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
161	2025-06-14	Prediction of CRISPR-Cas9 on-target activity based on a hybrid neural network 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.001 PMID:40502933	研究论文	提出了一种基于混合神经网络CRISPR_HNN的CRISPR-Cas9靶向活性预测方法	整合了MSC、MHSA和BiGRU模块，有效捕捉局部动态特征和全局长距离依赖关系，并采用One-hot Encoding和Label Encoding策略	未提及具体的数据集局限性或模型泛化能力测试	提高sgRNA活性的预测准确性，以增强CRISPR-Cas9基因编辑技术的安全性和有效性	CRISPR-Cas9系统中的sgRNA活性	机器学习	NA	CRISPR-Cas9基因编辑技术	混合深度神经网络（整合MSC、MHSA和BiGRU）	基因序列数据	未明确提及具体样本量，仅说明在公共数据集上测试
162	2025-06-14	Providing context: Extracting non-linear and dynamic temporal motifs from brain activity 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324066 PMID:40504803	研究论文	本文提出了一种使用非线性深度学习模型（DSVAE）从静息态功能磁共振成像（rs-fMRI）活动中提取非线性动态时间主题的方法	使用解耦变分自编码器（DSVAE）分离窗口特定（上下文）信息和时间步特定（局部）信息，从而捕捉多时间尺度的差异	NA	研究静息态功能磁共振成像（rs-fMRI）活动的动态特性，特别是时间分辨功能连接（tr-FC）	精神分裂症患者和对照受试者的rs-fMRI数据	神经影像分析	精神分裂症	rs-fMRI, tr-FC	DSVAE（解耦变分自编码器）	功能磁共振成像（fMRI）数据	精神分裂症患者和对照受试者的rs-fMRI数据
163	2025-06-14	Interpretable deep learning for gastric cancer detection: a fusion of AI architectures and explainability analysis 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1596085 PMID:40510366	research paper	提出一种结合多种深度学习架构和可解释性分析的新型胃癌症检测方法	融合VGG16、RESNET50和MobileNetV2三种深度学习架构，并应用LIME技术提高模型的可解释性	未提及具体样本量和数据来源的多样性	开发高精度且可解释的AI驱动胃癌症检测系统	胃癌症的医学影像数据	digital pathology	gastric cancer	deep learning, XAI	VGG16, RESNET50, MobileNetV2	image	NA
164	2025-06-14	Deep learning-based action recognition for analyzing drug-induced bone remodeling mechanisms 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1564157 PMID:40510423	研究论文	提出了一种基于深度学习的动作识别框架，用于分析药物诱导的骨重塑机制	利用图神经网络（GNNs）建模多尺度生物数据的时空依赖性，结合动态信号传播模型识别驱动骨重塑的关键分子相互作用，并整合预测性药理相互作用模型量化药物-靶点相互作用	未提及具体的数据集规模或实验验证的局限性	优化骨健康管理中的治疗干预并最小化不良反应	药物诱导的骨重塑机制	机器学习	骨疾病	深度学习	GNNs	多尺度生物数据	NA
165	2025-06-14	Graph convolutional neural networks improved target-specific scoring functions for cGAS and kRAS in virtual screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.023 PMID:40510763	研究论文	该研究利用图卷积神经网络改进针对cGAS和kRAS的靶向特异性评分函数，以提高虚拟筛选的准确性和外推性能	结合分子图和卷积神经网络，提升靶向特异性评分函数在化学空间扩展数据下的外推能力	数据扩展范围仅限于特定化学空间，未验证更广泛化学空间的适用性	改进虚拟筛选中的靶向特异性评分函数，提高药物发现效率	cGAS和kRAS蛋白质	机器学习	NA	分子对接、图卷积网络	GCN、传统机器学习模型	分子图数据	NA
166	2025-06-14	Random splicing assisted deep learning for breast cancer cell line classification via Raman spectroscopy 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.051 PMID:40510766	研究论文	提出了一种名为随机拼接卷积神经网络（RS-CNN）的深度学习框架，用于通过拉曼光谱对乳腺癌细胞系进行分类	通过随机拼接同一细胞系的拉曼光谱，RS-CNN增强了特征识别能力，同时扩大了数据集规模并提高了信号质量	研究仅针对六种乳腺癌细胞系进行验证，未涉及其他癌症类型	开发一种能够在数据稀缺条件下高效分类乳腺癌细胞系的深度学习模型	乳腺癌细胞系的拉曼光谱数据	机器学习	乳腺癌	拉曼光谱	CNN	光谱数据	每种细胞系450个光谱（在数据受限条件下为100个光谱）
