提取充分时序信息，结合空间-频谱注意力机制捕获非局部相似性和频谱依赖性，并引入对抗训练和新颖损失函数	NA	开发高效的脑电信号伪影去除方法，提升神经信号分析的信噪比	受肌肉或心脏活动等伪影污染的脑电信号	信号处理	NA	脑电信号分析	CNN, 注意力机制	脑电信号	NA	NA	FLANet	NA	NA
26133	2025-10-07	Deep learning-based CT-free attenuation correction for cardiac SPECT: a new approach 2025-Feb-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01570-y PMID:39905320	研究论文	提出一种基于深度学习的无CT衰减校正方法用于心脏SPECT成像	开发了基于3D U-Net框架的特征对齐衰减校正网络(FA-ACNet)，通过对抗学习和距离度量学习技术对齐多尺度特征	训练样本量相对有限(167例)，需要进一步验证在更大样本和不同设备上的泛化能力	开发无需CT扫描的心脏SPECT衰减校正方法	心脏SPECT成像	医学影像分析	心血管疾病	SPECT/CT成像	深度学习	医学影像	167例心脏SPECT/CT研究用于训练，35例独立测试集	NA	3D U-Net	MSE, SSIM, PSNR, Bland-Altman图	NA
26134	2025-10-07	UTR-Insight: integrating deep learning for efficient 5' UTR discovery and design 2025-Feb-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11269-7 PMID:39905334	研究论文	开发了UTR-Insight深度学习模型用于5' UTR的发现和设计	整合预训练语言模型与CNN-Transformer架构，在随机和内生5' UTR中分别解释89.1%和82.8%的MRL变异，超越现有模型	NA	提高mRNA稳定性和翻译效率的5' UTR发现与设计	灵长类、小鼠和病毒的数十万个内生5' UTR序列	自然语言处理	NA	深度学习	CNN,Transformer	序列数据	数十万个5' UTR序列	NA	CNN-Transformer	平均核糖体负载变异解释率	NA
26135	2025-10-07	Quantifying the tumour vasculature environment from CD-31 immunohistochemistry images of breast cancer using deep learning based semantic segmentation 2025-Feb-04, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-024-01950-2 PMID:39905431	研究论文	提出一种基于深度学习的自动量化方法，从乳腺癌CD-31免疫组化图像中分析肿瘤血管环境	首次使用U-Net卷积神经网络自动分割血管结构并量化多种血管参数，同时整合3D组织学分析提供更全面的血管形态可视化	样本量有限（27名患者的36张图像用于训练验证，15名患者的21张图像用于应用），需要进一步验证	开发自动量化肿瘤血管形态的方法并研究其与临床参数的关系	乳腺癌患者的CD-31免疫组化图像	数字病理学	乳腺癌	免疫组化，3D组织学分析	CNN	图像	27名患者的36张全切片图像（训练验证集），15名患者的21张图像（应用集）	NA	U-Net	Dice系数，F1分数	NA
26136	2025-10-07	Transitioning from wet lab to artificial intelligence: a systematic review of AI predictors in CRISPR 2025-Feb-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06013-w PMID:39905452	系统综述	本文系统综述了CRISPR-Cas9系统中人工智能预测工具的应用现状与发展趋势	首次系统梳理了AI与CRISPR-Cas9领域的知识鸿沟，提供了80个可用数据集和50个预测管线的综合分析	现有AI预测器性能有限，许多步骤仍需依赖耗时费力的湿实验	促进人工智能在CRISPR-Cas9多步骤系统中的有效整合	CRISPR-Cas9系统中的AI预测工具	机器学习	遗传疾病	CRISPR-Cas9基因编辑技术	NA	基因组数据	80个数据集，50个预测管线	NA	NA	NA	NA
26137	2025-10-07	Synthetic CT generation from CBCT and MRI using StarGAN in the Pelvic Region 2025-Feb-04, Radiation oncology (London, England) DOI:10.1186/s13014-025-02590-2 PMID:39905495	研究论文	本研究评估了使用StarGAN从CBCT和MRI生成合成CT图像的性能，并与CycleGAN进行对比	使用单一StarGAN模型同时处理CBCT和MRI数据生成合成CT，实现多模态图像合成	StarGAN在定量指标（MAE）上表现不如CycleGAN，样本量相对较小（53例）	为MRI模拟和自适应放射治疗提供准确的HU值数据用于剂量计算	盆腔癌症患者的CBCT和MRI图像数据	医学影像处理	盆腔癌症	深度学习图像生成	GAN	医学影像（CBCT、MRI、CT）	53例盆腔癌症病例	NA	StarGAN, CycleGAN	平均绝对误差（MAE）, 剂量差异（DD）, 伽马通过率（GPR）	NA
26138	2025-10-07	Leveraging public AI tools to explore systems biology resources in mathematical modeling 2025-Feb-04, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00496-z PMID:39910106	研究论文	本研究探索利用公共AI工具提升系统生物学数学建模资源的可访问性	首次系统评估公共AI工具对系统生物学数学建模中数学表达、数据和模型结构的理解能力	未具体说明测试的AI工具类型和评估方法细节	降低非系统生物学背景用户理解系统生物学建模的门槛	系统生物学数学建模资源	机器学习	NA	人工智能	NA	数学建模数据、系统生物学数据	NA	NA	NA	NA	公共AI工具
26139	2025-10-07	Deep learning powered single-cell clustering framework with enhanced accuracy and stability 2025-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87672-7 PMID:39900656	研究论文	提出一种名为scG-cluster的深度结构聚类方法，通过双拓扑邻接图和自适应图卷积网络提升单细胞RNA测序数据的聚类精度与稳定性	提出双拓扑邻接图整合节点分布信息，并设计具有残差连接的双拓扑自适应图卷积网络（TAGCN）来动态加权特征并防止过平滑	未明确说明方法对特定细胞类型或数据质量的敏感性	提升单细胞RNA测序数据无监督聚类的准确性和稳定性	单细胞RNA测序数据中的细胞群体	机器学习	NA	单细胞RNA测序（scRNA-seq）	图卷积网络（GCN）	基因表达数据	六个不同的scRNA-seq数据集	NA	双拓扑自适应图卷积网络（TAGCN）	聚类准确率，可扩展性	NA
26140	2025-10-07	Fundus camera-based precision monitoring of blood vitamin A level for Wagyu cattle using deep learning 2025-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85372-w PMID:39900776	研究论文	开发基于手持式眼底相机和深度学习的实时监测和牛血液维生素A水平系统	首次实现实时监测和牛维生素A水平，并提出利用LRP热图可视化方法分析颜色相关DNN任务	仅针对日本黑牛进行研究，样本量相对有限	通过眼底图像监测和牛血液维生素A水平，预防维生素A缺乏或过量	和牛（日本黑牛）	计算机视觉	维生素A缺乏症	眼底成像	深度学习	图像	50头日本黑牛的4000张眼底图像	NA	NA	准确率	NA