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
41	2025-06-23	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本研究构建了一种能够自动执行多种碎裂技术的质谱仪，并开发了一个深度学习模型来预测碎片离子强度，从而提高了蛋白质组覆盖范围	开发了一个统一的Prosit深度学习模型，能够预测多种碎裂技术的碎片离子强度，并实现了蛋白质鉴定数量的显著提升	NA	提高质谱实验中的蛋白质组覆盖范围	质谱仪和碎裂技术	质谱分析	NA	CID, UVPD, EID, ECD, LC-MS	Prosit深度学习模型	质谱数据	NA
42	2025-06-23	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	research paper	该研究提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，从而促进分子结构的解析	ICEBERG模型能够模拟碰撞诱导解离，考虑碰撞能量和极性，生成化学上合理的碎片及其相对强度，显著提升了分子结构解析的准确性和效率	尽管ICEBERG在NIST'20数据集上表现优异，但在更广泛或更复杂的实际应用中可能仍需进一步验证和优化	开发一种深度学习模型，用于快速、准确地解析未知分子结构，特别是在代谢组学、药物发现和反应筛选等领域	分子结构及其碎片	machine learning	NA	tandem mass spectrometry (MS/MS)	geometric deep learning (ICEBERG)	MS/MS spectra	NIST'20 [M+H] adduct subset
43	2025-06-23	Evaporative cooling signals for wound healing in plants 2025-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.23.655667 PMID:40502075	研究论文	本文研究了植物叶片受伤后局部冷却现象及其在伤口愈合中的作用	发现伤口诱导的局部冷却可作为伤口愈合的定量标记，并开发了基于计算机视觉和深度学习的伤口愈合监测方法	研究仅限于拟南芥叶片，其他植物或组织类型的适用性尚不明确	探索植物伤口愈合的后期调控机制	拟南芥叶片的伤口愈合过程	计算机视觉	NA	计算机视觉和深度学习	深度学习	图像	NA
44	2025-06-23	Explainable Deep Learning System for Automatic Detection of Thyroid Eye Disease Using Facial Images 2025-May-27, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.022 PMID:40441501	研究论文	开发并评估了一种可解释的深度学习系统，用于通过面部图像自动检测甲状腺眼病	提出了一种结合眼周标志定位网络和甲状腺眼病检测网络的可解释深度学习系统，具有高准确性和可解释性	需要在非专科环境下进一步评估，特别是在Graves病患者队列中	开发自动检测甲状腺眼病的深度学习系统	甲状腺眼病患者和健康受试者的面部图像	计算机视觉	甲状腺眼病	深度学习	XDL（可解释深度学习系统）	图像	591张面部图像（302张患者，289张健康对照），外加100张独立验证图像
45	2025-06-23	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	research paper	该研究探讨了生物学习如何依赖于不同神经元细胞类型的特化和神经元树突内的区隔化信号传导，并通过生物学约束的深度学习算法验证了这一理论	提出了一种完全符合生物学约束的深度学习算法，并构建了包含兴奋性和抑制性细胞类型以及神经元胞体和树突区隔的多层人工神经网络	模型虽然遵循生物学约束，但仍需实验验证其预测的神经元细胞类型在不同脑区协调学习中的具体作用	探索大脑如何在多层神经回路中协调学习的生物学机制	神经元细胞类型和神经元树突的区隔化信号传导	machine learning	NA	深度学习算法	多层人工神经网络（ANNs）	图像数据	NA
46	2025-06-23	Artificial intelligence applied to ultrasound diagnosis of pelvic gynecological tumors: a systematic review and meta-analysis 2025-May-08, Gynecologic and obstetric investigation IF:2.0Q2 DOI:10.1159/000545850 PMID:40340944	meta-analysis	本文对应用于盆腔妇科肿瘤超声诊断的人工智能研究进行了系统回顾和荟萃分析	首次系统评估了AI在妇科肿瘤超声诊断中的表现，并与ADNEX模型进行了对比	大多数研究存在方法学缺陷导致高偏倚风险，外部验证研究数量有限	评估AI在盆腔妇科肿瘤超声诊断中的准确性和临床应用价值	盆腔妇科肿瘤（卵巢、子宫内膜和子宫肌层肿瘤）	digital pathology	gynecological tumors	ultrasound imaging	deep learning, radiomics-based machine learning	ultrasound images	44项研究（40项卵巢肿瘤、3项子宫内膜肿瘤和1项子宫肌层肿瘤研究）
