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
701	2025-09-01	Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram 2022-03, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.08.004 PMID:34656465	研究论文	利用深度学习算法从心电图中同时识别左右心室功能障碍	首次开发能够从心电数据中全面量化左右心室功能障碍的深度学习模型，特别是填补了右心室功能评估工具的空白	模型性能在外部验证中略有下降（如LVEF 40%-50%分类AUC从0.82降至0.73），且依赖自然语言处理提取的超声心动图报告数据	开发基于心电图的深度学习工具，用于左右心室功能障碍的快速筛查和诊断	来自5家纽约医院的患者心电数据和超声心动图报告	机器学习	心血管疾病	深度学习，自然语言处理（NLP）	DL（深度学习模型）	心电图信号，文本报告	147,636名患者的715,890份心电图（左心室功能），148,227名患者的761,510份心电图（右心室功能）
702	2025-09-01	Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.859310 PMID:35463778	研究论文	本研究首次在大规模数据库中评估基于深度学习的电影CMR分割模型在性别和种族方面的公平性	首次针对基于AI的电影心脏磁共振成像分割进行性别和种族偏见的系统性分析	研究基于UK Biobank数据库，该数据库种族不平衡（81%为白人）	评估深度学习模型在心脏MRI分割中是否存在性别和种族偏见	5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人）	医学影像分析	心血管疾病	心脏磁共振成像（CMR），深度学习分割	深度学习模型	医学影像	5,903名受试者的电影短轴CMR图像
703	2025-08-31	Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30629 PMID:40626426	研究论文	提出一种基于直方图近似和循环神经网络的快速MR信号模拟方法，用于高效计算微血管结构和扩散效应	结合磁场不均匀性矩阵降维与深度学习，将MR信号模拟速度提升近13000倍	NA	解决微血管特征和扩散效应集成计算挑战，提升MRI技术（如fMRI BOLD建模和MR血管指纹识别）的估计精度	MR信号（特别是受磁化率效应影响的信号）	医学影像分析	NA	深度学习、磁场不均匀性矩阵降维、MR血管指纹识别（MRF）	循环神经网络（RNN）	MR信号数据	NA
704	2025-08-31	A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.021 PMID:40634223	研究论文	开发一种基于深度学习的模型，用于在分期CT扫描中自动检测和分类骨病变	利用nnUNet模型实现骨病变的全面自动化检测与良恶性分类，并评估患者水平的疾病负担预测	在部分良性患者中产生假阳性结果，需进一步研究对医生审核的实际影响	提升癌症骨转移分期CT检查的效率和准确性	前列腺癌及其他原发癌症患者的成骨性和溶骨性骨病变	计算机视觉	前列腺癌	CT扫描	nnUNet	医学影像	402例患者CT数据（训练集），69例患者独立测试集（含32例骨转移患者）
705	2025-08-31	Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features 2025-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112047 PMID:40811883	研究论文	本研究开发了一种基于EEG信号和深度学习的简化诊断模型，利用γ波段特征高效识别精神分裂症	通过优化EEGNet架构专注于γ波段特征，在保证高精度的同时显著降低模型复杂度和训练时间	NA	开发客观高效的精神分裂症诊断模型	精神分裂症患者和健康对照组的静息态EEG信号	机器学习	精神分裂症	EEG信号分析	EEGNet	脑电信号	采用留一交叉验证(LOSOCV)的受试者样本
706	2025-08-31	Single-cell multiomics reveals the oscillatory dynamics of mRNA metabolism and chromatin accessibility during the cell cycle 2025-Aug-26, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116089 PMID:40751912	研究论文	利用单细胞多组学技术揭示细胞周期中mRNA代谢和染色质可及性的振荡动态	首次结合单细胞多组学测序、生物物理建模和深度学习量化mRNA转录、剪接、核输出和降解速率，揭示转录后调控在mRNA积累中的核心作用	NA	解析细胞周期中全基因组mRNA代谢的动态变化规律	增殖细胞中的基因表达调控过程	生物信息学	NA	单细胞多组学测序（single-cell multiome sequencing）	生物物理建模、深度学习	基因组学数据	NA
