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
2781	2025-07-22	Dissection of tumoral niches using spatial transcriptomics and deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112214 PMID:40230519	研究论文	本研究介绍了一种名为TG-ME的创新计算框架，结合了transformer和图变分自编码器（GraphVAE）模型，用于利用空间转录组学数据和形态学图像解析肿瘤微环境	TG-ME框架整合了transformer和GraphVAE模型，能够有效识别和表征肿瘤微环境中的特定区域，为肿瘤微环境的空间组织提供了新的见解	研究可能受限于数据集的大小和多样性，以及模型在更广泛癌症类型中的泛化能力	解析肿瘤微环境的空间组织，揭示与疾病预后和治疗效果相关的微环境特征	肿瘤微环境中的特定区域（niches）	数字病理学	肺癌（NSCLC）	空间转录组学	transformer, GraphVAE	空间转录组学数据, 形态学图像	基准数据集和高分辨率NSCLC数据集
2782	2025-07-22	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	本文提出了一种基于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	引入了tGAN，一种基于GAN的延时显微镜生成器，能够生成高质量和多样性的合成注释延时显微镜数据，提升细胞追踪模型的性能	需要进一步验证tGAN在不同类型细胞和实验条件下的泛化能力	提升细胞追踪的准确性和减少对人工注释的依赖	细胞动态行为	数字病理学	NA	GAN	GAN	视频	NA
2783	2025-07-22	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从高密度细胞外记录中识别跨物种的细胞类型	结合光遗传学和药理学，生成经过筛选的电生理特性真实库，并训练半监督深度学习分类器，预测细胞类型的准确率超过95%	研究主要集中在小脑作为测试平台，可能在其他脑区的适用性有待验证	揭示具有不同功能、分子和解剖特性的神经元在行为中的计算作用	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	光遗传学、药理学、高密度细胞外记录	半监督深度学习分类器	电生理记录数据	NA
2784	2025-07-22	Accurate and rapid determination of metabolic flux by deep learning of isotope patterns 2025-Apr-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.06.565907 PMID:37986781	研究论文	本文介绍了一种名为ML-Flux的机器学习框架，用于快速准确地测定代谢通量	创新性地开发了ML-Flux框架，能够解读复杂的同位素标记模式，并比现有方法更准确、更快速地计算代谢通量	研究仅涉及26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂，可能不涵盖所有代谢情况	旨在通过机器学习方法改进代谢通量的定量分析	中心碳代谢中的同位素标记模式	机器学习	NA	同位素示踪实验	神经网络	同位素标记模式数据	26种关键C-葡萄糖、H-葡萄糖和C-谷氨酰胺示踪剂
2785	2025-07-22	DCATNet: polyp segmentation with deformable convolution and contextual-aware attention network 2025-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01661-w PMID:40229681	研究论文	提出了一种名为DCATNet的新型深度学习架构，专门用于息肉分割	结合了ResNetV2-50编码器和Transformer，集成了几何注意力模块(GAM)、上下文注意力门(CAG)和多尺度特征提取(MSFE)块	未提及具体局限性	解决医学图像中息肉分割的挑战	医学图像中的息肉	计算机视觉	息肉相关疾病	深度学习	U-shaped网络结合ResNetV2-50和Transformer	医学图像	五个公共数据集（包括Kvasir-SEG和CVC-ClinicDB）
2786	2025-07-22	Deciphering epistatic genetic regulation of cardiac hypertrophy 2025-Apr-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.06.23297858 PMID:37987017	研究论文	该研究开发了一种名为低信号符号迭代随机森林的方法，用于揭示心脏肥大的复杂遗传结构，并通过深度学习从29,661份英国生物银行心脏MRI中获取左心室质量估计	使用低信号符号迭代随机森林方法发现全基因组关联研究中被认为不显著的位点，并通过功能基因组学和转录组网络分析验证这些基因在心脏肥大中的非加性调控作用	研究依赖于英国生物银行的样本，可能无法完全代表其他人群的遗传多样性	揭示心脏肥大的复杂遗传调控机制，特别是非加性遗传互作（上位性）的作用	人类心脏组织、诱导多能干细胞衍生的心肌细胞	遗传学	心血管疾病	低信号符号迭代随机森林、深度学习、RNA沉默、微流控单细胞形态分析	随机森林、深度学习模型	心脏MRI图像、基因组数据、转录组数据	29,661份英国生物银行心脏MRI，313个人类心脏样本
