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
1081	2025-07-01	Comprehensive molecular impact mapping of common and rare variants at GWAS loci 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.658079 PMID:40501721	研究论文	本文介绍了一种名为DNACipher的深度学习模型，能够预测遗传变异在多种生物环境中的分子效应，并提出了DNACipher Deep Variant Impact Mapping (DVIM)方法，用于识别GWAS位点中具有分子效应的变异	DNACipher模型能够预测未直接测量的生物环境中的变异效应，且预测的上下文数量是Enformer的7倍以上，DVIM方法显著提高了GWAS位点变异的精细定位效率	模型的预测依赖于输入的196 kb基因组序列，且仅针对38,582种细胞类型-测定组合进行了验证	开发一种能够广泛预测遗传变异分子效应的深度学习模型，并应用于GWAS位点的变异精细定位	遗传变异及其在多种生物环境中的分子效应	机器学习	1型糖尿病	深度学习、单核ATAC-seq、荧光素酶测定	DNACipher	基因组序列	38,582种细胞类型-测定组合
1082	2025-07-01	AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis 2025-Jun-05, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105755 PMID:40479842	研究论文	本研究基于人工智能技术，建立了多维度的盆底表面肌电数据库，并开发了AI-Diagnostician-PFD诊断模型，用于准确诊断盆底功能障碍	通过AI技术建立了更合理的sEMG参数参考范围，并开发了诊断性能优于传统方法的AI-Diagnostician-PFD模型	研究样本虽然来自多个中心，但可能仍存在某些人群或条件的代表性不足	建立盆底表面肌电的多维数据库，并通过AI技术实现盆底功能障碍的准确诊断	1605名来自中国21个中心的参与者	数字病理学	盆底功能障碍	表面肌电图(sEMG)	AI-Diagnostician-PFD模型	肌电信号数据	1605名参与者，来自21个中心
1083	2025-07-01	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局限性，提供区域特异性脑老化状态评估	脑区水平的老化评估	数字病理学	神经退行性疾病	深度学习	深度学习模型	神经影像数据	UK Biobank数据
1084	2025-07-01	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	系统性综述	本文系统性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	强调了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光片中的邻面龋病变	数字病理学	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	112至3,989名参与者
1085	2025-07-01	Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study 2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202416161 PMID:40391846	研究论文	本研究开发了一种基于深度学习的非侵入性方法，用于评估膀胱癌患者的肿瘤出芽状态，并探讨其与新辅助化疗免疫治疗反应及疾病预后的相关性	首次利用深度学习模型非侵入性地评估膀胱癌患者的肿瘤出芽状态，并验证其与治疗反应和预后的相关性	研究样本量虽大，但未提及模型在其他种族或地区患者中的适用性	探索肿瘤出芽状态与新辅助化疗免疫治疗反应及膀胱癌预后的关系	2322例经病理确诊的膀胱癌患者	数字病理学	膀胱癌	CT成像	深度学习模型	图像	2322例患者（2014年1月1日至2023年12月31日收集的多中心队列）
1086	2025-07-01	SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification 2025-Jun, ACM transactions on intelligent systems and technology IF:7.2Q1 DOI:10.1145/3718097 PMID:40575765	研究论文	提出了一种名为SubgroupTE的新型治疗效果估计模型，通过子群识别提高治疗效果估计的精确性	SubgroupTE模型首次将子群识别整合到治疗效果估计中，并采用基于EM的训练过程优化估计和子群划分网络	模型在合成和半合成数据集上表现良好，但在真实世界数据中的泛化能力仍需进一步验证	提高治疗效果估计的精确性，并提供有针对性的治疗建议	患者群体，特别是阿片类药物使用障碍(OUD)患者	机器学习	阿片类药物使用障碍	期望最大化(EM)算法	SubgroupTE	合成数据、半合成数据和真实世界数据	未明确说明具体样本量，但涉及合成、半合成数据集和真实世界OUD患者数据
1087	2025-07-01	Using Deep Learning to Predict Cardiovascular Magnetic Resonance Findings From Echocardiographic Videos 2025-May-30, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.05.016 PMID:40451472	研究论文	本研究探讨了深度学习模型在超声心动图视频中预测心血管磁共振（CMR）特定参数（如LGE存在及异常T1、T2或ECV）的性能	首次尝试使用深度学习从超声心动图视频中预测CMR特有的组织特征参数	模型无法可靠检测LGE存在及异常T1、T2或ECV，表明这些组织特征信号可能不存在于超声视频中	评估深度学习模型在超声心动图中检测CMR特定参数的性能	成人患者的心血管磁共振和超声心动图研究数据	数字病理学	心血管疾病	深度学习	CNN	视频	1,453名成年患者（2,556对超声心动图研究）
