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
561	2025-05-16	Establishment of a deep-learning-assisted recurrent nasopharyngeal carcinoma detecting simultaneous tactic (DARNDEST) with high cost-effectiveness based on magnetic resonance images: a multicenter study in an endemic area 2025-Mar-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00853-5 PMID:40128777	研究论文	本研究探讨了利用未增强磁共振图像（MRI）检测局部复发性鼻咽癌（rNPC）的可行性，并基于深度学习模型优化了分层随访管理策略	开发了一种基于3D DenseNet或ResNet框架的深度学习模型，结合特定MRI序列（T1WI、T2WI或T1WIC）或T1WI和T2WI序列组合（T1_T2），并进一步优化了DARNDEST策略，提高了检测的准确性和敏感性	研究未提及模型在更广泛人群中的泛化能力，以及长期随访效果的验证	探讨利用未增强MRI和深度学习模型检测局部复发性鼻咽癌的可行性，并优化随访管理策略	局部复发性鼻咽癌（rNPC）患者	数字病理学	鼻咽癌	MRI	3D DenseNet, ResNet	图像	假设队列为1000名患者（内部和外部测试集）
562	2025-05-16	Global research trends and hotspots on imaging of bladder cancer: A bibliometric and visual analysis from 1981 to 2023 2025-Mar-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000041907 PMID:40128048	研究论文	本文对1981年至2023年间膀胱癌影像学领域的文献进行了全面的文献计量分析，揭示了全球研究热点和未来趋势	首次对膀胱癌影像学领域进行文献计量分析，识别了最新的研究热点如放射组学、深度学习和多参数MRI	仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献	分析膀胱癌影像学领域的全球研究趋势和热点	膀胱癌影像学相关文献	数字病理学	膀胱癌	文献计量分析（VOSviewer, Bibliometrix, Citespace）	NA	文献数据	4462篇文章
563	2025-05-16	Identifying research activity on brain ultrasonography in craniocerebral diseases by bibliometric and visualized analysis of a 20-year journey of global publications 2025-Mar-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000041927 PMID:40128044	研究论文	通过文献计量和可视化分析方法，研究过去20年全球关于脑超声在颅脑疾病中应用的研究趋势和未来方向	首次使用VOSviewer和CiteSpace对脑超声研究进行全球范围的文献计量和可视化分析，揭示了研究趋势、国际合作及技术发展	研究仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探讨脑超声在颅脑疾病中的应用趋势和未来研究方向	全球范围内关于脑超声的研究文献	医学影像分析	颅脑疾病	文献计量分析、可视化分析（VOSviewer、CiteSpace）	NA	文献数据	1251篇文章，涉及5655位作者、1619个机构、84个国家/地区
564	2025-05-16	A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences 2025-Mar-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf233 PMID:40156867	研究论文	开发了一种基于深度学习的工具，用于定义细胞类型依赖的密码子偏好，以提高重组蛋白的表达水平	使用RNN模型预测细胞类型依赖的密码子偏好，显著提高了蛋白质翻译效率，特别是分泌蛋白	仅测试了三种组织类型（脑、肝和肌肉）的基因表达数据，可能不适用于所有细胞类型	开发一种新型深度学习工具，用于优化密码子使用以提高重组蛋白的表达水平	基因表达数据（脑、肝和肌肉组织）和分泌基因	机器学习	NA	RNA-seq	RNN	基因表达数据	三种组织类型（脑、肝和肌肉）的基因表达数据
