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
101	2025-07-21	Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings 2025-Jul-03, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105494 PMID:40614660	研究论文	本研究开发了一种基于深度学习的模型（TILDL），用于量化鼻咽癌（NPC）H&E染色全切片图像中的肿瘤浸润淋巴细胞（TILs），并探讨了TILDL百分比与患者预后及免疫检查点阻断（ICB）治疗反应的关系	首次使用深度学习模型从H&E染色全切片图像中自动量化TILs，并验证其作为鼻咽癌预后指标的临床价值	研究为回顾性设计，且样本量相对有限	评估深度学习模型在鼻咽癌TILs量化中的临床应用价值	鼻咽癌患者	数字病理	鼻咽癌	H&E染色、免疫组化（IHC）	深度学习模型	图像	698例（435例非转移性NPC患者和63例接受ICB治疗的转移性NPC患者）
102	2025-07-21	Facial Emotion Recognition of 16 Distinct Emotions From Smartphone Videos: Comparative Study of Machine Learning and Human Performance 2025-Jul-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/68942 PMID:40601921	研究论文	本研究开发了基于深度学习的自动面部情绪识别模型，用于从智能手机视频中识别16种不同的治疗相关情绪，并与人类观察者的表现进行了比较	引入了包含16种治疗相关情绪的新型STREs WoZ数据集，并比较了机器学习模型与人类在情绪识别任务上的表现	自动FER模型在多类别情绪分类任务中的性能有待提高，未来研究需要进一步提升模型在心理治疗应用中的实用性	开发用于心理治疗应用的自动面部情绪识别模型	智能手机拍摄的面部视频数据	计算机视觉	心理健康	深度学习	RNN-convolution, RNN-attention, RNN-average, ResNet50	视频	63名个体的14,412个面部视频，测试集包含3,018个情绪视频
103	2025-07-21	A 3D pocket-aware lead optimization model with knowledge guidance and its application for discovery of new glutaminyl cyclase inhibitors 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf345 PMID:40669838	研究论文	本文提出了一种名为Diffleop的3D口袋感知扩散模型，用于基于结构的先导化合物优化，以提高结合亲和力和合理性质	Diffleop模型首次在去噪采样过程中明确结合了蛋白质-配体结合亲和力知识和共价键信息，用于先导化合物优化	未提及具体的模型适用范围限制或潜在问题	开发一种新型深度学习模型，用于提高药物发现中先导化合物优化的效率和效果	人类谷氨酰环化酶(QCs)抑制剂	药物发现	NA	3D扩散模型	Diffleop(基于E(3)-等变专家网络的扩散模型)	3D分子结构数据	优化了5-甲基-1H-咪唑及其衍生物(合成了3种化合物)
104	2025-07-21	scRECL: representative ensembles with contrastive learning for scRNA-seq data clustering analysis 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf346 PMID:40671174	研究论文	提出了一种名为scRECL的对比集成学习方法，用于scRNA-seq数据的聚类分析	利用对比集成学习结合Siamese神经网络，通过多路图筛选噪声和冗余细胞，提高了聚类分析的效率和鲁棒性	方法可能对k近邻分区的选择敏感，且未在大规模数据集上验证	提高单细胞RNA测序数据聚类的准确性和鲁棒性	单细胞RNA测序数据	机器学习	NA	scRNA-seq	Siamese神经网络	基因表达数据	NA
105	2025-07-21	A Multicenter Study on Intraoperative Glioma Grading via Deep Learning on Cryosection Pathology 2025-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100749 PMID:40057037	研究论文	本研究开发了一种基于深度学习的冷冻切片图像胶质瘤分级模型（IGGC），用于术中胶质瘤分级	提出了一种新型的深度学习模型IGGC，能够在术中通过冷冻切片图像准确分级胶质瘤，显著提高了诊断的准确性和一致性	研究样本量有限，测试队列仅有213例，可能影响模型的泛化能力	开发一种能够在术中准确分级胶质瘤的深度学习模型，以指导手术策略并优化患者预后	成人型弥漫性胶质瘤	数字病理学	胶质瘤	深度学习	CNN	图像	训练和验证队列共2231例（TCGA数据集1603例，另一队列628例），测试队列213例
