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
1101	2025-07-23	A deep learning approach to detection of oral cancer lesions from intra oral patient images: A preliminary retrospective study 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101975 PMID:39043293	research paper	本研究评估了一种基于深度学习的计算机软件在检测口腔癌病变中的性能	使用YOLOv5架构开发的人工智能模型首次应用于口腔癌病变的检测	样本量较小（仅65张图像），且为回顾性研究	评估深度学习算法在口腔癌病变检测中的应用潜力	口腔鳞状细胞癌（OSCC）病变	digital pathology	oral cancer	deep learning	YOLOv5	image	65张匿名回顾性口腔内患者图像（53张训练集，6张验证集，6张测试集）
1102	2025-07-23	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发了一种基于图论的超分辨率蛋白质-蛋白质相互作用（GSR-PPI）技术，用于空间解析单细胞信号网络，并通过深度学习分类模型评估高分辨率显微镜在PPI生物学研究中的应用	提出了一种新的GSR-PPI技术，能够空间解析单细胞信号网络，并通过深度学习模型预测药物反应	研究仅针对EGFR突变细胞和T细胞，可能不适用于其他类型的细胞或癌症	研究空间信号活动在癌症中的作用，以更好地理解药物抵抗机制	EGFR突变（EGFRm）的PC9和HCC827细胞以及T细胞	数字病理学	肺癌	空间邻近连接分析（PLA）、超分辨率显微镜（Zeiss Airyscan, SRRF）	基于图的深度学习模型	图像	超过10,000个EGFRm细胞和T细胞
1103	2025-07-23	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	research paper	本文介绍了利用生成模型学习分子动力学轨迹的灵活多任务替代模型	首次展示了基于生成模型的分子动力学轨迹建模，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并初步探索了基于动力学的分子设计	仅在四肽模拟和蛋白质单体上进行了验证，尚未在更复杂的分子系统上测试	开发深度学习替代模型以降低分子动力学的计算成本	分子动力学轨迹	machine learning	NA	分子动力学 (MD)	generative model	分子轨迹数据	四肽模拟和蛋白质单体
1104	2025-07-23	Small metal artifact detection and inpainting in cardiac CT images 2024-Sep-25, ArXiv PMID:39398205	研究论文	开发了一种自动检测和修复心脏CT图像中金属伪影的深度学习方法	提出了结合2D U-Net和3D图像修复DL模型的新方法，用于自动检测和修复心脏CT中的金属伪影	方法主要针对已重建的CT图像，且需要人工标注金属伪影区域进行训练	提高心脏CT图像中金属伪影的检测和修复精度，以改善心脏运动分析	心脏CT图像中的金属伪影	数字病理	心血管疾病	深度学习	2D U-Net, 3D图像修复DL模型	CT图像	12名患者的心电图门控4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集
1105	2025-07-23	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，能够从常规病理图像中预测乳腺癌复发风险，相比现有方法具有更好的性能和更低的成本	研究仅在两个独立队列中进行验证，需要更多样化的临床数据进一步验证模型的泛化能力	开发一种成本效益高的乳腺癌复发风险预测工具，以扩大个性化治疗策略的普及	乳腺癌患者	计算病理学	乳腺癌	深度学习	Deep-BCR-Auto	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
1106	2025-07-23	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文提出了四种基于VAE的去混淆框架，用于多组学数据的聚类分析，有效减少混淆因素的影响并保留真实的生物学模式	创新性地开发了四种VAE去混淆框架，特别是条件多组学VAE (cXVAE)，能够处理模拟的混淆效应并恢复生物学驱动的聚类结构	研究中提出的某些策略（如对抗训练）在去除混淆因素方面效果不足	开发去混淆框架以优化多组学数据的聚类分析，实现有意义的疾病亚型分类和患者分层	多组学数据和患者样本	机器学习	癌症	多组学数据分析	VAE, cXVAE	多组学数据	来自The Cancer Genome Atlas的真实多组学数据，50次重复评估
1107	2025-07-23	Deep5hmC: predicting genome-wide 5-hydroxymethylcytosine landscape via a multimodal deep learning model 2024-09-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae528 PMID:39196755	研究论文	介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组5-羟甲基胞嘧啶（5hmC）修饰	Deep5hmC整合了DNA序列和表观遗传特征（如组蛋白修饰和染色质可及性），在预测5hmC修饰方面表现出显著优于单模态方法和现有机器学习方法的性能	未明确提及具体限制，但可能依赖于特定组织类型的5hmC测序数据的可用性	预测全基因组5hmC修饰，以更好地理解组织特异性基因调控并开发复杂疾病的新生物标志物	人类基因组中的5hmC修饰	机器学习	阿尔茨海默病	5hmC测序	多模态深度学习模型	DNA序列数据、表观遗传数据	四个前脑类器官发育阶段和17种人类组织的5hmC测序数据
