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
861	2025-07-21	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	本文提出了一种名为sciPENN的多用途深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并预测和估算细胞表面蛋白表达	sciPENN方法支持CITE-seq和scRNA-seq数据整合、蛋白表达预测和估算、预测和估算不确定性的量化，以及细胞类型标签从CITE-seq到scRNA-seq的转移	未明确提及具体限制，但可能涉及数据整合中的批次效应处理及不同数据集间蛋白面板部分重叠的问题	解决CITE-seq和scRNA-seq数据整合中的计算挑战，提高数据利用率以揭示细胞群体异质性	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病、流感和COVID-19	CITE-seq、单细胞RNA-seq	深度学习	RNA和蛋白表达数据	多个数据集，具体数量未明确说明
862	2025-07-21	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文综述了深度学习在单细胞RNA测序分析中的应用，涵盖了25种深度学习算法及其在scRNA-seq处理流程中的适用性	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示，并比较了这些模型的训练策略和损失函数	仅关注了深度学习在scRNA-seq分析中的应用，未涉及其他单细胞技术	探讨深度学习在单细胞RNA测序数据分析中的潜力和应用	单细胞RNA测序数据	生物信息学	NA	scRNA-seq	变分自编码器、自编码器、生成对抗网络、监督深度学习模型	单细胞RNA测序数据	NA
863	2025-07-21	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	research paper	该研究开发了一种基于深度学习的图像系统，用于糖尿病足溃疡的感染和缺血分类	使用EfficientNet深度学习模型在糖尿病足溃疡的感染和缺血分类中实现了高准确率，并显著优于现有技术	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种高效的糖尿病足溃疡感染和缺血分类系统	糖尿病足溃疡的图像数据	digital pathology	diabetic foot ulcer	deep learning	EfficientNet	image	NA
864	2025-07-21	Prediction and interpretation of cancer survival using graph convolution neural networks 2021-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2021.01.004 PMID:33484826	研究论文	本研究提出了一种名为Surv_GCNN的图卷积神经网络方法，用于预测13种不同癌症类型的生存率，并识别潜在的基因标记	提出了一种新的图卷积神经网络方法Surv_GCNN，用于癌症生存率预测，并通过网络模块化识别潜在的基因标记	研究仅基于TCGA数据集，可能无法涵盖所有癌症类型的多样性	预测癌症生存率并识别潜在的基因标记	13种不同癌症类型的TCGA数据集	机器学习	癌症（包括乳腺癌、前列腺癌、睾丸癌、结肠癌、脑癌、胰腺癌等）	图卷积神经网络（GCNN）	GCNN	基因表达数据和临床数据	TCGA数据集中的13种癌症类型
865	2025-07-21	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	研究论文	本研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的肿瘤异种移植模型（TNBC PDX）的肿瘤，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构（包括U-Net、dense U-Net、Res-Net、R2UNet和D-R2UNet）进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性	研究中使用的样本量未明确提及，且仅针对TNBC PDX模型，可能不适用于其他类型的肿瘤	开发自动化的肿瘤分割流程，减少人工分割的时间和变异性，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的肿瘤异种移植模型（TNBC PDX）的T1w和T2w MRI图像	数字病理学	乳腺癌	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	图像	NA
866	2025-07-21	Artificial intelligence versus expert: a comparison of rapid visual inferior vena cava collapsibility assessment between POCUS experts and a deep learning algorithm 2020-Oct, Journal of the American College of Emergency Physicians open IF:1.6Q2 DOI:10.1002/emp2.12206 PMID:33145532	研究论文	比较POCUS专家与深度学习算法在快速视觉评估下腔静脉塌陷性方面的表现	开发了一种基于LSTM的深度学习算法，用于实时分析超声视频，评估下腔静脉塌陷性，辅助新手POCUS操作者	算法与专家之间的一致性仅为中等水平（κ=0.45）	为重症患者开发一种自动评估下腔静脉塌陷性的工具，以辅助临床决策	下腔静脉塌陷性评估	数字病理	心血管疾病	POCUS（床旁超声）	LSTM	超声视频	220个IVC超声视频用于训练，50个新视频用于测试
