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
121	2025-08-03	An Overview of Autonomous Parking Systems: Strategies, Challenges, and Future Directions 2025-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s25144328 PMID:40732456	综述	本文对自动驾驶停车系统（APS）的当前策略、挑战和未来发展方向进行了全面回顾	深入探讨了深度学习与复杂传感器融合技术的最新进展，并分析了系统集成、验证和安全等系统级问题	当前技术存在诸多挑战，如实时性能与计算成本的平衡、非确定性AI组件的验证问题，以及在多样化不可预测环境中的鲁棒部署困难	探讨自动驾驶停车系统的技术发展现状与未来研究方向	自动驾驶停车系统（APS）	自动驾驶	NA	深度学习，传感器融合	NA	NA	NA
122	2025-08-03	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2025-Jul-09, ArXiv PMID:40671945	研究论文	本文介绍了一种结合数字全息显微镜和深度学习的循环肿瘤细胞检测系统，用于癌症患者的早期检测和疾病监测	提出了一种结合微流控富集和深度学习图像分析的流式数字全息显微镜系统，提高了循环肿瘤细胞检测的敏感性和特异性	研究样本量较小（13名前列腺癌患者和8名健康对照），需要更大规模的验证	开发一种高灵敏度、高特异性的循环肿瘤细胞检测方法	循环肿瘤细胞（CTCs）	数字病理学	前列腺癌	数字全息显微镜（DHM）、微流控技术、免疫荧光分析	深度学习模型	图像	13名晚期前列腺癌患者和8名健康对照
123	2025-08-03	DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics 2025-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.05.662121 PMID:40672156	research paper	提出了一种名为DGAT的双图注意力网络，用于从转录组数据推断空间蛋白质景观	DGAT通过构建整合转录组、蛋白质组和空间信息的异构图，利用图注意力网络学习RNA-蛋白质关系，从而从仅含转录组的空间转录组数据中推断蛋白质表达	NA	从仅含转录组的空间转录组数据中推断蛋白质表达，以增强对细胞功能和微环境组织的理解	空间转录组数据和蛋白质表达数据	digital pathology	breast cancer, glioblastoma, malignant mesothelioma	spatial transcriptomics, CITE-seq	Dual-Graph Attention Network (DGAT)	mRNA profiles, protein expression data	包括公开和内部数据集，涉及扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤样本
124	2025-08-03	A Novel Hybrid Technique for Detecting and Classifying Hyperspectral Images of Tomato Fungal Diseases Based on Deep Feature Extraction and Manhattan Distance 2025-Jul-09, Sensors (Basel, Switzerland) DOI:10.3390/s25144285 PMID:40732413	研究论文	本研究提出了一种结合少样本学习和高光谱成像的混合技术，用于番茄真菌病害的早期检测和分类	结合了EfficientNet模型进行深度特征提取和曼哈顿距离分类的少样本学习框架，能够在数据量极少的情况下实现高精度检测	仅针对四种特定番茄真菌病害进行验证，未测试在其他作物或病害上的泛化能力	开发一种基于少样本学习和高光谱成像的植物病害早期检测方法	番茄植物的四种主要真菌病害	计算机视觉	植物病害	高光谱成像、少样本学习	EfficientNet	高光谱图像	每个类别仅使用3张训练图像
125	2025-08-03	Revisiting Centiloids using AI 2025-Jul-08, Research square DOI:10.21203/rs.3.rs-7015694/v1 PMID:40671806	research paper	本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白PET定量的Centiloid标度	通过惩罚训练中不合理的纵向轨迹，DeepSUVR提高了示踪剂之间的相关性，减少了阴性样本的变异性，并在认知关联、视觉读取的AUC以及研究间纵向一致性方面表现最佳	NA	改进淀粉样蛋白PET定量方法，以提高临床决策的一致性和检测临床干预中早期细微变化的能力	淀粉样蛋白PET扫描数据	digital pathology	geriatric disease	PET扫描	深度学习	image	训练数据来自2,098名参与者（6,762次PET扫描），验证数据来自10,543名参与者的15,806次PET扫描，涵盖10个外部数据集
