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
4041	2025-03-26	Protocol to infer off-target effects of drugs on cellular signaling using interactome-based deep learning 2025-Mar-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103573 PMID:39823233	研究论文	提出了一种基于相互作用组深度学习的协议，用于推断药物对细胞信号传导的脱靶效应	使用人工神经网络建模细胞对药物的转录反应，以理解其作用机制	案例研究仅分析了lestaurtinib在A375细胞系中对FOXM1的脱靶效应，可能不具有广泛代表性	理解药物的作用机制及其脱靶效应	药物对细胞信号传导的影响	深度学习	NA	人工神经网络	人工神经网络	转录数据	A375细胞系
4042	2025-03-26	Mechanical Evolution of Metastatic Cancer Cells in 3D Microenvironment 2025-Mar-21, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202403242 PMID:40116569	research paper	该研究利用光学布里渊显微镜在3D微环境中对转移性癌细胞的机械特性进行纵向监测，并开发了一种深度学习流程用于癌症分类	首次在3D生理环境中长期监测癌细胞的机械特性，并证明这些机械特征可作为癌症分类的新生物标志物	研究仅针对体外培养的癌细胞球体，尚未在体内环境中验证	探究癌细胞在3D微环境中的机械特性演化及其在癌症分类中的应用	转移性癌细胞和正常细胞的3D球体模型	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	8天生长周期的癌细胞球体
4043	2025-03-26	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习方法在该领域的实际评估不足	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其结合位点	machine learning	NA	deep graph learning, 3D modeling, synthetic data augmentation	deep learning model	3D RNA结构数据	20,000种化合物的体外微阵列测试
4044	2025-03-26	4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning 2025-Mar-21, Communications engineering DOI:10.1038/s44172-025-00390-w PMID:40119014	research paper	提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影	结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息	需要验证在更广泛实验条件下的适用性	解决从稀疏投影重建4D信息的挑战	水滴碰撞模拟和增材制造实验数据	计算机视觉	NA	X射线多投影成像	深度学习	X射线投影图像	模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影
4045	2025-03-26	The artificial intelligence revolution in gastric cancer management: clinical applications 2025-Mar-21, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-03756-4 PMID:40119433	review	本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用	人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破	目前大多数基于AI的模型尚未在临床实践中广泛应用	探讨人工智能技术在胃癌临床管理中的应用及其潜力	胃癌	digital pathology	gastric cancer	machine learning, deep learning	NA	image, text	NA
4046	2025-03-26	Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111839 PMID:40124476	研究论文	开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降	首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型	样本量相对有限（526例），且前瞻性队列样本量较小（108例）	预测未破裂颅内动脉瘤支架置入术后认知功能下降风险	接受支架置入术治疗的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	扩散加权磁共振成像（DWI）	深度学习放射组学列线图（DLRN）	医学影像	526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例）
4047	2025-03-26	CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111974 PMID:40124480	研究论文	介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节	提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度	未提及具体的数据集限制或模型在特定条件下的性能下降情况	提高肺结节分割的效率和准确性，以辅助肺癌的早期检测	CT图像中的肺结节	数字病理	肺癌	深度学习	CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN）	CT图像	多个公开数据集（未提及具体数量）
4048	2025-03-26	Single-View 3D Hair Modeling with Clumping Optimization 2025-Mar-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3552919 PMID:40111766	research paper	该论文提出了一种结合毛发成簇效应的单视图3D毛发建模方法，通过分层毛发表示和可微分框架优化毛发的几何结构和成簇参数	引入了毛发成簇修饰器到引导毛发和基于蒙皮的毛发表达中，提出了一种分层毛发表示方法，并设计了一个完全可微分的框架来迭代求解引导毛发位置和成簇参数	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在性能限制	提升单视图毛发重建的真实感，特别是毛发的成簇效果，以支持高质量的毛发渲染和模拟	3D毛发建模	computer vision	NA	深度学习，基于线的栅格化渲染	NA	image	NA
4049	2025-03-26	A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability 2025-Mar-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3543926 PMID:40111782	research paper	本文提出了一个统一的框架，利用深度学习结合稳定性先验信息进行动力学建模和控制设计	提出了一种新颖的基于神经网络的框架，同时学习系统动力学、稳定反馈控制器和闭环系统的李雅普诺夫函数，显式保证学习模型的稳定性	NA	开发一个数据驱动且具有控制理论保证的动力学建模和控制设计框架	控制系统	machine learning	NA	deep learning	NN	NA	NA
4050	2025-03-26	Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data 2025-Mar-18, ArXiv PMID:40034134	研究论文	本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析	使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升	方法在高维情况下可能仍面临计算挑战	开发一种计算高效的方法来量化空间点模式中的聚集现象	人类口腔微生物生物膜图像	机器学习	NA	BayesFlow方法	可逆神经网络	图像	两个不同的口腔微生物生物膜图像
