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
801	2025-03-20	Deep learning approaches to predict late gadolinium enhancement and clinical outcomes in suspected cardiac sarcoidosis 2025-Mar-18, Sarcoidosis, vasculitis, and diffuse lung diseases : official journal of WASOG DOI:10.36141/svdld.v42i1.15378 PMID:40100114	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
802	2025-04-25	VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis 2025-Mar-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609718 PMID:40166134	研究论文	本文提出了一种名为VISTA的新方法，用于预测空间转录组数据中未观测到的基因表达水平	VISTA通过变分推理和几何深度学习联合建模scRNA-seq数据和SST数据，并整合不确定性量化，解决了SST技术中基因数量有限的问题	NA	提升对空间诱导细胞状态和特征的理解，解决SST数据中基因表达信息缺失的问题	空间转录组数据	生物信息学	NA	scRNA-seq, SST	几何深度学习	基因表达数据	四个SST数据集
803	2025-04-25	Effectiveness and Efficiency: Label-Aware Hierarchical Subgraph Learning for Protein-Protein Interaction 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168737 PMID:39102976	研究论文	本文提出了一种标签感知的层次子图学习方法（laruGL-PPI），用于有效推断蛋白质-蛋白质相互作用（PPIs），并解决现有方法中的拓扑捷径和高计算成本问题	引入基于边的子图采样以缓解拓扑捷径问题，并将PPIs的内外连接建模为层次图，同时通过标签图构建相互作用类型之间的依赖关系	未提及具体局限性	提高蛋白质-蛋白质相互作用预测的准确性和计算效率	蛋白质-蛋白质相互作用（PPIs）	生物信息学	NA	图神经网络（GNNs）	laruGL-PPI	图数据	多种规模的PPI数据集
804	2025-04-25	Quantitative mapping of cerebrovascular reactivity amplitude and delay with breath-hold BOLD fMRI when end-tidal CO2 quality is low 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.18.624159 PMID:39605672	research paper	该研究探讨了在呼气末CO2质量较低时，如何利用呼吸保持BOLD fMRI定量绘制脑血管反应性（CVR）的幅度和延迟	提出使用深度学习方法从呼吸体积时间（RVT）预测PCO时间序列，以提高CVR测量的准确性，并在Moyamoya病患者中展示了更高的病理敏感性	研究依赖于呼吸保持任务，这在某些患者群体中可能难以执行，且PCO数据质量低可能影响结果	提高脑血管反应性（CVR）测量的临床适用性，特别是在任务依从性较低的人群中	脑血管反应性（CVR）的测量及其在临床中的应用	医学影像分析	脑血管疾病	BOLD fMRI, 深度学习	深度学习模型	fMRI图像数据	未明确提及具体样本量，但使用了密集映射的呼吸保持fMRI数据集
805	2025-04-25	Bi-level graph learning unveils prognosis-relevant tumor microenvironment patterns in breast multiplexed digital pathology 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101178 PMID:40182181	research paper	提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境中的细胞模式	引入了双层图模型（细胞图和群体图），提供了一种新的可解释的生物标志物识别方法	方法虽然在乳腺癌中验证，但在其他癌症类型中的普适性需要进一步验证	识别与患者预后相关的肿瘤微环境中的细胞模式	乳腺癌患者的肿瘤微环境	digital pathology	breast cancer	deep learning	bi-level graph model	multiplexed digital pathology images	在两个独立队列中验证
806	2025-04-25	Structural Connectome Analysis using a Graph-based Deep Model for Age and Dementia Prediction 2025-Mar-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642165 PMID:40161600	research paper	该研究提出了一种基于图卷积网络（GCNs）的机器学习模型，用于预测年龄和迷你精神状态检查（MMSE）分数，基于从扩散磁共振图像中获取的结构性脑连接数据	模型架构的创新，特别是连接注意力模块，能够学习脑图的嵌入表示并提供图级注意力	NA	预测年龄和MMSE分数，以增进对健康和疾病的理解	结构脑连接数据	machine learning	geriatric disease	diffusion magnetic resonance imaging	GCN	image	公开可用的PREVENT-AD和OASIS3数据集
