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
7101	2025-10-06	A multi-graph convolutional network method for Alzheimer's disease diagnosis based on multi-frequency EEG data with dual-mode connectivity 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555657 PMID:40672873	研究论文	提出一种基于多频段EEG数据和双模式连接的多图卷积网络方法用于阿尔茨海默病诊断	首次同时整合功能连接和结构连接信息，并充分利用多频段EEG特征，通过多图卷积网络更全面捕捉脑区关系	未明确说明样本规模和数据来源的局限性，也未讨论模型在其他神经退行性疾病上的泛化能力	开发新型图深度学习模型用于阿尔茨海默病的早期诊断	阿尔茨海默病患者和健康对照组的EEG数据	机器学习	阿尔茨海默病	脑电图(EEG)	图卷积网络(GCN)	EEG信号	NA	NA	多图卷积网络(Multi-Graph Convolutional Network)	准确率,AUC	NA
7102	2025-10-06	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索利用可穿戴设备生理信号预测体力消耗的机器学习方法	结合特征选择算法与深度学习技术，使用LSTM网络预测连续体力消耗结果	样本量较小（27名健康参与者），仅在受控骑行运动环境下验证	开发预测体力消耗的人工智能模型	健康参与者在骑行运动中的生理信号数据	机器学习	NA	可穿戴传感器数据采集	LSTM, 传统机器学习模型	生理信号时间序列数据（ECG、心率、血氧饱和度、踏板速度）	27名健康参与者，分为8个两分钟区段	MATLAB	LSTM	均方误差, R平方值, 准确率, F1分数	NA
7103	2025-10-06	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发用于炎症性肠病的潘氏细胞密度定量分析的深度学习算法	首次开发用于潘氏细胞密度自动量化的两阶段U-net深度学习模型，显著提升了量化准确性	研究采用回顾性队列，需要前瞻性验证；样本量相对有限	开发深度学习工具实现潘氏细胞自动量化，作为炎症性肠病的生物标志物	回肠组织样本中的潘氏细胞和隐窝结构	数字病理学	炎症性肠病	全玻片成像	U-net	病理图像	训练集未明确数量，验证集48个WSI，测试集CD患者142例，非IBD患者48例	NA	U-net	RMSE, r2, Log-rank检验	NA
7104	2025-10-06	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	提出一种基于视频视觉变换器的深度学习模型ViViEchoformer，用于从超声心动图视频直接预测射血分数	首次将视频视觉变换器应用于超声心动图视频分析，通过提取时空标记直接回归左心室功能	仅使用单一医疗中心的数据集，需要进一步多中心验证	开发自动量化左心室功能的深度学习模型，辅助人类评估	左心室射血分数和心力衰竭伴射血分数降低	计算机视觉	心血管疾病	超声心动图	Transformer	视频	10,030个心尖四腔心切面超声心动图视频	NA	视频视觉变换器	平均绝对误差,均方根误差,均方对数误差,R²,曲线下面积,准确率	NA
7105	2025-10-06	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	提出一种用于整合高维生物标志物的深度学习特征重要性测试框架，以提升疾病结局预测能力	开发了高维特征重要性测试（HdFIT）框架，结合特征筛选和机器学习建模，能有效识别关键生物标志物并处理高维数据中的复杂关联	未明确说明框架在特定疾病类型或数据规模下的适用性限制	通过整合低维行为临床特征与高维分子特征来改进疾病结局预测和诊断	人类疾病相关的行为、临床和分子因素	机器学习	NA	蒙特卡洛实验，微生物组研究	深度学习神经网络	高维分子特征数据，低维行为临床特征数据	NA	NA	深度神经网络	预测准确率，特征识别能力	NA
7106	2025-10-06	Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures 2024-Nov-08, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna10060055 PMID:39585047	研究论文	比较三种计算工具在预测RNA三级结构方面的性能	首次系统比较RNAComposer、Rosetta FARFAR2和最新AlphaFold 3在预测不同类型RNA三级结构方面的表现	在预测人类前微RNA和较大BioRNA分子的远端环结构时存在显著差异，且这些分子的三维结构尚未通过实验表征	评估不同计算工具在RNA三级结构预测中的实用性和准确性	非编码RNA，包括小干扰RNA药物nedosiran和新型生物工程RNA分子	计算生物学	NA	RNA三级结构预测	深度学习, 分子动力学	RNA序列, 二级结构	多种RNA形式，包括小干扰RNA、孔雀石绿适体、tRNA、人类前微RNA和BioRNA分子	AlphaFold 3, Rosetta FARFAR2, RNAComposer	NA	结构相似性比较	NA
7107	2025-10-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	研究论文	提出一种基于深度学习的回归模型N2GNet，能够从帕金森病患者丘脑底核局部场电位实时追踪步态表现	首次开发能够直接从STN LFP信号追踪步态性能的深度学习模型，利用全面频带信息而非仅限于beta波段	研究样本量较小（18名患者），仅在原地踏步任务中验证	开发用于帕金森病自适应脑深部电刺激的实时步态性能追踪算法	帕金森病患者	机器学习	帕金森病	局部场电位记录，地面反作用力测量	深度学习回归模型	神经信号，生物力学数据	18名帕金森病患者	NA	N2GNet	相关性分析	NA