867	2025-07-21	Classification of Cancer Types Using Graph Convolutional Neural Networks 2020-Jun, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2020.00203 PMID:33437754	研究论文	使用图卷积神经网络（GCNN）对癌症类型进行分类	建立了四种基于不同图结构的GCNN模型，用于癌症类型分类，并识别出428个癌症特异性标记基因	模型仅在TCGA数据集上进行测试，未在其他独立数据集上验证	提高癌症早期预测准确性并理解驱动癌症发展的基因组机制	10,340个癌症样本和731个正常组织样本	机器学习	癌症	基因表达分析	GCNN	基因表达数据	11,071个样本（来自TCGA数据集）
868	2025-07-20	Enhanced accuracy and stability in automated intra-pancreatic fat deposition monitoring of type 2 diabetes mellitus using Dixon MRI and deep learning 2025-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-04804-3 PMID:39841227	研究论文	开发了一种基于Dixon MRI和深度学习的自动化方法，用于准确评估2型糖尿病患者的胰腺内脂肪沉积	结合深度语义分割特征放射组学(DSFR)和传统放射组学特征，构建深度学习放射组学(DLR)模型，提高了胰腺内脂肪沉积监测的准确性和稳定性	由于糖尿病前期患者数量有限，未对区分糖尿病前期和非糖尿病模型进行测试	开发自动化监测胰腺内脂肪沉积的方法，以预测2型糖尿病和糖尿病前期的风险	534名接受上腹部MRI检查的患者	数字病理学	2型糖尿病	多回波Dixon MRI、双回波Dixon MRI	nnU-Net、支持向量机	MRI图像	534名患者(来自两个中心)
869	2025-07-20	Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning 2025-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3541643 PMID:40072865	研究论文	通过整合学习的新生儿特定子空间模型和模型驱动的深度学习，实现快速稳定的新生儿脑部MR成像	提出了一种子空间模型辅助的深度学习方法，解决了新生儿MRI应用中训练数据不足的问题	需要进一步开发以提高MRI在新生儿成像应用中的实用性	加速新生儿脑部MRI成像并提高图像重建的稳定性	新生儿脑部MRI图像	医学影像处理	新生儿疾病	深度学习与子空间模型结合	深度神经网络	MRI图像	dHCP数据集及来自四个独立医疗中心的测试数据
870	2025-07-20	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-Aug-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	研究论文	本研究旨在开发一个深度学习模型，通过整合治疗前和治疗中的计算机断层扫描（CT）数据来预测非小细胞肺癌（NSCLC）患者的治疗反应	整合治疗前和治疗中的CT数据，建立深度学习模型以预测治疗反应，并推导出个性化的剂量递增方案	样本量相对较小（168例患者），且为回顾性研究	预测非小细胞肺癌患者的放疗反应并实现个性化治疗	非小细胞肺癌患者	数字病理	肺癌	CT扫描	LSTM网络	图像	168例非小细胞肺癌患者（来自3家医院）
871	2025-07-20	Deep learning-based laser weed control compared to conventional herbicide application across three vegetable production systems 2025-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8912 PMID:40555698	研究论文	本研究比较了基于深度学习的激光除草技术与传统除草剂在三种蔬菜生产系统中的效果	首次在多种蔬菜生产系统中评估激光除草技术的有效性，并与传统除草剂进行比较	激光除草对马齿苋和一年生禾本科杂草效果较差，且需要进一步优化以适应不同环境和杂草种类	评估激光除草作为非化学除草替代方案的可行性和效果	甜菜、菠菜和豌豆三种蔬菜作物及其相关杂草	农业技术	NA	激光除草技术	深度学习	生物量和覆盖率数据	三个研究试验点（新泽西州和纽约州）
872	2025-07-20	Brain Age Prediction: Deep Models Need a Hand to Generalize 2025-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70254 PMID:40667664	研究论文	本研究探讨了如何通过深度学习方法预测脑龄，并针对模型在新数据上的泛化问题提出了改进策略	通过综合预处理、广泛数据增强和模型正则化，显著减少了脑龄预测模型的泛化误差，并提高了对配准错误的鲁棒性	研究依赖于特定数据集（UK Biobank），可能在其他人群中的适用性有待验证	提高脑龄预测模型的临床适用性，缩小训练数据与未见数据之间的泛化差距	T1加权MRI图像	神经影像分析	阿尔茨海默病	深度学习	SFCN-reg（基于VGG-16架构）	MRI图像	UK Biobank数据集、阿尔茨海默病神经影像计划数据集和澳大利亚影像、生物标志物和生活方式数据集
873	2025-07-20	Deep learning can predict cardiovascular events from liver imaging 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101427 PMID:40671834	研究论文	本研究探讨了使用基于视觉Transformer的深度学习模型从肝脏MRI数据中预测心血管事件的风险	首次将视觉Transformer应用于肝脏MRI数据，无需手动特征选择即可预测心血管风险	需要进一步的前瞻性研究和外部验证以确认临床实用性	通过肝脏MRI数据提高心血管风险的预测能力	UK Biobank中的肝脏MRI数据	数字病理学	心血管疾病	MRI	Transformer	图像	44,672个肝脏MRI扫描