565	2025-05-16	[A multi-scale supervision and residual feedback optimization algorithm for improving optic chiasm and optic nerve segmentation accuracy in nasopharyngeal carcinoma CT images] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.21 PMID:40159978	研究论文	提出了一种基于多尺度监督和残差反馈策略的深度学习分割算法（DSRF），用于精确分割鼻咽癌CT图像中的视交叉和视神经	设计了混合池化策略的解码器（HPS）以减少小器官特征在池化过程中的损失，并采用多尺度深度监督层和残差反馈模块来增强边界识别和分割精度	未提及算法在更大规模数据集上的泛化能力或在实际临床环境中的验证	提高鼻咽癌CT图像中视交叉和视神经的分割精度	鼻咽癌患者的CT图像中的视交叉和视神经	数字病理	鼻咽癌	深度学习	CNN	图像	212张鼻咽癌CT图像（来自SegRap2023、StructSeg2019和HaN-Seg2023数据集）
566	2025-05-16	[A lightweight classification network for single-lead atrial fibrillation based on depthwise separable convolution and attention mechanism] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.23 PMID:40159980	研究论文	提出一种基于深度可分离卷积和注意力机制的轻量级网络DSC-AttNet，用于单导联心房颤动的自动诊断	结合深度可分离卷积减少模型参数和计算复杂度，嵌入多层混合注意力机制提升特征表达能力	样本量相对较小（84例房颤患者+25例房颤患者+18例正常心律受试者），外部验证仅基于两个公开数据集	开发适用于可穿戴ECG设备的轻量级房颤自动诊断模型	心房颤动患者的心电图数据	数字病理学	心血管疾病	深度学习	DSC-AttNet（基于深度可分离卷积和注意力机制的CNN）	ECG信号数据	总计127例（84+25+18）来自LTAFDB、AFDB和NSRDB公开数据集
567	2025-05-16	A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04707-4 PMID:40108146	research paper	介绍了一个大规模多中心乳腺癌DCE-MRI基准数据集，包含专家标注的分割结果	提供了一个包含1506例治疗前T1加权动态对比增强MRI病例的多中心数据集，填补了公开乳腺癌数据集的空白	NA	促进乳腺癌诊断、治疗反应预测和个性化护理的深度学习模型开发与验证	乳腺癌患者的MRI影像数据	digital pathology	breast cancer	DCE-MRI	nnU-Net	image	1506例治疗前T1加权动态对比增强MRI病例
568	2025-05-16	SHDB-AF: a Japanese Holter ECG database of atrial fibrillation 2025-Mar-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04777-4 PMID:40108206	研究论文	介绍了一个名为SHDB-AF的日本Holter心电图数据库，专门用于心房颤动的研究	首个包含日本人群样本的开放源码Holter心电图数据库，填补了现有数据库的空白	样本量相对较小，仅包含122名患者的128份心电图记录	为机器学习和深度学习模型提供日本人群的心房颤动心电图数据，以提高诊断准确性	日本人群的心房颤动患者	数字病理学	心血管疾病	Holter心电图监测	NA	心电图数据	122名患者的128份24小时双通道心电图记录，总计2160万秒数据
569	2025-05-16	Geometric deep learning and multiple-instance learning for 3D cell-shape profiling 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101229 PMID:40112779	研究论文	该研究利用几何深度学习和多实例学习技术开发了MorphoMIL计算流程，用于分析3D细胞和核形态	结合几何深度学习和基于注意力的多实例学习，实现了对细胞形态的单细胞和群体水平分析	NA	通过细胞形态分析理解细胞状态，应用于药物发现领域	黑色素瘤细胞的3D形态	数字病理学	黑色素瘤	几何深度学习，多实例学习	MorphoMIL（几何深度学习与注意力机制结合）	3D点云数据	超过95,000个经过化学和遗传处理的黑色素瘤细胞
570	2025-05-16	Robust resolution improvement of 3D UTE-MR angiogram of normal vasculatures using super-resolution convolutional neural network 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92493-9 PMID:40102565	研究论文	本研究通过深度学习技术提升快速获取的低分辨率UTE-MRA数据的分辨率，旨在减少扫描时间并提高诊断效率	提出了一种新型3D卷积神经网络LSRDG，结合精心设计的网络结构、合适的损失函数和小块训练，显著提高了图像分辨率	研究样本量较小（20例健康对照和10例中风模型大鼠），且主要验证了模型在健康数据上的表现	提高UTE-MRA图像分辨率以缩短扫描时间，减少运动伪影，提升对中风等时间敏感疾病的诊断效率	健康对照Wistar大鼠和中风模型大鼠的对比增强3D UTE-MRA数据	医学影像分析	中风	对比增强UTE-MRA	3D CNN（LSRDG, SR-ResNet, MRDG64）	3D医学影像	30例（20健康对照+10中风模型）Wistar大鼠数据
