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	2025-06-14	Study on Liver Sinusoidal Endothelial Cell Fenestrations Based on Cellular Omics-Structure Integration Technology and Its Application in Metabolic Diseases 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.16.653525 PMID:40475559	研究论文	本研究开发了一种新的细胞组学-结构整合（COSI）技术平台，用于解决传统技术在单细胞水平上同时获取基因表达谱和超分辨率细胞结构信息的局限性	开发了COSI技术平台，首次实现了单细胞水平上基因表达谱与超分辨率细胞结构信息的同步获取与分析	NA	研究肝脏窦内皮细胞窗孔形成的机制及其在代谢疾病中的应用	肝脏窦内皮细胞	细胞生物学	代谢疾病	单细胞转录组学、超分辨率荧光显微镜、电子显微镜、深度学习分辨率增强	深度学习	基因表达数据、超分辨率图像数据	NA
122	2025-06-14	VADEr: Vision Transformer-Inspired Framework for Polygenic Risk Reveals Underlying Genetic Heterogeneity in Prostate Cancer 2025-May-18, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.16.25327672 PMID:40463543	research paper	介绍了一种基于Vision Transformer的框架VADEr，用于揭示前列腺癌中的遗传异质性并预测多基因风险	结合自然语言处理和计算机视觉技术，利用Vision Transformer架构捕捉遗传数据的局部和全局交互作用，提出DARTH评分以解释基因组区域的个性化贡献	未提及具体样本量或数据集的局限性	提高复杂疾病（如前列腺癌）风险预测的准确性	前列腺癌（PCa）的遗传风险预测	machine learning	prostate cancer	Vision Transformer (ViT)	Transformer	genetic data	NA
123	2025-06-14	ProtFun: A Protein Function Prediction Model Using Graph Attention Networks with a Protein Large Language Model 2025-May-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.13.653854 PMID:40463264	研究论文	提出了一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能	结合蛋白质大型语言模型(LLM)嵌入和图注意力网络(GAT)进行蛋白质功能预测	未提及具体局限性	开发计算方法来自动预测蛋白质功能	蛋白质序列和功能	生物信息学	NA	图注意力网络(GAT), 蛋白质大型语言模型(LLM)	GAT, LLM	蛋白质序列数据	三个基准数据集
124	2025-06-14	Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study 2025-May-15, Clinical & experimental metastasis IF:4.2Q2 DOI:10.1007/s10585-025-10349-y PMID:40369240	研究论文	本研究基于深度学习的MRI影像组学模型，用于预测局部晚期鼻咽癌患者在新辅助放化疗后的复发情况	结合传统影像组学特征和深度学习提取的深度影像组学特征，构建预测模型，并在多中心数据上验证其性能	研究为回顾性设计，样本量相对有限（328例患者）	验证基于深度学习的MRI影像组学模型在预测局部晚期鼻咽癌复发中的临床价值	局部晚期鼻咽癌（LA-NPC）患者	数字病理	鼻咽癌	MRI（T1WI+C和T2WI序列）	Random forest (RF), LASSO, 五种机器学习分类器	医学影像	328例鼻咽癌患者（来自四家医院），分为训练集（229例）和验证集（99例）
125	2025-06-14	Tracking Conditioned Fear in Pair-Housed Mice Using Deep Learning and Real-Time Cue Delivery 2025-May-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.10.653260 PMID:40463247	research paper	该研究开发了一种基于深度学习的开源软件，用于在家庭笼中实时跟踪和分析配对饲养小鼠的条件恐惧行为	结合开源软件和深度学习姿态估计技术，在生态相关环境中研究小鼠的条件恐惧行为，并考虑了昼夜节律的影响	研究仅针对小鼠模型，结果向人类PTSD的转化需要进一步验证	开发新工具以更好地理解创伤后应激障碍(PTSD)的复杂诊断标准	配对饲养的小鼠	digital pathology	PTSD	深度学习姿态估计	深度学习模型	视频	配对饲养的小鼠群体(具体数量未提及)
126	2025-06-14	Optimizing breast lesions diagnosis and decision-making with a deep learning fusion model integrating ultrasound and mammography: a dual-center retrospective study 2025-May-14, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02033-6 PMID:40369585	研究论文	本研究开发了一种结合超声和乳腺X线摄影的深度学习融合模型（DL-UM），旨在优化乳腺病变的诊断和管理	首次将超声和乳腺X线摄影图像融合，开发了DL-UM网络，显著提高了乳腺病变诊断的敏感性和特异性，特别是在超声和乳腺X线摄影BI-RADS分类不一致的情况下	研究为双中心回顾性研究，样本量相对有限（1283名女性），且未涉及前瞻性验证	优化乳腺病变的诊断和管理，减少不必要的活检	1283名乳腺病变女性患者的超声和乳腺X线摄影图像	数字病理	乳腺癌	深度学习	DL-UM（深度学习融合模型）	图像	1283名女性患者的超声和乳腺X线摄影图像