4051	2025-03-26	Population-Driven Synthesis of Personalized Cranial Development from Cross-Sectional Pediatric CT Images 2025-Mar-18, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3550842 PMID:40100672	research paper	提出了一种新的深度学习方法来预测儿科颅骨发育并合成时间序列图像	设计了一种新的生成对抗网络（GAN），具有Siamese循环编码器-解码器生成器架构和身份保留机制，能够仅使用横断面数据进行训练	需要进一步验证在更大规模数据集上的泛化能力	预测儿科颅骨发育并合成个性化时间序列图像	儿科颅骨发育	计算机视觉	儿科疾病	深度学习	GAN	CT图像	2,014名受试者（年龄0-10岁）的横断面头部CT图像
4052	2025-03-26	Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions 2025-Mar-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10763 PMID:40124037	research paper	提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断	结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能	模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息	提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度	食管病变	digital pathology	esophageal cancer	deep learning	MobileNetV2 with mutual attention module	image	三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR
4053	2025-03-26	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Mar-17, eLife IF:6.4Q1 DOI:10.7554/eLife.103877 PMID:40095799	research paper	本文提出了一种可微分的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了完全可微分的Gillespie算法变体，通过平滑函数近似不连续操作，实现反向传播梯度计算	未提及具体应用场景的限制或算法性能的边界条件	开发一种可微分算法以加速化学动力学参数学习和生物网络设计	化学反应网络和基因启动子的随机模型	合成生物学	NA	可微分Gillespie算法（DGA）	NA	mRNA表达水平的实验测量数据	两个不同的启动子
4054	2025-03-26	Histopathology based AI model predicts anti-angiogenic therapy response in renal cancer clinical trial 2025-Mar-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57717-6 PMID:40097393	research paper	开发了一种基于组织病理学的AI模型，用于预测肾癌患者对抗血管生成治疗的反应	提出了一种可解释的深度学习模型，直接从普遍可用的组织病理学切片预测Angioscore，克服了现有方法的成本和标准化问题	未提及模型在其他癌症类型中的适用性或大规模临床验证的细节	预测肾癌患者对抗血管生成治疗的反应，寻找更有效的生物标志物	转移性透明细胞肾细胞癌（ccRCC）患者	digital pathology	renal cancer	deep learning	DL	image	多个队列中的患者数据（具体数量未提及）
4055	2025-03-26	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	research paper	本研究比较了商业深度学习算法（DLA）和放射科医师在前列腺癌检测中的诊断性能，并验证了DLA在活检环境中的潜在应用价值	前瞻性验证了商业深度学习算法在前列腺癌检测中的性能，并探索了DLA与放射科医师解读结果相结合的应用场景	研究样本量相对有限（205名患者），且仅在两个医疗中心进行	比较深度学习算法与放射科医师在前列腺癌检测中的诊断性能	疑似前列腺癌并计划进行活检的患者	digital pathology	prostate cancer	biparametric MRI	DLA（深度学习算法）	MRI影像	205名男性患者（年龄中位数68岁），共评估259个病灶
4056	2025-03-26	LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions 2025-Mar-01, The Review of scientific instruments DOI:10.1063/5.0231737 PMID:40130984	research paper	提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中自动检测抑郁症	整合了CNN提取的局部属性和transformer提取的全局模式，特别设计了特征对齐模块来解决CNN和transformer特征集之间的差异	仅在AVEC2013和AVEC2014两个专用抑郁症数据库上进行了测试，未在其他数据集上验证	自动抑郁症检测(ADD)	面部表情	affective computing	depression	deep learning	LOGLFormer (结合CNN和transformer)	facial expression data	两个专用抑郁症数据库: AVEC2013和AVEC2014
4057	2025-03-26	Detection of deterministic and chaotic signals on the basis of the LSTM model training results 2025-Mar-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0224768 PMID:40131283	研究论文	本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为	该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据	方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试	提供一种替代传统LLE计算的混沌信号检测方法	动态信号（混沌和确定性信号）	机器学习	NA	LSTM神经网络	LSTM	动态信号数据	公开可用的混沌和确定性信号数据集
4058	2025-03-26	Human sleep position classification using a lightweight model and acceleration data 2025-Feb-10, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03247-w PMID:39928075	研究论文	本研究介绍了一种便携式可穿戴设备，使用单个加速度计监测12种睡眠姿势，旨在帮助轻度胃食管反流病（GERD）患者改善睡眠质量和反流症状	开发了AnpoNet轻量级深度学习模型，结合1D-CNN和LSTM，优化了BN和Dropout，用于睡眠姿势分类	样本量较小（15名参与者），未来需要扩大队列研究和延长监测时间	开发便携式设备，用于家庭环境下非侵入性连续睡眠姿势监测	轻度胃食管反流病（GERD）患者	机器学习	胃食管反流病	加速度计数据采集	1D-CNN和LSTM结合模型	加速度数据	15名参与者，每人记录12种睡眠姿势各1分钟（采样频率50Hz）
4059	2025-03-26	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	research paper	利用Google街景图像和深度学习技术分析居住区建筑环境特征与心血管疾病风险的关系	首次结合Google街景图像和深度学习技术，大规模分析建筑环境特征与心血管疾病风险的潜在关联	研究结果需要在其他地区进行验证，且需要进一步探讨潜在机制	探究居住区建筑环境特征（如绿化带和人行道）与心血管疾病风险的关系	美国俄亥俄州东北部49,887名居民的居住环境及心血管事件数据	computer vision	cardiovascular disease	deep learning	CNN	image	49,887名居民，其中2,083人发生重大心血管不良事件
4060	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA