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
3881	2025-03-26	Lung CT harmonization of paired reconstruction kernel images using generative adversarial networks 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17028 PMID:38530135	research paper	该研究使用生成对抗网络（GAN）对肺部CT图像的重建核进行协调，以减少定量CT评估中的测量变异	采用pix2pix架构的GAN模型，首次在多厂商低剂量CT肺癌筛查队列中实现了重建核的协调转换	研究仅基于NLST数据集，样本量有限（1000对图像），且仅评估了五种核类型	减少CT重建核差异导致的定量测量偏差，提高CT图像分析的一致性	肺部CT图像	digital pathology	lung cancer	CT imaging	GAN (pix2pix)	medical image	1000对来自NLST的CT图像（5种核类型各200对）
3882	2025-03-26	Mechanical evolution of metastatic cancer cells in three-dimensional microenvironment 2024-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.601015 PMID:39005477	research paper	该研究利用光学布里渊显微镜在三维微环境中纵向获取癌细胞的机械图像，并通过机器学习算法提高癌细胞分类的准确性	首次在三维生理环境中使用光学布里渊显微镜获取癌细胞的机械图像，并利用深度学习管道仅通过布里渊图像准确区分癌性球体和正常球体	研究仅针对癌性球体和正常球体，未涉及更复杂的肿瘤微环境或不同类型的癌细胞	探究癌细胞在三维微环境中的机械演化及其在癌症分类和检测中的潜在应用	癌细胞和正常细胞的三维球体	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	八天内生长的癌性球体
3883	2025-03-26	Deep learning based detection of osteophytes in radiographs and magnetic resonance imagings of the knee using 2D and 3D morphology 2024-07, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25800 PMID:38323840	research paper	本研究探讨了基于深度学习的2D和3D形态学方法在X射线和MRI数据中自动检测膝关节骨赘的能力	开发了深度学习模型用于X射线和MRI数据的骨赘检测，并分析了软组织对检测结果的混杂效应	需要进一步开发骨赘评估标准，特别是针对早期骨赘变化	自动检测膝关节骨赘	膝关节X射线和MRI数据	digital pathology	geriatric disease	X-ray, MRI	DL	image	NA
3884	2025-03-26	Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial 2024-May-28, ArXiv PMID:38855551	研究论文	本文提出了一种基于深度学习的模型，通过组织病理学切片预测肾癌抗血管生成治疗的响应	开发了一种新型深度学习模型，能够从组织病理学切片预测RNA基础的Angioscore，并生成可视化的血管网络以提高模型的可解释性	ccRCC肿瘤具有高度异质性，且多区域测序在实际操作中存在困难	预测转移性透明细胞肾细胞癌（ccRCC）对抗血管生成治疗的响应	转移性透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	深度学习	DL（深度学习模型）	组织病理学图像	多个队列包括临床试验数据集
3885	2025-03-26	Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data 2024-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00494-6 PMID:38182734	研究论文	开发了一个名为Autosurv的可解释深度学习框架，用于结合临床和多组学数据进行癌症生存分析	结合多组学数据和临床信息进行癌症预后预测，并提供了模型解释方法以揭示重要特征	部分识别出的特征的重要性仅得到先前研究的部分支持	优化癌症患者的治疗计划并提高生活质量	乳腺癌和卵巢癌患者	机器学习	乳腺癌, 卵巢癌	多组学数据分析	深度学习框架	基因表达数据, miRNA表达数据, 临床数据	多个独立的多组学数据集
3886	2025-03-26	DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1511389 PMID:40124976	研究论文	本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病	应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中	数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力	提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性	胸部X光图像	计算机视觉	肺炎	迁移学习	MobileNetV2, VGG-16, ResNet50V2	图像	5,863张胸部X光图像
3887	2025-03-26	Deep Learning Methods for Omics Data Imputation 2023-Oct-07, Biology DOI:10.3390/biology12101313 PMID:37887023	综述	本文综述了基于深度学习的组学数据插补方法，重点讨论了自编码器、变分自编码器、生成对抗网络和Transformer等深度生成模型架构在多组学数据插补中的应用	全面概述了当前可用的基于深度学习的组学数据插补方法，并探讨了深度学习在该领域带来的机遇和挑战	未提及具体的实验验证或实际应用案例	解决组学数据分析中的缺失值问题	组学数据	机器学习	NA	NA	自编码器、变分自编码器、生成对抗网络、Transformer	组学数据	NA
