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
521	2025-05-14	Development of a deep learning-based model for guiding a dissection during robotic breast surgery 2025-Mar-10, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01981-3 PMID:40065440	研究论文	开发了一种基于深度学习的模型，用于在机器人乳腺手术中指导解剖	首次开发了用于机器人乳腺手术的深度学习引导模型，为初学者和学员提供手术指导	样本量较小，仅使用了10个手术视频的数据	开发一种深度学习模型，用于在机器人乳腺切除术中指导解剖平面	机器人乳腺切除术的手术视频	数字病理	乳腺癌	深度学习	DL	视频	10个手术视频中的8,834张图像
522	2025-05-14	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的效果，旨在提高痴呆诊断的准确性	使用随机森林模型比较单独MMSE与结合其他认知测试的诊断效果，发现结合多种评估可显著提高诊断精度，特别是在年轻和高教育水平人群中	研究仅基于主观认知抱怨的参与者，可能不适用于所有人群	提高痴呆诊断的准确性	2863名有主观认知抱怨的参与者	数字病理学	老年疾病	随机森林模型	随机森林	认知评估数据	2863名参与者
523	2025-05-14	Improving lung cancer pathological hyperspectral diagnosis through cell-level annotation refinement 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85678-9 PMID:40057531	研究论文	本研究通过细胞级注释细化提升肺癌病理高光谱诊断的准确性	提出了一种半自动注释细化方法，结合K-means无监督聚类和人工引导选择，基于光谱特征将粗略注释细化为细胞级掩码	研究仅基于65个高光谱肺鳞状细胞癌图像样本进行验证，样本量有限	提升高光谱病理图像分析的准确性，解决肺癌病理诊断中的注释挑战	肺鳞状细胞癌的高光谱病理图像	数字病理学	肺癌	高光谱成像	K-means聚类	高光谱图像	65个高光谱肺鳞状细胞癌图像样本
524	2025-05-14	Hand X-rays findings and a disease screening for Turner syndrome through deep learning model 2025-Mar-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05532-9 PMID:40057693	研究论文	通过深度学习模型分析特纳综合征患者的手部X光片特征并建立疾病筛查模型	首次利用深度学习模型分析特纳综合征患者的手部X光片特征，并建立高精度的疾病筛查模型	样本量较小（101例），且模型的敏感性和特异性仍有提升空间	提高特纳综合征的诊断准确性	特纳综合征患者的手部X光片	数字病理学	特纳综合征	X光成像	ResNet50	图像	101例儿科患者
525	2025-05-14	Prediction of tumor spread through air spaces with an automatic segmentation deep learning model in peripheral stage I lung adenocarcinoma 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03174-0 PMID:40057743	research paper	研究通过自动分割深度学习模型预测I期外周型肺腺癌中肿瘤通过气腔扩散的情况	使用基于自动分割的深度学习模型，在术前预测肿瘤通过气腔扩散（STAS），其诊断准确性和临床适用性优于传统放射组学模型	研究为回顾性分析，可能需要前瞻性研究进一步验证模型的普遍适用性	评估深度学习模型在术前预测I期外周型肺腺癌中STAS的临床适用性	接受手术治疗的肺肿瘤患者	digital pathology	lung cancer	deep learning, radiomics	VNet	image	未明确提及具体样本数量，但包括内部验证和外部测试队列
526	2025-05-14	CPHNet: a novel pipeline for anti-HAPE drug screening via deep learning-based Cell Painting scoring 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03173-1 PMID:40057746	研究论文	开发了一种基于深度学习的Cell Painting评分管道CPHNet，用于筛选抗高原肺水肿(HAPE)药物	整合人工智能工具和Cell Painting技术，提出了一种全新的抗HAPE药物筛选管道，并成功识别出两种有前景的天然产物	研究仅使用了A549和HPMEC两种细胞系，可能需要更多细胞类型验证	开发基于细胞形态特征的抗HAPE药物发现策略	人肺泡腺癌基底上皮细胞(A549s)和人肺微血管内皮细胞(HPMECs)	数字病理学	高原肺水肿	Cell Painting成像技术	SegNet, HypoNet	图像	超过100,000张全视野Cell Painting图像和200,000张亚细胞结构图像
527	2025-05-14	Advanced pathological subtype classification of thyroid cancer using efficientNetB0 2025-Mar-07, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-025-01621-6 PMID:40055769	研究论文	本研究利用EfficientNetB0模型对甲状腺癌的病理亚型进行高精度分类，并分析肿瘤微环境特征与临床结果的关系	首次将EfficientNetB0模型应用于甲状腺癌病理亚型分类，并揭示肿瘤微环境特征与病理亚型之间的显著相关性	样本量相对较小（118例患者），且肿瘤微环境特征与临床结果的因果关系尚未明确	提高甲状腺癌病理亚型分类的准确性，并探索肿瘤微环境特征与临床结果的关系	118名不同亚型甲状腺癌患者的病理组织切片、基因表达数据和蛋白表达数据	数字病理学	甲状腺癌	深度学习	EfficientNetB0	图像、基因表达数据、蛋白表达数据	118名甲状腺癌患者