7108	2025-10-06	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	开发了一个基于电子健康记录的疾病全表型预测框架PheW2P2V，通过加权患者向量实现个性化预测	提出加权患者向量计算方法，通过提升与特定表型相关的医疗记录权重来实现个性化预测	需要进一步研究嵌入表示在不同数据库间的可迁移性	开发基于电子健康记录的计算预测工具，实现疾病全表型的风险预测	电子健康记录中的患者医疗数据	机器学习	多种疾病	Phecode映射，国际疾病分类代码	嵌入表示模型	电子健康记录	MIMIC-III数据库中的942个全表型预测	NA	加权患者向量	AUC-ROC, F1-score, AUC-PR	NA
7109	2025-10-06	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	研究论文	本研究通过建立海湾战争疾病小鼠模型，探讨了氯菊酯暴露如何通过小胶质细胞激活引发神经炎症应激反应并导致抑郁样行为	首次揭示了氯菊酯暴露通过启动小胶质细胞炎症激活状态，在心理应激触发下导致抑郁样行为的机制	研究基于小鼠模型，结果向人类临床转化的有效性需要进一步验证	评估氯菊酯暴露是否能够启动神经炎症应激反应并引发与海湾战争疾病相关的精神症状	海湾战争疾病小鼠模型	神经科学	海湾战争疾病	单细胞RNA测序，Gi抑制性DREADD受体技术	动物模型	基因表达数据，行为数据	从小鼠海马体收集的21,566个单细胞核	NA	UniCell Deconvolve	NA	NA
7110	2025-10-06	Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images 2024-Sep-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16173097 PMID:39272955	研究论文	开发基于深度学习的模型从全切片图像预测肺腺癌术后5年复发风险	提出创新的双重注意力架构显著提升计算效率，在复发风险分层中表现优异	NA	准确预测肺腺癌患者手术切除后的5年复发风险	肺腺癌患者的全切片图像	数字病理学	肺癌	全切片图像分析	深度学习	图像	NA	NA	双重注意力架构	风险比	NA
7111	2025-10-06	Derivation, external and clinical validation of a deep learning approach for detecting intracranial hypertension 2024-Sep-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01227-0 PMID:39237755	研究论文	开发并验证一种基于深度学习的无创颅内高压检测方法	首次利用常规采集的颅外波形数据开发人工智能生物标志物(aICP)来检测颅内高压，减少对侵入性监测的需求	NA	开发无创检测颅内高压的人工智能方法	成年患者	医疗人工智能	神经系统疾病	深度学习	深度学习模型	波形数据	MIMIC-III波形数据库(2000-2013)和西奈山医院独立数据集(2020-2022)	NA	NA	AUROC, 准确率, 灵敏度, 特异性	NA
7112	2025-10-06	Automatic detection of the third molar and mandibular canal on panoramic radiographs based on deep learning 2024-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101946 PMID:38857691	研究论文	开发基于深度学习的全景X光片中下颌第三磨牙与下颌管位置关系自动检测框架	提出RPIFormer分割模型和结合CycleGAN图像增强的端到端检测框架，无需手动裁剪即可实现自动检测	数据集规模有限（共450张全景X光片），仅在两套数据集上验证	辅助医生评估和规划下颌第三磨牙手术干预方案	下颌第三磨牙(M3)和下颌管(MC)	计算机视觉	口腔疾病	全景X光成像	Transformer, GAN	医学影像	450张全景X光片（253张来自医院，197张来自在线平台）	PyTorch	RPIFormer, CycleGAN	Dice系数, IoU, 召回率, 精确率	NA
7113	2025-10-06	Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals 2024-Aug-01, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2023.0820 PMID:37728587	研究论文	本研究通过深度学习分析10,001名中年人的腹部脂肪与脑体积关系，发现内脏脂肪和皮下脂肪均可预测脑体积减少	首次在大规模人群（10,001人）中系统量化不同类型腹部脂肪与多脑区体积的关联，并揭示性别特异性差异	横断面研究设计无法确定因果关系，人群年龄范围较广（20-80岁）可能影响结果精确性	探究腹部脂肪类型与脑体积损失的关联性	10,001名健康参与者（52.8%男性，47.2%女性），平均年龄52.9岁	医学影像分析	脑部退行性疾病	MRI成像，深度学习分割	深度学习	MRI脑部影像，腹部脂肪影像	10,001名参与者	FastSurfer	NA	相关系数(r)，p值，优势比(OR)	1.5T MRI扫描仪