807	2025-04-25	Deep generative modeling of temperature-dependent structural ensembles of proteins 2025-Mar-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642148 PMID:40161645	研究论文	本文提出了一种名为aSAM的深度生成模型，用于生成蛋白质的重原子结构集合，并进一步扩展为aSAMt，首个可转移的温度条件生成器	aSAM在潜在空间中建模原子，极大地促进了侧链和骨架扭转角分布的准确采样，aSAMt是首个可转移的温度条件生成器，能够捕捉温度依赖的集合特性	模型在建模原子细节和纳入环境因素影响方面仍有局限	开发一种能够生成蛋白质结构集合的深度生成模型，以补充基于物理的方法	蛋白质的结构集合	机器学习	NA	分子动力学(MD)	潜在扩散模型	蛋白质结构数据	大型开放的mdCATH数据集
808	2025-04-25	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2025-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.642107 PMID:40161587	research paper	该研究通过空间单细胞成像和单细胞RNA测序分析了50个肿瘤生物样本中的200多万个细胞，开发了一种基于深度学习的策略来绘制肿瘤细胞状态及其周围结构的空间动态网络（SDN）	提出了空间动态网络（SDN）概念，揭示了不同肿瘤细胞状态如何组织成独特的‘村庄’结构，并展示了这些结构与肿瘤微环境之间的分子共依赖性及其对患者预后的影响	研究样本量相对有限（50个肿瘤生物样本），且未涉及其他癌症类型的验证	探究肿瘤空间景观的形成机制及其对肿瘤适应性的影响	肝癌肿瘤细胞及其微环境	digital pathology	liver cancer	spatial single-cell imaging, single-cell RNA sequencing	deep learning	image, RNA-seq	50个肿瘤生物样本中的200多万个细胞
809	2025-04-25	Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8490 PMID:39251256	研究论文	本研究评估了在阿尔茨海默病淀粉样蛋白PET成像中，PET/MR衰减校正（AC）在软件和硬件升级后的准确性和纵向一致性	使用深度学习方法DL-Dixon进行衰减校正，并验证其在软件和头线圈更新后的准确性和纵向一致性	研究仅针对两种软件版本和两种头线圈进行了验证，可能不适用于其他配置	评估PET/MR DL-Dixon衰减校正在软件和头线圈更新后的准确性和纵向一致性	阿尔茨海默病淀粉样蛋白PET成像	数字病理学	阿尔茨海默病	PET/MR成像、深度学习	DL-Dixon	图像	329名参与者，其中38名在约3年内进行了两次三模态扫描
810	2025-04-25	scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework 2025-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.11.623049 PMID:39605417	研究论文	本文提出了一种名为scPrediXcan的新方法，将深度学习与单细胞数据整合到细胞类型特异性转录组关联研究框架中	scPrediXcan整合了先进的深度学习方法和单细胞数据，显著提高了细胞类型特异性基因表达的预测准确性，并揭示了线性模型无法捕捉的复杂基因调控规律	NA	开发一种更强大的细胞类型特异性转录组关联研究方法，以更深入地理解复杂疾病的细胞机制	2型糖尿病和系统性红斑狼疮	生物信息学	2型糖尿病, 系统性红斑狼疮	深度学习, 单细胞数据分析	ctPred (基于深度学习的预测模型)	单细胞表达数据, DNA序列数据	NA
811	2025-04-25	Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8491 PMID:39255988	research paper	本研究探讨了基于深度学习的ASPECTS算法如何提升医生在急性缺血性卒中评估中的表现并减少解读时间	开发了一种FDA和CE认证的深度学习算法CINA-ASPECTS，用于自动计算ASPECTS评分，显著提高了评估的准确性和一致性	研究仅纳入了200例NCCT扫描，样本量相对有限，且未评估算法在不同临床环境中的泛化能力	评估深度学习算法在急性缺血性卒中ASPECTS评分中的辅助作用	200例来自5个临床站点的NCCT扫描	digital pathology	cardiovascular disease	deep learning	DL-based algorithm	image	200例NCCT扫描
812	2025-04-25	IDP-EDL: enhancing intrinsically disordered protein prediction by combining protein language model and ensemble deep learning 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf182 PMID:40254833	research paper	提出了一种结合蛋白质语言模型和集成深度学习的方法IDP-EDL，用于增强内在无序蛋白质的预测	通过任务特定的监督微调捕捉长无序区域(LDRs)和短无序区域(SDRs)的不同特征，并集成三个任务特定的预测器	未明确提及具体局限性	提高内在无序区域(IDRs)的预测准确性，区分长无序区域(LDRs)和短无序区域(SDRs)	蛋白质中的内在无序区域(IDRs)	生物信息学	NA	蛋白质语言模型、集成深度学习	ensemble deep learning	蛋白质序列数据	未明确提及具体样本数量
813	2025-04-25	Artificial intelligence in musculoskeletal applications: a primer for radiologists 2025-Mar-03, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242830 PMID:39157958	review	本文旨在作为放射科医师了解肌肉骨骼放射学中常用人工智能算法的入门指南	提供了关于人工智能在肌肉骨骼放射学中应用的全面概述，帮助放射科医师理解常用算法和实践	未涉及具体算法或应用的深入技术细节	普及人工智能在肌肉骨骼放射学中的应用知识	放射科医师	machine learning	NA	NA	NA	NA	NA
