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
901	2025-07-10	Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma 2025-Jun-28, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110295 PMID:40627917	研究论文	本研究开发并解释了一种基于病理组学的集成预测模型，用于肝内胆管癌（iCCA）的预后预测	首次开发了用于iCCA预后的病理组学集成模型，并通过多种方法提高了模型的可解释性	模型的可解释性仍需进一步提高	开发并解释一种病理组学驱动的集成预测模型，用于iCCA的预后预测	252名iCCA患者	数字病理学	肝内胆管癌	深度学习，K-means无监督聚类，Cellprofiler	集成模型	病理切片图像	252名iCCA患者，并在The Cancer Genome Atlas数据库中进行外部验证
902	2025-07-10	Broadscale reconnaissance of coral reefs from citizen science and deep learning 2025-Jun-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14261-6 PMID:40571887	研究论文	本文探讨了结合公民科学和深度学习技术对珊瑚礁进行大规模勘测的准确性和可行性	结合公民科学和深度学习技术，开发了一种低成本、大规模收集珊瑚礁数据的新方法	对于'所有其他珊瑚'这一单一类别的估计准确率较低，仅在60%的站点和珊瑚覆盖率为10-30%的图像中达到95%的准确率	评估公民科学和新技术在珊瑚礁数据收集中的准确性和可行性	珊瑚礁的底栖覆盖情况，特别是分枝型鹿角珊瑚、板状鹿角珊瑚和块状珊瑚	计算机视觉	NA	深度学习	NA	图像	8086张底栖图像
903	2025-07-10	Machine and deep learning methods for epileptic seizure recognition using EEG data: A systematic review 2025-Jun-23, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149797 PMID:40562194	系统综述	本文系统综述了使用机器学习和深度学习方法基于EEG数据进行癫痫发作识别的研究	与以往仅关注癫痫发作识别单一方面的综述不同，本文全面概述了检测、分类和预测任务，并讨论了可解释AI、迁移学习和联邦学习等新兴趋势	研究存在模型有效性、可解释性和临床应用性等方面的问题	评估机器学习和深度学习方法在基于EEG的癫痫发作识别中的应用，以提高识别系统的可靠性和效率	癫痫发作识别	机器学习	癫痫	EEG	ML和DL模型	EEG信号	NA
904	2025-07-10	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Jun-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.20.25329926 PMID:40585085	研究论文	本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难	利用3D剂量数据、CT扫描和器官分割，通过深度学习模型改进传统NTCP模型的预测能力	研究依赖于多机构队列数据，可能存在数据异质性问题	提高头颈癌放疗后吞咽困难的预测准确性	头颈癌患者	数字病理学	头颈癌	深度学习	Residual Network	3D剂量分布、CT扫描、器官分割	1484名头颈癌患者
905	2025-07-10	De novo design of insulated cis-regulatory elements based on deep learning-predicted fitness landscape 2025-Jun-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf611 PMID:40613715	研究论文	本文提出了一种基于深度学习预测适应度景观的绝缘顺式调控元件设计策略，用于纯化和建模宿主独立的转录活性	整合异源配对顺式和反式调控模块到正交宿主细胞中，建立可控的转录调控系统，并利用深度学习算法结合实验数据纯化过程，实现了从头设计全长转录启动子序列	未提及该方法在其他复杂顺式调控元件上的适用性验证	开发一种能够精确控制基因活性的生物工程应用方法	顺式调控元件的设计和建模	生物信息学	NA	深度学习算法	NA	序列数据	细菌（大肠杆菌）和哺乳动物（中国仓鼠卵巢）细胞系
906	2025-07-10	Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation 2025-Jun-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66055 PMID:40505141	研究论文	开发并验证了一个名为H-SYSTEM的知识图谱增强深度学习模型，用于辅助神经外科医生诊断和治疗高血压性脑出血患者	整合医学领域知识图谱（HKG）以提升决策准确性和可解释性，相比现有AI系统具有更高的可靠性和效率	未提及具体样本来源的多样性或潜在的数据偏差问题	开发可解释且高效的决策支持系统，辅助高血压性脑出血的诊疗	高血压性脑出血患者的电子病历数据	数字病理	心血管疾病	知识图谱构建、命名实体识别（NER）、语义分析与表示	BERT-IDCNN-BiLSTM-CRF	文本（电子病历）	605名来自6个不同医疗中心的患者
