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
301	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
302	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
303	2025-07-20	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	research paper	该研究开发了一个深度学习框架，用于从多参数MR图像合成表观扩散系数（ADC）图	提出了多参数残差视觉变换器模型（MPR-ViT），结合了视觉变换器（ViT）层的长距离上下文和卷积算子的精确性	研究依赖于公开数据集，可能无法涵盖所有临床场景	开发一个深度学习框架以合成ADC图，用于神经胶质瘤患者的诊断和干预	501例神经胶质瘤患者的T1w和T2-FLAIR图像	digital pathology	diffuse gliomas	deep learning, MRI	MPR-ViT, VCT, ResViT	image	501例神经胶质瘤病例（训练集400例，验证集50例，测试集51例）
304	2025-07-20	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	research paper	开发并验证了用于自动分割前交叉韧带损伤和手术后患者股四头肌横截面积的卷积神经网络	针对前交叉韧带损伤患者开发了新的CNN模型，解决了现有自动化方法在该人群中的有效性挑战	模型在部分情况下存在错误预测（VL 17%，RF 11%，VM 20%）	验证和开发适用于前交叉韧带损伤患者的股四头肌横截面积自动分割方法	前交叉韧带损伤患者的股四头肌（股外侧肌、股直肌和股内侧肌）	digital pathology	anterior cruciate ligament injury	ultrasound imaging	CNN	image	124名ACL损伤患者（430个VL图像，349个RF图像，723个VM图像）和153名健康参与者
305	2025-07-20	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	提出一种新型的自监督学习框架和CSwin transformer UNet模型，用于增强双参数MRI中临床显著性前列腺癌的检测	引入了端到端的Cross-Shaped windows (CSwin) transformer UNet模型和自监督学习框架，利用未标记数据提高网络泛化能力	需要进一步验证模型在其他数据集上的表现	提高双参数MRI中临床显著性前列腺癌的检测性能	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像(bpMRI)	CSwin transformer UNet	MRI图像	1476名患者(PI-CAI数据集)和158名患者(Prostate158数据集)
306	2025-07-20	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较深度学习与传统机器学习方法在心律失常/心电图模式分类中的性能，并评估减少心电图导联子集对分类准确性的影响	首次比较了深度学习（CNN）和传统机器学习（RF）在心电图导联子集上的心律失常分类性能，并识别了最优导联子集	研究仅基于公开数据集PhysioNet Cardiology Challenge 2020，未在其他独立数据集上验证结果	评估减少心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图数据	机器学习	心血管疾病	递归特征消除	CNN, RF	心电图信号	PhysioNet Cardiology Challenge 2020公开数据集
307	2025-07-20	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	research paper	使用深度学习技术从心电图中识别心脏壁运动异常，提高检测准确性	开发了一种名为ECG-WMA-Net的深度神经网络，其性能优于专家心电图解读和Q波指数	模型在外部验证队列中的表现有所下降，AUC为0.723	提高心脏壁运动异常的筛查准确性，解决标准心电图方法未能捕捉的生理差异	35,210名来自加利福尼亚的患者和2,338名来自乔治亚州的多样化人群	machine learning	cardiovascular disease	deep learning	deep neural network (ECG-WMA-Net)	ECG和超声心动图数据	35,210名患者（训练集）和2,338名患者（验证集）
308	2025-07-20	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	提出了一种基于Transformer的动态深度学习模型TraCSED，用于模拟乳腺癌中的克隆选择和表达动态，揭示耐药机制	开发了TraCSED模型，能够识别与克隆选择相关的可解释基因程序及其时间点，揭示了传统差异分析方法未能发现的耐药机制	研究中仍有一个克隆在联合治疗中出现，表明模型可能未能完全捕捉所有耐药机制	研究乳腺癌细胞转录异质性及其对治疗反应的影响，以识别耐药机制	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq）	Transformer	基因表达数据	NA
309	2025-07-20	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	本研究提出了一种名为N2GNet的深度学习回归模型，用于从帕金森病患者的丘脑底核局部场电位中实时追踪步态表现	N2GNet能够利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，且表现优于其他评估模型设计	研究样本量较小，仅包括18名帕金森病患者	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	深度学习	N2GNet	神经信号和地面反作用力数据	18名帕金森病患者
310	2025-07-20	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本文通过机器学习方法全面研究了药物分子表示在药物反应预测中的效果	比较了不同药物分子表示与遗传特征结合的效果，并揭示了PubChem指纹或SMILES表示与深度学习模型结合能显著提升预测性能	最优药物分子表示的选择依赖于预测模型和具体任务，没有普适的最优解	评估不同药物分子表示在药物反应预测中的效果，为构建高效预测模型提供指导	药物分子表示和遗传特征	机器学习	NA	机器学习	深度学习模型	分子表示数据和遗传数据	NA
311	2025-07-20	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	探讨深度神经网络（DNNs）在3D形状推理任务中如何接近人类水平的表现	构建了多种3D感知的DNN架构，并研究了学习目标和数据集在3D形状推理中的作用，发现多视角DNNs在特定条件下能接近人类表现	DNN建模方法在捕捉人类类似形状推理方面存在固有局限性，且对训练集外对象类别的泛化能力有限	缩小DNNs与人类在3D形状表示方面的差距	3D形状推理任务中的深度神经网络与人类表现对比	计算机视觉	NA	深度神经网络（DNNs）	3D神经场（Light Field Network）、自编码器、卷积架构	3D视觉刺激数据	NA