2787	2025-07-22	Continuous sleep depth index annotation with deep learning yields novel digital biomarkers for sleep health 2025-Apr-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01607-0 PMID:40216900	研究论文	提出一种深度学习方法，利用现有离散睡眠分期标签标注连续睡眠深度指数（SDI），揭示了更详细的睡眠结构	使用深度学习从传统离散睡眠分期中提取连续睡眠深度指数，发现新的数字生物标志物	研究基于现有数据集，可能无法涵盖所有睡眠异常情况	开发更精细的睡眠评估方法，发现与健康相关的睡眠数字生物标志物	来自四个大型队列的10,000多份多导睡眠图记录	机器学习	睡眠障碍	深度学习	深度学习模型（未指定具体类型）	多导睡眠图数据	超过10,000份记录
2788	2025-07-22	Transitions in dynamical regime and neural mode underlie perceptual decision-making 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562427 PMID:37904994	研究论文	研究通过无监督深度学习方法，发现大鼠前额叶皮层和纹状体中与决策相关的神经动力学	揭示了感知决策过程中神经动力学和神经模式的快速协调转变，提出了决策承诺时刻的新概念	研究仅基于大鼠模型，人类决策过程可能存在差异	探索感知决策的神经机制	大鼠前额叶皮层和纹状体的神经元活动	神经科学	NA	无监督深度学习方法	NA	神经电生理数据	数百个神经元的同时记录
2789	2025-07-22	Decomposing the effect of normal aging and Alzheimer's disease in brain morphological changes via learned aging templates 2025-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96234-w PMID:40189702	研究论文	本文提出两种评分（AS和ADS）来独立测量正常衰老和阿尔茨海默病（AD）对脑萎缩的影响	使用深度学习模型生成不同年龄的成像模板，并基于深度学习的微分同胚配准技术分解脑萎缩的两种成分	研究仅基于OASIS-3数据集，样本量有限，且未涵盖其他神经退行性疾病	区分正常衰老和AD病理对脑形态变化的独立影响	认知正常（CN）个体和不同临床严重程度的AD患者	数字病理学	阿尔茨海默病	T1加权MRI扫描	生成式深度学习模型	MRI图像	1014例（326例CN，688例AD）
2790	2025-07-22	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种结合深度学习和量化的端到端管道，用于快速和定量的动态对比增强（DCE）MRI	开发了名为DCE-Movienet的新型深度重建网络，结合先前开发的DCE-Qnet深度量化网络，显著提高了DCE-MRI的重建速度和量化鲁棒性	仅在健康志愿者和一名宫颈癌患者上进行了验证，样本量较小	提高DCE-MRI在临床环境中的性能和采用率	动态对比增强（DCE）MRI数据	数字病理学	宫颈癌	动态对比增强（DCE）MRI	DCE-Movienet, DCE-Qnet	4D MRI数据	健康志愿者和一名宫颈癌患者
2791	2025-07-22	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	本文提出了一种基于神经常微分方程（NODE）的新型模型，用于区分脑转移瘤（BM）放射手术后放射性坏死与肿瘤复发，通过整合影像、基因组和临床数据提高AI的可解释性	利用重球神经常微分方程（HBNODE）模型，首次实现了在影像-基因组-临床（I-G-C）空间中追踪样本轨迹，并通过决策场梯度向量动态分析各特征类别的贡献	研究样本量较小（90个BM病灶，62名NSCLC患者），且未在更广泛的患者群体中进行验证	开发可解释的AI模型以非侵入性方式区分脑转移瘤放射治疗后的放射性坏死与肿瘤复发	非小细胞肺癌（NSCLC）患者脑转移瘤的放射治疗后病灶	数字病理	肺癌	MRI影像分析、基因组特征分析	HBNODE（基于二阶ODE的神经网络）	多模态数据（影像+基因组+临床）	62名NSCLC患者的90个脑转移病灶
2792	2025-07-22	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	使用基于自监督学习的基础模型UNI和预训练的生成对抗网络HistoXGAN，首次系统地描述了HPV阳性头颈部鳞状细胞癌的组织病理学特征，并实现了高准确率的HPV状态预测	研究依赖于合成图像的解释，可能不完全反映真实组织学特征	解析HPV阳性头颈部鳞状细胞癌的组织病理学特征并开发可解释的检测方法	头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	自监督学习(SSL)，生成对抗网络(GAN)	UNI(SSL基础模型)，HistoXGAN(GAN)	H&E染色病理图像	981名HNSCC患者的病理图像
2793	2025-07-22	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文介绍了一种基于数字病理学的AI基础模型，用于预测胃肠道癌症的预后和辅助治疗效益	开发了一个基于自监督学习的AI基础模型，能够从标准H&E染色病理切片中预测预后，并在多个国际队列中验证了其预测生存结果的能力	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像中的1.3亿个补丁，包括1,619名胃和食管癌患者和2,594名结直肠癌患者
2794	2025-07-22	Subgroup evaluation to understand performance gaps in deep learning-based classification of regions of interest on mammography 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000811 PMID:40198652	研究论文	本研究评估了一种深度学习模型在乳腺X光摄影中分类正常与潜在异常感兴趣区域（ROIs）的性能，旨在识别可能导致某些患者亚组模型性能不佳的影像、病理和人口统计学特征	通过亚组分析识别了影响深度学习模型性能的具体患者特征，如种族、活检历史和乳腺密度，为提升模型公平性和可解释性提供了新见解	研究仅基于单一机构的数据集（EMBED），可能限制了结果的普遍适用性	评估深度学习模型在乳腺X光摄影ROI分类中的性能差异，并识别影响模型表现的亚组特征	115,931名患者的340万张乳腺X光影像及其相关临床数据	数字病理	乳腺癌	深度学习	CNN（特别是ResNet152V2）	影像	52,444个图像块（训练29,144，验证9,910，测试13,390）
2795	2025-07-22	Accurate treatment effect estimation using inverse probability of treatment weighting with deep learning 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf032 PMID:40290454	研究论文	本研究利用深度序列模型通过逆处理概率加权（IPTW）方法准确估计处理效应，无需特征处理	提出使用深度序列模型（如RNN和Transformer）直接从索赔记录中估计倾向得分，无需特征处理，提高了处理效应估计的准确性	研究主要基于合成和半合成数据集，未在真实世界数据中广泛验证	在存在时间依赖性混杂因素的情况下，准确估计处理效应	电子健康记录（EHRs）中的索赔记录	机器学习	NA	逆处理概率加权（IPTW）	RNN, Transformer	电子健康记录（EHRs）	合成和半合成数据集
2796	2025-07-22	Review of the Current State of Artificial Intelligence in Pediatric Cardiovascular Magnetic Resonance Imaging 2025-Mar-26, Children (Basel, Switzerland) DOI:10.3390/children12040416 PMID:40310065	review	本文综述了人工智能在儿科心血管磁共振成像（CMR）中的当前应用状态	探讨了AI如何通过深度学习技术提高CMR在先天性心脏病（CHD）中的效率、图像质量和减少错误	未提及具体的实验数据或样本量，可能缺乏实证支持	提高先天性心脏病（CHD）中心血管磁共振成像（CMR）的效率和质量	儿科心血管磁共振成像（CMR）	digital pathology	cardiovascular disease	deep learning	NA	image	NA
2797	2025-07-22	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	研究论文	本研究探讨了细胞衰老在良性乳腺疾病活检图像中对乳腺癌风险的预测作用	利用深度学习模型预测细胞衰老评分，评估其在乳腺癌风险预测中的价值	研究仅基于回顾性数据，且样本量有限	评估细胞衰老评分在预测乳腺癌风险中的潜在应用	15,395名接受乳腺活检的女性，其中512例后续发展为浸润性乳腺癌，491例为对照组	数字病理学	乳腺癌	H&E染色活检图像分析，深度学习模型	深度学习模型	图像	15,395名女性，其中512例病例和491例对照
2798	2025-07-22	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML方法在准确分类和自动检测自发突触事件方面优于现有方法，并适用于多种突触准备、记录技术和动物种类	未提及具体的研究局限性	开发一种可靠且标准化的突触事件自动化分析框架	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA
2799	2025-07-22	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Feb-13, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学和机器学习在神经退行性疾病研究中的最新进展	强调了利用全切片图像(WSIs)和先进机器学习/人工智能(ML/AI)技术进行神经退行性疾病分析的变革性方法	面临专家标注有限、切片扫描不可及、机构间差异以及大型WSI数据集共享复杂等挑战	提升神经病理学评估、诊断和研究	神经退行性疾病	数字病理学	神经退行性疾病	ML/AI	深度学习模型	全切片图像(WSIs)	NA
2800	2025-07-22	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本研究提出了一种使用3D卷积图网络和非线性高斯过程回归从3D光学图像中预测人体成分的新方法	首次将深度3D卷积图网络和非线性高斯过程回归应用于人体形状参数化和成分估计，相比线性算法显著提高了预测精度	深度形状特征仅对男性显示出更好的预测效果，性别差异的原因未深入探讨	开发更准确的人体成分预测方法	人体3D扫描图像和身体成分数据	计算机视觉	NA	3D卷积图网络，高斯过程回归(GPR)	3D CNN, GPR	3D图像	4286个扫描样本