47	2025-06-23	Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning 2025-May, NEJM AI DOI:10.1056/aioa2400703 PMID:40535328	研究论文	本研究开发了一种自监督时间深度学习模型，用于分析儿童胶质瘤患者的连续MRI扫描，以提高复发预测的准确性	提出了一种自监督时间深度学习方法，专门针对纵向医学影像分析，通过预测MRI扫描的正确时间顺序作为预训练任务，进而微调模型以预测1年复发风险	数据可用性和现有机器学习方法的限制可能影响模型的性能	提高儿童胶质瘤复发预测的个性化准确性	儿童低级别和高级别胶质瘤患者	数字病理学	儿童胶质瘤	MRI	自监督时间深度学习模型	MRI图像	715名患者的3994次扫描
48	2025-06-23	Trade-offs between machine learning and deep learning for mental illness detection on social media 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99167-6 PMID:40281061	研究论文	本文比较了机器学习和深度学习在社交媒体上检测心理健康状况时的优缺点	通过比较多种ML和DL模型在心理健康分类任务中的表现，提供了模型选择的实用建议	研究仅基于中等规模数据集，未探讨极大数据集或实时应用场景	评估不同模型在心理健康状况分类任务中的性能差异	社交媒体上关于抑郁、焦虑和自杀意念的文本数据	自然语言处理	心理健康疾病	文本分类	logistic regression, random forest, LightGBM, ALBERT, GRU	文本	中等规模数据集（具体数量未说明）
49	2025-06-23	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术技能水平进行分类	数据集可能受限于模拟环境，未涉及真实手术场景	通过AI技术提高手术技能评估的自动化水平，减少对人工专家评估的依赖	模拟腹腔镜手术视频数据	计算机视觉	NA	深度学习	3DCNN	视频	包含不同技能水平（新手、学员、专家）的手术模拟视频
50	2025-06-23	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究利用人工智能在计算病理学中的应用，评估乳腺癌中的缺氧状态	提出了一种基于弱监督深度学习的模型HypOxNet，能够仅通过常规H&E染色全切片图像检测缺氧相关的形态学变化	研究样本仅来自TCGA数据库，可能限制了模型的泛化能力	开发一种快速、经济有效的替代分子检测的方法，用于评估肿瘤缺氧微环境	乳腺癌组织	数字病理学	乳腺癌	弱监督深度学习	HypOxNet	H&E染色全切片图像	1016例乳腺癌原发灶样本
51	2025-06-23	Accelerated retinal ageing and multimorbidity in middle-aged and older adults 2025-Mar-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01581-1 PMID:40035945	研究论文	本研究探讨了视网膜年龄差距与多病状态之间的关联	首次使用深度学习模型计算视网膜年龄差距，并发现其与多病状态的独立关联	研究仅基于观察性数据，无法确定因果关系	探索视网膜年龄差距作为多病状态风险预测生物标志物的潜力	45,436名中老年参与者	数字病理学	老年疾病	深度学习	深度学习模型	图像	45,436名参与者，其中3,607人(17.29%)在随访期间发生多病状态
52	2025-06-23	Deep learning reveals diverging effects of altitude on aging 2025-Jan-15, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01502-8 PMID:39815037	研究论文	该研究探讨了海拔高度对衰老及其相关疾病的影响，通过分析埃塞俄比亚不同海拔地区的数据和临床实验，揭示了海拔对生物衰老的复杂影响	首次结合大规模数据分析和临床实验，揭示了海拔高度对衰老的双重影响：面部衰老加速但DNA损伤诱导的衰老减少	研究仅基于埃塞俄比亚特定地区的数据，可能无法推广到其他地理区域	研究海拔高度对衰老过程及其相关疾病的影响	埃塞俄比亚不同海拔地区的居民	数字病理学	老年疾病	深度学习分析	NA	图像数据和临床数据	429名参与者（227名高原居民和202名低地居民）
53	2025-06-22	Expression of Concern: Real-time recognition of spraying area for UAV sprayers using a deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326610 PMID:40540481	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
54	2025-06-23	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	研究论文	本章探讨了人工智能和机器学习在预测lncRNA功能、识别疾病关联和注释蛋白质相互作用中的应用	详细描述了用于lncRNA结合蛋白功能注释的深度学习流程，并强调了实验验证与计算预测的整合	数据集准备、模型设计和可用性方面存在挑战	推进长链非编码RNA（lncRNA）的研究	长链非编码RNA（lncRNAs）及其结合蛋白（lncRBPs）	分子生物学	NA	机器学习（ML）、深度学习（DL）	RNN、CNN、transformer-based模型	NA	NA