167	2025-06-14	nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230115 PMID:39166971	research paper	评估基于nnU-Net的分割模型在多机构MRI扫描上自动描绘儿童髓母细胞瘤肿瘤子区域的效果	使用nnU-Net模型进行儿童髓母细胞瘤肿瘤子区域的自动分割，并比较迁移学习和直接深度学习模型的性能	样本量相对较小（78例），且数据时间跨度较大（2000年至2019年）	开发并评估自动分割儿童髓母细胞瘤肿瘤子区域的模型，以改进放射治疗计划	儿童髓母细胞瘤患者的多参数MRI扫描	digital pathology	medulloblastoma	MRI（钆增强T1加权、T2加权和液体衰减反转恢复）	nnU-Net	image	78例儿童髓母细胞瘤患者（52男，26女，年龄2-18岁）
168	2025-06-14	Discrete Representation Learning for Multivariate Time Series 2024-Aug, Proceedings of the ... European Signal Processing Conference (EUSIPCO). EUSIPCO (Conference) DOI:10.23919/eusipco63174.2024.10715138 PMID:40510730	研究论文	本文提出了一种基于高斯过程的多元时间序列离散表示学习方法	使用Gumbel-softmax重参数化技巧解决离散潜在变量的不可微问题，实现联合聚类和嵌入	NA	提高多元时间序列表示的可解释性	多元时间序列数据	机器学习	NA	Gumbel-softmax重参数化	高斯过程	时间序列数据	合成数据和真实fMRI数据
169	2025-06-14	Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230138 PMID:38568094	系统性综述	本研究通过系统性综述探讨了深度学习在前列腺MRI分割中的准确性和鲁棒性，并与专业放射科医生进行了比较	首次系统性评估深度学习在前列腺MRI分割中的表现，并比较不同MRI厂商、前列腺区域和测试方法下的性能	仅纳入截至2022年7月31日前的英文文献，可能遗漏最新研究成果	评估深度学习在前列腺MRI分割中的准确性和鲁棒性	前列腺MRI图像	数字病理学	前列腺癌	MRI	深度学习算法	医学影像	48项研究（来自691篇初步筛选文献）
170	2025-06-14	Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5033 PMID:38864690	研究论文	通过计算机模拟折叠和熔解验证了从头设计的水溶性和跨膜β桶蛋白	揭示了AlphaFold2和ESMFold在不同任务中的优势，并引入了一种基于预测增量扰动的'计算机模拟熔解'新方法	缺乏高质量预测模型与实验成功机会之间关系的正式证据	验证和比较深度学习结构预测算法在蛋白质设计中的应用	从头设计的水溶性和跨膜β桶蛋白	计算生物学	NA	深度学习结构预测算法(AlphaFold2, ESMFold)	AlphaFold2, ESMFold	蛋白质序列和结构数据	NA
171	2025-06-14	Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230077 PMID:38446043	research paper	开发并评估了一种半监督学习模型，用于颅内出血检测和分割，并在分布外的头部CT评估集上进行了测试	采用半监督学习方法，通过教师-学生模型框架利用未标记数据提升模型性能，增强了模型在分布外数据上的泛化能力	研究依赖于特定机构的数据集，可能限制了模型的广泛适用性	提高颅内出血检测和分割的准确性和泛化能力	头部CT扫描图像	digital pathology	traumatic brain injury	semi-supervised learning	deep learning model (teacher-student framework)	image	457 labeled head CT scans and 25,000 unlabeled examinations
172	2025-06-14	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	research paper	开发了一种基于深度学习的快速全自动方法，用于MRI平面测量分割和测量进行性核上性麻痹（PSP）患者中最受影响的脑干和脑室结构	提出了一种全自动的深度学习方法，用于分割和测量脑干及脑室结构，并成功应用于PSP与帕金森病（PD）的鉴别诊断	研究为回顾性研究，样本量有限，且仅针对PSP和PD患者	开发一种自动化方法，支持PSP及其他与脑干和脑室改变相关疾病的诊断	进行性核上性麻痹（PSP）患者和帕金森病（PD）患者	digital pathology	geriatric disease	MRI	CNN	image	健康对照组84例，PSP患者71例，PD患者129例，测试数据集305例
173	2025-06-14	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	research paper	评估半自主人工智能模型在筛查乳腺X光片中识别非乳腺癌可疑病例并减少假阳性检查的能力	开发了一种半自主深度学习系统，显著减少乳腺癌筛查中的假阳性率和不必要的医疗程序	研究基于回顾性数据，需要在更多前瞻性研究中验证其效果	降低乳腺癌筛查中的假阳性率和相关医疗负担	乳腺X光筛查图像	digital pathology	breast cancer	deep learning	AI	image	123,248张训练用乳腺X光片（含6,161例癌症）和14,831例筛查检查（含1,026例癌症）的回顾性研究
174	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
