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
61	2025-06-29	Regional Brain Aging Disparity Index: Region-Specific Brain Aging State Index for Neurodegenerative Diseases and Chronic Disease Specificity 2025-Jun-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060607 PMID:40564423	研究论文	本研究提出了一种基于Shapley值解释的新型脑区水平老化评估范式，旨在克服传统脑龄预测模型的可解释性限制	创新性地开发了一个计算框架，通过新颖的多阶段计算策略高效近似Shapley值，显著降低了复杂度，从而实现对深度学习模型的可解释分析	NA	克服传统脑龄预测模型的可解释性限制，提供区域特异性脑老化状态指数	神经退行性疾病和慢性疾病的脑区老化状态	数字病理学	神经退行性疾病	Shapley值解释	深度学习模型	神经影像数据	UK Biobank数据
62	2025-06-29	Simple controls exceed best deep learning algorithms and reveal foundation model effectiveness for predicting genetic perturbations 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf317 PMID:40407144	研究论文	本文提出了一种简单的基线方法，在预测基因扰动后的转录组反应方面优于现有的深度学习和简单神经网络架构，并阐明了基础模型在此任务中的实用性	提出了一个简单但性能优于现有复杂深度学习方法的基线模型，并提供了用于评估扰动预测模型的校正数据集	未提及具体的研究局限性	评估和改进基因扰动后转录组反应的预测方法	基因扰动后的转录组反应	机器学习	NA	深度学习	transformer-based foundation model	转录组数据	NA
63	2025-06-29	Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf322 PMID:40434923	research paper	该研究提出了一种基于进化评分和残基相对溶剂可及性的简单方法，用于预测突变对蛋白质生物物理性质的影响	该方法仅使用残基保守性和溶剂可及性两个特征，性能却与或略优于更复杂的深度学习模型	未明确说明该方法在特定类型突变或蛋白质上的局限性	预测突变对蛋白质生物物理性质的影响	蛋白质突变	computational biology	NA	evolutionary score, relative solvent accessibility	RSALOR (基于进化评分和溶剂可及性的简单模型)	protein mutational data	ProteinGym deep mutational scanning dataset collection中的突变数据
64	2025-06-29	Knowledge-enhanced protein subcellular localization prediction from 3D fluorescence microscope images 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf331 PMID:40459878	research paper	该研究开发了一个知识增强的蛋白质亚细胞定位模型KE3DLoc，用于从3D荧光显微镜图像中识别蛋白质分布模式	KE3DLoc模型结合了3D和2D投影细胞的图像特征提取模块，并利用不对称损失和置信权重解决数据不平衡和弱细胞注释问题，同时引入了基于基因本体(GO)数据库的知识增强模块	由于缺乏数据和建模复杂性，目前针对3D图像处理的蛋白质分布分析研究较少	提高从3D荧光显微镜图像中自动识别蛋白质亚细胞定位的准确性	蛋白质亚细胞定位	数字病理	NA	深度学习	KE3DLoc	3D荧光显微镜图像	三个公共数据集
65	2025-06-29	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Jun, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究整合社会健康决定因素（SDoH）与传统风险因素，利用机器学习和深度学习模型预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，使用先进的ML和DL模型进行风险预测，并发现SDoH对女性CVD风险的预测作用强于男性	研究仅针对70岁及以上初始无CVD的老年人，结果可能不适用于其他年龄段或已有CVD的人群	提高心血管疾病风险预测的准确性	12,896名70岁及以上初始无CVD、痴呆和独立性限制身体残疾的老年人（5,884名男性和7,012名女性）	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
66	2025-06-29	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Jun, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统综述	本文系统综述了使用深度卷积神经网络（DCNN）在咬翼X光片中检测邻面龋的研究	突出了YOLOv8在检测邻面龋方面相较于其他深度CNN模型的优势	纳入的研究中仅有40%在参考标准领域具有低偏倚风险	评估深度卷积神经网络在咬翼X光片中早期检测邻面龋的效果	咬翼X光片	计算机视觉	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	112至3,989名参与者
67	2025-06-29	Explainable Deep Multilevel Attention Learning for Predicting Protein Carbonylation Sites 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500581 PMID:40145846	研究论文	本文提出了一种名为SCANS的新型深度学习框架，用于预测蛋白质羰基化位点，通过多级注意力策略和定制损失函数来提高预测性能	SCANS框架采用多级注意力策略捕捉局部和全局特征，使用定制损失函数惩罚交叉预测，并应用迁移学习增强网络特异性	未明确提及具体局限性	准确预测蛋白质羰基化位点，以深入了解蛋白质羰基化机制及相关疾病的发病机理	蛋白质羰基化位点	机器学习	NA	深度学习	多级注意力网络	蛋白质序列数据	基准测试数据集
