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
261	2025-07-20	The impact of uncertainty estimation on radiomic segmentation reproducibility and scan-rescan repeatability in kidney MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17995 PMID:40665574	研究论文	本研究探讨了在肾脏MRI中，通过考虑分割不确定性来提高放射组学特征的再现性和重复性，并评估了基于不确定性信息的分割是否能改善健康与病理受试者的分类	首次将不确定性量化整合到基于深度学习的放射组学分割中，以提高特征的稳健性和分类性能	不同方法和受试者群体中，关于分割变异性的再现性改进并不一致	提高放射组学分析在分割和扫描-重扫描变异性中的稳健性，并改善病理与健康受试者的分类能力	慢性肾脏病（CKD）患者和健康对照（HC）的肾脏MRI数据	数字病理	慢性肾脏病	MRI	U-Net, Monte Carlo dropout (MCD), test-time augmentation (TTA)	图像	公开可用的肾脏MRI数据集，包含CKD患者和健康对照
262	2025-07-20	Joint enhancement of automatic chest x-ray diagnosis and radiological gaze prediction with multistage cooperative learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17977 PMID:40665596	research paper	提出一种新型深度学习框架，用于联合胸部X光扫描的疾病诊断和放射科医生凝视显著性图预测	引入双编码器多任务UNet架构，结合DenseNet201和残差与Squeeze-and-Excitation块编码器，提出多阶段协作学习策略和对比学习特征编码预训练	未明确说明模型在多样化数据集上的泛化能力及临床部署的可行性	提升自动放射诊断质量并预测放射科医生凝视模式	胸部X光扫描图像及对应放射科医生眼动数据	digital pathology	lung cancer	deep learning	dual-encoder multitask UNet (DenseNet201 + Residual and Squeeze-and-Excitation blocks)	medical images (chest X-ray) + eye gaze tracking data	NA
263	2025-07-20	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	research paper	该论文介绍了一个名为EUP的在线网络服务器，用于多物种泛素化位点预测和模型解释	利用预训练语言模型ESM2提取赖氨酸位点依赖特征，并通过条件变分推断降低特征维度，提高了跨物种泛素化位点预测的性能和解释性	未提及具体的数据集大小或模型在极端情况下的表现	提高跨物种泛素化位点预测的准确性和解释性	动物、植物和微生物中的泛素化位点	machine learning	NA	conditional variational autoencoder	ESM2	protein sequences	NA
264	2025-07-20	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究利用自动化机器学习（AutoML）方法开发了一个预测模型，用于早期检测早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者的肝转移	使用AutoML方法构建预测模型，并比较了多种算法（GBM、GLM、DL、DRF）的性能，其中GBM算法表现最佳	研究基于回顾性数据，可能存在选择偏倚	开发一个预测模型，用于早期检测早发性GEP-NETs患者的肝转移	早发性GEP-NETs患者	机器学习	胃肠胰神经内分泌肿瘤	AutoML	GBM, GLM, DL, DRF	临床数据	12,802名患者（训练集8,983名，验证集3,819名）
265	2025-07-20	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	开发并验证基于CT特征、放射组学和深度学习的多发性肺磨玻璃结节生长预测模型	首次针对多发性肺磨玻璃结节开发生长预测模型，结合临床特征、放射组学和深度学习技术，并比较不同模型的预测性能	研究为回顾性设计，样本量相对有限（231名患者，732个结节），且随访时间可能不足以捕捉所有结节的生长模式	预测多发性肺磨玻璃结节的生长模式，以更精确地识别需要密切监测或早期干预的结节	多发性肺磨玻璃结节患者及其CT影像数据	数字病理	肺癌	CT扫描、放射组学分析、深度学习	临床模型、放射组学模型、DL模型、临床-放射组学模型、临床-DL模型	医学影像（CT）	231名患者（平均年龄54.1±9.9岁，26.4%男性，73.6%女性），共732个磨玻璃结节
266	2025-07-20	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Jun-28, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	本研究通过机器学习和单细胞多组学分析，揭示了GDF15在非小细胞肺癌(NSCLC)中驱动免疫抑制微环境的作用，并提出了克服抗PD-1耐药性的转化框架	首次将机器学习与单细胞多组学整合，系统识别免疫检查点阻断(ICB)疗效的决定因素，并发现GDF15作为预测ICB耐药性的新型生物标志物	研究样本量相对较小(n=156)，且部分功能验证仅在Lewis肺癌细胞中进行	探索非小细胞肺癌中免疫检查点阻断耐药的分子机制并寻找预测生物标志物	非小细胞肺癌患者样本和Lewis肺癌细胞	数字病理学	肺癌	单细胞RNA测序、机器学习	Accelerated Oblique Random Survival Forest	多组学数据、单细胞RNA测序数据	156例NSCLC患者样本及外部验证队列(GSE91061)