126	2025-08-03	Multimodal-Based Non-Contact High Intraocular Pressure Detection Method 2025-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s25144258 PMID:40732386	研究论文	本研究提出了一种基于深度学习的非接触式高眼压检测方法，通过整合Scheimpflug图像和角膜生物力学特征来提高检测准确性	采用多模态框架结合CycleGAN进行数据增强，Swin Transformer进行视觉特征提取，以及KAN网络进行异构数据高效融合，显著提升了小样本场景下的预测性能	研究使用的是私人医院数据集，可能限制模型的泛化能力	开发一种准确的非接触式高眼压检测方法以辅助青光眼早期诊断	眼压(IOP)异常患者	数字病理学	青光眼	Scheimpflug成像技术	CycleGAN, Swin Transformer, KAN	图像, 临床参数	未明确提及具体样本量(私人医院数据集)
127	2025-08-03	Perception-Based H.264/AVC Video Coding for Resource-Constrained and Low-Bit-Rate Applications 2025-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s25144259 PMID:40732387	研究论文	本文提出了一种基于感知的H.264/AVC视频编码算法，专为低比特率和资源受限的应用设计	通过针对人类视觉系统最相关的区域，提出了一种动态量化参数调整策略，以在低比特率场景中优化资源使用并保持视觉质量	未提及算法的泛化能力或在不同硬件平台上的性能表现	优化资源受限和低比特率应用中的视频传输效率	H.264/AVC视频编码	计算机视觉	NA	Viola-Jones算法, AdaBoost	NA	视频	NA
128	2025-08-03	HybridKla: a hybrid deep learning framework for lactylation site prediction 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf375 PMID:40736746	研究论文	本文介绍了一种名为HybridKla的混合深度学习框架，用于预测赖氨酸乳酰化（Kla）位点	结合了八种互补的特征编码策略和深度学习技术，显著提高了Kla位点预测的准确性	尽管使用了较大的数据集，但可能仍存在数据不足的问题	开发一个更准确的Kla位点预测工具	赖氨酸乳酰化位点	生物信息学	NA	深度学习	混合深度学习框架	蛋白质序列数据	23,984个Kla位点，涉及7,297种蛋白质
129	2025-08-03	Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer 2025-Jul, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了机器学习的多模态放射组学和转录组学，开发了预测食管癌放疗敏感性和预后的模型	利用SEResNet101深度学习模型结合影像和转录组数据，识别与预后相关的基因，并通过实验验证STUB1作为增强放疗敏感性的关键基因	研究依赖于特定数据库（UCSC Xena和TCGA）的数据，可能限制了模型的泛化能力	预测食管癌患者的放疗敏感性和预后，为个体化放疗计划提供依据	食管癌患者	机器学习	食管癌	RNA-seq	SEResNet101, Lasso回归, Cox分析	影像数据, 转录组数据	来自UCSC Xena和TCGA数据库的数据
130	2025-08-03	Association of Psychological Resilience With Decelerated Brain Aging in Cognitively Healthy World Trade Center Responders 2025-Jul, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100489 PMID:40487784	research paper	该研究探讨了心理韧性对世界贸易中心救援人员大脑衰老速度的影响	首次在认知健康的世界贸易中心救援人员中，研究了心理韧性与大脑衰老速度的关系	样本量较小（N=97），且仅针对特定的救援人员群体	探究心理韧性对大脑衰老速度的保护作用	世界贸易中心救援人员	神经科学	精神健康	结构磁共振成像（MRI）	深度学习算法（BrainStructureAges）	MRI图像	97名世界贸易中心救援人员