175	2025-06-14	SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury 2024-Apr-21, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.03.24300794 PMID:38699309	研究论文	开发了一种名为SCIseg的深度学习工具，用于自动分割脊髓损伤中的T2加权髓内病变	SCIseg模型通过三阶段训练过程，包括主动学习，能够自动分割脊髓和髓内病变，且在不同病因、扫描仪制造商和图像分辨率下表现良好	研究为回顾性研究，可能存在选择偏差	开发自动分割脊髓损伤中T2加权髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI图像	数字病理学	脊髓损伤	深度学习	SCIseg（基于深度学习的模型）	MRI图像	191名脊髓损伤患者（平均年龄48.1岁±17.9，142名男性）
176	2025-06-14	Vision Transformer-based Decision Support for Neurosurgical Intervention in Acute Traumatic Brain Injury: Automated Surgical Intervention Support Tool 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230088 PMID:38197796	研究论文	开发了一种基于Vision Transformer的自动分诊工具，用于预测创伤性脑损伤（TBI）患者是否需要神经外科干预	首次使用Vision Transformer模型开发了自动分诊工具ASIST-TBI，用于预测TBI患者的神经外科干预需求	研究数据来自单一创伤中心，可能影响模型的泛化能力	开发自动分诊工具以预测TBI患者是否需要神经外科干预	创伤性脑损伤（TBI）患者	数字病理学	创伤性脑损伤	CT扫描	Vision Transformer	医学影像	2806名患者用于训练和验证，612名患者用于测试
177	2025-06-14	Multicenter Evaluation of a Weakly Supervised Deep Learning Model for Lymph Node Diagnosis in Rectal Cancer at MRI 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230152 PMID:38353633	research paper	开发了一个弱监督深度学习模型WISDOM，用于直肠癌患者术前MRI数据的淋巴结诊断	提出了一个弱监督模型开发框架WISDOM，结合术后病理信息进行淋巴结诊断，显著提升了放射科医生的诊断性能	研究为回顾性设计，可能存在选择偏差	开发并验证一个基于MRI的淋巴结诊断模型，辅助直肠癌患者的临床诊断	直肠癌患者的MRI数据和术后病理信息	digital pathology	rectal cancer	MRI (T2-weighted and diffusion-weighted imaging)	weakly supervised deep learning model	image	1014名患者（训练队列589人，内部测试队列146人，外部测试队列279人）
178	2025-06-14	Prior Clinico-Radiological Features Informed Multi-Modal MR Images Convolution Neural Network: A novel deep learning framework for prediction of lymphovascular invasion in breast cancer 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6932 PMID:38230837	research paper	本研究开发了一种名为PCMM-Net的深度学习框架，用于提高乳腺癌淋巴血管侵犯（LVI）预测的准确性	PCMM-Net整合了多参数MRI和先前的临床知识，以提高LVI评估的精确度	当前基于术前MRI的放射组学方法在评估早期乳腺癌患者的LVI时缺乏精确性	开发一个深度学习框架以提高乳腺癌LVI预测的准确性	341名乳腺癌患者	digital pathology	breast cancer	MRI	CNN	image	341名患者
179	2025-06-14	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	research paper	提出了一种基于深度学习的虚拟H&E染色方法，从无标记的自发荧光寿命图像中生成临床级虚拟H&E染色图像	结合先进的深度学习模型和当代图像质量度量，利用荧光寿命信息（而不仅仅是强度）实现更准确的虚拟染色重建	未提及具体样本量的限制或模型在更广泛组织类型上的泛化能力	解决FLIM图像快速精确解释的难题，实现无标记组织样本的即时准确细胞级分析	肿瘤微环境中常见的七种不同细胞类型	digital pathology	multiple cancer types	fluorescence lifetime imaging microscopy (FLIM)	DL (unspecified architecture)	autofluorescence lifetime images	NA (未明确提及具体样本数量)
180	2025-06-14	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本文通过文献调查和专家评估，探讨了深度学习算法在脑肿瘤分割中的评估实践及专家对分割质量的感知	揭示了专家对脑肿瘤分割质量感知的低一致性，并指出现有定量指标与临床感知之间的低相关性	专家评估样本量较小（60例），且专家间评分一致性较低（Krippendorff α=0.34）	评估深度学习算法在脑肿瘤分割中的性能及专家对分割质量的感知差异	脑肿瘤分割算法及医学专家对分割质量的评价	数字病理	脑肿瘤	深度学习算法	NA	医学影像	60例脑肿瘤分割案例（由医学专家评估），180篇文献调查