814	2025-04-25	The impact of deep learning on diagnostic performance in the differentiation of benign and malignant thyroid nodules 2025-Mar-02, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4432 PMID:39231286	研究论文	本研究利用深度学习技术通过超声图像对甲状腺结节进行良恶性分类，并探讨了深度学习对不同经验水平的放射科医生诊断成功率的影响	首次系统评估了深度学习辅助诊断对不同经验水平放射科医生在甲状腺结节良恶性鉴别中的提升效果	研究样本量有限（576张超声图像），且仅评估了四种经验水平的放射科医生	提高甲状腺结节良恶性鉴别的诊断准确率	甲状腺结节超声图像	数字病理	甲状腺疾病	超声检查(US)	深度学习模型（未指定具体架构）	图像	576张甲状腺结节超声图像（80%训练集/20%测试集）
815	2025-04-25	Adaptive neighborhood triplet loss: enhanced segmentation of dermoscopy datasets by mining pixel information 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03241-9 PMID:39090504	研究论文	提出了一种用于挖掘特定像素信息的损失函数，以提高皮肤镜图像分割的准确性和自动化能力	提出了一种动态变化的损失函数，利用三元组概念驱动预测边界更接近真实边界，显著提高了分割性能	未提及具体的数据集规模限制或模型在其他类型图像上的泛化能力	提高医学图像分割的准确性和自动化能力，减少对临床专业知识的依赖	皮肤镜图像数据集（PH2和ISIC2017）	计算机视觉	皮肤疾病	深度学习	神经网络	图像	PH2和ISIC2017数据集（具体样本数量未提及）
816	2025-04-25	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	本研究利用深度学习技术开发并验证了一种自动预测脑出血（ICH）患者90天功能预后的生物标志物	结合临床特征和深度学习特征构建的Merge模型在预测效能上显著优于单一模型	研究为回顾性多中心设计，且仅纳入发病6小时内的患者	开发客观有效的脑出血预后预测工具	脑出血（ICH）患者	数字病理学	脑出血	深度学习	Resnet50 + 逻辑回归	医学影像	1098例患者（男性652例，女性446例）
817	2025-04-25	Deep learning survival model predicts outcome after intracerebral hemorrhage from initial CT scan 2025-Mar, European stroke journal IF:5.8Q1 DOI:10.1177/23969873241260154 PMID:38880882	research paper	该研究开发了一种深度学习生存模型，用于从初始CT扫描预测脑出血后的功能损伤结果	利用深度学习模型在生存分析框架中预测脑出血患者的长期功能损伤，相比现有工具具有更高的预测准确性	研究仅基于两家医院的数据进行训练和验证，可能需要更多样化的数据集以增强模型的泛化能力	预测脑出血患者的长期功能损伤，以指导治疗决策和康复策略	脑出血患者	digital pathology	cardiovascular disease	deep learning	survival analysis model	CT scans	882名患者用于训练和模型选择，146名患者用于外部验证
818	2025-04-25	Principles of artificial intelligence in radiooncology 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	review	本文综述了深度学习在放射肿瘤学中的技术原理及其应用	填补了放射肿瘤学领域深度学习技术原理易于理解的综述空白	仅聚焦于深度学习，未涵盖AI其他方法学	为放射肿瘤学提供深度学习的全面指导	深度学习模型及其在放射肿瘤学中的应用	machine learning	NA	NA	MLPs, CNNs, RNNs, transformers, GANs, diffusion-based generative models, reinforcement learning	NA	NA
819	2025-04-25	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了当代AI技术在放疗计划中自动分割模型的应用，重点关注风险器官（OARs）、大体肿瘤体积（GTV）和临床靶体积（CTV）的勾画	探讨了数学肿瘤生长模型与基于AI的肿瘤检测相结合的可能性，以进一步优化靶区体积	临床实施中面临的挑战，如领域转移	探索AI在放疗计划中的临床应用，以提高效率和一致性	风险器官（OARs）、大体肿瘤体积（GTV）和临床靶体积（CTV）	数字病理学	NA	AI	深度学习	医学影像	NA
820	2025-04-25	Deep learning MR reconstruction in knees and ankles in children and young adults. Is it ready for clinical use? 2025-Mar, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04769-2 PMID:39112675	research paper	评估深度学习重建的加速Turbo Spin Echo序列在儿童和青少年膝踝MRI中的诊断性能和图像质量	首次在儿童和青少年膝踝MRI中比较深度学习重建序列与传统序列的诊断性能和图像质量	样本量较小(49例MRI)，且年龄范围较广(7-29岁)	评估深度学习重建MRI序列在临床应用的可行性	儿童和青少年的膝踝MRI图像	digital pathology	NA	Turbo Spin Echo序列	deep-learning	MRI图像	49例MRI(来自48名受试者，年龄7-29岁)