571	2025-05-16	Unraveling other-race face perception with GAN-based image reconstruction 2025-Mar-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02636-z PMID:40087201	研究论文	本研究利用StyleGAN2深度学习技术生成逼真图像，探索其他种族面孔感知的表示基础	提出了一种基于GAN的图像重建新方法，揭示了人类参与者行为相似性数据中的内部面孔表示，并发现了新的年龄偏差	研究仅涉及东亚和白人参与者，可能无法推广到其他种族群体	探索其他种族效应（ORE）的表示基础	东亚和白人参与者的同种族和其他种族面孔	计算机视觉	NA	StyleGAN2	GAN	图像	东亚和白人参与者（具体数量未提及）
572	2025-05-16	Global or local modeling for XGBoost in geospatial studies upon simulated data and German COVID-19 infection forecasting 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92995-6 PMID:40087346	研究论文	本文研究了在空间地理研究中，XGBoost模型采用全局建模还是局部建模更优的问题，并通过模拟数据和德国COVID-19感染预测案例进行了比较	探讨了XGBoost在空间地理研究中的全局与局部建模策略，并通过实证分析比较了两种方法的优劣	研究结果依赖于数据的平衡性和空间变异性，且局部建模的空间划分需要额外注意	比较XGBoost在空间地理研究中的全局建模与局部建模的效果	模拟数据和德国COVID-19感染数据	机器学习	COVID-19	XGBoost	XGBoost	模拟数据和真实感染数据	NA
573	2025-05-16	Comparison of Deep Learning and Traditional Machine Learning Models for Predicting Mild Cognitive Impairment Using Plasma Proteomic Biomarkers 2025-Mar-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26062428 PMID:40141072	research paper	比较深度学习和传统机器学习模型在利用血浆蛋白质组生物标志物预测轻度认知障碍(MCI)中的表现	首次比较了深度学习和传统机器学习模型在预测MCI中的性能，并识别出与MCI相关的关键血浆蛋白质组生物标志物	样本量相对较小(239名成人)，且数据来自单一队列(ADNI)	比较不同机器学习方法在预测轻度认知障碍方面的性能	239名成年人及其146种血浆蛋白质组生物标志物	machine learning	geriatric disease	血浆蛋白质组分析	DNN, SVM, LR, NB, RF, KNN, GBM, XGBoost	生物标志物数据	239名来自ADNI队列的成年人
574	2025-05-16	AD-VAE: Adversarial Disentangling Variational Autoencoder 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051574 PMID:40096455	研究论文	提出了一种名为AD-VAE的新框架，用于单人样本人脸识别（SSPP FR），结合了变分自编码器（VAE）和生成对抗网络（GAN）技术	AD-VAE框架通过结合VAE和GAN技术，能够从受控和野生数据集中学习构建具有代表性的身份保留原型，有效处理姿态、光照和遮挡等变化	未明确提及具体限制，但可能包括对极端姿态或遮挡情况的处理能力	解决单人样本人脸识别（SSPP FR）中学习鲁棒且具有判别性特征的挑战	人脸识别	计算机视觉	NA	VAE, GAN	AD-VAE（结合VAE和GAN的混合模型）	图像	使用了四个受控基准数据集（AR, E-YaleB, CAS-PEAL, FERET）和一个非受控数据集（LFW）
575	2025-05-16	Relational similarity-based graph contrastive learning for DTI prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf122 PMID:40127181	研究论文	本文提出了一种基于关系相似性的图对比学习方法（RSGCL-DTI），用于提高药物-靶标相互作用（DTI）预测的准确性	结合药物和蛋白质的结构特征与关系特征，通过图对比学习提取药物间和蛋白质间的关系特征，从而提升DTI预测性能	NA	提高药物-靶标相互作用预测的准确性，以促进药物再利用	药物和靶标蛋白质	机器学习	NA	图对比学习	GNN, CNN, D-MPNN	图数据	四个基准数据集
