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
281	2025-06-24	FedOpenHAR: Federated Multitask Transfer Learning for Sensor-Based Human Activity Recognition 2025-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0631 PMID:40267073	研究论文	介绍FedOpenHAR框架，探索在传感器基础的人类活动识别和设备位置识别任务中的联邦迁移学习	提出FedOpenHAR框架，结合联邦学习和迁移学习，支持多任务处理，并在新客户端加入时能利用已有共同层进行训练	需要处理不同数据集中可能只包含部分标签类型的问题	开发适用于传感器基础的人类活动识别和设备位置识别的联邦学习框架	传感器数据	机器学习	NA	联邦学习，迁移学习	DeepConvLSTM	传感器数据	OpenHAR框架中的十个较小数据集
282	2025-06-24	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	研究论文	介绍了一种名为scCAFE的深度学习模型，用于在单细胞水平上检测多尺度的染色质结构特征	scCAFE提供了一个统一的框架，用于注释单个细胞中的染色质环、TAD样结构域（TLDs）和区室，优于以往的scHi-C环检测方法，并能准确预测TLDs和区室	NA	分析单细胞基因组结构，并探索仅基于3D基因组特征进行精确细胞类型注释的可能性	单细胞Hi-C数据	基因组学	NA	scHi-C	深度学习模型	基因组数据	NA
283	2025-06-24	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏心房颤动（AF）检测方法，通过QRS波群中心的自适应分割提高检测精度	采用QRS波群中心的自适应分割方法，结合CNN和双向LSTM网络，实现了逐搏级别的高精度AF检测	未提及模型在噪声环境下的鲁棒性测试	开发高精度的逐搏级别心房颤动自动检测方法	心电图信号中的心房颤动	digital pathology	cardiovascular disease	ECG信号分析	CNN + bidirectional LSTM	ECG信号	MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库、MIMIC-III和Simband数据集
284	2025-06-24	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本文研究了模拟内存计算（AIMC）中的片上训练，特别是在6T1C突触器件中量化并缓解了并行权重更新时的干扰效应	首次基于氧化物半导体和电容器精确识别并量化了6T1C突触器件的干扰效应，并提出了三种简单的操作方案来缓解这些效应	干扰效应在器件缩放时会加剧，且大规模阵列中的学习可行性仍需进一步验证	减少数据延迟并实现用户特定学习，同时解决模拟突触器件在并行权重更新时的干扰问题	6T1C突触器件及其在模拟内存计算中的应用	机器学习	NA	模拟内存计算（AIMC）	CNN	图像	CIFAR-10数据集
285	2025-06-24	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的深度学习框架，用于通过表征癌症驱动信号来预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，提升了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，以实现精准肿瘤学	癌细胞系和实体瘤样本	数字病理学	癌症	深度学习	自监督神经网络	遗传标记和癌症驱动信号	多个数据集和来自The Cancer Genome Atlas的实体瘤样本
286	2025-06-24	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种碎片化技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而提高了蛋白质组覆盖范围	开发了一个能够覆盖多种碎片化技术的单一Prosit深度学习模型，并公开了该模型	NA	提高蛋白质组学实验中蛋白质的识别效率	质谱仪和碎片化技术	质谱分析	NA	CID, UVPD, EID, ECD, LC-MS	Prosit深度学习模型	质谱数据	NA
287	2025-06-24	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	本文提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，从而促进分子结构的解析	ICEBERG模型能够模拟碰撞诱导解离，生成化学上合理的碎片及其相对强度，并考虑碰撞能量和极性，显著提高了化合物注释的准确性	未明确提及具体限制，但可能涉及模型在更复杂或未知结构上的泛化能力	开发一种深度学习模型，用于快速准确地解析未知分子结构	分子结构的解析，特别是代谢组学、药物发现和反应筛选中的同量异位结构	机器学习和质谱分析	抑郁症和结核性脑膜炎	串联质谱(MS/MS)和深度学习	几何深度学习模型(ICEBERG)	质谱数据	NIST'20 [M+H]加合物子集
