深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
5401	2025-10-06	Computational staining of CD3/CD20 positive lymphocytes in human tissues with experimental confirmation in a genetically engineered mouse model 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1451261 PMID:39530103	研究论文	提出一种知识引导的深度学习框架，用于在人类H&E组织上测量淋巴细胞空间结构，并通过基因工程小鼠模型进行实验验证	通过单细胞分辨率图像配准实现H&E到IHC的像素级完美标注，并整合计算科学与基础科学进行实验验证	模型在外部测试数据集上的AUC为0.71，性能有待进一步提升	量化淋巴细胞空间炎症结构，促进空间系统生物学研究	人类H&E组织样本和基因工程Rag2小鼠模型	数字病理学	癌症	H&E染色，IHC染色，单细胞分辨率图像配准	深度学习	组织图像	超过111,000个人类细胞核（45,611个CD3/CD20阳性淋巴细胞）	NA	NA	AUC, 结构相似性	NA
5402	2025-10-06	A simulative deep learning model of SNP interactions on chromosome 19 for predicting Alzheimer's disease risk and rates of disease progression 2023-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13319 PMID:37409680	研究论文	开发了一种模拟深度学习模型，通过分析19号染色体上的SNP相互作用来预测阿尔茨海默病风险和疾病进展速度	使用新颖的模拟深度学习模型量化每个SNP及其上位效应对AD风险的贡献，并识别出影响AD进展的关键SNP	研究仅限于19号染色体上的SNP，未涵盖全基因组分析	识别影响阿尔茨海默病风险的遗传模式，用于风险预测和个性化治疗策略	阿尔茨海默病患者和对照个体的遗传数据	机器学习	阿尔茨海默病	基因分型，深度学习分析	深度学习	基因数据	来自ADNI和IGAP数据集的样本	NA	模拟深度学习模型	风险预测准确性，疾病进展预测能力	NA
5403	2025-10-06	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	研究论文	提出一种名为FINDR的无监督深度学习方法，用于从神经群体活动中推断低维非线性随机动力学	开发了能够解耦任务相关和无关神经活动成分的深度循环网络方法，首次实现了流场和吸引子结构的显式可视化	方法性能主要在大鼠前脑区听觉决策任务数据上验证，在其他脑区和行为任务中的适用性需要进一步测试	推断神经群体活动背后的低维非线性随机动力学	大鼠前脑区在执行听觉决策任务时的群体脉冲序列数据	计算神经科学	NA	神经信号记录	循环神经网络	神经脉冲序列数据	NA	NA	深度循环网络	神经元响应捕捉能力	NA
5404	2025-10-06	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	研究论文	本文提出了一种利用多模态深度神经网络预测多发性硬化症疾病严重程度的方法	首次整合结构化电子健康记录数据、神经影像数据和临床笔记构建多模态深度学习框架，相比单模态模型AUROC提升高达19%	未明确说明样本规模和数据收集的具体限制	预测多发性硬化症疾病严重程度，为早期治疗干预提供支持	多发性硬化症患者	医疗人工智能	多发性硬化症	多模态深度学习，电子健康记录分析，神经影像分析	深度神经网络	结构化电子健康记录，神经影像，临床文本笔记	NA	NA	多模态深度神经网络	AUROC	NA
5405	2025-10-06	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101189 PMID:37729872	研究论文	开发空间感知深度学习模型分析肾透明细胞癌的肿瘤异质性模式及其与免疫治疗反应的关系	首次通过空间感知深度学习识别出传统病理分析无法发现的肿瘤微异质性模式，并揭示其与PBRM1功能缺失和免疫检查点抑制剂反应的相关性	研究样本量有限（1,102例患者），且主要针对肾透明细胞癌，结果在其他癌症类型中的普适性有待验证	探索肾透明细胞癌中肿瘤-免疫联合状态与免疫检查点抑制剂治疗反应的关系	肾透明细胞癌患者（n=1,102）的全切片图像和多重免疫荧光图像	数字病理学	肾癌	全切片图像分析，多重免疫荧光	深度学习	病理图像	1,102例患者	NA	图神经网络	NA	NA