312	2025-07-20	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	综述	本文评估了机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用及进展	深度学习模型，尤其是CNN，能够自动分析医学图像并识别复杂模式，从而提高诊断精度	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像方式的依赖，这些都限制了模型在临床环境中的泛化能力	探讨机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用及其潜力	葡萄膜黑色素瘤	数字病理学	葡萄膜黑色素瘤	机器学习、深度学习、CNN	CNN	图像	小规模数据集
313	2025-07-20	MMRT: MultiMut Recursive Tree for predicting functional effects of high-order protein variants from low-order variants 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.012 PMID:40070521	研究论文	本文提出了一种名为MMRT的新型深度学习模型，用于预测高阶蛋白质变体的功能效应	MMRT模型结合深度学习与递归树框架，利用低阶变体信息预测高阶变体的功能效应	研究仍受限于高阶变体组合数量庞大带来的挑战	解决高阶蛋白质变体功能效应预测的难题	蛋白质序列的高阶变体	机器学习	复杂疾病	深度学习	MMRT（MultiMut Recursive Tree）	蛋白质序列数据	685,593个高阶变体
314	2025-07-20	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	本文提出了一种结合多波段多回波fMRI技术和深度线性矩阵近似重建方法（DELMAR）的新策略，用于更准确地描绘人脑的分层功能连接网络	首次将多回波BOLD信号去噪与DELMAR方法集成，无需独立的ME-ICA去噪步骤，提高了分层脑连接网络的重建准确性和可重复性	未明确说明该方法在临床诊断中的实际应用效果验证	开发更准确的人脑功能连接网络映射方法	人脑功能连接网络	神经影像分析	神经系统疾病和精神疾病	多波段多回波fMRI（MBME fMRI）	深度线性模型（DELMAR）	fMRI影像数据	NA
315	2025-07-20	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特性分析	采用U-Net和Deeplabv3网络构建裂纹识别模型，U-Net模型在岩石样本多角度裂纹识别中准确率达99.4%，较Deeplabv3模型提升0.5%	研究仅针对砂岩SCB半圆盘试样，未涵盖其他岩石类型或更复杂的地质条件	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境工程决策提供数据支持	含预制裂纹（0°、15°、30°、45°、60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化方法（HE/AHE/CLAHE）	U-Net, Deeplabv3	图像	含五种不同角度预制裂纹的砂岩样本（具体数量未明确说明）
316	2025-07-20	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究通过深度学习和物理模拟方法预测了拟南芥MCTP4蛋白的跨膜区域结构，揭示了其复杂的构象多样性	结合多种深度学习方法与粗粒度分子动力学模拟，首次揭示了MCTP4跨膜区域的多种构象状态及其动态特性	单一深度学习方法预测膜蛋白结构存在挑战，且模拟结果需要进一步实验验证	解析拟南芥MCTP4蛋白跨膜区域的结构特征与动态行为	拟南芥MCTP4蛋白的跨膜结构域	结构生物学	NA	深度学习预测、粗粒度分子动力学模拟	ESMFold, AlphaFold-Multimer, trRosetta, RoseTTAFold, AlphaFold2, OmegaFold	蛋白质序列数据	NA
317	2025-07-20	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	本文提出了一种基于机器学习的慢性肾癌早期检测方法KCDC-SODLPI，通过深度学习分析病理图像以提高诊断准确性和效率	结合Snake Optimizer和Deep Learning技术，提出KCDC-SODLPI方法，用于肾癌的检测和分类，实验显示其准确率优于现有模型	实验仅在生物医学图像数据集上进行验证，未涉及临床实际应用的广泛测试	开发一种自动化的肾癌检测和分类系统，以提高诊断的准确性和效率	肾癌病理图像	数字病理	肾癌	深度学习	SE-DenseNet, BiLSTM	图像	生物医学图像数据集（具体数量未提及）
318	2025-07-20	Mapping burnt areas using very high-resolution imagery and deep learning algorithms - a case study in Bandipur, India 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327125 PMID:40668808	研究论文	本研究设计和评估了两种基于深度学习的架构（Custom UNET和新型UNET-GRU），用于利用PlanetScope数据在印度班迪普尔进行烧毁区域分类	提出了一种新型UNET-GRU混合模型，在烧毁区域分类中表现出更高的准确性和空间重叠指标	研究仅限于印度班迪普尔地区，未在其他地理区域验证模型的泛化能力	评估深度学习模型在烧毁区域分类中的性能，改进火灾影响评估和管理策略	印度班迪普尔地区的烧毁区域	计算机视觉	NA	深度学习	UNET, GRU, UNET-GRU混合模型	高分辨率遥感图像	NA
319	2025-07-20	The intelligent evaluation model of the English humanistic landscape in agricultural industrial parks by the SPEAKING model: From the perspective of fish-vegetable symbiosis in new agriculture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325332 PMID:40668851	研究论文	本研究提出了一种基于SPEAKING模型的智能翻译评估框架，用于评估农业产业园中英文人文景观的表达	结合语言理论和深度学习技术，提出了一个优化模型，显著提高了多模态翻译任务的准确性和适应性	研究中未提及样本的具体数量，且可能仅限于特定的农业产业园场景	提高农业产业园中英文人文景观表达的准确性和适应性	农业产业园中的英文人文景观	自然语言处理	NA	深度学习	SPEAKING模型	文本、图像、语音	NA
320	2025-07-20	An explainable and federated deep learning framework for skin cancer diagnosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324393 PMID:40668852	研究论文	提出了一种结合深度学习、联邦学习和可解释AI的智能框架，用于皮肤癌诊断	结合联邦学习保护数据隐私，并利用可解释AI增强模型透明度	未提及模型在更广泛数据集上的泛化能力	开发一个既能准确诊断皮肤癌又能保护患者数据隐私的智能框架	皮肤癌诊断	数字病理学	皮肤癌	深度学习、联邦学习、可解释AI	VGG16, Xception, DenseNet169, InceptionV3, MobileViT, InceptionResNetV2	图像	ISBI2016和ISBI2017两个数据集