288	2025-06-24	In Toto Adipocytes Analysis Using Hydrophilic Tissue Clearing, Light Sheet Microscopy, and Deep Learning-Based Image Processing 2025-Jun, Biology of the cell IF:2.4Q4 DOI:10.1111/boc.70013 PMID:40544484	research paper	本研究开发了一种创新的3D成像方法，结合组织透明化、光片显微镜和深度学习技术，用于评估脂肪细胞体积	首次结合无脱脂步骤的组织透明化、光片显微镜和深度学习技术，实现脂肪组织的3D成像和自动分析	目前仅在肥胖和健康大鼠的肠系膜脂肪组织中进行验证，尚未在其他组织或疾病模型中应用	开发一种创新的3D成像方法来准确评估脂肪细胞体积，克服传统技术的局限性	肥胖和健康大鼠的肠系膜脂肪组织中的脂肪细胞	digital pathology	obesity	hydrophilic tissue clearing, light sheet microscopy, deep learning	deep learning	3D image	肥胖和健康大鼠的肠系膜脂肪组织样本
289	2025-06-24	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	本文研究了植物叶片受伤后局部冷却现象及其与伤口愈合的关系，并提出了一种利用计算机视觉和深度学习监测伤口愈合动态的方法	发现伤口诱导的局部冷却现象作为伤口愈合的定量标记，并开发了基于计算机视觉和深度学习的伤口愈合监测工作流程	研究仅限于拟南芥叶片，未验证其他植物或组织类型的适用性	探索植物伤口愈合的后期机制并开发定量监测工具	拟南芥叶片	计算机视觉	NA	计算机视觉、深度学习	深度学习	图像	NA
290	2025-06-24	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	research paper	该研究探讨了生物约束深度学习如何通过细胞和亚细胞特化实现，以模拟大脑中的学习和记忆机制	提出了一种完全符合生物学约束的深度学习算法，模拟了神经元细胞类型和树突区室化信号的特化	模型的生物学约束可能限制了其在更广泛的人工智能应用中的适用性	探索大脑如何通过神经元细胞类型和树突区室化信号协调多层神经回路中的学习	人工神经网络（ANNs）和神经元细胞类型	machine learning	NA	深度学习算法	ANN	image	NA
291	2025-06-24	A pediatric ECG database with disease diagnosis covering 11643 children 2025-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05225-z PMID:40419508	research paper	该研究提出了一个包含11643名0-14岁儿童的心电图数据库，用于心血管疾病的智能诊断	该数据库专注于儿童心血管疾病诊断，填补了现有ECG数据集主要关注成人且缺乏疾病诊断信息的空白	数据仅来自郑州大学第一附属医院的住院儿童，可能无法完全代表所有儿童群体	为儿童心血管疾病的智能诊断提供充足的数据支持	0-14岁儿童的心电图数据	digital pathology	cardiovascular disease	ECG	NA	ECG记录	11643名住院儿童，包含14190份儿科ECG记录
292	2025-06-24	Artificial Intelligence Applied to Ultrasound Diagnosis of Pelvic Gynecological Tumors: A Systematic Review and Meta-Analysis 2025-May-08, Gynecologic and obstetric investigation IF:2.0Q2 DOI:10.1159/000545850 PMID:40340944	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在超声诊断盆腔妇科肿瘤中的应用效果	首次对AI在妇科盆腔肿瘤超声诊断中的研究进行系统性评估，并与现有ADNEX模型进行性能比较	95%的研究存在高偏倚风险，主要源于不恰当的研究纳入标准、缺乏患者级别的训练测试集划分以及未进行校准评估	评估AI模型在超声诊断妇科盆腔肿瘤中的鉴别性能	妇科盆腔肿瘤（卵巢、子宫内膜和子宫肌层病变）	数字病理	妇科肿瘤	超声成像	深度学习模型与基于放射组学的机器学习方法	超声图像	44项研究（40项卵巢病理、3项子宫内膜病理和1项子宫肌层病理研究）
293	2025-06-24	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑部脑脊液分布中的应用，使用了基于U-Net的监督学习模型	利用深度学习预测脑脊液分布，仅需注射后2小时的成像数据即可达到与使用更多后期扫描数据相当的预测效果	研究依赖于特定对比剂（钆基）的MRI扫描，可能不适用于其他类型的脑脊液标记物	预测脑脊液在人类脑部的分布及其与中枢神经系统疾病的关联	人类脑部脑脊液分布及心室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像（MRI）	U-Net	图像	NA
294	2025-06-24	Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning 2025-May, NEJM AI DOI:10.1056/aioa2400703 PMID:40535328	研究论文	本研究开发了一种自监督的时序深度学习模型，用于分析儿童胶质瘤患者的连续MRI扫描，以提高个体化复发预测的准确性	提出了一种针对纵向医学影像分析的自监督时序深度学习方法，通过训练模型正确分类扫描的时间顺序作为前置任务，进而微调以预测复发风险	研究受限于数据可用性和当前机器学习方法的局限性	提高儿童胶质瘤个体化复发预测的准确性	儿童低级别和高级别胶质瘤患者	数字病理学	胶质瘤	MRI	自监督时序深度学习模型	影像	715名患者的3994次扫描