127	2025-06-14	CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing 2025-May, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70033 PMID:40177991	research paper	提出了一种名为CMV2U-Net的边缘加权U形网络，用于检测和定位图像拼接	设计了一个特征提取模块，可以同时处理两路输入图像，并采用分层融合方法和通道注意力机制来防止浅层特征的数据丢失	未明确提及具体局限性	提高图像拼接伪造检测和定位的准确性和鲁棒性	图像拼接伪造	computer vision	NA	deep learning	U-Net	image	多个公共数据集（未明确提及具体数量）
128	2025-06-14	Fast MRI Techniques of the Liver and Pancreaticobiliary Tract: Overview and Application 2025-May, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0004 PMID:40502472	review	本文综述了肝脏和胰胆管MRI中的快速成像技术及其应用	探讨了压缩感知和深度学习重建在加速MRI扫描中的应用及其潜力	压缩感知重建时间长且参数优化复杂，深度学习重建需要进一步测试模型稳定性、泛化能力和输出图像保真度	研究肝脏和胰胆管MRI中减少呼吸运动伪影和加速扫描时间的技术	肝脏和胰胆管MRI图像	医学影像	肝脏和胰胆管疾病	并行成像、压缩感知、深度学习重建	CNN	MRI图像	NA
129	2025-06-14	Gene expression inference based on graph neural networks using L1000 data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf273 PMID:40505083	research paper	该研究探讨了基于图神经网络（GNN）的基因表达推断方法，使用L1000数据，并展示了其在预测基因表达值和基因排名方面的优越性	首次将基因表达数据转化为图结构，利用GNN模型捕捉基因间的非线性关系，相比传统线性回归和非线性非GNN模型，性能更优且所需信息量更少	未提及具体的数据集规模或实验细节，可能影响结果的泛化性	提高基因表达推断的准确性和效率	基因表达数据	machine learning	NA	L1000	GNN	gene expression data	超过一百万种不同条件下的基因表达数据
130	2025-06-14	AI-Driven Advancements in Bioinformatics: Transforming Healthcare and Science 2025-May, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_389_25 PMID:40511171	综述	本文综述了AI技术在生物信息学中的应用及其对医疗实践和科学研究的变革性影响	评估了AI在基因组和蛋白质结构预测、药物发现算法及诊断解决方案中的基础性应用	存在数据质量、模型可解释性不清晰及伦理问题等挑战	探讨AI技术在生物信息学领域的应用及其潜在变革	基因组、蛋白质结构、药物发现算法及诊断解决方案	生物信息学	NA	机器学习、深度学习	NA	生物大数据集	NA
131	2025-06-14	Trade-offs between machine learning and deep learning for mental illness detection on social media 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99167-6 PMID:40281061	研究论文	本文比较了机器学习和深度学习模型在社交媒体上检测心理健康状况时的性能差异	通过实证研究比较了多种ML和DL模型在心理健康分类中的表现，并提供了基于数据集大小、可解释性需求和计算限制的选择建议	研究仅基于中等规模的数据集，未探讨在更大或更小数据集上的表现差异	评估不同建模方法在心理健康状况分类中的优缺点	社交媒体上关于抑郁、焦虑和自杀意念的用户生成文本	自然语言处理	心理健康疾病	NA	logistic regression, random forest, LightGBM, ALBERT, GRUs	文本	中等规模数据集
132	2025-06-14	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	利用深度学习自动评估模拟腹腔镜手术技能表现	引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用3DCNN结合弱监督方法对手术经验水平进行分类	数据集的规模和多样性可能有限，且仅针对模拟环境而非真实手术场景	通过AI技术自动评估手术技能表现，减少对人工专家评估的依赖	模拟腹腔镜手术视频	计算机视觉	NA	3DCNN	3DCNN	视频	包含不同技能水平(新手、学员、专家)的手术模拟视频
