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
461	2025-07-24	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2025-Jul-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60898-9 PMID:40681510	研究论文	提出了一种名为Bering的图深度学习模型，用于在2D和3D空间转录组数据中联合进行噪声感知细胞分割和分子注释	利用转录共定位关系进行联合细胞分割和注释，通过转移学习和自蒸馏提高新数据的分割准确性	未提及具体的数据集或样本限制	提高空间转录组学中细胞分割和注释的准确性	2D和3D空间转录组数据	空间转录组学	NA	图深度学习	图深度学习模型	空间转录组数据	NA
462	2025-07-24	A multimodal dataset for training deep learning models aimed at detecting and analyzing sleep apnea 2025-Jul-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05583-8 PMID:40681588	研究论文	开发了一个用于训练深度学习模型的多模态数据集，旨在检测和分析睡眠呼吸暂停	整合了多导睡眠图（PSG）设备和同步音频记录的数据，并由专业医疗人员严格注释，确保数据的准确性和可靠性	未提及具体的数据集规模或多样性限制	为睡眠呼吸暂停综合征领域的深度学习模型开发和应用提供公开、标准化和高质量的数据资源	睡眠呼吸暂停综合征患者	数字病理学	睡眠呼吸暂停综合征	多导睡眠图（PSG）和音频记录	深度学习模型	多模态数据（生理信号和音频）	NA
463	2025-07-24	Spiner, deep learning-based automated detection of spiral ganglion neurons in intact cochleae 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112929 PMID:40687827	研究论文	该论文介绍了一种基于深度学习的自动化方法Spiner，用于在完整耳蜗中检测螺旋神经节神经元（SGNs）	引入了胶原酶处理以增强抗体染色均匀性，并采用深度学习对象检测模型Spiner在大型3D数据集中定位和计数SGNs	研究主要针对猪和沙鼠耳蜗中的I型SGNs，可能不适用于其他类型或物种	改进对螺旋神经节神经元（SGNs）群体的理解及其在听力损失中的作用	完整耳蜗中的螺旋神经节神经元（SGNs）	数字病理学	听力损失	组织透明化和光片荧光显微镜	深度学习对象检测模型	3D图像数据	猪和沙鼠的耳蜗样本
464	2025-07-24	Integrative habitat analysis and multi-instance deep learning for predictive model of PD-1/PD-L1 immunotherapy efficacy in NSCLC patients: a dual-center retrospective study 2025-Jul-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01828-5 PMID:40676504	研究论文	本研究通过整合栖息地放射组学和多实例深度学习，预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	结合栖息地分析和多实例深度学习构建预测模型，并整合患者年龄因素，优于传统的PD-L1表达状态和水平预测	研究为回顾性双中心设计，样本量有限，外部验证队列规模较小	预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	590名接受PD-1/PD-L1抑制剂治疗的非小细胞肺癌患者	数字病理	肺癌	放射组学分析，多实例深度学习	DenseNet121, Extra-Trees分类器	医学影像	590名患者（训练队列375名，内部验证161名，外部测试54名）
465	2025-07-24	Artificial Intelligence Enabled Lifestyle Medicine in Diabetes Care: A Narrative Review 2025-Jul-17, American journal of lifestyle medicine IF:1.5Q3 DOI:10.1177/15598276251359185 PMID:40687630	综述	本文综述了人工智能在糖尿病生活方式医学中的应用	将AI在糖尿病护理中的应用分为四大类，展示了AI在预测模型、个性化建议、远程监控和临床决策支持方面的潜力	作为叙述性综述，可能未涵盖所有相关研究，且缺乏定量分析	探讨人工智能在糖尿病生活方式医学中的应用	糖尿病患者的护理和管理	机器学习	糖尿病	随机森林、深度学习、聚类技术、因果森林分析、数字孪生技术	随机森林、深度学习模型	临床数据、行为数据	NA