106	2025-07-21	Deep Learning Estimation of Small Airway Disease from Inspiratory Chest Computed Tomography: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in Chronic Obstructive Pulmonary Disease 2025-Jul, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	本研究开发了一种基于生成式AI的模型，用于从单一吸气CT扫描中评估小气道疾病，无需额外的呼气CT扫描	利用生成式AI模型从单一吸气CT扫描中估计小气道疾病，避免了传统方法需要额外呼气CT扫描的限制	研究结果在COPDGene队列中的验证样本量相对较小（n=458）	评估AI模型在慢性阻塞性肺疾病（COPD）中小气道疾病定量评估的应用价值	COPD患者的小气道疾病评估	数字病理学	慢性阻塞性肺疾病	生成式AI	生成模型	CT图像	SPIROMICS研究中的2,513名参与者和COPDGene研究中的458名患者
107	2025-07-21	A Deep Learning Model of Histologic Tumor Differentiation as a Prognostic Tool in Hepatocellular Carcinoma 2025-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100747 PMID:40086592	研究论文	本研究开发了一种基于深度学习的AI模型，用于量化肝细胞癌（HCC）肿瘤分化的组织学特征并预测癌症相关结局	首次使用AI模型量化HCC肿瘤分化的多种组织学特征，并证明其在预测HCC相关结局中的附加价值	研究样本量较小（99例HCC切除标本），需要在更大样本中验证	评估AI模型在量化HCC肿瘤分化特征和预测癌症相关结局中的性能	肝细胞癌（HCC）切除标本	数字病理学	肝细胞癌	深度学习	AI模型	组织学图像	99例HCC切除标本
108	2025-07-21	Labor-Efficient Pathological Auxiliary Diagnostic Model for Primary and Metastatic Tumor Tissue Detection in Pancreatic Ductal Adenocarcinoma 2025-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100764 PMID:40199428	研究论文	本研究提出了一种名为PANseg的多尺度弱监督深度学习框架，用于胰腺导管腺癌(PDAC)的原发性和转移性肿瘤组织检测，旨在提高病理诊断的准确性和效率	PANseg是一种仅需图像级标签的弱监督模型，能够在减少标注负担的同时，达到与全监督基准相当的肿瘤分割性能，并显著提升病理医生的诊断准确性和效率	模型在活检切片上的表现相对较低(AUROC: 0.821)，表明对于某些样本类型的泛化能力仍有提升空间	开发一种劳动高效的病理辅助诊断模型，用于胰腺导管腺癌的原发性和转移性肿瘤组织检测	胰腺导管腺癌(PDAC)的原发肿瘤病灶和淋巴结转移	数字病理	胰腺导管腺癌	深度学习	多尺度弱监督深度学习框架(PANseg)	全切片图像(WSIs)	368张全切片图像(来自208名患者，跨越2个独立中心)
109	2025-07-21	Comparison of Deep Learning and Clinician Performance for Detecting Referable Glaucoma from Fundus Photographs in a Safety Net Population 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100751 PMID:40235827	研究论文	开发并测试了一种深度学习算法，用于从眼底照片中检测可转诊青光眼	深度学习算法在检测可转诊青光眼方面的性能匹配或超过了所有独立临床医生的表现	研究仅基于回顾性数据，未进行前瞻性验证	开发一种深度学习算法，用于青光眼的筛查	6116名来自洛杉矶县卫生服务部门的患者	计算机视觉	青光眼	深度学习	Visual Geometry Group-19 (VGG-19)	图像	12998张眼底照片来自5616名患者（2086名可转诊青光眼，3530名非青光眼）