1108	2025-07-23	Considerations on Image Preprocessing Techniques Required by Deep Learning Models. The Case of the Knee MRIs 2024-Sep, Maedica DOI:10.26574/maedica.2024.19.3.526 PMID:39553362	research paper	本研究展示了膝关节MRI图像的预处理步骤，用于通过深度学习模型检测半月板损伤，并强调了这些步骤在诊断膝关节疾病中的实际应用	引入了创新的预处理方法，能够提升深度学习模型训练的效率，并有望减少半月板撕裂分割或定位任务的时间和精力	研究仅针对膝关节MRI图像，预处理方法的普适性未在其他类型的医学影像中得到验证	优化膝关节MRI图像的预处理步骤，以提高深度学习模型在半月板损伤诊断中的效果	膝关节MRI图像，特别是半月板损伤	digital pathology	geriatric disease	MRI	deep learning segmentation model	image	188名患者的PD-sagittal图像
1109	2025-07-23	A robust deep learning model for the classification of dental implant brands 2024-09, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101818 PMID:38462066	研究论文	本研究探讨了深度学习技术在牙科种植体系统分类中的应用，通过全景X光片实现准确分类	提出了一种基于ConvNeXt的深度学习模型，在牙科种植体品牌分类中表现出色，准确率达到95.74%	研究仅使用了6种牙科种植体系统作为原型，可能无法涵盖所有品牌	探索深度学习技术在牙科种植体系统分类中的应用，提高分类准确性和效率	牙科种植体系统	计算机视觉	牙科疾病	深度学习	CNN, 包括VGG16、ResNet-50、EfficientNet和ConvNeXt	图像（全景X光片）	1258张来自牙科患者的全景X光片
1110	2025-07-23	The Use of Deep Learning and Machine Learning on Longitudinal Electronic Health Records for the Early Detection and Prevention of Diseases: Scoping Review 2024-08-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48320 PMID:39163096	综述	本文对利用深度学习和机器学习分析纵向电子健康记录（EHRs）进行疾病早期检测和预防的证据进行了范围综述	综述了ML和DL在纵向EHRs中的应用，特别是在疾病早期检测和预防方面的医学见解和临床益处	研究排除了技术焦点或使用影像或住院数据的研究，且基于文本EHRs的ML模型仍处于发展阶段	探讨ML和DL在纵向EHRs中支持疾病早期检测和预防的潜力	纵向电子健康记录（EHRs）	机器学习	多种疾病（如糖尿病、肾脏疾病、循环系统疾病、精神和行为障碍等）	机器学习（ML）、深度学习（DL）	RNN、LSTM	文本（EHRs数据）	20项研究（主要发表于2018年至2022年）
1111	2025-07-23	Probabilistic volumetric speckle suppression in OCT using deep learning 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.523716 PMID:39346991	研究论文	提出了一种基于条件生成对抗网络（cGAN）的深度学习框架，用于光学相干断层扫描（OCT）中的体积斑点抑制	利用OCT数据的体积性质，网络以部分OCT体积作为输入，实现无伪影的去斑体积，同时在所有三个维度上保持优异的斑点减少和分辨率保留	训练数据仅由三个OCT体积组成，可能限制了模型的泛化能力	开发一种高效的OCT体积斑点抑制方法	光学相干断层扫描（OCT）数据	计算机视觉	NA	条件生成对抗网络（cGAN）	cGAN	体积OCT数据	三个OCT体积
1112	2025-07-23	Multimodal functional deep learning for multiomics data 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae448 PMID:39285512	research paper	提出了一种多模态功能深度学习（MFDL）方法，用于分析高维多组学数据	MFDL方法通过深度神经网络的层次结构建模多组学变异与疾病表型之间的复杂关系，并利用功能数据分析技术处理高维组学数据	未明确提及具体局限性	开发新型分析方法以应对高维多组学数据分析的挑战	高维多组学数据	machine learning	NA	functional data analysis, deep learning	deep neural networks	multiomics data	NA
1113	2025-07-23	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	该研究开发了一种结合生物物理光感受器适应机制的新型深度学习模型，用于改进人工神经网络在动态输入条件下预测视网膜神经节细胞响应的能力	在传统卷积神经网络前端嵌入光感受器适应的生物物理机制，显著提升了模型在动态自然刺激下的预测性能	研究仅针对视网膜神经节细胞的响应预测，未验证在其他神经系统的适用性	探索将神经适应机制嵌入人工神经网络是否能提升其动态输入下的预测性能	灵长类和鼠类的视网膜神经节细胞(RGC)	机器学习	NA	深度学习	CNN	神经电生理数据	灵长类和鼠类视网膜神经节细胞