55	2025-06-23	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片
56	2025-06-23	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	research paper	本研究比较了半自动放射组学模型和自动3D-CNN模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发了一种全自动3D-CNN模型，能够自动诊断神经退行性帕金森综合征，并在经验不足的医院中减少6%的诊断错误	研究为回顾性设计，且仅在两个医疗中心进行	比较放射组学模型和3D-CNN模型在诊断神经退行性帕金森综合征上的性能及临床价值	687名具有帕金森综合征运动症状的患者	digital pathology	geriatric disease	18 F-FDOPA PET扫描	3D-CNN, SVM	image	687名患者（训练集417名，内部测试集100名，外部测试集170名）
57	2025-06-23	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	research paper	该研究探讨了在非小细胞肺癌预后预测中，利用机器学习算法从健康器官提取的放射组学信息的附加价值	首次提出并验证了健康器官放射组学（Organomics）在非小细胞肺癌预后预测中的重要性，突破了传统仅关注恶性病灶的研究模式	样本量较小（154例），且数据来源于在线数据库，可能影响模型的泛化能力	探索健康器官放射组学信息对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT图像	digital pathology	lung cancer	PET/CT成像	nnU-Net, random survival forest, CoxPH	医学影像（PET/CT）	154例患者PET/CT图像
58	2025-06-23	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	该研究结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的深度学习流程，用于快速术中检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他CNS肿瘤区分	首次将SRH与深度学习结合，实现了在3分钟内完成PCNSL的检测与鉴别，且准确率优于传统冰冻切片分析	研究样本主要来自四个国际医疗中心，可能存在一定的选择偏差	开发一种快速准确的术中诊断方法，以区分PCNSL和其他CNS肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）及其他CNS肿瘤/非肿瘤病变	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习（具体架构未明确说明）	图像	训练集：54,000个SRH图像块；测试集：三个独立队列（n=160, n=420, n=59）
59	2025-06-23	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	research paper	本研究利用卷积神经网络（CNN）从平衡放射性核素心血管造影数据集中生成深度学习驱动的感兴趣区域（ROIs），用于左心室射血分数（LVEF）测量	采用2D U-Net卷积神经网络架构自动生成ROIs，减少了观察者间的变异性，提高了LVEF测量的便利性和可重复性	研究依赖于手动绘制的ROIs作为预处理基础，可能存在初始偏差；样本量虽大但未说明是否涵盖多样化的临床场景	开发基于深度学习的自动化方法以提升LVEF测量的准确性和效率	平衡放射性核素心血管造影数据集中的左心室ROIs	digital pathology	cardiovascular disease	equilibrium radionuclide angiography	2D U-Net CNN	medical imaging	41,462次扫描（来自19,309名患者）
60	2025-06-23	Clinical Feasibility of Deep Learning-Based Attenuation Correction Models for Tl-201 Myocardial Perfusion SPECT 2024-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005129 PMID:38409758	研究论文	本研究旨在开发基于深度学习的Tl-201心肌灌注SPECT图像的衰减校正模型，并评估其临床可行性	提出了一种基于深度学习的图像到图像转换技术，用于将未经衰减校正的图像转换为基于CT的衰减校正图像，并采用改进的U-Net模型进行训练	研究为回顾性研究，样本来源仅限于疑似或已知冠状动脉疾病的患者	开发并评估基于深度学习的Tl-201心肌灌注SPECT图像衰减校正模型的临床可行性	疑似或已知冠状动脉疾病的患者	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	657名男性和328名女性（年龄65±11岁）