528	2025-05-14	DAGIP: alleviating cell-free DNA sequencing biases with optimal transport 2025-Mar-07, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03511-y PMID:40055826	研究论文	本文提出了一种名为DAGIP的新数据校正方法，基于最优传输理论和深度学习，用于校正cfDNA分析中的预分析变量影响	DAGIP利用最优传输理论和深度学习，首次明确校正了预分析变量的影响，并能推断技术偏差	NA	改善cfDNA分析中的技术偏差，提高癌症检测和拷贝数变异分析的准确性	细胞游离DNA（cfDNA）	生物信息学	癌症	cfDNA测序	深度学习	DNA测序数据	NA
529	2025-05-14	A deep learning approach to understanding controlled ovarian stimulation and in vitro fertilization dynamics 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92186-3 PMID:40050418	研究论文	本文提出了一种基于Transformer-Encoder架构的深度学习模型Edwards，用于提高体外受精（IVF）周期中控制性卵巢刺激（COS）的预测准确性	Edwards模型能够捕捉IVF周期中的时序特征，提供治疗方案选项并预测激素水平和卵巢反应，相比传统机器学习方法在预测最终结果上具有更高的准确性	NA	提高体外受精周期中控制性卵巢刺激的预测准确性，辅助生育护理提供者管理IVF周期	体外受精（IVF）周期中的控制性卵巢刺激（COS）过程	机器学习	不孕症	深度学习	Transformer-Encoder	时序数据	NA
530	2025-05-14	Regulatory Plasticity of the Human Genome 2025-Mar-05, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf050 PMID:40056383	研究论文	利用深度学习模型研究人类基因组中调控元件（如增强子）的进化更替及其在环境适应中的作用	首次通过深度学习模型系统分析三种进化路径（人类-黑猩猩替换、现代人群变异、随机突变）对增强子更替的影响，揭示神经发育基因附近增强子的高可塑性	仅关注增强子更替，未涉及其他调控元件；样本局限于已有基因组数据	探究人类基因组调控元件的进化可塑性及其在表型分歧中的作用	人类基因组非编码区域（特别是增强子）	基因组学	NA	深度学习	深度学习模型（未指定具体架构）	基因组序列数据	全基因组范围分析（含人类-黑猩猩比较、人群变异数据及随机突变模拟）
531	2025-05-14	TopoQA: a topological deep learning-based approach for protein complex structure interface quality assessment 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf083 PMID:40062613	研究论文	本文提出了一种基于拓扑深度学习的蛋白质复合物结构界面质量评估方法TopoQA	利用持久同调(PH)捕捉残基周围的原子级拓扑信息，并将拓扑数据分析中的PH集成到图神经网络(GNN)中，以增强对复合物界面拓扑结构与质量分数之间关系的学习	NA	开发一种高效有效的质量评估(QA)方法，用于评估预测蛋白质复合物的质量而无需知道其天然结构	蛋白质复合物结构界面	生物信息学	NA	持久同调(PH), 图神经网络(GNN)	GNN	蛋白质结构数据	三个基准数据集：DBM55-AF2、HAF2和ABAG-AF3
532	2025-05-14	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	提出了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	结合了循环变分自编码器、GRANGER因果性、稀疏性诱导惩罚和基于负二项分布的损失函数，显著提高了处理时间序列scRNA-seq数据的能力	未明确提及具体局限性	从时间序列单细胞RNA测序数据中准确推断基因调控网络	小鼠全脑单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	循环变分自编码器	时间序列基因表达数据	多个流行基准数据集和小鼠全脑scRNA-seq数据
533	2025-05-14	Cox-Sage: enhancing Cox proportional hazards model with interpretable graph neural networks for cancer prognosis 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf108 PMID:40067266	研究论文	提出了一种名为Cox-Sage的可解释癌症预后模型，通过图神经网络增强Cox比例风险模型	结合患者相似性图和基因表达数据，利用多层图卷积建模比例风险模式，并引入两种基因重要性度量指标	作为初步研究，仅在LIHC数据集上进行了预后生物标志物发现	提高癌症预后模型的性能和可解释性	癌症患者	机器学习	肝癌	高通量测序技术	GNN, Cox-Sage	基因表达数据, 临床数据	来自TCGA的七个数据集