466	2025-07-24	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Jul-17, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络（QM-DNN），用于利用Sentinel-2 MSI数据估算连云港市湖泊和水库中的叶绿素a浓度	提出了基于多模态学习概念的新型四模态深度神经网络（QM-DNN），整合了双波段、三波段和四波段光谱特征组合以及辅助的时间和环境变量	研究仅针对连云港市的湖泊和水库，可能不适用于其他地区的水体	估算水体中叶绿素a浓度，支持水质评估和湖泊管理	连云港市的湖泊和水库	遥感	NA	Sentinel-2 MSI数据	QM-DNN（四模态深度神经网络）	卫星影像和现场测量数据	测试集样本量N = 197
467	2025-07-24	Enhancing 72-Hour air quality forecasting with an observation-driven deep learning chemistry transport model 2025-Jul-17, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109689 PMID:40695207	研究论文	本研究开发了一种基于观测驱动的深度学习大气化学预测模型DeepFC，以提高72小时空气质量预测的准确性	DeepFC模型首次将大量近实时卫星和地面观测数据与传统数值模型有效结合，显著提高了PM和O3两种主要污染物的预测精度	研究仅在中国27km×27km分辨率区域内进行验证，未涉及全球其他地区的适用性评估	提高高分辨率空气质量预测的准确性，为制定有效的空气污染控制策略提供支持	PM和O3两种主要空气污染物	机器学习	NA	深度学习	DeepFC	卫星观测数据、地面观测数据	2013-2021年共9年的观测数据集
468	2025-07-24	Iterative deep learning design of human enhancers exploits condensed sequence grammar to achieve cell-type specificity 2025-Jul-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101302 PMID:40472848	research paper	该研究应用迭代深度学习设计具有特定细胞类型活性的合成增强子	利用迭代深度学习优化模型，设计出在两种人类细胞系中具有强差异活性的合成增强子，并通过实验验证和模型再优化提高特异性	研究仅针对两种人类细胞系，可能无法推广到其他细胞类型	解决合成生物学中如何靶向特定细胞类型进行基因表达的问题	人类细胞系中的合成增强子	synthetic biology	NA	iterative deep learning	deep learning	enhancer activity and chromatin accessibility data	two human cell lines
469	2025-07-24	UM-CPP: A Universal Model for Efficient Classification of Protein Particles in cryo-EM Micrographs with Feature Engineering 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01660 PMID:40686975	研究论文	提出了一种结合特征工程与深度学习的通用模型UM-CPP，用于提高冷冻电镜显微图像中蛋白质颗粒检测的准确性和可解释性	UM-CPP采用混合方法，结合经典机器学习特征与先进深度学习技术，提升了颗粒检测的鲁棒性和适应性，同时提供了可解释的特征分析	未明确提及具体局限性	解决冷冻电镜数据处理中异质样本、IC污染和外来杂质导致的蛋白质识别准确性问题	冷冻电镜显微图像中的蛋白质颗粒	计算机视觉	NA	冷冻电镜(cryo-EM)	深度学习与特征工程混合模型	图像	未明确提及具体样本量
470	2025-07-24	Enhancing Accuracy and Feature Insights in Hydration Free Energy Predictions for Small Molecules with Machine Learning 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04249 PMID:40687018	research paper	该研究利用机器学习技术提高小分子溶剂化自由能的预测准确性并提取相关物理决定因素的见解	提出了一种改进的机器学习方案，整合K近邻进行特征处理、集成建模和降维，仅使用二维特征在FreeSolv数据集上实现了0.53 kcal/mol的平均无符号误差	未提及该方法在其他数据集上的泛化能力或实际应用中的潜在限制	提高小分子溶剂化自由能的预测准确性并理解其物理决定因素	小分子的溶剂化自由能	机器学习	NA	K-nearest neighbors, 集成建模, 降维	ensemble modeling	分子几何和拓扑特征	FreeSolv数据集
