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
2981	2025-05-17	Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1587347 PMID:40371075	研究论文	本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值	首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色	回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者)	开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后	接受机械取栓治疗的急性缺血性卒中患者	数字病理学	心血管疾病	多模态MRI	ResNet101与逻辑回归结合的CRD模型	医学影像	222例患者(训练组155例，验证组67例)
2982	2025-05-17	Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy 2025, Central European journal of urology IF:1.4Q3 DOI:10.5173/ceju.2024.0064 PMID:40371421	综述	本文综述了不同卷积神经网络在前列腺融合活检分割中的应用	强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度	不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果	探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力	前列腺癌患者的多参数磁共振成像（mpMRI）数据	数字病理学	前列腺癌	多参数磁共振成像（mpMRI）	CNN, U-Net	医学图像	NA
2983	2025-05-17	An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients 2025, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4011 PMID:40375370	研究论文	开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险	结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性	研究样本量较小（140例患者），且为回顾性研究	预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预	接受根治性子宫切除术及放疗的宫颈癌患者	数字病理	宫颈癌	CT成像	SE-Inception, ResNet50, Random Forest	图像	140例患者（51例发生阴道狭窄）
2984	2025-05-17	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络(CNN)，用于通过动态超声识别骨盆底中矢状面的不同器官	首次应用深度学习技术，特别是CNN模型，动态识别骨盆底中矢状面的不同器官	膀胱和子宫的识别准确度相对较低，DSI分别为0.71和0.70	验证CNN在骨盆底器官动态识别中的适用性	骨盆底的不同器官（膀胱、子宫、肛门、耻骨直肠肌等）	计算机视觉	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet架构）	视频	110名患者（86名用于训练，24名用于测试）
2985	2025-05-17	Protein engineering using variational free energy approximation 2024-12-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54814-w PMID:39617781	研究论文	本文提出了一种名为PREVENT的模型，通过变分自由能近似方法生成稳定且功能性的蛋白质变体	PREVENT模型通过学习蛋白质的序列和热力学景观，生成热力学稳定的功能性蛋白质变体，相比传统方法具有更高的效率和成功率	研究仅针对E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)的40种变体进行了评估，需要更多样本来验证模型的普适性	加速蛋白质工程过程，生成稳定且功能性的蛋白质变体	E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)	蛋白质工程	NA	变分自由能近似	PREVENT	蛋白质序列和结构数据	40种EcNAGK变体
2986	2025-05-17	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	review	本文分析了人工智能在医学诊断中的挑战与可能性	系统性地分析了不同类型AI在医学诊断中的应用及其面临的挑战，并提出了未来发展趋势	研究仅基于2019-2024年的24项研究，可能存在样本量不足的问题	评估人工智能在医疗诊断中的应用效果及其潜在机会	人工智能在医学诊断中的各类应用	machine learning	NA	multi-modal AI, deep learning, machine learning	NA	multi-modal data	24项研究
2987	2025-05-17	Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning 2024-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54771-4 PMID:39614072	研究论文	本文介绍了一种名为MOSA的无监督深度学习模型，用于整合和增强癌症依赖图谱（DepMap）的多组学数据	MOSA模型通过整合多组学信息，成功生成了分子和表型特征，增加了32.7%的多组学特征数量，并生成了1523个癌细胞系的完整DepMap	NA	整合和增强癌症依赖图谱的多组学数据，以提高统计能力并揭示与耐药性相关的机制	癌细胞系的多组学数据集	机器学习	癌症	无监督深度学习	MOSA	多组学数据	1523个癌细胞系
2988	2025-05-17	Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease 2024-Oct-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599092 PMID:39554095	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质相互作用数据，探索淀粉样蛋白-τ蛋白相互作用在阿尔茨海默病中的调节因素	首次应用深度学习网络整合方法BIONIC分析AD中Aβ-tau相互作用的调节因素，发现GPNMB+小胶质细胞的新作用	研究主要基于ROSMAP队列数据，样本来源相对单一	揭示阿尔茨海默病中淀粉样蛋白和tau蛋白相互作用的调节机制	淀粉样蛋白(Aβ)、tau蛋白及其相互作用调节因素	数字病理学	阿尔茨海默病	深度学习、蛋白质组学分析、蛋白质相互作用网络分析	BIONIC(深度学习网络整合模型)	蛋白质组数据、蛋白质相互作用数据、基因表达数据	ROSMAP队列数据(具体数量未明确说明)
2989	2025-05-17	Evaluating the Quality of Brain MRI Generators 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72117-5_28 PMID:40364898	research paper	本文提出了一种评估生成脑部MRI质量的框架，旨在解决现有评估方法在解剖合理性方面的不足	提出了一个标准化评估框架，通过自动分割生成的MRI图像并量化解剖结构的合理性，弥补了现有自然图像评估指标在脑部MRI上的不足	仅评估了6种生成模型，样本量相对有限（3000多张MRI），且框架的可靠性依赖于分割的准确性	评估和比较不同深度学习模型生成的脑部MRI图像的质量，特别是解剖结构的合理性	6种最先进的生成模型及其生成的脑部MRI图像	digital pathology	NA	MRI图像生成与分割	生成模型（具体未说明，可能包括GAN等）	image	3000多张脑部MRI图像