1088	2025-07-01	IECata: interpretable bilinear attention network and evidential deep learning improve the catalytic efficiency prediction of enzymes 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf283 PMID:40548541	研究论文	本文提出了一种名为IECata的酶催化效率预测模型，该模型通过引入可解释的双线性注意力机制和证据深度学习，提高了预测的准确性和可解释性	结合证据深度学习提供不确定性估计，并利用双线性注意力机制解释酶催化反应中的关键残基和底物原子	可用的kcat/Km数据集规模有限，可能影响深度学习模型的进一步发展	提高酶催化效率（kcat/Km）的预测准确性，并提供可靠的不确定性估计和可解释性	酶催化效率（kcat/Km）	机器学习	NA	证据深度学习，双线性注意力机制	IECata	酶催化效率数据	11,815个kcat/Km条目（来自BRENDA和SABIO-RK数据库）和806个条目（来自文献的外部测试数据集）
1089	2025-07-01	2D Hole-Arrayed Double-Anode Structure Exciting Surface Plasmon Polaritons for Enhancing Outcoupling Efficiency of Organic Light-Emitting Diodes on Silicon Wafers (OLEDoS) 2025-Apr-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10366 PMID:40321593	研究论文	研究通过二维孔阵列双阳极结构激发表面等离子体激元，以提高硅基有机发光二极管(OLEDoS)的出光效率	提出了一种新型二维孔阵列双阳极结构，通过优化设计参数显著提升OLED的出光效率，并利用多种模型预测出光增强因子	未提及实际大规模生产中的可行性和成本问题	提高有机发光二极管的出光效率	硅基有机发光二极管(OLEDoS)	光电器件	NA	有限差分时域(FDTD)方法	线性回归、XGB Regressor、MLP	光学模拟数据	NA
1090	2025-07-01	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示	未提及具体样本量和实验条件的详细限制	解决电生理记录中神经元分类的噪声、技术变异性和批次效应问题	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未明确提及具体样本量
1091	2025-07-01	Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study 2025-Feb-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01602-7 PMID:40000986	研究论文	比较直肠磁敏感伪影对前列腺癌诊断中主观评估和深度学习的影响	首次比较了直肠磁敏感伪影对放射科医生和深度学习模型在前列腺癌诊断中的影响	研究为回顾性设计，且仅包含两个医疗中心的数据	评估直肠磁敏感伪影对前列腺癌诊断准确性的影响	1052名临床疑似前列腺癌患者	数字病理学	前列腺癌	MRI	DL	医学影像	1052名患者
1092	2025-07-01	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究利用深度学习技术开发了一个自动评估腹腔镜结直肠手术中组织解剖效率的模型	首次使用深度学习计算机视觉技术自动识别和评估手术中组织解剖效率，减少人为评估的偏差	研究为回顾性研究，且仅针对使用单极设备的手术，可能不适用于其他手术工具或技术	验证使用深度学习模型自动评估手术技能的可行性	腹腔镜结直肠手术（乙状结肠切除术或高位前切除术）的视频数据	计算机视觉	结直肠癌	深度学习计算机视觉技术	深度学习识别模型	视频	766例来自日本多中心的手术案例
1093	2025-07-01	Cer-ConvN3Unet: an end-to-end multi-parametric MRI-based pipeline for automated detection and segmentation of cervical cancer 2025-Feb-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00557-2 PMID:39966210	research paper	提出并验证了一个创新的两阶段流程，用于基于多参数宫颈癌MRI的自动检测和分割，并研究了其临床效果	创新的两阶段流程结合了ConvNeXt块和多通道DoubleU-Nets，实现了高精度的自动检测和分割	研究为回顾性多中心研究，样本量相对有限，且仅基于MRI数据	开发一个自动化的AI辅助工具，用于宫颈癌的检测和分割，以减少放射科医生和妇科医生的工作负担	125名宫颈癌患者的14,547张二维MRI图像	digital pathology	cervical cancer	multi-parametric MRI (DWI, T2WI, CE-T1WI)	ConvNeXt blocks and 3-channel DoubleU-Nets	MRI images	125名患者的14,547张MRI图像（3,077 DWI, 2,990 T2WI, 8,480 CE-T1WI）
