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	2025-07-20	Tumor Bud Classification in Colorectal Cancer Using Attention-Based Deep Multiple Instance Learning and Domain-Specific Foundation Models 2025-Apr-07, Cancers IF:4.5Q1 DOI:10.3390/cancers17071245 PMID:40227783	研究论文	本文提出了一种基于注意力机制的深度多实例学习和领域特定基础模型的自动系统，用于结直肠癌中的肿瘤芽分类	采用注意力机制的多实例学习和领域特定基础模型，提高了肿瘤芽分类的准确性和可解释性	数据集相对较小，仅包含29张训练WSIs和70张测试WSIs	提高结直肠癌中肿瘤芽的自动分类准确性，以改善预后评估	结直肠癌中的肿瘤芽	数字病理	结直肠癌	深度学习	ABMIL（基于注意力的多实例学习）	全切片图像（WSIs）	29张训练WSIs和70张测试WSIs
282	2025-07-20	Mapping individualized multi-scale hierarchical brain functional networks from fMRI by self-supervised deep learning 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.07.647618 PMID:40291726	研究论文	提出一种自监督深度学习框架，用于从fMRI数据中映射个体化的多尺度分层脑功能网络	首次提出同时计算多尺度功能网络并表征其跨尺度分层结构的自监督深度学习框架	方法依赖于fMRI数据质量，且需要在大规模数据集上进行验证	研究脑功能网络的多尺度分层组织及其个体化差异	人脑功能网络	神经影像分析	神经精神疾病	fMRI, 自监督深度学习	深度学习模型	fMRI影像数据	Human Connectome Project数据集及两个外部队列
283	2025-07-20	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了MUC5B基因型及其他常见变异与普通间质性肺炎（UIP）计算成像特征之间的关联	首次将遗传风险特征与计算成像表型联系起来，使用深度学习技术自动评估CT扫描中的UIP模式	未发现常见变异与计算成像评估的纤维化程度之间的关联，且视觉评估的UIP模式与遗传变异无显著关联	确定IPF患者的遗传风险特征是否能识别独特的计算成像表型	329名患有特发性肺纤维化（IPF）的参与者	数字病理学	肺纤维化	CT扫描分析	深度学习	图像	329名IPF患者
284	2025-07-20	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	research paper	提出一种深度学习方法，用于生成跨MRI对比度稳定的脊髓软分割	使用软分割和回归损失函数减少CSA变异性，并提高模型在未见数据集、供应商、对比度和病理情况下的泛化能力	研究主要基于健康参与者的数据，对于病理情况的泛化能力仍需进一步验证	开发一种对比度无关的脊髓分割方法，以减少多中心研究中CSA的变异性	脊髓	digital pathology	neurodegenerative diseases	MRI	U-Net	image	267名健康参与者，6种对比度
285	2025-07-20	Deep learning informed multimodal fusion of radiology and pathology to predict outcomes in HPV-associated oropharyngeal squamous cell carcinoma 2025-Apr, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105663 PMID:40121941	研究论文	本研究开发了一种基于深度学习的多模态融合方法SMuRF，用于预测HPV相关口咽鳞状细胞癌的预后	首次整合了放射学和病理学的多区域数据，利用跨模态和跨区域的窗口多头自注意力机制捕捉肿瘤栖息地和图像尺度间的特征交互	研究仅针对HPV相关的OPSCC患者，样本量为277例，可能限制了结果的普适性	预测HPV相关口咽鳞状细胞癌的生存率和肿瘤分级	HPV相关口咽鳞状细胞癌患者	数字病理学	头颈癌	深度学习	swintransformer-based multimodal and multi-region data fusion framework (SMuRF)	CT图像和全切片病理图像	277例匹配放射学和病理学图像的OPSCC患者
286	2025-07-20	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	本文介绍了一种基于深度学习的饱和转移磁共振指纹图谱（MRF）方法，用于蛋白质、代谢物和pH值的无创体内成像	深度MRF提供了一个定量且快速的框架，用于提取具有生物学和临床意义的分子信息，解决了传统方法的复杂性和长扫描时间问题	该方法的完成时间从48分钟到57小时不等，可能在某些临床应用中显得较长	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH值量化等应用	体外样本、动物和人类扫描	数字病理学	癌症、神经退行性疾病、中风和心脏病	化学交换饱和转移（CEST）和半固体磁化转移（MT）定量成像	深度学习模型	图像	未明确说明具体样本数量，但涉及体外样本、动物和人类扫描