534	2025-05-14	Seq2Topt: a sequence-based deep learning predictor of enzyme optimal temperature 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf114 PMID:40079266	研究论文	开发了一种基于序列的深度学习预测器Seq2Topt，用于预测酶的最适温度	Seq2Topt仅使用蛋白质序列就能达到较高的预测准确度，并能通过多头注意力机制捕捉影响酶最适温度的关键蛋白质区域	NA	开发准确预测酶最适温度的深度学习模型	酶的最适温度	机器学习	NA	深度学习	Seq2Topt	蛋白质序列	NA
535	2025-05-14	actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf107 PMID:40080667	研究论文	本文提出了一种改进的ipTM度量方法actifpTM，用于更准确地评估蛋白质-蛋白质相互作用中的结合界面置信度	提出actifpTM方法，专注于参与相互作用的残基，提供更稳健的相互作用置信度评估，适用于多链复合物	未明确提及具体局限性	改进蛋白质结构预测中相互作用置信度的评估方法	蛋白质-蛋白质相互作用，特别是涉及柔性区域的相互作用	生物信息学	NA	AlphaFold2, ColabFold	深度学习模型	蛋白质结构数据	NA
536	2025-05-14	Automated detection of early-stage osteonecrosis of the femoral head in adult using YOLOv10: Multi-institutional validation 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111983 PMID:39923593	研究论文	开发基于YOLOv10的深度学习模型，用于通过X光片检测成人早期股骨头坏死	首次应用YOLOv10模型进行早期股骨头坏死的自动化检测，并在多机构验证中表现优于放射科医生	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性	开发自动化检测早期股骨头坏死的深度学习模型	成人早期股骨头坏死患者（ARCO I-II期）	数字病理	骨科疾病	深度学习	YOLOv10	X光图像	2321名患者（平均年龄51±14岁，961名女性），共3970张单侧髋关节X光片
537	2025-05-14	ResGloTBNet: An interpretable deep residual network with global long-range dependency for tuberculosis screening of sputum smear microscopy images 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104300 PMID:40057359	研究论文	提出了一种名为ResGloTBNet的可解释深度残差网络，用于痰涂片显微镜图像的结核病筛查	将卷积神经网络和图卷积网络结合，引入全局推理单元形成ResGloRe模块，同时提取局部特征和建模全局关系	未提及具体局限性	提高结核病筛查的准确性和敏感性	痰涂片显微镜图像	数字病理学	结核病	深度学习	ResGloTBNet（结合CNN和GCN）	图像	公开数据集和私有数据集（具体数量未提及）
538	2025-05-14	A comparative analysis of Constant-Q Transform, gammatonegram, and Mel-spectrogram techniques for AI-aided cardiac diagnostics 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104302 PMID:40057368	研究论文	本研究比较了Constant-Q变换、gammatonegram和Mel-spectrogram技术在AI辅助心脏诊断中的应用，并设计了一种DAG-CNN架构进行心音分类	提出了一种基于DAG-CNN的新型心音分类模型，在gammatonegram、Mel-spectrogram和CQT特征上分别实现了100%、99.7%和99.5%的高分类准确率	未提及具体样本量和临床验证的详细情况	开发自动心音分类技术以改善心血管疾病的早期诊断	心音信号	数字信号处理	心血管疾病	Phonocardiogram (PCG)分析	DAG-CNN	音频信号	NA
539	2025-05-14	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学临床研究中利用人工智能（AI）时，人口统计数据报告的透明度及参与者的多样性	首次系统评估了AI在肿瘤学临床研究中人口统计数据报告的透明度和多样性，揭示了当前研究中种族和民族数据报告的不足	仅纳入了2016年至2021年间发表的研究，且仅通过PubMed进行检索，可能遗漏了部分相关研究	评估AI在肿瘤学临床研究中人口统计数据报告的透明度和参与者多样性，以确保AI模型的公平性和无偏见	2016年至2021年间发表的利用AI的肿瘤学临床研究	人工智能在医疗健康中的应用	肿瘤学	NA	NA	人口统计数据	220项研究中的118项符合条件，其中47项（40%）公开了至少一个训练或验证数据集
540	2025-05-14	Harnessing transcriptional regulation of alternative end-joining to predict cancer treatment 2025-Mar, NAR cancer IF:3.4Q2 DOI:10.1093/narcan/zcaf007 PMID:40061566	研究论文	本文研究了替代性末端连接（alt-EJ）的转录调控及其在癌症治疗中的预测价值	揭示了alt-EJ受缺氧抑制并与MYC转录活性正相关，提出了通过靶向alt-EJ预测和改善癌症治疗效果的策略	alt-EJ与驱动癌症进展的过程之间的相互作用仍不完全清楚	探索alt-EJ的转录调控机制及其在癌症治疗中的应用	癌症细胞	癌症研究	癌症	深度学习	NA	肿瘤图像	NA