2990	2025-05-17	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	该研究利用深度学习从已灭绝生物的蛋白质组中挖掘抗菌肽，以解决抗生素耐药性问题	首次将深度学习应用于分子复活领域，从灭绝生物中挖掘出新型抗菌肽，并验证其抗菌活性	仅验证了69种预测肽的抗菌活性，占预测总量的很小比例	发现新型抗菌肽以解决抗生素耐药性问题	已灭绝生物的蛋白质组	机器学习	细菌感染	深度学习	神经网络	蛋白质序列	10,311,899条肽序列
2991	2025-05-17	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781599 PMID:40039079	研究论文	该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果	研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限	提升阿尔茨海默病分类和痴呆严重程度推断的准确性	印度和北美人群的脑部MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	CNN, 3D CycleGAN	MRI图像	ADNI和NIMHANS队列的数据集
2992	2025-05-17	Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782502 PMID:40039209	research paper	本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用	提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段	未提及具体的研究限制	探索PPG信号处理的新方法，提高信号分析和合成的能力	PPG信号	machine learning	NA	VAE	VAE	signal	NA
2993	2025-05-17	Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-Attention 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782321 PMID:40039442	研究论文	本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性	首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能	研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据	提高胶质母细胞瘤（GBM）患者的生存预测准确性	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	RNA测序、拷贝数变异分析、DNA甲基化分析	多实例学习和共注意力机制	全切片图像和多组学数据	214例GBM患者，包括447张全切片图像和多种多组学特征
2994	2025-05-17	Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781897 PMID:40039689	research paper	该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测	结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2%	NA	开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力	胸部X光片(CXR)数据	computer vision	lung cancer	deep learning, transfer learning	MobileNetV2, CNN, SVM	image	NA
2995	2025-05-17	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2024-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.04.597442 PMID:38895386	研究论文	本文通过分析扩展的ENCODE TF ChIP-seq数据集和深度学习模型，创建了一个全面的核转录因子与线粒体基因组关联的汇编	利用扩展的ENCODE数据集和深度学习模型，首次全面汇编了核转录因子与线粒体基因组的关联证据	部分核转录因子的chrM占用证据在不同抗体和ChIP协议下不可重复	评估核转录因子在线粒体基因组上的占用证据	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性TF）
2996	2025-05-17	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	提出了一种名为ProkDBP的新型机器学习模型，用于更精确地预测原核DNA结合蛋白	ProkDBP模型结合了浅层学习算法和进化重要特征，显著提高了预测原核DNA结合蛋白的准确性	未提及具体样本量或数据集的详细构成	开发高精度的计算模型以预测原核DNA结合蛋白，促进原核生物学研究和疾病干预治疗的发展	原核DNA结合蛋白	机器学习	NA	随机森林变量重要性测量(RF-VIM), 光梯度提升机(LGBM)	浅层学习算法和深度学习模型	蛋白质序列数据	NA
2997	2025-05-17	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	本文提出了一种名为Polaris的分析流程，用于基于图像的空间转录组学数据，结合深度学习模型进行细胞分割和斑点检测，以及概率基因解码器来准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自MERFISH、seqFISH或ISS实验的空间转录组学数据，减少了手动调整分析流程的复杂性	NA	开发一个自动化、高精度的分析流程，用于基于图像的空间转录组学数据	基于图像的空间转录组学数据	数字病理学	NA	MERFISH, seqFISH, ISS	深度学习模型	图像	NA
2998	2025-05-17	Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034001 PMID:38756439	research paper	提出了一种使用深度学习自动提取和标记冠状动脉树的完全自动方法	采用多分辨率图卷积神经网络结合几何和图像强度信息进行冠状动脉段标记	评估结果显示F1分数为0.74，仍有提升空间	实现冠状动脉疾病的自动全面报告	冠状动脉树	digital pathology	cardiovascular disease	CT angiography (CCTA)	graph convolutional neural networks (GCN)	image	104名患者的冠状动脉CT血管造影扫描
2999	2025-05-17	Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.01.004 PMID:38184117	meta-analysis	该研究通过荟萃分析评估人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的效果	首次通过荟萃分析全面评估AI在多种胃肠道病变检测中的效果，证实AI可显著降低漏诊率	未观察到AI对晚期腺瘤检测效果的显著改善，且纳入研究数量有限(仅7项随机对照试验)	评估人工智能在胃肠道内窥镜检查中对病变检出率的改善效果	胃肠道腺瘤、息肉和无蒂锯齿状病变	digital pathology	gastrointestinal disease	AI-assisted endoscopic image analysis	CNN	endoscopic images	7项随机对照试验的汇总数据
3000	2025-05-17	Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data 2024-02, International journal of geriatric psychiatry IF:3.6Q1 DOI:10.1002/gps.6071 PMID:38372966	研究论文	本研究探讨了使用深度学习模型通过活动追踪和睡眠数据筛查老年抑郁和焦虑的可行性	首次开发了基于活动追踪数据的混合输入深度学习模型，用于老年抑郁和焦虑的多标签识别	研究依赖于消费级腕戴活动追踪器的数据，可能存在数据质量和一致性问题	探索使用深度学习模型通过活动追踪数据识别老年抑郁和焦虑的可行性	老年抑郁和焦虑患者	机器学习	老年疾病	深度学习	CNN, LSTM, ResNet	时间序列数据（步数和睡眠阶段）和非时间序列数据（抑郁和焦虑评估分数）	NA