5406	2025-10-06	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭患者	首次采用半监督学习框架开发深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上验证了模型性能	研究主要依赖于单一医疗系统的数据，虽然进行了外部验证，但模型在其他医疗环境中的泛化能力仍需进一步验证	开发自动化工具来评估和改进射血分数降低的心力衰竭患者的护理质量	心力衰竭患者的出院摘要和临床记录	自然语言处理	心血管疾病	深度学习，自然语言处理	深度学习语言模型	文本（出院摘要和临床记录）	13,251份记录来自5,392名独特个体（平均年龄73±14岁，48%女性），其中2,487名HFrEF患者（46.1%）	NA	深度学习语言模型	AUROC, AUPRC, NRI	NA
5407	2025-10-06	T1dCteGui: A User-Friendly Clinical Trial Enrichment Tool to Optimize T1D Prevention Studies by Leveraging AI/ML Based Synthetic Patient Population 2023-09, Clinical pharmacology and therapeutics DOI:10.1002/cpt.2976 PMID:37326252	研究论文	开发了一个用户友好的临床试验富集工具，利用基于AI/ML的合成患者群体优化1型糖尿病预防研究	首次开发了结合加速失效时间模型和深度学习生成模型的临床试验富集图形用户界面工具	工具基于合成患者数据，可能与真实患者数据存在差异	优化1型糖尿病预防临床试验的受试者富集策略	1型糖尿病高风险人群	数字病理	1型糖尿病	深度学习生成模型	生成模型	临床数据	来自多个观察性研究的患者水平数据	NA	加速失效时间模型	NA	NA
5408	2025-10-06	Confidence-based laboratory test reduction recommendation algorithm 2023-05-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02187-3 PMID:37165369	研究论文	提出一种基于置信度的深度学习模型，用于识别住院患者不必要的血红蛋白检测	采用'选择与预测'设计理念，通过预测置信度评估结果可靠性，并选择性考虑高置信度样本进行推荐	未提及模型在更广泛医疗场景中的适用性验证	减少不必要的实验室检测，降低医疗风险和医疗成本	住院患者的血红蛋白检测数据	机器学习	NA	深度学习	深度学习模型	实验室检测数据	来自休斯顿教学医院的内部患者数据和MIMIC III数据库的外部患者数据	NA	NA	AUC	NA
5409	2025-10-06	Deep learning-based polygenic risk analysis for Alzheimer's disease prediction 2023-Apr-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00269-x PMID:37024668	研究论文	开发基于深度学习的多基因风险模型用于阿尔茨海默病预测	首次将深度学习方法应用于阿尔茨海默病多基因风险建模，能够捕捉基因组数据中的非线性关系	未明确说明样本规模和数据来源的具体限制	提高阿尔茨海默病的遗传风险预测准确性并探索疾病机制	阿尔茨海默病相关的基因组数据和患者个体	机器学习	阿尔茨海默病	基因组测序	神经网络	基因组数据	NA	NA	神经网络	NA	NA
5410	2025-10-06	The expert's knowledge combined with AI outperforms AI alone in seizure onset zone localization using resting state fMRI 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1324461 PMID:38274868	研究论文	本研究评估了专家知识与深度学习结合在利用静息态功能磁共振成像定位难治性癫痫患者发作起始区的效果	首次将癫痫专家对功能连接组学的先验知识与深度学习模型相结合，显著提升了发作起始区的定位性能	样本量相对有限（52名儿童患者），且研究仅针对难治性癫痫患者	提高难治性癫痫患者发作起始区的定位准确性	52名难治性癫痫儿童患者，其中25名接受了手术治疗	医学影像分析	癫痫	静息态功能磁共振成像，颅内脑电图	深度学习	功能连接组学数据	52名儿童癫痫患者	NA	专家知识集成深度网络	准确率，F1分数	NA