3888	2025-03-26	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-May-02, Research square DOI:10.21203/rs.3.rs-2768563/v1 PMID:37205427	research paper	提出一种名为CLCLSA的深度学习方法，用于处理不完整多组学数据的整合问题	结合跨组学链接嵌入、对比学习和自注意力机制，动态识别多组学数据中最具信息量的特征	需要完整的多组学数据作为监督，可能在某些实际应用中受限	解决不完整多组学数据整合问题，提高疾病和表型理解的全面性	多组学数据	machine learning	NA	multi-omics integration	autoencoders, contrastive learning, self-attention	multi-omics data	四个公共多组学数据集
3889	2025-03-26	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023-Mar-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533829 PMID:36993233	研究论文	本文通过分子动力学模拟和深度学习技术，揭示了PPM1D磷酸酶中的一个隐秘结合口袋，解释了其变构抑制剂的结合位点和效力	利用AlphaFold预测结构和分子动力学模拟发现PPM1D中的隐秘结合口袋，并通过深度学习预测化合物结合姿态，提高了虚拟筛选的预测能力	研究依赖于预测结构和模拟数据，缺乏实验验证	探索蛋白质动力学在虚拟筛选中的应用，提高药物发现的预测能力	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	分子动力学模拟, 深度学习, 虚拟筛选	AlphaFold, 马尔可夫状态模型(MSM)	蛋白质结构数据, 分子动力学模拟数据	NA
3890	2025-03-26	Artificial intelligence-based locoregional markers of brain peritumoral microenvironment 2023-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26448-9 PMID:36653382	研究论文	该研究开发了一种基于人工智能的标记物，用于定量评估恶性原发性脑肿瘤周围区域的浸润异质性	利用DTI自由水体积分数图提取基于深度学习的肿瘤周围微环境指数（PMI），并从中提取AI标记物以捕捉浸润异质性的不同方面	研究样本仅限于275例成人型弥漫性胶质瘤（CNS WHO 4级），可能不适用于其他类型肿瘤	开发定量评估肿瘤周围浸润异质性的标记物，以辅助临床决策	恶性原发性脑肿瘤的周围区域	数字病理学	脑肿瘤	Diffusion Tensor Imaging (DTI)	深度学习	医学影像	275例成人型弥漫性胶质瘤（CNS WHO 4级）
3891	2025-03-26	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1171143 PMID:37143823	研究论文	本文探讨了通过考虑蛋白质动力学来提高虚拟筛选预测能力的方法，并以癌症药物靶点PPM1D磷酸酶为例，发现了一个隐秘的结合口袋	利用AlphaFold预测的结构和分子动力学模拟构建的马尔可夫状态模型(MSM)揭示了PPM1D中的一个隐秘结合口袋，这为靶向该蛋白的药物发现提供了新策略	研究仅针对PPM1D磷酸酶，该方法在其他蛋白系统中的应用效果尚需验证	提高虚拟筛选在结构数据有限情况下的预测能力，并探索PPM1D抑制剂的结合机制	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	虚拟筛选、AlphaFold结构预测、分子动力学模拟、马尔可夫状态模型(MSM)、深度学习	AlphaFold、MSM	蛋白质结构数据	NA
3892	2025-03-26	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究探讨了在有限数据集条件下，利用自监督对抗学习进行计算机断层扫描结肠成像中电子清洁的初步可行性	提出了一种新型的自监督对抗学习方案，能够在有限训练数据集上实现亚体素精度的电子清洁	研究为初步可行性研究，样本量较小（18例临床CTC病例），且仅在仿真模型上进行了预训练	评估在有限训练数据集条件下使用自监督对抗学习进行电子清洁的技术可行性	计算机断层扫描结肠成像（CTC）中的电子清洁	数字病理学	结肠癌	自监督对抗学习	3D GAN	3D医学影像	18例临床CTC病例
3893	2025-03-26	Genome-wide association analysis reveals insights into the genetic architecture of right ventricular structure and function 2022-06, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01083-2 PMID:35697868	research paper	该研究通过全基因组关联分析揭示了右心室结构和功能的遗传基础	首次利用深度学习算法对心血管磁共振图像进行分析，识别了25个与右心室表型相关的独特基因位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	探索右心室测量指标的遗传基础	29,506名UK Biobank参与者的右心室表型数据	machine learning	cardiovascular disease	全基因组关联分析(GWAS), 心血管磁共振成像	deep learning	image	29,506名UK Biobank参与者(初始研究), 41,830名(验证阶段)