110	2025-07-21	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-Jul, Journal of clinical anesthesia IF:5.0Q1 DOI:10.1016/j.jclinane.2025.111898 PMID:40516197	研究论文	本研究开发了一种基于深度学习的面部疼痛识别模型，用于术后疼痛评估	结合临床和模拟数据集，利用预训练的VGG16模型进行疼痛识别，并开发了相应的临床识别软件	高质量临床数据集的可用性有限，且缺乏针对现实世界模型部署的研究	探索深度学习技术在术后疼痛自动评估中的应用	术后患者和志愿者的面部疼痛图像	计算机视觉	术后疼痛	深度学习	VGG16	图像	临床疼痛数据集(CPD)包含503名术后患者的3411张面部疼痛图像，模拟疼痛数据集(SPD)包含51名志愿者的1038张图像
111	2025-07-21	Deep learning-based analysis and identification of single-particle mass spectra of bacteria 2025-Jul, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-05942-9 PMID:40542895	研究论文	本研究结合单粒子质谱（SPMS）与监督学习算法，以区分六种细菌物种	首次将SPMS与深度学习算法结合，用于细菌物种的识别，并采用Score-CAM方法可视化CNN模型的关键离子特征	研究仅涉及六种细菌和四种生物质燃烧产物，样本多样性有限	开发一种基于SPMS和深度学习的方法，用于细菌物种的准确识别	六种细菌和四种生物质燃烧产物（BCPs）	机器学习	NA	单粒子质谱（SPMS）	CNN, MLP, SVM	质谱数据	六种细菌和四种生物质燃烧产物的质谱数据
112	2025-07-21	GASTON-Mix: a unified model of spatial gradients and domains using spatial mixture-of-experts 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf254 PMID:40662777	研究论文	介绍了一种名为GASTON-Mix的机器学习算法，用于从空间分辨转录组学（SRT）数据中识别空间域和每个域内的空间梯度	GASTON-Mix扩展了混合专家（MoE）深度学习框架，结合了MoE模型的聚类组件和神经场模型，能够表示组织中任何几何排列的空间域，并在每个域内定义连续的基因表达梯度	NA	开发一种能够同时识别空间域和空间梯度的计算方法	空间分辨转录组学（SRT）数据	机器学习	NA	空间分辨转录组学（SRT）	混合专家（MoE）深度学习框架	基因表达数据	NA
113	2025-07-21	Top-DTI: integrating topological deep learning and large language models for drug-target interaction prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf183 PMID:40662785	研究论文	提出了一种结合拓扑深度学习和大型语言模型的药物-靶点相互作用预测框架Top-DTI	整合了拓扑数据分析（TDA）和大型语言模型（LLMs），利用持久同源性提取蛋白质接触图和药物分子图像的拓扑特征，同时通过LLMs生成蛋白质序列和药物SMILES字符串的语义丰富嵌入	未提及具体局限性	提高药物-靶点相互作用（DTI）预测的准确性和鲁棒性	药物和靶点蛋白质	机器学习	NA	拓扑数据分析（TDA）、大型语言模型（LLMs）	Top-DTI框架	蛋白质接触图、药物分子图像、蛋白质序列、药物SMILES字符串	公共BioSNAP和Human DTI基准数据集
114	2025-07-21	Understanding the sources of performance in deep drug response models reveals insights and improvements 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf255 PMID:40662789	研究论文	本文探讨了深度药物反应模型性能提升的来源，并提出了改进方法	揭示了当前药物反应预测模型性能提升主要来源于细胞系的转录组学特征而非药物特征，并提出了新的二元预测模型BinaryET和BinaryCB	现有模型的性能很大程度上依赖于训练目标值的属性，且药物特征未被有效利用	改进抗癌药物反应预测模型的性能	抗癌药物反应预测	机器学习	癌症	深度学习	transformer架构	药物化学结构和细胞系组学数据	NA
115	2025-07-21	GRACKLE: an interpretable matrix factorization approach for biomedical representation learning 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf213 PMID:40662804	research paper	介绍了一种名为GRACKLE的新型非负矩阵分解方法，用于生物医学表示学习	GRACKLE方法结合了样本相似性和基因相似性矩阵，利用样本元数据和分子关系，提高了在背景噪声增加情况下的性能	当前模型未同时考虑分子相互作用和样本标签的先验知识	识别疾病特异性基因特征，解决小样本量问题	基因表达数据	machine learning	breast cancer, Down syndrome	nonnegative matrix factorization (NMF)	GRACKLE	gene expression data	NA