5411	2025-10-06	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	提出一种名为RC-UPerNet的新型深度学习算法，用于从人类视网膜自适应光学成像中自动识别视锥和视杆细胞	开发了能够同时识别两种光感受器（视锥和视杆细胞）的新型深度学习算法RC-UPerNet，在中心和外周视网膜区域均表现出色	NA	开发自动化算法以识别视网膜中的光感受器细胞	人类视网膜中的视锥和视杆细胞	计算机视觉	眼科疾病	自适应光学成像	深度学习	图像	来自中央和外周视网膜（延伸至距中央凹30°的鼻侧和颞侧方向）的图像	NA	RC-UPerNet	精确率, 召回率, Dice系数	NA
5412	2025-10-06	Assessment of right ventricular size and function from cardiovascular magnetic resonance images using artificial intelligence 2022-04-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00861-5 PMID:35410226	研究论文	本研究开发了一种改进的深度学习算法，用于从心血管磁共振图像自动测量右心室射血分数	使用包含更广泛右心室病理学数据的数据集，并在交叉验证阶段采用领域特异性定量性能评估指标	研究仅针对100名手动与自动测量差异最大的患者，样本量相对有限	提高从心血管磁共振图像自动量化右心室功能的准确性	右心室尺寸和功能	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	100名患者	NA	NA	线性回归分析，Bland-Altman分析，分类准确率	NA
5413	2025-10-06	Deep learning-based pancreas volume assessment in individuals with type 1 diabetes 2022-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00729-7 PMID:34986790	研究论文	本研究开发了一种基于深度学习的自动化胰腺体积测量方法，用于糖尿病患者	首次将卷积神经网络应用于糖尿病患者胰腺体积的自动测量，解决了传统手动标注耗时且主观的问题	训练数据仅包含160例腹部MRI扫描，测试集仅25例T1D患者，样本量有限	开发自动化胰腺体积测量方法以应用于大型影像数据库	1型糖尿病患者、对照组人群及其混合人群	医学影像分析	糖尿病	磁共振成像	CNN	医学影像	160例腹部MRI扫描用于训练，25例T1D患者用于测试	NA	卷积神经网络	Dice系数,R值	NA
5414	2025-10-06	Molecular Properties of Drugs Handled by Kidney OATs and Liver OATPs Revealed by Chemoinformatics and Machine Learning: Implications for Kidney and Liver Disease 2021-Oct-18, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics13101720 PMID:34684013	研究论文	通过化学信息学和机器学习分析肾脏OATs和肝脏OATPs转运药物的分子特性，为肝肾疾病治疗提供组织特异性靶向策略	首次结合化学信息学和机器学习方法系统比较肝脏OATPs与肾脏OATs转运药物的分子特性差异，识别出8个关键理化性质组合	分析基于已有药物数据，未涉及新型化合物验证	探索肝肾转运蛋白对药物分子特性的选择性差异，为肝肾疾病治疗优化药物选择	肝脏OATP1B1/OATP1B3和肾脏OAT1/OAT3转运的有机阴离子药物	机器学习	肝肾疾病	化学信息学分析，机器学习，深度学习	随机森林，k近邻，深度学习分类算法	药物理化性质数据	OATP和OAT相互作用药物的30多个定量理化性质	NA	NA	NA	NA
5415	2025-10-06	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	开发了一种结合生物正交化学和计算分析的FAST-FNA技术，用于通过细针采样对肿瘤免疫微环境进行快速连续分析	首次证明通过简单FNA可准确连续测量治疗期间复杂快速演变的肿瘤免疫微环境，结合了生物正交化学与深度学习辅助分析流程	NA	开发能够连续评估肿瘤免疫微环境的微创检测技术	临床前样本和人类癌症样本中的单个细胞	数字病理学	癌症	细针穿刺采样，生物正交化学，流式细胞术	深度学习	单细胞图像数据	临床前样本和人类癌症样本	NA	NA	R2（决定系数）	NA