471	2025-07-24	Near InfraRed Reflectance Imaging for the Assessment of Geographic Atrophy Using Deep Learning 2025-Jul-15, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004614 PMID:40694826	研究论文	本研究开发并评估了一种基于深度学习的全自动方法，用于在近红外反射（NIR）成像上检测地理萎缩（GA）	首次利用深度学习模型在NIR成像上实现GA的自动检测与定位	样本量相对较小（113例GA患者和119例对照）	开发自动检测地理萎缩（GA）的深度学习模型	年龄≥50岁且经两名视网膜专家确诊的GA患者及健康视网膜对照者	数字病理学	老年性黄斑变性	近红外反射成像（NIR）	Vision Transformer B16, YOLOv8-Large	图像	分类数据集330张图像，定位数据集659张图像（共113例GA患者和119例对照）
472	2025-07-24	TME-guided deep learning predicts chemotherapy and immunotherapy response in gastric cancer with attention-enhanced residual Swin Transformer 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102242 PMID:40695288	research paper	本研究提出了一种基于注意力增强残差Swin Transformer网络的深度学习模型，用于预测胃癌患者的化疗和免疫治疗反应	使用注意力增强残差Swin Transformer网络预测化疗反应，并通过中间任务（ImmunoScore和POSTN）提升模型性能，同时探索模型在免疫治疗受益患者识别中的应用	需要前瞻性研究验证其临床实用性	预测胃癌患者的化疗和免疫治疗反应，为个性化治疗提供依据	3,095名胃癌患者	digital pathology	gastric cancer	deep learning	attention-enhanced residual Swin Transformer	medical data	3,095 patients with gastric cancer
473	2025-07-24	Deep learning for detection and diagnosis of intrathoracic lymphadenopathy from endobronchial ultrasound multimodal videos: A multi-center study 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102243 PMID:40695290	研究论文	本文提出了一种基于深度学习的诊断系统AI-CEMA，用于从支气管内超声多模态视频中自动选择代表性图像、识别淋巴结并区分良恶性淋巴结	开发了首个基于深度学习的自动化诊断系统AI-CEMA，能够处理多模态超声视频数据，并在多中心研究中验证其诊断性能	研究样本量相对有限(总计1,273个淋巴结)，且需要进一步验证系统在其他医疗中心的泛化能力	开发自动化诊断系统以提高胸腔内淋巴结病变的诊断准确性和效率	胸腔内淋巴结病变和肺部病变	数字病理学	肺癌	CP-EBUS(凸探头支气管内超声)	深度学习模型(具体架构未说明)	多模态超声视频	1,273个淋巴结(1,006个来自单中心训练集，267个来自多中心验证集)
474	2025-07-24	Attention-enhanced Dual-stream Registration Network via Mixed Attention Transformer and Gated Adaptive Fusion 2025-Jul-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103713 PMID:40694890	研究论文	提出了一种新型的注意力增强双流配准网络（ADRNet），用于可变形脑部MRI配准	通过混合注意力Transformer（MAT）模块和门控自适应融合（GAF）模块，同时实现图像内特征提取和图像间特征匹配	未明确提及具体局限性	改进可变形脑部MRI图像的配准性能	脑部MRI图像	计算机视觉	脑部疾病	MRI	CNN, Transformer	图像	三个公共脑部MRI数据集
475	2025-07-24	Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions 2025-Jul-14, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103818 PMID:40695098	研究论文	本研究探讨了Fluid and White Matter Suppression (FLAWS) MRI序列在提高深度学习检测和分割多发性硬化(MS)患者皮质病变方面的效果，并开发了能够推广到仅使用标准T1加权图像(MPRAGE)的临床环境的模型	结合FLAWS和MP2RAGE序列开发的深度学习模型在皮质病变检测和分割方面表现出优越性能，并展示了从高级研究序列到常规临床序列的知识迁移能力	研究依赖于专家标注的一致性，且样本量相对有限(204名MS患者)	提高多发性硬化皮质病变的检测和分割准确性	多发性硬化患者的MRI图像	数字病理	多发性硬化	FLAWS MRI, MP2RAGE, MPRAGE	深度学习模型	MRI图像	204名多发性硬化患者