131	2025-08-03	DrugTar improves druggability prediction by integrating large language models and gene ontologies 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf360 PMID:40581797	research paper	该研究开发了一个名为DrugTar的高性能深度学习算法，通过整合ESM-2预训练蛋白质语言模型的序列嵌入和基因本体来预测药物的可成药性	结合了蛋白质序列和结构信息，利用预训练嵌入和基因本体，提高了可成药性预测的准确性和性能	未完全探讨蛋白质结构的潜力，且依赖于预训练模型和基因本体的可用性	开发一种高性能的计算方法，以改进药物靶点发现中的可成药性预测	蛋白质序列和结构	machine learning	NA	deep learning, ESM-2 pre-trained protein language model	deep learning algorithm	protein sequence and structure	NA
132	2025-08-03	Three-Dimensional Choroidal Vessel Analysis in Asymmetric Bilateral Age-Related Macular Degeneration: A Comparison of Active Neovascular AMD and Dry AMD Fellow Eyes 2025-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.9.64 PMID:40719538	research paper	本研究使用创新的三维算法评估了双侧年龄相关性黄斑变性（AMD）患者的脉络膜血管系统，比较了新生血管性AMD和干性AMD眼的差异	采用创新的三维深度学习算法对脉络膜血管进行分割和分析，首次在双侧不对称AMD患者中比较了新生血管性和干性AMD眼的脉络膜血管特征	样本量较小（30例患者），且为回顾性研究	评估双侧不对称AMD患者的脉络膜血管特征差异	30例双侧不对称AMD患者（60只眼）	digital pathology	age-related macular degeneration	swept-source optical coherence tomography, deep learning algorithm	deep learning	image	30例患者（60只眼）
133	2025-08-03	Left ventricular wall thickness heterogeneity improves cardiovascular disease diagnosis and prognosis: a UK Biobank cardiovascular magnetic resonance cohort study 2025-Jul, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf092 PMID:40740418	研究论文	该研究探讨了左心室壁厚度异质性（MadWT）作为心血管疾病诊断和预后的新型生物标志物的潜力	提出了左心室壁厚度异质性（MadWT）作为新的生物标志物，用于区分生理性和病理性左心室肥厚（LVH）并预测心血管疾病（CVD）风险	研究结果需要在运动员和疾病队列中进一步验证	比较MadWT与其他左心室壁厚度指标在预测心血管疾病和区分生理性与病理性LVH方面的效果	44,930名UK Biobank参与者的心血管磁共振成像（CMR）数据	心血管磁共振成像	心血管疾病	深度学习辅助分析	深度学习	医学影像	44,930名UK Biobank参与者的CMR扫描数据
134	2025-08-03	Deep Learning Can Accurately Predict the Prognosis of Gynecologic Smooth Muscle Tumors of Uncertain Malignant Potential: A Multicenter Pilot Study 2025-Jun-30, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104211 PMID:40602459	研究论文	本研究探讨了深度学习技术如何利用组织学切片预测妇科不确定恶性潜能平滑肌肿瘤(STUMP)的无进展生存期(PFS)并识别高风险患者	首次应用深度学习技术直接从STUMP的组织学切片中提取特征进行预后预测，实现了优于传统辅助技术的预测效果	样本量相对有限(95例STUMP)，需要进一步研究验证高风险组的分子标记物	探索深度学习技术对STUMP患者预后的预测能力	妇科不确定恶性潜能平滑肌肿瘤(STUMP)患者	数字病理学	妇科肿瘤	深度学习	DL模型	组织学切片图像	95例STUMP(79例训练集+16例外部验证集)，另包含160例子宫肌瘤和58例子宫肉瘤对照样本