1114	2025-07-23	A Computed Tomography-Based Fracture Prediction Model With Images of Vertebral Bones and Muscles by Employing Deep Learning: Development and Validation Study 2024-07-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/48535 PMID:38995678	研究论文	本研究开发并验证了一种基于CT扫描的深度学习模型，用于预测椎骨骨折风险	结合椎骨和椎旁肌肉的CT图像，使用注意力卷积神经网络-循环神经网络模型进行骨折预测，相比仅使用骨图像或临床变量模型表现更优	研究样本主要来自特定时间段(2010-2019年)的患者，且女性比例较高	开发并验证基于CT图像的骨折预测模型	1214名患者的腹部CT图像(开发集)和495名患者(验证集)	数字病理学	骨质疏松症	CT扫描	注意力CNN-RNN	医学图像	开发集1214名患者，验证集495名患者
1115	2025-07-23	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含基因组和病理注释的泛癌患者来源异种移植组织学图像库，用于深度学习分析	创建了一个大规模的PDX H&E图像库，并展示了其在深度学习分析中的适用性	NA	促进通过组织病理学分析进行的癌症生物学研究	患者来源异种移植(PDX)模型	数字病理学	泛癌	H&E染色	深度学习	图像	>1,000个PDX和配对亲本肿瘤H&E图像
1116	2025-07-23	Deep Learning-Based Automated Measurement of Murine Bone Length in Radiographs 2024-Jul-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070670 PMID:39061752	研究论文	本研究开发了一种基于深度学习的模型，用于自动化测量小鼠骨骼X光片中的骨骼长度，以提高准确性和可重复性	利用Keypoint R-CNN算法与EfficientNet-B3特征提取骨干网络，开发了一个骨骼检测和测量流程，显著提升了测量精度和一致性	研究主要针对小鼠骨骼，尚未验证其在人类骨骼测量中的适用性	开发自动化工具以替代传统手动测量小鼠骨骼长度的方法，提高遗传关联映射的精度和一致性	小鼠骨骼X光片	计算机视觉	骨骼疾病	深度学习	Keypoint R-CNN, EfficientNet-B3	图像	94张X光片用于开发，592张用于独立测试，21,300张用于进一步验证
1117	2025-07-23	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2024-Jun-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.16.599221 PMID:38915557	research paper	PSSR2是一个用户友好的Python包，旨在普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进并扩展了原有的PSSR工作流程，实现了同时超分辨率和去噪功能，并通过集成的CLI和Napari插件使技术更易于使用	NA	开发一个用户友好的工具，使显微镜和生物学研究社区能够轻松实现超分辨率工作流程	显微镜数据	digital pathology	NA	deep learning	NA	image	NA
1118	2025-07-23	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	本研究利用迁移学习训练深度学习模型，通过DNA序列预测转录因子（TF）剂量如何影响面部祖细胞中调控元件（RE）的染色质可及性	首次将迁移学习应用于预测TF剂量对染色质状态的定量影响，揭示了缓冲和敏感响应的序列特征，并通过生物物理模型验证了低亲和力基序的敏感效应	研究仅针对两种剂量敏感的TF（TWIST1和SOX9），可能不适用于其他TF	揭示染色质状态对TF剂量变化的定量响应的序列决定因素	面部祖细胞中的调控元件（RE）染色质可及性	机器学习	NA	迁移学习	深度学习模型	DNA序列数据	NA
1119	2025-07-23	Massively parallel characterization of regulatory elements in the developing human cortex 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adh0559 PMID:38781390	研究论文	通过大规模并行报告实验，研究了人类发育中大脑皮层的基因调控元件及其变异	首次在人类原代细胞和脑器官样中大规模并行检测了102,767个开放染色质区域的顺式调控活性，并鉴定了46,802个活性增强子序列和164个改变增强子活性的变异	研究主要集中在中孕期大脑皮层，可能无法完全代表其他发育阶段或脑区的调控特征	建立人类神经元发育过程中功能性基因调控元件和变异的全面目录	人类中孕期大脑皮层的原代细胞和脑器官样	基因组学	神经系统疾病	大规模并行报告实验(MPRA)、深度学习	深度学习模型	基因组数据	102,767个开放染色质区域
1120	2025-07-23	AI-based classification of three common malignant tumors in neuro-oncology: A multi-institutional comparison of machine learning and deep learning methods 2024-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2023.08.007 PMID:37652263	研究论文	本研究比较了机器学习和深度学习方法在神经肿瘤学中三种常见恶性肿瘤分类中的性能	首次在多机构环境中比较了ML和DL方法在神经肿瘤学三分类任务中的表现，并探讨了不同MRI序列掩模对模型性能的影响	研究为回顾性分析，样本量相对有限（502例训练集，86例外部验证集）	确定在神经肿瘤学三分类任务中机器学习或深度学习方法哪种表现更优	胶质母细胞瘤(GBM)、颅内转移性疾病(IMD)和原发性中枢神经系统淋巴瘤(PCNSL)	数字病理	神经肿瘤	多参数MRI（T1W, T2W, FLAIR, DWI和T1-CE）	机器学习管道和3D-CNN	医学影像	502例训练病例（208 GBM，67 PCNSL，227 IMD）和86例外部验证病例（27:27:32）