707	2025-08-31	Heat stress responses mediated by N6-methyladenine DNA methylation in maize 2025-Aug-26, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116058 PMID:40728929	研究论文	本研究揭示了玉米中N6-甲基腺嘌呤（6mA）DNA甲基化在热胁迫响应中的调控作用及其分子机制	首次在作物中发现6mA动态与热胁迫耐受性相关，鉴定ZmALKBH1作为6mA去甲基化酶，并开发深度学习模型预测6mA分布	NA	探究6mA在玉米热胁迫响应中的功能及其调控机制	玉米自交系B73、Mo17、W22和B104	表观遗传学	NA	全基因组6mA分析、深度学习建模	深度学习模型	表观基因组数据	四个玉米自交系（B73、Mo17、W22、B104）
708	2025-08-31	FakeRotLib: Expedient Noncanonical Amino Acid Parametrization in Rosetta 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01030 PMID:40789114	研究论文	提出FakeRotLib方法，用于在Rosetta中快速参数化非经典氨基酸	利用小分子构象统计拟合创建旋转异构体分布，显著提升参数化效率并扩展可建模氨基酸类型	NA	改进非经典氨基酸在Rosetta中的建模参数化方法	非经典氨基酸的旋转异构体分布	计算生物学	NA	统计拟合、小分子构象分析	NA	构象数据	NA
709	2025-08-31	Designing lipid nanoparticles using a transformer-based neural network 2025-Aug-15, Nature nanotechnology IF:38.1Q1 DOI:10.1038/s41565-025-01975-4 PMID:40817189	研究论文	本研究开发了一种基于Transformer神经网络的模型COMET，用于预测脂质纳米颗粒（LNPs）的性能，以加速RNA药物开发	首次将Transformer架构应用于多组分复合制剂LNP的性能预测，能够处理非标准配方并实现端到端预测	模型训练依赖于大规模数据集LANCE的构建，且对训练数据量有一定要求	通过深度学习优化脂质纳米颗粒配方设计，提高核酸药物递送效率	脂质纳米颗粒（LNPs）及其多组分配方	机器学习	NA	深度学习，Transformer神经网络	Transformer	化学配方数据，性能数据	大规模LNP数据集LANCE（具体数量未明确说明）
710	2025-08-31	Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2025-Aug-13, JMIR formative research IF:2.0Q4 DOI:10.2196/72115 PMID:40802390	研究论文	本研究开发了一种基于深度学习的诊断系统，结合面部情绪识别和验证问卷，用于检测自闭症谱系障碍（ASD）患者或非ASD个体的恐笑症	创新性地融合了深度学习面部特征分析与标准化问卷（GELOPH<15>），在面部表情模糊时提升诊断可靠性	在面部线索不明确的情况下，仅依赖DeepFace模型不足以准确分类恐笑症	开发自动化工具以提升恐笑症的早期诊断和干预效果	自闭症谱系障碍个体及神经典型个体，重点关注青少年高功能ASD群体	计算机视觉	自闭症谱系障碍	深度学习、面部情绪识别、问卷评估	多层感知机（MLP）、DeepFace	图像	2932张面部图像（ASD与神经典型儿童各1466张）
711	2025-08-31	Colorectal cancer heterogeneity co-evolves with tumor architecture to determine disease outcome 2025-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.11.669722 PMID:40832253	研究论文	利用深度学习结合空间转录组学等技术，揭示结直肠癌中肿瘤架构与细胞状态间的协同进化关系，并预测患者预后	开发了亚细胞分辨率的高通量图像分析范式，首次发现组织架构通过促进癌症干细胞状态多样化驱动肿瘤异质性演化的反馈机制	NA	探究结直肠癌异质性与肿瘤架构的协同进化关系及其对疾病结局的影响	结直肠癌患者组织样本及患者来源类器官	数字病理学	结直肠癌	深度学习、空间转录组学、多重免疫组化、患者来源类器官培养	深度学习	图像、转录组数据	NA
712	2025-08-31	Fluctuation structure predicts genome-wide perturbation outcomes 2025-Aug-12, Research square DOI:10.21203/rs.3.rs-7304871/v1 PMID:40831507	研究论文	提出CIPHER框架，利用未扰动细胞中的基因共波动预测全转录组扰动结果	首次将统计物理中的线性响应理论应用于功能基因组学，通过基线基因协方差结构预测扰动响应	NA	开发能够解释单细胞扰动筛选中全基因组响应的方法	基因表达扰动响应	功能基因组学	NA	单细胞扰动筛选，贝叶斯推断	线性响应理论框架	单细胞基因表达数据	11个大规模单细胞扰动数据集，涵盖4,234次扰动和超过136万个细胞
713	2025-08-31	Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.101901 PMID:40616933	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能，并评估了模型偏见的潜在风险	首次直接比较了基于索赔数据的随机森林模型、回归评分和两种深度学习超声模型在ATTR-CM检测中的性能，并系统评估了种族偏见风险	研究样本中79.2%为白人，9.0%为黑人，种族分布不够均衡，可能影响模型泛化能力	评估ATTR-CM预测模型的性能并检测潜在的模型偏见	心力衰竭患者，包括176例确诊ATTR-CM病例和3,192例对照患者	医疗人工智能	心脏淀粉样变性	深度学习，随机森林，逻辑回归	CNN（EchoNet-LVH和EchoGo Amyloidosis），随机森林，回归模型	超声心动图数据，医疗索赔数据	3,368名患者（176例ATTR-CM病例和3,192例对照）