267	2025-07-20	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗(PRRT)在转移性神经内分泌肿瘤(NETs)中的药代动力学、剂量学模式及吸收剂量(AD)-效应关系，以制定未来个性化剂量引导治疗策略	揭示了不同治疗周期和不同NET亚组的剂量学行为，并建立了eGFR与AD之间的关系模型，可用于早期预测肾功能	样本量较小(30例患者)，且未观察到高于2级的肾毒性	优化PRRT个性化治疗方案	转移性神经内分泌肿瘤患者	放射治疗	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率图生成、剂量率拟合	深度学习算法(用于肾脏分割)	医学影像(SPECT/CT)	30例患者(22例完成所有周期SPECT/CT成像)
268	2025-07-20	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	研究论文	该研究提出了一种使用语义文本相似性（STS）方法来链接创伤性脑损伤（TBI）不同症状量表之间的症状和评分	利用预训练的深度学习模型通过语义文本相似性来链接不同症状量表，解决了TBI诊断和结果预测中结果不可比的问题	需要进一步验证该方法在其他疾病或症状量表上的适用性	解决创伤性脑损伤（TBI）诊断和结果预测中不同症状量表结果不可比的问题	创伤性脑损伤（TBI）的症状量表和患者数据	自然语言处理	创伤性脑损伤	语义文本相似性（STS）	预训练的深度学习模型	文本	来自16个国际数据源的6,607名参与者
269	2025-07-20	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	结合图同构网络（GIN）模型与k-means和层次凝聚聚类方法，首次实现了RNA结构基序的自动化聚类，并发现了新的RNA结构基序家族	未提及该方法在超大规模RNA结构数据集上的计算效率问题	开发自动化工具解决RNA结构基序识别难题	RNA环状区域的结构基序	生物信息学	NA	图同构网络（GIN），k-means聚类，层次凝聚聚类	GIN	RNA 3D结构数据	成功识别927个已知基序家族新实例和12个新基序家族
270	2025-07-20	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-May-27, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	该研究利用深度学习技术，通过短暂的发作间期颅内记录准确识别癫痫发作起始区	首次证明深度学习模型可以利用短暂的发作间期颅内记录数据准确分类癫痫发作起始区，且性能优于随机标签训练的模型	研究样本量相对有限（78名患者），且模型性能在不同患者群体中存在差异	开发自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间	78名癫痫患者的100多万段发作间期立体脑电图记录	数字病理学	癫痫	立体脑电图（stereotactic electroencephalography）	一维卷积神经网络（1D CNN）	颅内电生理信号	78名患者的100多万段脑电图记录
271	2025-07-20	Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan 2025-May-25, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70086 PMID:40413732	研究论文	探讨脉压或平均动脉压是否介导年龄与白质高信号负荷之间的关系，并研究白质高信号对认知的介导效应	发现脉压而非平均动脉压与年龄相关的白质高信号积累有机制性关联，且白质高信号负荷是成年期认知评分的部分中介因素	研究为回顾性设计，样本仅限于无中风和痴呆的成年人	研究脉压和白质高信号在年龄与认知关系中的中介作用	231名无中风和痴呆的成年人	神经科学	老年疾病	T2-FLAIR磁共振扫描和TrUE-Net深度学习工具	TrUE-Net	磁共振图像和认知评估分数	231名成年人
272	2025-07-20	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	本文提出了一种基于深度学习的蛋白质动态变化设计方法	首次实现了对蛋白质内部几何动态变化的从头设计，并验证了设计的构象	未提及具体应用场景或体内验证结果	开发能够设计具有可控构象变化蛋白质的新方法	蛋白质的构象动态变化	机器学习	NA	深度学习	NA	蛋白质结构数据	4个验证结构
273	2025-07-20	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	研究论文	本文提出了一种基于可微分折叠的高效、可扩展且灵活的参数优化方法，用于改进最近邻模型的RNA二级结构预测	利用可微分折叠技术直接计算RNA折叠算法的梯度，显著提高了参数优化的效率和效果	未明确提及方法在复杂RNA结构或大规模数据集上的适用性限制	优化RNA二级结构预测的最近邻模型参数	RNA二级结构	计算生物学	NA	可微分折叠	最近邻模型	RNA结构数据和热力学实验数据	包含约13,000个热力学参数的新数据库RNAometer