576	2025-05-16	DS-MVP: identifying disease-specific pathogenicity of missense variants by pre-training representation 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf119 PMID:40127180	研究论文	提出了一种名为DS-MVP的方法，用于预测人类基因组中错义变异的疾病特异性致病性	DS-MVP通过预训练深度学习模型学习错义变异的丰富表示，并利用XGBoost模型在特定疾病的小数据集上进行微调，优于现有最先进方法	未提及具体样本量或数据集的详细限制	提高疾病诊断和临床研究的准确性，通过预测错义变异的疾病特异性致病性	人类基因组中的错义变异	机器学习	NA	深度学习预训练，XGBoost	深度学习模型，XGBoost	基因组数据	NA
577	2025-05-16	PCLSurv: a prototypical contrastive learning-based multi-omics data integration model for cancer survival prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf124 PMID:40127182	research paper	介绍了一种名为PCLSurv的创新深度学习框架，用于基于多组学数据的癌症生存预测	结合了自动编码器提取组学特异性特征，采用样本级对比学习识别数据视图间的互补特征，并通过原型对比学习增强模型捕捉高层次语义关系的能力	NA	提高癌症生存预测的准确性	癌症患者	machine learning	cancer	multi-omics data integration	deep learning framework (PCLSurv)	multi-omics data	11个癌症数据集
578	2025-05-16	MethPriorGCN: a deep learning tool for inferring DNA methylation prior knowledge and guiding personalized medicine 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf131 PMID:40131311	research paper	提出了一种名为MethPriorGCN的深度学习工具，用于推断DNA甲基化先验知识并指导个性化医疗	通过整合层注意力机制和特征加权机制，MethPriorGCN不仅识别了可靠的甲基化数字生物标志物，还实现了卓越的疾病亚型分类准确性	NA	系统挖掘已知DNA甲基化与疾病关联中的可靠甲基化先验知识，并开发用于精准医疗应用的稳健计算方法	DNA甲基化与人类疾病的关联	machine learning	NA	DNA methylation sequencing	GCN (Graph Convolutional Network)	methylation data	NA
579	2025-05-16	scSAMAC: saliency-adjusted masking induced attention contrastive learning for single-cell clustering 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf128 PMID:40131310	研究论文	提出了一种名为scSAMAC的新方法，用于单细胞数据的聚类分析，通过结合对比学习和负二项式损失到变分自编码器中，提高了聚类的鲁棒性和泛化能力	scSAMAC方法创新性地整合了对比学习和负二项式损失到变分自编码器中，采用基因特征显著性调整的负样本生成方法构建掩码模块，并开发了包含软k均值损失、Wasserstein距离和对比损失的新损失函数，以及应用多头注意力机制模块增强特征相关性	未明确提及具体限制，但可能面临高维稀疏数据处理的挑战	提高单细胞数据的聚类性能，以便更好地分析细胞类型	单细胞测序数据	机器学习	NA	单细胞测序技术	变分自编码器（VAE）、多头注意力机制	单细胞测序数据	NA
580	2025-05-16	A review of neural networks for metagenomic binning 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf065 PMID:40131312	综述	本文详细回顾了人工神经网络在宏基因组分箱中的应用，比较了34种基于ANN的分箱工具	系统比较了34种基于ANN的分箱工具，揭示了深度学习方法的优势，并提出了未来研究方向	强调了基准测试实践的不足	描述微生物群落的分类多样性	宏基因组序列	机器学习	NA	宏基因组测序	CNN, autoencoders	序列数据	NA