714	2025-08-31	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	开发并验证一种基于心电图、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的全自动诊断	结合心电图特征与人口统计学及症状数据，使用残差卷积神经网络实现跨中心的AMI自动检测，并在外部验证中表现一致	需通过随机试验与急诊医师性能对比，且对救护车抵达患者性能略低	通过深度学习提升急性心肌梗死的自动化心电图诊断能力	因胸痛或呼吸困难接受心电图检查的患者	机器学习	心血管疾病	深度学习，残差卷积神经网络	CNN	心电图，人口统计学数据，症状文本	104,507名个体（208,366份心电图），训练集8.17%、外部测试集8.59%确诊AMI
715	2025-08-31	Artificial Intelligence Empowers Novice Users to Acquire Diagnostic-Quality Echocardiography 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102005 PMID:40700992	研究论文	本研究评估了基于AI的软件如何帮助无经验的护士获取诊断质量的心脏超声图像	首次证明AI引导系统能使无超声经验的新手获取与专家相当质量的心脏超声图像	研究仅在两个医疗中心进行，样本量相对有限，且为非随机设计	评估AI软件是否能帮助新手获取诊断质量的心脏超声图像	成年患者（平均年龄62.6岁，48.8%为女性）	医疗人工智能	心血管疾病	深度学习算法	深度学习	超声图像	240名患者
716	2025-08-31	Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01763-5 PMID:40596927	研究论文	本研究探索在5.0T MRI上结合人工智能辅助压缩感知和深度学习重建技术加速脑部T2加权成像的可行性	首次系统评估ACS与DLR技术在5.0T MRI中的协同应用效果，相比传统并行成像协议	NA	评估集成ACS-DLR技术在5.0T MRI中对脑部T2加权成像的诊断效能	98名接受脑部T2WI扫描的参与者	医学影像分析	神经系统疾病	人工智能辅助压缩感知(ACS), 深度学习重建(DLR), 并行成像(PI)	深度学习	MRI图像	98名参与者
717	2025-08-31	A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf051 PMID:40703125	研究论文	开发一种基于深度学习的ECG基础模型，通过迁移学习提升罕见心脏疾病的检测性能	构建了迄今为止最全面的ECG深度神经网络模型之一，并首次证明其作为基础模型在数据有限情况下对罕见心脏病的有效迁移能力	模型性能可能受到原始数据集时间跨度长（1986-2019）和临床护理环境数据变异性的影响	利用基础模型和迁移学习解决医疗领域标注数据稀缺问题，提升ECG诊断能力	心电图（ECG）信号和相关的68种常见及3种罕见心脏疾病诊断	医疗人工智能	心脏疾病	深度学习、迁移学习	卷积深度神经网络（CNN）	心电图信号数据	160万份心电图记录，来自UCSF 1986-2019年临床护理数据
718	2025-08-31	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能，并评估了模型偏见的潜在风险	首次直接比较了基于AI的深度学习回声模型与传统的基于索赔和回归的模型在ATTR-CM检测中的性能，并系统评估了种族偏见风险	研究样本中79.2%为白人，种族多样性有限，可能影响模型泛化性	评估和比较不同算法检测ATTR-CM的性能，并分析模型偏见风险	心力衰竭患者，包括176例确诊ATTR-CM病例和3192例对照患者	医疗人工智能	心脏淀粉样变性	深度学习，随机森林，回归分析	CNN（EchoNet-LVH），深度学习模型（EchoGo Amyloidosis），随机森林，回归模型	医学影像（超声心动图），医疗索赔数据	3368名患者（176例ATTR-CM病例，3192例对照）
719	2025-08-31	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种基于生物学诱导稀疏注意力的长上下文蛋白质语言模型，用于病毒全基因组规模的蛋白质序列分析	将Transformer模型的上下文大小扩展到整个病毒基因组，通过训练大型基因组片段捕获长程蛋白质间相互作用	NA	解决传统蛋白质语言模型忽略基因组内序列相互依赖性的问题	病毒基因组及其编码的蛋白质序列	自然语言处理	NA	稀疏注意力机制，半监督学习	Transformer	蛋白质序列数据	支持长达61,000个氨基酸的序列
720	2025-08-31	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样化几何结构的从头设计蛋白质	通过物理基础设计方法生成了包含5,996个稳定蛋白质的数据集，并开发了能够捕捉几何多样性的Alphafold2微调版本	当前深度学习方法未能完全捕捉支撑蛋白质构象偏好的物理原理	改进从头设计蛋白质的几何结构预测准确性	从头设计的蛋白质	机器学习	NA	深度学习，物理基础设计方法	Alphafold2	蛋白质结构数据	5,996个稳定蛋白质，来自5个未见折叠家族的数千个蛋白质