274	2025-07-20	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文对生物物理学和生物医学数据中常用的深度学习分割模型进行了全面比较	提供了四种常用架构（CNN、U-Nets、视觉Transformer和视觉状态空间模型）在典型小规模训练数据集上的性能比较，并确立了每种模型的最佳适用条件	研究仅针对生物物理学实验中常见的小规模训练数据集，可能不适用于大规模数据场景	为生物物理学领域的图像分割任务提供模型选择指南	四种深度学习分割模型（CNN、U-Nets、视觉Transformer和视觉状态空间模型）	生物物理学	NA	深度学习	CNN, U-Nets, 视觉Transformer, 视觉状态空间模型	生物物理学和生物医学数据	典型小规模训练数据集
275	2025-07-20	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	研究论文	开发了一种纵向感知分割网络(LAS-Net)，用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	LAS-Net引入了纵向交叉注意力机制，允许PET1的相关特征为PET2的分析提供信息	研究为回顾性研究，可能受到数据选择和收集的限制	开发能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的自动分割网络	儿童霍奇金淋巴瘤患者的系列PET/CT图像	数字病理	霍奇金淋巴瘤	PET/CT成像	CNN	医学图像	297名儿科患者（内部数据集200名，外部测试数据集97名）
276	2025-07-20	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	研究论文	该研究评估了多模态人工智能模型在前列腺癌临床试验中对非洲裔和非非洲裔男性的算法公平性	首次在多模态人工智能模型中评估算法公平性，特别是在非洲裔和非非洲裔前列腺癌患者中的表现	研究中29名患者（0.5%）的种族状态未知或缺失，可能影响结果的全面性	评估多模态人工智能模型在不同种族前列腺癌患者中的预测性能和算法公平性	来自5项随机III期临床试验的5,708名前腺癌患者（包括948名非洲裔和4,731名非非洲裔患者）	数字病理学	前列腺癌	多模态人工智能（MMAI）深度学习系统	深度学习	数字组织病理学图像和临床数据	5,708名患者（948名非洲裔，4,731名非非洲裔，29名种族状态未知）
277	2025-07-20	The Advances in Deep Learning Modeling of Polyadenylation Codes 2025 May-Jun, Wiley interdisciplinary reviews. RNA DOI:10.1002/wrna.70017 PMID:40468587	综述	本文总结了深度学习模型在解析多聚腺苷酸化调控方面的进展及其应用	深度学习模型能够无偏地量化基序间的相互作用，捕捉顺式调控基序间复杂的位置交互，为多聚腺苷酸化生物学带来新见解	NA	探讨深度学习模型在多聚腺苷酸化调控研究中的应用及其进展	多聚腺苷酸化位点的形成及其调控机制	自然语言处理	NA	深度学习	深度学习模型	序列数据	NA
278	2025-07-20	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度（OSD），并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍（SDB）和认知障碍的关系	使用深度学习框架开发了一种连续测量睡眠深度的方法，相比传统离散睡眠分期更能捕捉睡眠深度的连续性	研究仅基于21,787份多导睡眠图记录，可能无法涵盖所有人群的睡眠特征	开发并验证一种连续测量睡眠深度的方法，以更准确地反映睡眠质量及其与临床变量的关系	18,116名独特患者的多导睡眠图记录	机器学习	睡眠呼吸障碍, 认知障碍	多导睡眠图, 深度学习	CNN	EEG信号	21,787份多导睡眠图记录来自18,116名患者
279	2025-07-20	Enhanced cell tracking using a GAN-based super-resolution video-to-video time-lapse microscopy generative model 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112225 PMID:40230526	研究论文	提出了一种基于GAN的超分辨率视频到视频延时显微镜生成模型tGAN，用于增强细胞追踪的性能	引入tGAN，一种基于GAN的延时显微镜生成器，通过双分辨率架构准确捕捉低分辨率和高分辨率的细胞细节，提高了合成注释延时显微镜数据的质量和多样性	需要进一步验证tGAN生成的合成数据在不同细胞类型和实验条件下的泛化能力	提高细胞追踪的准确性和减少对人工注释的依赖	细胞	数字病理学	NA	延时显微镜	GAN	视频	NA
280	2025-07-20	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-Apr-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	本研究通过开发计算高效的基于模型的深度学习图像重建框架和联合优化框架，旨在提高全3D螺旋轨迹高分辨率MR指纹扫描的效率和克服计算挑战	提出了一种计算高效的基于模型的深度学习图像重建框架，以及图像重建、定量参数估计和k空间采样轨迹的联合优化框架	研究主要基于模拟和体内MRF数据，可能在实际临床应用中存在一定的局限性	提高3D定量MRI的参数量化准确性和缩短重建时间	健康受试者和患者的MRF数据	医学影像处理	NA	MR指纹扫描(MRF)	基于模型的深度学习(MBDL)	医学影像数据	模拟和体内MRF数据，包括健康受试者和患者