907	2025-07-10	Image-based evaluation of single-cell mechanics using deep learning 2025-Jun-05, Cell regeneration (London, England) DOI:10.1186/s13619-025-00239-9 PMID:40468050	研究论文	本研究利用深度学习技术，基于图像非侵入性地预测单个细胞的硬度范围，并评估细胞功能	提出了一种基于深度学习的图像分析方法，用于高通量、高灵敏度地评估单细胞力学特性	未明确提及方法在其他细胞类型或更广泛生物样本中的适用性	开发一种高通量、非侵入性的单细胞力学特性评估方法	间充质干细胞（MSCs）和巨噬细胞	数字病理学	NA	深度学习	CNN	图像	未明确提及具体样本数量
908	2025-07-10	Relation equivariant graph neural networks to explore the mosaic-like tissue architecture of kidney diseases on spatially resolved transcriptomics 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf303 PMID:40358510	研究论文	提出了一种名为REGNN的关系等变图神经网络框架，用于分析空间分辨转录组学数据中的异质性组织结构	REGNN整合了等变性处理空间区域的n维对称性，并利用位置编码加强均匀分布节点的相对空间关系，同时采用图自编码器和图自监督学习策略	标记良好的空间数据可用性有限	探索肾脏疾病中镶嵌样组织结构的空间基因表达分布模式	慢性肾脏病(CKD)和急性肾损伤(AKI)患者的肾脏组织	数字病理学	肾脏疾病	空间分辨转录组学(SRT)	REGNN(关系等变图神经网络)	空间基因表达数据	不同肾脏疾病条件下的异质性样本(基于10× Visium平台)
909	2025-07-10	Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf301 PMID:40366737	研究论文	提出一种基于预治疗活检图像的深度学习方法，用于预测克罗恩病患者对ustekinumab的治疗反应	提出了一种新颖的聚类增强弱监督学习框架，结合局部组织学线索和全局组织背景，提高了预测性能	研究样本量有限，且仅针对ustekinumab这一种生物疗法	提高克罗恩病患者对ustekinumab治疗反应的预测准确性	克罗恩病患者的预治疗全切片图像	数字病理学	克罗恩病	深度学习和图像分析	DenseNet, 多示例学习	图像	独立测试集上的实验结果
910	2025-07-10	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	research paper	该研究提出了一种简单的基线方法，在基因扰动后的转录组预测任务中超越了现有的深度学习算法和其他简单的神经网络架构	提出了一个简单但性能优越的基线方法，并阐明了基础模型在基因扰动预测任务中的实用性	缺乏对日益复杂模型的实际效用评估以及适当的基准比较方法	评估基因扰动后转录组预测方法的性能并建立必要的基准	基因扰动后的转录组预测	machine learning	NA	transformer-based foundation model	transformer	transcriptome data	NA
911	2025-07-10	TRENDY: gene regulatory network inference enhanced by transformer 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf314 PMID:40408160	研究论文	介绍了一种名为TRENDY的新型基因调控网络推断方法，该方法整合了transformer模型以增强基于机制的WENDY方法	首次将transformer模型整合到基因调控网络推断中，提升了现有方法的性能	未提及具体的应用限制或数据集局限性	提升基因调控网络推断的准确性和效率	基因调控网络(GRNs)	生物信息学	NA	transformer模型	transformer	基因表达数据	模拟和实验数据集（具体数量未提及）
912	2025-07-10	A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf319 PMID:40424358	研究论文	本文提出了一种基于多源相似性融合的深度学习方法，用于预测药物副作用的频率类别	利用多源特征融合模块和自注意力机制深入探索药物与副作用之间的关系，并采用贝叶斯变分推断更准确地预测药物副作用的频率类别	现有方法通常在五个频率类别上建立回归模型，容易过拟合训练集，导致边界处理问题和过拟合风险	预测药物副作用在人群中的频率类别，以指导患者用药和药物开发	药物副作用	机器学习	NA	多源相似性融合，贝叶斯变分推断	MSSF（多源相似性融合模型）	多源数据	NA
913	2025-07-10	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	研究论文	本文提出了一种基于进化评分和残基相对溶剂可及性的简单模型，用于预测突变对蛋白质生物物理性质的影响，并与复杂的深度学习模型进行了比较	使用简单的进化评分和溶剂可及性缩放方法，性能与复杂的深度学习模型相当或略优	未详细探讨复杂模型学习到的内容及其局限性	预测突变对蛋白质生物物理性质的影响	蛋白质突变	计算生物学	NA	进化评分和溶剂可及性分析	RSALOR模型	蛋白质突变数据	ProteinGym深度突变扫描数据集中的突变
914	2025-07-10	Knowledge-enhanced protein subcellular localization prediction from 3D fluorescence microscope images 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf331 PMID:40459878	研究论文	开发了一种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	结合3D和2D投影细胞信息设计图像特征提取模块，并利用GO数据库的生物知识优化蛋白质表示	由于数据缺乏和建模复杂性，3D图像处理的研究较少	提高蛋白质亚细胞定位预测的准确性	3D荧光显微镜图像中的蛋白质分布	数字病理学	NA	深度学习	KE3DLoc	3D图像	三个公共数据集