5416	2025-10-06	Deep Learning Improves Speed and Accuracy of Prostate Gland Segmentations on Magnetic Resonance Imaging for Targeted Biopsy 2021-09, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000001783 PMID:33878887	研究论文	开发深度学习模型ProGNet用于快速准确分割MRI图像中的前列腺，并应用于靶向活检临床实践	首个在常规泌尿科临床实践中应用深度学习模型进行前列腺分割用于靶向活检的研究，并在线公开了代码	样本主要来自单一机构的活检数据，外部验证病例数相对较少	开发快速准确的前列腺MRI分割方法以改善靶向活检流程	前列腺MRI图像	医学影像分析	前列腺癌	多参数MRI，磁共振-超声融合活检	深度学习	医学影像	905名受试者（805例训练，100例内部测试，56例外部测试，11例前瞻性验证）	NA	ProGNet, U-Net, holistically-nested edge detector	Dice相似系数	NA
5417	2025-10-06	Integrative proteomics identifies thousands of distinct, multi-epitope, and high-affinity nanobodies 2021-03-17, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2021.01.003 PMID:33592195	研究论文	通过整合蛋白质组学方法系统性地鉴定了数千种具有多表位和高亲和力的纳米抗体	开发了前所未有的规模化蛋白质组学策略来研究抗原结合的循环骆驼科重链抗体，并首次绘制了超过10万种抗原-纳米抗体复合物的表位图谱	研究主要聚焦于骆驼科动物抗体，可能不直接适用于其他哺乳动物抗体系统	系统理解抗体库的多样性和抗原结合特性	骆驼科重链抗体及其纳米抗体片段	蛋白质组学	NA	蛋白质组学、高通量结构建模、交联质谱、突变分析、深度学习	深度学习模型	质谱数据、结构数据、序列数据	数千种不同的纳米抗体家族，超过10万种抗原-纳米抗体复合物	NA	NA	亲和力、特异性、多样性	NA
5418	2025-10-06	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	系统分析机器学习技术在青少年自杀行为早期检测中的应用现状	首次系统比较不同机器学习算法在自杀意念预测中的表现，强调可解释性和混合模型的必要性	缺乏跨文化泛化能力，混合深度学习模型缺乏深入分析	通过AI和机器学习技术实现青少年自杀意念的早期检测	学生群体的自杀意念和行为	机器学习	精神健康疾病	问卷调查(PHQ-9, GAD-7量表)	Random Forest, SVM, 深度学习	调查问卷数据	28项研究	NA	NA	准确率, 精确率, 召回率	NA
5419	2025-10-06	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	综述	本文系统回顾了近十年来气候时间序列缺失数据插补方法的研究进展	首次全面总结全球范围内气候时间序列缺失数据插补方法的地理分布和应用趋势，特别指出生成对抗网络在深度学习方法中的优势	主要基于文献综述，缺乏原始实验数据验证不同方法的实际性能	综述气候时间序列缺失数据插补方法的研究现状和发展趋势	气候时间序列数据	机器学习	NA	时间序列分析	人工神经网络,生成对抗网络	时间序列数据	NA	NA	GAN	NA	NA
5420	2025-10-06	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种混合AI驱动框架，通过整合结构化和非结构化数据来增强药物警戒中的不良反应检测	结合深度学习和自然语言处理技术，整合结构化与非结构化医疗数据，解决了传统监测方法的局限性	数据异质性、类别不平衡问题以及传统监测技术范围有限	提高药物警戒中严重不良事件的检测准确性，确保临床试验期间和之后的药物安全	临床试验数据，包括患者人口统计学、实验室结果和临床笔记	自然语言处理, 机器学习	NA	深度学习, 自然语言处理	随机森林, 梯度提升机, 卷积神经网络, BERT, GPT	结构化数据, 非结构化文本	NA	NA	CNN, BERT, GPT	准确率, 精确率, 召回率, F1分数	NA