68	2025-06-29	Unveiling Multi-Scale Architectural Features in Single-Cell Hi-C Data Using scCAFE 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416432 PMID:40270467	研究论文	本文介绍了一种名为scCAFE的深度学习模型，用于在单细胞水平上多尺度检测染色质结构特征	scCAFE提供了一个统一框架，用于注释单个细胞中的染色质环、TAD样结构域（TLDs）和区室，并在单细胞Hi-C数据中识别多尺度结构特征方面优于先前的方法	NA	开发一种深度学习模型，用于分析单细胞Hi-C数据中的染色质结构特征	单细胞Hi-C数据中的染色质结构特征	基因组学	NA	单细胞Hi-C（scHi-C）	深度学习模型（scCAFE）	基因组数据	NA
69	2025-06-29	A Dual-Modal Wearable Pulse Detection System Integrated with Deep Learning for High-Accuracy and Low-Power Sleep Apnea Monitoring 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202501750 PMID:40298874	research paper	介绍了一种集成深度学习的双模态可穿戴脉搏检测系统，用于高精度、低功耗的睡眠呼吸暂停监测	结合压电纳米发电机（PENG）和PPG传感器的双模态系统，采用两阶段检测策略和Vision Transformer深度学习模型，实现高精度和低功耗	未提及具体样本量或临床验证的广泛性	开发一种实用解决方案，用于长期睡眠呼吸暂停综合征（SAS）监测，克服传统多导睡眠图（PSG）的局限性	睡眠呼吸暂停综合征（SAS）患者	数字病理学	睡眠呼吸暂停综合征	光电容积描记术（PPG）、压电纳米发电机（PENG）	Vision Transformer	生理信号数据	NA
70	2025-06-29	Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis 2025-Jun, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124001 PMID:40306409	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能	首次对深度学习模型在脑积水心室分割中的应用进行了系统评价和荟萃分析	纳入研究的方法学异质性可能影响结果的可比性	评估深度学习模型在脑积水心室分割中的性能	脑积水患者的心室影像数据	digital pathology	hydrocephalus	深度学习	DL-based models	MRI, CT, 超声影像	24项研究共2911名患者
71	2025-06-29	Multimodal radiomics integrating deep learning and clinical features for diagnosing multidrug-resistant tuberculosis in HIV/AIDS patients 2025-Jun, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.04.013 PMID:40324593	研究论文	本研究开发并验证了一种基于多模态数据的预测模型，用于区分HIV/AIDS患者中的多药耐药结核病（MDR-TB），以提高诊断准确性	整合了临床特征、放射组学特征和深度学习特征的多模态模型，显著提高了MDR-TB的诊断效能	研究为回顾性队列，样本量相对较小（n=227），且数据来自单一医院	提高HIV/AIDS患者中多药耐药结核病（MDR-TB）的诊断准确性	HIV/AIDS患者中的药物敏感结核病（n=164）和多药耐药结核病（MDR-TB，n=63）患者	数字病理	结核病	2.5D多实例学习（MIL）方法	多模态集成模型（临床模型+放射组学模型+深度学习模型）	临床数据+影像数据	227名患者（164名药物敏感结核病+63名MDR-TB）
72	2025-06-29	Advancements and implications of artificial intelligence for early detection, diagnosis and tailored treatment of cancer 2025-Jun, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152349 PMID:40345002	review	本文探讨了人工智能在癌症早期检测、诊断和个性化治疗中的进展和影响	结合AI技术与多组学数据（如基因组学、转录组学和蛋白质组学），为癌症生物学提供全面视角，并推动个性化治疗的发展	AI不能替代医疗专业人员，临床决策仍需医生最终确认	提升癌症早期检测、诊断和治疗的精准性与个性化水平	癌症患者及其多组学数据	machine learning	cancer	computer vision, machine learning, deep learning, natural language processing, genomics, transcriptomics, proteomics	NA	multi-omics data (genomics, transcriptomics, proteomics)	NA
73	2025-06-29	A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease 2025-Jun, JACC. Advances DOI:10.1016/j.jacadv.2025.101764 PMID:40367762	研究论文	本研究评估了一种基于深度学习的心血管老化生物标志物δ-age在提升心血管疾病初级预防模型性能中的潜在价值	引入了一种新的心血管老化生物标志物δ-age，并通过大规模队列研究验证其在心血管疾病风险预测中的增量价值	研究样本仅来自挪威特罗姆瑟地区，可能限制结果的普适性	评估新型生物标志物对心血管疾病风险预测模型的改进效果	7,108名挪威特罗姆瑟研究的参与者	数字病理学	心血管疾病	深度学习算法	Cox比例风险回归模型	数字化12导联心电图	7,108名男女参与者，随访5.9年