3894	2025-03-26	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	research paper	该研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的异种移植肿瘤的MRI图像，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性，其中D-R2UNet表现最佳	研究仅针对三阴性乳腺癌患者来源的异种移植肿瘤，未涉及其他类型肿瘤	开发自动化管道以准确分割MRI图像中的肿瘤，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的异种移植肿瘤的T1w和T2w MRI图像	digital pathology	breast cancer	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	image	未明确提及具体样本数量
3895	2025-03-25	Stacked long and short-term memory (SLSTM) - assisted terahertz spectroscopy combined with permutation importance for rapid red wine varietal identification 2025-Aug-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127650 PMID:40037161	研究论文	该研究利用太赫兹时域光谱结合深度学习技术，快速无损地鉴别不同品种的红酒，以正确识别红酒标签	首次将堆叠长短时记忆(SLSTM)模型与太赫兹光谱技术结合，并引入排列重要性进行特征选择，以提高红酒品种鉴别的准确性和效率	基于排列重要性的特征选择模型在准确率上略低于全频段模型	开发一种快速、准确且无损的红酒品种鉴别方法，以维护市场秩序和消费者权益	不同品种的红酒	机器学习	NA	太赫兹时域光谱(THz-TDS)	SLSTM	光谱数据	NA
3896	2025-03-25	Ink classification in historical documents using hyperspectral imaging and machine learning methods 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125916 PMID:40049019	研究论文	本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类	结合高光谱成像和多种机器学习方法（包括传统算法和深度学习模型）进行墨水分类，并在具有挑战性的条件下实现高准确率	仅针对三种特定类型的墨水进行分类，可能不适用于其他类型的墨水	开发非侵入性的墨水识别和映射方法，以促进历史文献的保护和分析	历史文献中的墨水（纯金属没食子酸墨水、含碳墨水和非含碳墨水）	计算机视觉	NA	高光谱成像	SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model	图像	模拟样本和历史文献样本
3897	2025-03-25	Rapid diagnosis of lung cancer by multi-modal spectral data combined with deep learning 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125997 PMID:40073660	研究论文	本研究提出了一种基于深度学习的多模态光谱信息融合网络（MSIF），用于肺腺癌细胞检测	引入了自适应深度卷积（ADConv）和跨模态交互融合（CMIF）模块，克服了传统卷积的缺点，实现了多模态特征的有效利用	未提及样本量的具体细节，可能影响结果的泛化性	提高肺癌早期快速诊断的准确性和效率	肺腺癌细胞	数字病理学	肺癌	傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱	一维CNN、ResNet、Transformer混合模型	光谱图像和文本数据	NA
3898	2025-03-25	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	研究论文	提出了一种基于逆合成片段化算法的片段级特征融合方法（RFA-FFM），用于分子性质预测	RFA-FFM通过两种策略整合多视角分子表征：1) 对比两种逆合成方法生成的片段化学信息；2) 融合分子层次结构不同水平的化学信息	未明确提及具体局限性	提高分子性质（如毒性和血脑屏障渗透性）预测的准确性	分子性质预测	机器学习	NA	逆合成片段化算法	GCL（图对比学习）	分子图数据	四个分类基准测试和乙型肝炎病毒数据集
3899	2025-03-25	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-Jun, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	研究论文	本研究提出了一种基于二叉树的深度学习模型DeepTree-AAPred，用于预测抗血管生成肽（AAPs）	结合二叉树结构、蛋白质语言预训练模型（ProtBERT和ESM-2）以及BiLSTM和TextCNN，提取一维和二维广义特征，并捕获局部特征和上下文依赖关系	未提及模型在非标准数据集上的泛化能力或实际临床应用的验证	提高抗血管生成肽（AAPs）的预测准确性，以支持肿瘤治疗	抗血管生成肽（AAPs）	机器学习	肿瘤	蛋白质语言预训练模型（ProtBERT和ESM-2）、BiLSTM、TextCNN	DeepTree-AAPred（基于二叉树的深度学习模型）	蛋白质序列数据	标准数据集（具体数量未提及）
3900	2025-03-25	Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy 2025-Apr, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.17519 PMID:39627947	研究论文	本研究开发了一种基于机器学习的算法，用于在离体共聚焦激光扫描显微镜（EVCM）图像中检测基底细胞癌（BCC）	首次将卷积神经网络（MobileNet-V1）应用于EVCM图像中的BCC检测，以辅助临床决策	样本量较小（50张训练图像和19张测试图像），且为概念验证研究	通过机器学习算法提高EVCM图像中基底细胞癌的检测效率，减少专业人员培训时间	基底细胞癌（BCC）的离体组织样本	数字病理学	基底细胞癌	离体共聚焦激光扫描显微镜（EVCM）	CNN（MobileNet-V1）	图像	50张训练EVCM图像（来自组织学确认的BCC新鲜组织样本）和19张测试图像（10张含肿瘤，9张无肿瘤）