915	2025-07-10	Gene spatial integration: enhancing spatial transcriptomics analysis via deep learning and batch effect mitigation 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf350 PMID:40511994	研究论文	提出了一种名为基因空间整合（GSI）的深度学习方法，用于增强空间转录组学数据分析，并解决批次效应问题	利用表示学习方法提取基因的空间分布特征，并将其与基因表达特征整合到同一特征空间中，同时解决了批次效应问题	未提及具体的数据规模限制或方法适用范围	提升空间转录组学数据分析的性能，特别是基因分布空间特征的利用	人类背外侧前额叶皮层数据集	数字病理学	NA	空间转录组学（ST）	自编码器网络	基因表达数据	未明确提及具体样本数量，但提到了样本151673和151672
916	2025-07-10	GOBoost: leveraging long-tail gene ontology terms for accurate protein function prediction 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf267 PMID:40581608	research paper	提出了一种名为GOBoost的新方法，通过优化长尾基因本体术语分布来提升蛋白质功能预测的准确性	引入了长尾优化集成策略、全局-局部标签图模块和多粒度焦点损失函数，以增强长尾功能信息并减轻长尾现象	未明确提及具体限制，但可能依赖于特定数据集（如PDB和AF2）的质量和覆盖范围	提高蛋白质功能预测的准确性，特别是在处理长尾分布的基因本体术语时	蛋白质功能预测	machine learning	NA	deep learning	GOBoost（基于集成策略和图模块的定制模型）	蛋白质功能注释数据（基因本体术语）	PDB和AF2数据集（具体样本数量未提及）
917	2025-07-10	CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.046 PMID:39956748	研究论文	本研究构建了一个基于深度学习的模型，用于预测接受免疫治疗联合化疗的食管鳞状细胞癌患者的生存结果	该研究首次利用深度学习模型结合肿瘤周围影像和临床特征，对食管鳞状细胞癌患者的生存风险进行分层	外部测试集的C指数较低（0.60），表明模型在外部验证中的性能有待提高	预测食管鳞状细胞癌患者在接受免疫治疗联合化疗后的生存结果	482名食管鳞状细胞癌患者	数字病理学	食管鳞状细胞癌	CT扫描	深度学习模型	影像	482名患者（322名训练集，79名内部测试集，81名外部测试集）
918	2025-07-10	Artificial intelligence-assisted detection of nasopharyngeal carcinoma on endoscopic images: a national, multicentre, model development and validation study 2025-Jun, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.001 PMID:40544083	研究论文	开发并验证了一种基于深度学习的鼻咽癌内窥镜图像辅助诊断系统	首次开发了基于Swin Transformer的鼻咽诊断系统(STND)，并在多中心研究中验证了其临床实用价值	研究主要基于中国人群数据，在其他种族人群中的适用性需要进一步验证	提高鼻咽癌的早期诊断准确率	鼻咽癌、良性增生和正常鼻咽组织的内窥镜图像	数字病理	鼻咽癌	深度学习	Swin Transformer	图像	内部分析使用15,521人的27,362张图像，外部验证使用945人的1,885张图像
919	2025-07-10	The Paradox of Knowledge: Why Medical Students Know More But Understand Less 2025-Jun, Medical science educator IF:1.9Q2 DOI:10.1007/s40670-025-02379-8 PMID:40626000	research paper	本文探讨了医学教育中的一个悖论，即医学生在信息获取前所未有的情况下，却难以将知识应用于复杂的临床场景	揭示了医学教育体系中过度强调死记硬背和应试表现，而忽视批判性思维和概念理解的深层次问题	未提出具体的教育改革实施方案或实证研究数据	分析医学教育中知识应用能力不足的原因并提出改进方向	医学教育体系和医学生	医学教育	NA	NA	NA	text	NA
920	2025-07-10	Deep Learning Model for Natural Language to Assess Effectiveness of Patients With Non-Muscle Invasive Bladder Cancer Receiving Intravesical Bacillus Calmette-Guérin Therapy 2025-Jun, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00249 PMID:40577661	研究论文	开发了一种基于深度学习的自然语言处理模型，用于评估非肌层浸润性膀胱癌患者接受膀胱内卡介苗治疗的疗效	利用BERT模型从电子健康记录中自动分类治疗效果，减少了人工收集临床结果的时间和复杂性	需要人工支持（约10%的文件），且研究为回顾性设计	评估非肌层浸润性膀胱癌患者接受卡介苗治疗的临床效果差异	日本成年非肌层浸润性膀胱癌患者	自然语言处理	膀胱癌	BERT模型	BERT	电子健康记录（EHRs）文本数据	372名患者（其中79.3%完成治疗，20.7%未完成治疗）