135	2025-08-03	From Lab to Clinic: How Artificial Intelligence (AI) Is Reshaping Drug Discovery Timelines and Industry Outcomes 2025-Jun-30, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070981 PMID:40732273	综述	本文综述了人工智能（AI）在药物发现和开发中的应用及其对临床结果的影响	系统评估了AI在药物发现各阶段的应用，并分析了其对临床试验效率和制药成果的贡献	未来工作应扩展AI在代表性不足的治疗领域的应用，并改进模型以处理复杂的生物系统	评估AI在药物发现和开发中的作用及其对临床结果的影响	药物发现和开发过程中的AI应用	人工智能在医药领域的应用	肿瘤学、皮肤病学、神经学	机器学习（ML）、分子建模与模拟（MMS）、深度学习（DL）	NA	NA	分析2015年至2025年间发表的研究，涉及多个数据库
136	2025-08-03	Precision Enhanced Bioactivity Prediction of Tyrosine Kinase Inhibitors by Integrating Deep Learning and Molecular Fingerprints Towards Cost-Effective and Targeted Cancer Therapy 2025-Jun-28, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18070975 PMID:40732265	研究论文	本研究提出了一种结合深度学习和分子指纹的机器学习框架，用于准确预测酪氨酸激酶抑制剂的生物活性，以加速药物开发的临床前阶段	整合了深度人工神经网络(dANNs)、卷积神经网络(CNNs)和结构分子指纹，显著提高了酪氨酸激酶抑制剂生物活性的预测准确性	研究仅基于ChEMBL数据库中的28,314个小分子，可能无法涵盖所有潜在的酪氨酸激酶抑制剂	开发一种成本效益高且针对性的癌症治疗方法，通过机器学习预测酪氨酸激酶抑制剂的生物活性	酪氨酸激酶抑制剂(TKIs)及其生物活性	机器学习	癌症	深度人工神经网络(dANNs)、卷积神经网络(CNNs)、支持向量机(SVM)、CatBoost	dANN, CNN, SVM, CatBoost	分子指纹和物理化学描述符(如分子量、LogP、氢键)	28,314个小分子
137	2025-08-03	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-Jun-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	本研究提出了一种名为GPS的新型数据融合框架，旨在通过整合基因组和表型数据来提高植物育种中的预测准确性	引入了三种不同的数据融合策略（数据融合、特征融合和结果融合），显著提高了预测性能，特别是在复杂性状预测方面	NA	提高基因组选择和表型选择的准确性、稳健性和可转移性，特别是在处理复杂性状时	四种作物（玉米、大豆、水稻和小麦）的基因组和表型数据	机器学习	NA	基因组选择和表型选择	GBLUP, BayesB, Lasso, RF, SVM, XGBoost, LightGBM, DNNGP, MAK	基因组数据和表型数据	四种作物的大规模数据集，样本量可小至200
138	2025-08-03	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	研究论文	利用深度学习辅助的三维多光束连续电子显微镜数据，量化人类浅表白质的轴突特征	首次在纳米级分辨率下对人类浅表白质中的短程联合纤维进行详细形态学表征，填补了该领域知识的空白	研究仅基于有限的组织体积（200×200×112μm），可能无法完全代表整个白质的特征	研究人类浅表白质中短程联合纤维的微观形态学特征，以揭示驱动大脑皮层间连接的轴突特征	人类浅表白质中的短程联合纤维	数字病理学	NA	多光束扫描电子显微镜（EM）	深度卷积神经网络（CNNs）	三维电子显微镜图像	128,285个髓鞘化轴突，其中70,321个长度超过10μm，2,102个长度超过100μm
139	2025-08-03	Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01560-y PMID:40448904	研究论文	本研究提出了一种基于无监督学习的双能CT虚拟单能成像方法，用于提高图像质量	无需训练和标记数据，通过无监督学习方法直接从双能CT图像生成高质量的虚拟单能图像	初步研究结果，样本量及具体临床应用效果需进一步验证	提高双能CT虚拟单能成像的图像质量	双能CT图像及虚拟单能图像	医学影像处理	NA	双能CT（DECT）	深度学习（DL）	医学影像	患者数据（具体数量未提及）
140	2025-08-03	Network-based analyses of multiomics data in biomedicine 2025-May-27, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00452-x PMID:40426270	综述	本文回顾了多组学数据在生物医学中基于网络的表示和分析方法	探讨了网络表示在深度学习与机器学习框架下处理多组学数据的现有方法，并分析了各种方法的优缺点	未提及具体的技术实现细节或实验验证结果	旨在通过基于网络的表示和分析方法促进生物医学大数据任务的发展	多组学数据，包括基因组学、转录组学和蛋白质组学等	生物医学	NA	多组学数据分析	深度学习与机器学习方法	多组学数据	NA