7114	2025-10-06	Unsupervised denoising of photoacoustic images based on the Noise2Noise network 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529253 PMID:39346987	研究论文	本研究基于Noise2Noise网络实现无监督深度学习方法来改善线性阵列光声成像质量	开发了从单组光声图像生成噪声对的方法，无需干净参考图像即可实现有效去噪	未明确说明方法在极端噪声条件下的性能表现	提高线性阵列光声成像质量，增强深层血管结构可视化	光声图像中的噪声和血管结构	计算机视觉	NA	光声成像	Noise2Noise网络	图像	NA	NA	Noise2Noise	信噪比	NA
7115	2025-10-06	Probabilistic volumetric speckle suppression in OCT using deep learning 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.523716 PMID:39346991	研究论文	提出基于条件生成对抗网络的深度学习框架，用于光学相干断层扫描数据的体积散斑抑制	利用OCT数据的体积特性，采用部分体积作为输入实现无伪影散斑抑制；使用体积非局部均值散斑抑制方法生成训练数据	训练数据仅包含三个OCT体积，可能限制模型泛化能力	开发高效的OCT体积散斑抑制方法	光学相干断层扫描数据	计算机视觉	NA	光学相干断层扫描	cGAN	体积图像数据	三个OCT体积	NA	条件生成对抗网络	散斑抑制效果、分辨率保持、处理速度	NA
7116	2025-10-06	TUnA: an uncertainty-aware transformer model for sequence-based protein-protein interaction prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae359 PMID:39051117	研究论文	提出一种基于Transformer的不确定性感知模型TUnA，用于从序列数据预测蛋白质-蛋白质相互作用	首次将Transformer架构与谱归一化神经高斯过程结合，为未见过的蛋白质序列提供不确定性评估	未明确说明模型在跨物种或远缘蛋白质上的泛化能力	开发能够泛化到训练集外蛋白质并提供预测不确定性的蛋白质相互作用预测模型	蛋白质序列数据	生物信息学	NA	蛋白质序列嵌入	Transformer	序列数据	NA	NA	Transformer encoder, Spectral-normalized Neural Gaussian Process	假阳性率	NA
7117	2025-10-06	Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65357-x PMID:38937555	研究论文	开发多模态深度学习模型预测非缺血性心肌病患者恶性室性心律失常风险	首次集成LGE心脏MRI、心电图和临床数据构建多模态可解释人工智能模型用于心律失常风险预测	回顾性研究，样本量有限（289例患者），仅来自两家三级医院	预测非缺血性心肌病患者发生恶性室性心律失常的风险	非缺血性收缩性心力衰竭患者	医学人工智能	心血管疾病	晚期钆增强心脏磁共振成像，心电图	变分自编码器，机器学习模型	医学影像，信号数据，临床数据	289例ICD植入前患者	NA	残差变分自编码器	AUROC，灵敏度，特异性	NA
7118	2025-10-06	CURE: A deep learning framework pre-trained on large-scale patient data for treatment effect estimation 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100973 PMID:39005483	研究论文	提出名为CURE的预训练-微调深度学习框架，用于从观察性数据中估计治疗效果	首次提出在大型无标签患者数据上进行预训练以学习患者表征，并提出结合结构和时间信息的序列编码方法	NA	开发能够准确估计治疗效果的因果推断方法	观察性患者数据	机器学习	NA	深度学习	预训练-微调框架	纵向患者数据	大规模无标签患者数据	NA	CURE	精确召回曲线下面积, 基于影响函数的异质效应估计精度	NA
7119	2025-10-06	Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17072 PMID:38721977	研究论文	开发基于胸部CT和人工智能的自动化椎体骨折评估方法	结合深度学习、多参数冻结生长算法和强度自相关技术实现椎体自动分割与标记，并采用计算椎体高度特征进行骨折检测	方法仅在COPDGene研究数据集中验证，需要进一步在更广泛人群中验证	开发自动化椎体骨折评估方法以替代人工专家评估	COPD患者的椎体骨折评估	计算机视觉	慢性阻塞性肺疾病	胸部CT成像	深度学习网络	CT图像	3231名COPDGene研究参与者，共40,050个椎体	NA	NA	Dice系数,准确率,灵敏度,特异性	NA
7120	2025-10-06	MAD-Former: A Traceable Interpretability Model for Alzheimer's Disease Recognition Based on Multi-Patch Attention 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368500 PMID:38442047	研究论文	提出基于多块注意力的可追踪可解释性模型MAD-Former用于阿尔茨海默病识别	设计多尺度空间特征提取框架，结合双分支注意力结构和可追踪解释方法，首次实现基于注意力选择和感受野追踪的3D ROI空间定位	仅使用sMRI数据，未整合多模态数据；模型在特定数据集上验证，泛化能力需进一步测试	开发具有可解释性的阿尔茨海默病自动诊断模型	阿尔茨海默病患者的结构磁共振成像数据	医学影像分析	阿尔茨海默病	结构磁共振成像	Transformer, CNN	3D医学影像	ADNI和OASIS数据集	NA	MAD-Former, 3D脑特征提取网络, 双分支注意力结构	NA	NA