287	2025-07-20	Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data 2025-Mar-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17071092 PMID:40227603	研究论文	本文提出了一种启发式三阶段机制，用于优化基于电子健康记录（EHR）的乳腺癌转移风险预测的深度学习模型网格搜索	提出了一种三阶段机制（SSGS和RGS策略）来管理低预算网格搜索的运行时间，并通过SHAP分析解释模型超参数的贡献	未明确提及具体局限性，但可能涉及计算资源有限或数据集的特定限制	优化深度学习模型在乳腺癌转移风险预测中的性能	乳腺癌患者的电子健康记录（EHR）数据	机器学习	乳腺癌	网格搜索，SHAP分析	深度前馈神经网络（DFNN）	临床数据	未明确提及具体样本量
288	2025-07-20	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	research paper	本文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割结果转化为3D共识分割，无需训练数据	开发了一种无需训练数据的2D到3D分割方法，能够处理拥挤和形态复杂的细胞	依赖于2D分割方法的准确性，可能无法完全替代原生3D分割方法	解决3D细胞分割中的密集标注难题，提高分割效率和准确性	细胞、细胞聚集体和组织	digital pathology	NA	deep learning	NA	image	11个真实数据集，超过70,000个细胞
289	2025-07-20	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-03-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文提出了一种基于深度迁移学习的模型，用于大规模筛选针对A类GPCRs的更安全药物	使用迁移学习和结合自然语言处理的神经网络，针对A类GPCRs预测低效化合物或偏向激动剂	高质量数据的有限可用性可能影响模型的可靠性	提高药物开发中针对A类GPCRs的更安全化合物的预测准确性	A类G蛋白偶联受体（GPCRs）及其配体	机器学习	NA	自然语言处理	神经网络	序列数据	所有A类GPCRs的受体序列和配体数据集
290	2025-07-20	Machine learning predicts spinal cord stimulation surgery outcomes and reveals novel neural markers for chronic pain 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92111-8 PMID:40102462	研究论文	本研究应用机器学习预测慢性疼痛患者对脊髓刺激（SCS）手术的反应，并揭示了新的神经标记物	结合主观自我报告、术中获取的EEG数据和机器学习算法，首次用于区分SCS手术的响应者和非响应者	样本量较小（20名患者），可能影响模型的泛化能力	预测慢性疼痛患者对SCS手术的反应，并寻找客观的疼痛生物标志物	20名接受SCS手术的慢性疼痛患者	机器学习	慢性疼痛	EEG信号分析、PCA、递归特征消除	决策树	EEG信号、临床特征、患者报告结果	20名慢性疼痛患者
291	2025-07-20	Integrative Protein Assembly With LZerD and Deep Learning in CAPRI 47-55 2025-Mar-17, Proteins IF:3.2Q2 DOI:10.1002/prot.26818 PMID:40095385	research paper	本文报告了在CAPRI第47-55轮中，研究小组的蛋白质复合物预测方法及其结果的性能	整合了小组开发的经典流程和最近开发的深度学习流程，并在人类组预测中结合文献信息进行建模	排除了联合CASP第50和54轮以及特殊的COVID-19第51轮，且部分建模案例未成功	提高蛋白质复合物预测的准确性和性能	蛋白质复合物	computational biology	NA	deep learning, LZerD	deep learning pipelines	protein complex models	eight interfaces successfully modeled
292	2025-07-20	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Mar-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法	肝脏磁共振弹性成像数据	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	SqueezeNet（QC模型）和2D U-Net（分割模型）	医学影像数据	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
293	2025-07-20	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100780 PMID:40020686	research paper	该研究应用迁移学习预测转录因子TWIST1和SOX9剂量如何影响面部祖细胞中调控元件的染色质可及性	结合迁移学习和定量染色质响应测量，揭示了顺式调控代码的额外层次	研究仅针对TWIST1和SOX9两种转录因子，可能不适用于其他转录因子	揭示转录因子剂量对染色质可及性的定量响应的序列决定因素	面部祖细胞中的调控元件	machine learning	NA	transfer learning	deep learning	chromatin accessibility data	NA
294	2025-07-20	Development of a Machine-Learning Algorithm to Identify Cauda Equina Compression on Magnetic Resonance Imaging Scans 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123669 PMID:39826832	研究论文	开发并验证了一种机器学习模型，用于从MRI扫描中自动检测马尾神经压迫，以加快对疑似马尾神经综合征患者的分类	首次使用卷积神经网络（CNN）自动检测马尾神经压迫，并通过梯度下降热图展示分类关键区域	研究样本量相对较小（715张图像），且未提及模型在不同MRI设备或扫描参数下的泛化能力	开发自动化工具以改善马尾神经综合征的诊断效率和准确性	疑似马尾神经综合征患者的MRI扫描图像	数字病理学	马尾神经综合征	MRI扫描	CNN	图像	715张MRI图像（80%训练集，20%测试集）