476	2025-07-24	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Jul-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	研究论文	提出一种基于两阶段退化的盲超分辨率方法，用于提升手持超声设备的图像质量	引入频率概率退化阶段以减少结构扭曲和纹理损失，并提出新的超声感知损失函数	未提及实际临床应用的验证结果	提升手持超声设备的图像质量	手持超声设备获取的低质量超声图像	计算机视觉	NA	小波变换、神经网络生成的模糊核和噪声	EDSR	图像	公共数据集
477	2025-07-24	Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal 2025-Jul-03, Journal of visualized experiments : JoVE DOI:10.3791/68227 PMID:40690419	research paper	本文提出了一种基于深度学习的分类模型，用于从心电图信号中识别五种主要的心跳类型，以早期诊断和检测心律失常	结合Transformer层和1D CNN的混合架构，用于建模时间依赖性和提取空间特征，实现了99.99%的准确率、精确度和F1分数	未提及模型在临床环境中的实际应用效果或跨数据集泛化能力的验证	开发精确且自动化的技术，用于早期心律失常的诊断和检测	五种主要的心跳类型：正常（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、房性早搏（A）和室性早搏（V）	machine learning	cardiovascular disease	深度学习	CNN-Transformer混合模型	心电图信号	超过3.9百万训练段和112,575测试段，来自多个数据库（如INCART 12-lead、Sudden Cardiac Death Holter等）
478	2025-07-24	MDNN: memetic deep neural network for genomic prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf352 PMID:40698862	研究论文	提出了一种名为MDNN的新框架，利用模因算法进行神经架构搜索，自动优化网络架构，以提高基因组预测的准确性	MDNN框架首次将模因算法应用于神经架构搜索，自动优化网络架构，相比传统DL模型减少了手动设计的需要	未提及在不同作物或更大规模数据集上的泛化能力	提高基因组预测（GP）的准确性，特别是在处理复杂性状时	小麦基因组数据（wheat599和wheat2000数据集）	机器学习	NA	深度学习（DL），模因算法	MDNN（Memetic Deep Neural Network）	基因组数据	两个小麦数据集（wheat599和wheat2000）
479	2025-07-24	Dynamic glucose enhanced imaging using direct water saturation 2025-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30447 PMID:40096575	研究论文	本文提出了一种利用直接水饱和（DS）曲线的交换性线宽（LW）增宽进行动态葡萄糖增强（DGE）MRI成像的新方法	采用基于交换性线宽增宽的DS-DGE MRI方法，克服了传统CEST或CESL方法效应低和对运动敏感的局限性	目前仅在4例脑肿瘤患者中进行了验证，样本量较小	开发一种新的MRI技术来评估葡萄糖摄取情况	脑肿瘤患者	医学影像	脑肿瘤	DS-DGE MRI	深度学习（Lorentzian拟合）	MRI影像数据	4例脑肿瘤患者
480	2025-07-24	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-Jul, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	本研究开发了机器学习模型，利用视频尿动力学数据预测脊柱裂患者发生肾积水的风险	首次将机器学习应用于视频尿动力学数据，通过自动化特征提取预测肾积水风险	研究样本量有限(训练组354人，验证组200人)，且仅针对脊柱裂患者	开发可靠的肾积水风险预测模型以辅助临床决策	脊柱裂患者(年龄范围2个月至42岁)	机器学习	脊柱裂	视频尿动力学检查	随机生存森林模型(Random Survival Forest)、集成模型(Ensemble Model)	视频尿动力学数据(包括压力-容积数据和荧光透视图像)	训练组354例，验证组200例