295	2025-06-24	Trade-offs between machine learning and deep learning for mental illness detection on social media 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99167-6 PMID:40281061	研究论文	本研究比较了机器学习和深度学习模型在社交媒体上心理健康状况分类中的性能和适用性	系统评估了多种ML和DL模型在心理健康分类中的性能差异，并提供了基于数据集大小、可解释性需求和计算限制的模型选择建议	研究仅基于中等规模数据集，未探讨极大数据集或小数据集下的表现差异	比较不同建模方法在心理健康状况分类中的性能差异	社交媒体上关于抑郁、焦虑和自杀意念的用户生成文本	自然语言处理	精神疾病	文本分类	logistic regression, random forest, LightGBM, ALBERT, GRU	文本	中等规模数据集（具体数量未提及）
296	2025-06-24	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-Apr, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	研究论文	提出一个基于AI的统一框架scDisPreAI，用于整合单细胞组学数据以实现疾病和疾病阶段的预测及生物标志物发现	结合单细胞组学数据和AI技术，开发了一个多任务预测框架，能够同时分类疾病身份和疾病阶段，并通过可解释性技术识别关键生物标志物	需要进一步整合多组学数据、标准化协议和前瞻性临床验证以充分发挥其在精准医学中的潜力	开发一个基于AI的统一框架，用于疾病预测和生物标志物发现	单细胞组学数据和疾病预测	机器学习	多种疾病	单细胞组学	深度学习架构或机器学习流程	单细胞组学数据	NA
297	2025-06-24	The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance 2025-Mar, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.10.070 PMID:39522568	research paper	本研究探讨了在腹主动脉瘤（AAA）修复术后监测中，自动测量囊体积相较于最大直径评估是否能提供更细致的囊行为信息	首次比较了自动AAA囊体积测量与传统最大直径评估在EVAR术后监测中的差异，发现体积测量能识别更多的囊收缩或增长情况	样本量较小（89例患者），且为回顾性研究	评估自动AAA囊体积测量在EVAR术后监测中的附加价值	接受标准或开窗EVAR治疗的AAA患者	数字病理	心血管疾病	深度学习	Augmented Reality for Vascular Aneurysm	医学影像	89例患者（标准EVAR 46例，开窗EVAR 43例）
298	2025-06-24	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发并验证了一种基于MRI拓扑深度学习的模型，用于术前预测肝细胞癌（HCC）的微血管侵犯（MVI）并辅助预后分层	结合拓扑学改进深度学习模型，提高了预测性能和可解释性，并首次在HCC的MVI预测中应用	研究为回顾性设计，可能存在选择偏倚；外部验证集样本量相对较小	开发非侵入性预测HCC微血管侵犯的深度学习模型并验证其预后分层价值	接受手术治疗的HCC患者	数字病理	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	医学影像	589例患者（292例病理证实MVI）
299	2025-06-24	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	review	本文综述了大语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨LLMs在生物信息学问题解决中的潜力，超越其在人类语言建模方面的熟练度	NA	提供LLMs在生物信息学中应用的全面概述，包括基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域	大语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标记的输入数据	NA
300	2025-06-24	Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017005 PMID:39836730	研究论文	本研究利用深度学习模型评估右心室功能，以改善二尖瓣反流患者经导管边缘对边缘修复术后的预后预测	首次使用深度学习模型从标准二维超声心动图视频中预测右心室射血分数，并证明其在预测一年死亡率方面优于传统方法	研究仅基于回顾性多中心注册数据，且仅评估了一年的死亡率	评估深度学习预测的右心室射血分数在严重二尖瓣反流患者经导管边缘对边缘修复术后的预后价值	接受经导管边缘对边缘修复术的严重二尖瓣反流患者	数字病理学	心血管疾病	二维超声心动图	深度学习模型	视频	1154名2017至2023年间接受治疗的患者