295	2025-07-20	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究探讨了深度学习在腰椎间盘突出症（LDH）诊断和治疗决策中的应用，通过MRI图像分析比较了纯AI、纯人类和AI辅助方法的准确性和决策时间	研究不仅关注椎间盘突出的存在，还探索了AI在诊断和治疗决策中的综合应用，展示了AI与人类专家协同工作的潜力	研究为回顾性研究，可能受到数据选择和历史偏差的影响	评估深度学习在LDH诊断和治疗决策中的效果	接受手术评估的患者的MRI图像	数字病理学	腰椎间盘突出症	MRI	CNN	图像	未明确提及样本数量
296	2025-07-20	Performance of Machine Learning Models in Predicting BRAF Alterations Using Imaging Data in Low-Grade Glioma: A Systematic Review and Meta-Analysis 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123742 PMID:39914655	meta-analysis	本文通过系统综述和荟萃分析评估了机器学习和深度学习模型在预测低级别胶质瘤中BRAF基因改变方面的性能	首次系统评估了AI模型在预测LGGs中BRAF基因改变方面的表现，并进行了荟萃分析	样本量较小(6项研究951例患者)，未来需要更大样本量和不同算法来减少不精确性	评估AI模型通过影像数据预测低级别胶质瘤BRAF基因改变的效能	低级别胶质瘤(LGGs)患者	digital pathology	brain tumor	machine learning/deep learning	NA	imaging data	6项研究共951例患者
297	2025-07-20	The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers 2025-Mar-01, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00767-0 PMID:40025245	研究论文	本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因突变之间的关系，以及可能的突变事件序列	揭示了胶质母细胞瘤突变产生的独特影像特征，并展示了肿瘤位置和空间分布与基因谱的关联	研究为回顾性分析，样本量有限（357例），且仅针对IDH野生型胶质母细胞瘤	探索胶质母细胞瘤的影像基因组学和空间基因组学特征及其与致癌驱动因素的关系	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数MRI和靶向基因测序	机器学习和深度学习模型	影像和基因测序数据	357例IDH野生型胶质母细胞瘤患者
298	2025-07-20	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	开发并验证了一种基于胸部CT扫描的自动定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次使用全自动深度学习方法来定量评估裂隙完整性，并基于此建立预测模型以评估EBV治疗效果	研究样本量较小（96例），且为回顾性研究，可能影响模型的泛化能力	开发预测模型以识别适合EBV治疗的肺气肿患者	中重度肺气肿患者	数字病理学	肺气肿	深度学习	逻辑回归	CT图像	96例患者的CT扫描数据（训练集58例，测试集38例）
299	2025-07-20	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	该研究利用深度学习模型预测了1500万个非编码变异在成人和胎儿大脑及心脏132种细胞环境中的调控效应，并开发了FLARE模型以优先考虑具有极端调控效应的突变	整合单细胞图谱与群体遗传学及基于深度学习的变异效应预测，揭示了发育和疾病的机制，并开发了FLARE模型以优先考虑具有极端调控效应的突变	研究主要关注大脑和心脏，可能不适用于其他组织或器官	优先考虑人类疾病中的常见和罕见非编码变异，并理解选择压力如何塑造非编码基因组	成人和胎儿大脑及心脏中的非编码变异	生物信息学	神经发育障碍	单细胞ATAC-seq, 深度学习	深度学习模型, FLARE	基因组数据	132种细胞环境中的1500万个变异
300	2025-07-20	KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need? 2025-Feb-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01602 PMID:39882632	research paper	该研究开发了基于决策树和图注意力网络（GAT）的KaML模型，用于预测蛋白质pKa值和电离状态，显著提高了预测准确性	KaML-CBtree在预测所有六种可滴定氨基酸的pKa值和电离状态方面显著优于现有技术，特别是对于去质子化的半胱氨酸和赖氨酸的准确预测	机器学习方法受限于实验数据的稀缺性	提高蛋白质电离状态的预测准确性，以促进生物学理解和计算机辅助药物发现	蛋白质的电离状态和pKa值	machine learning	NA	decision trees, graph attention networks (GAT)	KaML-CBtree, GAT	protein data, experimental pKa database (PKAD-3)	NA