74	2025-06-29	Disturbance-Aware On-Chip Training with Mitigation Schemes for Massively Parallel Computing in Analog Deep Learning Accelerator 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417635 PMID:40390534	研究论文	本文提出了一种在模拟内存计算中进行片上训练的方法，并针对大规模并行计算中的干扰效应提出了缓解方案	精确识别并量化了6T1C突触器件中的干扰效应，并提出了三种简单的操作方案来缓解这些效应	干扰效应在器件缩放过程中会加剧，且在大规模阵列中的学习可行性仍需进一步验证	研究模拟内存计算中片上训练的干扰效应及其缓解方法	6T1C突触器件和卷积神经网络	机器学习	NA	模拟内存计算(AIMC)	CNN	图像	CIFAR-10数据集
75	2025-06-29	DeepCCDS: Interpretable Deep Learning Framework for Predicting Cancer Cell Drug Sensitivity through Characterizing Cancer Driver Signals 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416958 PMID:40397390	研究论文	提出了一种名为DeepCCDS的可解释深度学习框架，用于通过表征癌症驱动信号预测癌细胞药物敏感性	DeepCCDS整合了先验知识网络来表征癌症驱动信号，增强了模型的预测性能和可解释性	当前深度学习方法仅依赖孤立的遗传标记，忽视了药物反应背后的复杂调控网络和细胞机制	提高癌细胞药物敏感性预测的准确性，实现精准肿瘤学	癌细胞系和实体肿瘤样本	机器学习	癌症	深度学习	自监督神经网络	遗传标记和癌症驱动信号	多个数据集和The Cancer Genome Atlas的实体肿瘤样本
76	2025-06-29	Segmentation with artificial intelligence and automated calculation of the corpus callosum index in multiple sclerosis 2025-Jun, Saudi medical journal IF:1.7Q2 DOI:10.15537/smj.2025.46.6.20240957 PMID:40516948	研究论文	本研究利用人工智能技术评估多发性硬化症（MS）患者的胼胝体分割情况，并计算胼胝体指数（CCI）以区分慢性期MS患者与健康个体	采用基于U-Net模型的深度学习架构进行自动胼胝体分割，并验证CCI作为脑萎缩标志物的有效性	样本量相对有限（150名MS患者和150名健康对照），且仅针对慢性期MS患者进行研究	评估胼胝体指数（CCI）在区分慢性期多发性硬化症患者与健康个体中的有效性，并探索人工智能技术在胼胝体分割中的应用	慢性期多发性硬化症患者和健康对照个体	数字病理学	多发性硬化症	MRI	U-Net	图像	150名MS患者和150名健康对照
77	2025-06-29	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-Jun, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	本文研究了东方和斑点鹀学习歌曲在物种进化和分化中的作用，并利用机器学习模型分析歌曲特征以评估物种间的差异	首次结合社区科学录音和多种机器学习模型量化分析东方和斑点鹀歌曲特征，探讨歌曲分化对生殖隔离的潜在影响	可用的公开遗传数据有限，且物种重叠区域的分类准确性较低	探究学习歌曲在东方和斑点鹀物种分化和生殖隔离中的作用	东方和斑点鹀的歌曲特征	机器学习	NA	机器学习	随机森林、深度学习、梯度提升机、卷积神经网络(CNN)	音频	广泛的社区科学录音数据，包括重叠区域和潜在杂交个体的歌曲
78	2025-06-29	Deep-Learning-Based Computer-Aided Grading of Cervical Spinal Stenosis from MR Images: Accuracy and Clinical Alignment 2025-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060604 PMID:40564420	研究论文	本研究应用深度学习卷积神经网络算法评估颈椎管狭窄的分级，并评估其与临床医生分级结果及患者临床表现的一致性	使用多种深度学习卷积网络模型（包括分类、目标检测和关键点定位模型）进行颈椎管狭窄分级，并与临床医生分级结果进行对比，展示了模型在自动诊断支持中的潜在临床价值	研究为回顾性设计，可能受到数据选择和标注偏差的影响	评估深度学习模型在颈椎管狭窄分级中的准确性和临床一致性	954名颈椎磁共振成像（MRI）数据和医疗记录的患者	计算机视觉	颈椎管狭窄	MRI	CNN, EfficientNet_B5	图像	954名患者
79	2025-06-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究评估了放射组学和深度学习在多中心环境下对IPMNs恶性风险分层的可行性	首次将放射组学与深度学习融合应用于IPMN囊肿级别的恶性风险分层	模型性能仍需提升以满足独立临床应用需求	开发客观的IPMN恶性风险分层方法以减少不必要的手术干预	IPMN（导管内乳头状黏液性肿瘤）患者	数字病理	胰腺癌	T2W MRI成像	放射组学-DL融合模型（2D/3D CNN）	医学影像	7个中心的359份T2W MRI图像
80	2025-06-29	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文评估了医学影像基础模型在提取可靠定量放射学表型方面的能力，并介绍了TumorImagingBench基准测试	系统性评估了多种医学影像基础模型在定量肿瘤成像生物标志物提取中的表现，并公开了代码、数据集和基准结果	研究仅基于公开数据集，可能无法涵盖所有临床场景	评估医学影像基础模型在定量肿瘤成像生物标志物提取中的性能和鲁棒性	六种公开数据集（3,244次扫描）和十种医学影像基础模型	数字病理学	癌症	深度学习	基础模型	医学影像	3,244次扫描