133	2025-04-17	Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe AKI 2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000695 PMID:40232856	research paper	开发并验证了一种结合结构化和非结构化数据的深度学习模型，用于预测中度至重度急性肾损伤	首次结合结构化数据和非结构化临床笔记信息，采用中间融合的深度学习循环神经网络架构来预测急性肾损伤	研究排除了入院时血清肌酐≥3.0mg/dL、48小时内需要透析等特定患者群体	开发能够早期预测中度至重度急性肾损伤的深度学习模型	成年住院患者（≥18岁）	digital pathology	acute kidney injury	deep learning, natural language processing	recurrent neural network (RNN)	structured clinical data and unstructured clinical notes	424,579例住院患者（推导队列339,998例，验证队列84,581例）
134	2025-06-14	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	系统综述	本文通过系统综述评估了人工智能在骨科影像学中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响	首次系统比较了不同AI模型在多种骨科影像模态中的临床效能和实用性	现有文献缺乏全面的统计分析和随机对照试验，需要进一步研究以验证临床环境中的发现	评估AI在骨科影像学中的有效性和可靠性	骨科影像学中的AI应用	医学影像分析	骨科疾病	机器学习(ML)和深度学习	CNN	医学影像	11,990,643张来自多种诊断仪器的图像
135	2025-06-14	A physics-informed deep learning model for predicting beam dose distribution of intensity-modulated radiation therapy treatment plans 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100779 PMID:40502721	研究论文	开发了一种基于物理信息的深度学习模型，用于预测鼻咽癌患者调强放射治疗（IMRT）中的束流剂量分布	提出了一种专门用于束流剂量预测任务的物理信息深度学习网络，并通过交叉采样方案解决了深度学习模型的可解释性挑战	样本量相对较小（100例），且为回顾性研究	开发用于IMRT束流剂量预测的深度学习模型	鼻咽癌患者的IMRT治疗计划	医学影像分析	鼻咽癌	深度学习	U-Net	CT图像和轮廓输入	100例九束IMRT病例（72例训练集，8例验证集，20例测试集）
136	2025-06-14	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-03-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	提出了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶(ALP)活性值预测植入物表面成骨能力，性能指标超过0.98	NA	开发高效筛选骨科植入物表面成骨能力的方法	钛及其合金植入物表面	数字病理	骨科疾病	深度学习	OIODNet	图像	NA
137	2025-06-14	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients 2025-Mar-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.06.25322855 PMID:40093217	研究论文	比较不同多模态深度学习方法在预测病房患者临床恶化方面的效果	首次比较了结合结构化数据与临床笔记信息的多种深度学习方法在预测临床恶化方面的性能	添加临床笔记信息并未显著提升模型性能	评估多模态深度学习模型预测病房患者临床恶化的效果	病房患者	机器学习	NA	深度循环神经网络	RNN	结构化数据和非结构化文本数据	506,076名病房患者
138	2025-03-27	Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240032 PMID:39601654	research paper	该研究应用共形预测方法于深度学习模型，以提高颅内出血检测的可信度	使用Mondrian共形预测（MCP）方法增强深度学习模型的不确定性感知能力，提高对挑战性病例的识别准确率	研究为回顾性研究，样本量相对较小（491例CT扫描）	提高深度学习模型在颅内出血检测中的可信度和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	CNN	CT图像	491例非对比头部CT扫描（来自CQ500数据集）
139	2025-06-14	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	research paper	评估物理信息自编码器（PIA）在利用混合多维MRI测量前列腺癌组织生物标志物方面的性能	提出了一种新兴的自监督深度学习模型PIA，将三室扩散弛豫模型与混合多维MRI结合，无需大量训练数据即可预测前列腺癌组织特异性生物标志物	研究样本量较小（21名患者），且为回顾性研究	开发一种准确、无创且可解释的人工智能方法用于前列腺癌检测	前列腺癌患者的组织生物标志物	digital pathology	prostate cancer	hybrid multidimensional MRI	Physics-Informed Autoencoder (PIA)	MRI数据	21名前列腺癌患者（71个感兴趣区域）
140	2025-06-14	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	开发了一种名为REMED-T2D的集成机器学习模型，用于早期检测2型糖尿病	首次使用Pima数据集进行综合分析，整合多种机器学习算法，并开发了公开可访问的网页服务器	模型主要针对亚洲女性，可能在其他人群中的适用性有限	提高2型糖尿病的早期检测准确性和鲁棒性	Pima Indian Diabetes数据集、RTML1和Pabna数据集	机器学习	2型糖尿病	集成学习、欠采样方法	集成ML模型	医疗数据集	Pima Indian Diabetes数据集生成的五个平衡数据集，以及RTML1、Pabna和RTML2数据集