116	2025-07-21	Soffritto: a deep learning model for predicting high-resolution replication timing 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf231 PMID:40662815	研究论文	开发了一个名为Soffritto的深度学习模型，用于预测高分辨率的复制时序数据	利用两分法RT数据、组蛋白ChIP-seq数据、GC含量和基因密度作为输入，通过LSTM模块和预测模块预测高分辨率RT数据	高分辨率Repli-Seq数据成本高且技术难度大，目前生成的数据非常有限	预测高分辨率复制时序数据，以更好地理解细胞过程中的转录、分化和疾病	人类和小鼠的五个细胞系	机器学习	NA	Repli-Seq, ChIP-seq	LSTM	基因组数据	五个人类和小鼠细胞系
117	2025-07-21	Prognostic Value of Deep Learning-Extracted Tumor-Infiltrating Lymphocytes in Esophageal Cancer: A Multicenter Retrospective Cohort Study 2025-Jul, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71054 PMID:40673386	研究论文	本研究利用深度学习方法评估食管鳞状细胞癌中肿瘤浸润淋巴细胞的预后价值	首次在食管鳞状细胞癌中使用深度学习方法定量分析肿瘤浸润淋巴细胞的分布及其预后意义	研究为回顾性设计，且未分析淋巴细胞亚群和空间信息的更深入利用	评估肿瘤浸润淋巴细胞在食管鳞状细胞癌中的预后潜力	626名病理确诊的食管鳞状细胞癌患者	数字病理学	食管癌	全切片数字成像(WSI)和深度学习方法	DL(深度学习)	图像	626名患者来自两个研究中心
118	2025-07-21	Deep Learning for the Early Diagnosis of Candidemia 2025-Jul, Infectious diseases and therapy IF:4.7Q1 DOI:10.1007/s40121-025-01171-w PMID:40549343	研究论文	本文评估了深度学习模型在早期鉴别诊断念珠菌血症和细菌血症中的性能	利用深度学习模型从非特异性实验室特征中识别念珠菌血症的复杂模式	学习到的模式未能提升特异性标记物（如BDG和PCT）的诊断性能	早期诊断念珠菌血症以降低死亡率	念珠菌血症和细菌血症患者	机器学习	念珠菌血症	深度学习	深度学习模型	实验室特征数据	12,483例（念珠菌血症1,275例，细菌血症11,208例）
119	2025-07-21	Lung Cancer Management: Revolutionizing Patient Outcomes Through Machine Learning and Artificial Intelligence 2025-Jul, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70240 PMID:40674395	研究论文	本研究提出了一种基于深度学习的转移学习方法，用于从CT扫描中准确分割肺部肿瘤区域并分类图像为癌性或非癌性，旨在克服传统机器学习模型的局限性	采用ResNet50骨干网络结合U-Net架构进行病灶分割，随后使用多层感知机(MLP)进行二分类，显著提高了模型的泛化能力和诊断可靠性	需要在前瞻性验证、可解释性技术以及医院工作流程集成方面进行进一步研究	开发一种可靠的深度学习框架，用于肺癌检测，超越传统机器学习方法	肺部CT扫描图像	计算机视觉	肺癌	深度学习	ResNet50 + U-Net + MLP	医学影像(CT扫描)	公开可用的CT扫描数据集和来自伊朗Hazrat Rasool医院的独立临床数据集
120	2025-07-21	Phase-augmented deep learning for cell segmentation in wrapped quantitative phase images 2025-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566950 PMID:40677815	研究论文	本研究开发了一种相位增强的深度学习方法，用于在包裹定量相位图像中进行细胞分割	方法的创新点在于通过数据增强策略引入全局相位偏移，使网络能够区分真实的形态特征与相位包裹伪影	NA	通过单细胞精度的定量研究，推进疾病诊断、治疗和生物材料开发	细胞粘附和脱离过程中的细胞形态	数字病理学	NA	调制光学计算机相位显微镜(M-OCPM)	U-Net	相位图像	NA