1094	2025-07-01	Predicting ADC Map Quality from T2-Weighted MRI: A Deep Learning Approach for Early Quality Assessment to Assist Point-of-Care 2025-Jan-15, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.15.25320592 PMID:40568662	研究论文	本研究开发了一种深度学习方法，通过T2加权MRI图像早期预测ADC图质量，以辅助即时医疗决策	首次提出从早期T2图像预测ADC图质量的自动化方法，并在多中心数据上验证模型性能	模型在外部数据上的性能（94%准确率）虽强但仍有提升空间，直肠横截面积指标的AUC仅为0.65	开发前列腺MRI图像质量早期评估方法以减少漏诊和不必要重复扫描	前列腺MRI图像（T2加权图像和ADC图）	数字病理	前列腺癌	深度学习	CNN	医学影像	486名患者（来自本院和62家外部诊所）的多中心配对图像数据集
1095	2025-07-01	Artificial intelligence in cancer pathology: Applications, challenges, and future directions 2025, CytoJournal IF:2.5Q2 DOI:10.25259/Cytojournal_272_2024 PMID:40469709	综述	本文综述了人工智能在癌症病理学中的应用、挑战及未来发展方向	探讨了AI在多种癌症类型中的应用，包括组织分类、突变检测和预后预测，并强调了未来发展方向如实时诊断和可解释AI	存在数据隐私、模型可解释性及监管标准等挑战	评估AI在癌症病理学中的潜力，以提升诊断准确性、优化工作流程并支持精准肿瘤学	乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型	数字病理学	多种癌症	机器学习、深度学习和计算机视觉	NA	组织病理学图像和多模态数据	NA
1096	2025-07-01	BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories 2024-08-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6a8c PMID:39094617	研究论文	介绍了一个名为BIDSAlign的标准化库，用于自动合并和预处理多个EEG数据集	提出了一种能够处理BIDS和非BIDS数据集的标准化库，统一了不同设置的EEG记录，并提供了可视化功能和用户友好的图形界面	未提及具体的性能评估或与其他工具的对比	解决数据驱动的EEG数据分析中的挑战，提供有效的深度学习架构训练数据	多个公共EEG数据集	机器学习	神经系统疾病	EEG数据处理	深度学习架构	EEG数据	来自OpenNeuro的数据集
1097	2025-07-01	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-08-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	提出了一种基于Wasserstein生成对抗网络和卷积神经网络的运动想象脑电分类方法，以提高分类性能	改进的Wasserstein生成对抗网络用于数据增强，设计了一个简洁高效的深度学习模型以提高解码性能	未提及具体的数据采集难度或样本量不足是否会影响模型的泛化能力	提高运动想象脑电数据的解码性能	运动想象脑电数据	机器学习	NA	连续小波变换	Wasserstein GAN, CNN	脑电信号	BCI Competition IV 2a和2b数据集及实际采集的数据集
1098	2025-07-01	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-08-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	research paper	提出了一种名为MRGazer的框架，用于从个体空间的功能磁共振成像(fMRI)数据中预测眼动注视点	MRGazer框架跳过了fMRI共配准步骤，简化了处理流程，实现了端到端的眼动注视回归	未提及具体局限性	开发一个高效、简单且准确的深度学习框架，用于从fMRI数据预测眼动	功能磁共振成像(fMRI)数据中的眼动注视点	计算机视觉	NA	fMRI	残差网络(ResNet)	fMRI图像数据	未提及具体样本量
1099	2025-07-01	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	research paper	本研究提出了一种基于VGG卷积神经网络和WGAN的无校准运动想象脑机接口方法，用于跨受试者EEG分类	采用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现了无需目标受试者校准数据的跨受试者分类	研究仅使用了公开竞赛数据集，未在实际临床环境中验证	开发无需校准的运动想象脑机接口系统	运动想象EEG信号	脑机接口	NA	EEG信号处理	VGG-CNN, WGAN	EEG频谱图像	BCI竞赛IV-2B、IV-2A和IV-1基准数据集（具体数量未说明）
1100	2025-07-01	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出了一种基于脑电图(EEG)的深度神经网络SQI-DOANet，用于估计信号质量指数(SQI)和麻醉深度(DOA)	结合了信号质量评估网络(SQINet)和麻醉深度分析网络(DOANet)，采用双注意力模块融合多通道多尺度信息，并使用门控多层感知器模块提取时序信息	未明确说明模型在实时监测场景下的表现及计算效率	开发可靠的麻醉深度监测方法	手术中的脑电图信号	机器学习	NA	深度学习	CNN+注意力机制+MLP	EEG信号	大型VitalDB数据库（具体数量未说明）