874	2025-07-20	Identifying and Evaluating Salt-Tolerant Halophytes Along a Tropical Coastal Zone: Growth Response and Desalination Potential 2025-Aug, Plant-environment interactions (Hoboken, N.J.) DOI:10.1002/pei3.70072 PMID:40672803	研究论文	本研究通过深度学习和温室实验，评估了加纳沿海地区盐生植物的耐盐性和脱盐潜力	利用深度学习图像识别技术鉴定植物种类，并结合温室实验评估盐生植物在不同盐浓度和土壤类型下的生长响应	研究仅针对加纳沿海地区的五种盐生植物，可能无法代表所有盐生植物的特性	探索加纳沿海地区盐生植物的营养、生态和药用价值，特别是其耐盐性和脱盐能力	加纳沿海地区的盐生植物	植物学与环境科学	NA	深度学习图像识别	NA	图像与实验数据	五种选定的盐生植物，在不同盐浓度（0、25和50 dS/m）和土壤类型（海沙和耕地土壤）下进行实验
875	2025-07-20	ViCoW: A dataset for colorization and restoration of Vietnam War imagery 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111815 PMID:40673188	研究论文	介绍了一个名为ViCoW的数据集，用于支持越南战争时期历史图像的修复和着色研究	提供了一个包含1896对高分辨率图像的数据集，专门用于历史图像的修复和着色，填补了该领域的数据空白	数据集仅包含来自四部越南电影的图像，可能无法涵盖所有历史场景和视觉多样性	支持历史图像修复和着色技术的研究，促进数字遗产保护	越南战争时期的电影图像	计算机视觉	NA	ITU-R BT.601亮度公式	深度学习模型	图像	1896对高分辨率图像
876	2025-07-20	Smartphone image dataset for machine learning-based monitoring and analysis of mango growth stages 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111780 PMID:40673194	research paper	该研究创建了一个标准化的芒果生长阶段图像数据集，用于基于机器学习的监测和分析	开发了一个标准化且公开可用的芒果生长阶段图像数据集，填补了孟加拉国农业领域缺乏高质量数据集的空白	数据集仅基于孟加拉国某一果园的芒果，尽管生长阶段具有全球代表性，但可能无法涵盖所有芒果品种或生长条件	促进机器学习在农业领域的应用，特别是芒果生长阶段的自动化监测和分析	芒果的生长阶段	computer vision	NA	图像采集与标注	NA	image	2004张图像，分为四个生长阶段：早期果实、未成熟、成熟和熟透
877	2025-07-20	Deep learning empowers genomic selection of pest-resistant grapevine 2025-Aug, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhaf128 PMID:40673235	研究论文	本研究整合深度学习、植物表型组学、定量遗传学和转录组学，对葡萄藤的抗虫性进行基因组选择	利用深度卷积神经网络（DCNNs）准确评估葡萄叶片的虫害损伤，并结合基因组重测序数据和转录组数据，识别与抗虫性相关的基因	NA	通过深度学习与基因组选择技术，培育抗虫性葡萄藤品种	葡萄藤及其抗虫性相关基因	机器学习	NA	基因组重测序、转录组学	DCNN、VGG16、ML	图像、基因组数据、转录组数据	231个葡萄藤种质资源
878	2025-07-20	Deep learning's crystal ball: Predicting HCC surgery success with multimodal imaging 2025-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001410 PMID:40680277	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
879	2025-07-20	Transfer Learning for Predicting ncRNA-Protein Interactions 2025-Jul-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00914 PMID:40679953	研究论文	提出了一种基于迁移学习的框架Transfer-RPI，用于预测非编码RNA与蛋白质的相互作用，以提高预测准确性	利用迁移学习和深度特征学习技术，结合RiNALMo和ESM模型提取RNA和蛋白质序列的全面特征，提升小数据集上的预测性能	依赖于现有数据集的质量和规模，可能无法覆盖所有类型的ncRNA-蛋白质相互作用	提高非编码RNA与蛋白质相互作用预测的准确性，以促进对生物过程的理解和新治疗剂的开发	非编码RNA（ncRNA）与蛋白质的相互作用	机器学习	NA	迁移学习，深度特征学习	RiNALMo, ESM	RNA和蛋白质序列数据	RPI369, RPI488, RPI1807, RPI2241, 和 NPInter v2.0数据集
880	2025-07-20	Modelling In vitro Mutagenicity Using Multi-Task Deep Learning and REACH Data 2025-Jul-18, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00152 PMID:40680271	研究论文	本研究探讨了利用多任务深度学习和REACH数据建立体外诱变模型的可能性	利用多任务深度学习模型探索不同诱变性检测方法之间的内在关联，并比较其与单任务模型的性能差异	外部测试集的阳性样本和阴性样本数量需至少各200个才能获得较好的预测准确率	开发更准确的体外诱变性预测模型	超过12,000种化学物质	机器学习	NA	多任务深度学习	图神经网络(GNN)	化学结构数据	超过12,000种化学物质