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
1	2025-04-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了数字病理学中深度学习在癌症患者个性化治疗计划中的应用	利用AI自动量化生物标志物，提高治疗选择的效率和客观性	NA	改善癌症患者的个性化治疗选择	癌症患者	数字病理学	癌症	AI	深度学习	H&E染色病理图像	NA
2	2025-03-30	U-Sleep's resilience to AASM guidelines 2023-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00784-0 PMID:36878957	research paper	研究探讨了U-Sleep睡眠评分算法在不完全遵循AASM指南情况下的表现	展示了深度学习算法在睡眠评分任务中可以不依赖临床知识或严格遵循AASM指南	仅评估了U-Sleep算法，未与其他算法进行广泛比较	评估深度学习睡眠评分算法对AASM指南的适应性	睡眠评分算法和AASM指南	machine learning	NA	deep learning	U-Sleep	polysomnography studies	28528项多导睡眠图研究，来自13项不同的临床研究
3	2025-03-26	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023-Mar-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533829 PMID:36993233	研究论文	本文通过分子动力学模拟和深度学习技术，揭示了PPM1D磷酸酶中的一个隐秘结合口袋，解释了其变构抑制剂的结合位点和效力	利用AlphaFold预测结构和分子动力学模拟发现PPM1D中的隐秘结合口袋，并通过深度学习预测化合物结合姿态，提高了虚拟筛选的预测能力	研究依赖于预测结构和模拟数据，缺乏实验验证	探索蛋白质动力学在虚拟筛选中的应用，提高药物发现的预测能力	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	分子动力学模拟, 深度学习, 虚拟筛选	AlphaFold, 马尔可夫状态模型(MSM)	蛋白质结构数据, 分子动力学模拟数据	NA
4	2025-03-19	Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.28.534431 PMID:37034586	研究论文	本文提出了一种名为Deli-CS的深度学习方法，用于加速时空MRI数据的重建，同时减少深度学习引起的幻觉风险	提出了Deli-CS框架，通过深度学习生成的起点来“启动”迭代重建，从而减少重建时间	需要大量训练数据，且在不强制数据一致性的情况下可能产生与采集数据不匹配的结果	减少时空MRI数据的重建时间，同时限制深度学习引起的幻觉风险	全脑多参数映射的时空MRI数据	医学影像处理	NA	深度学习，压缩感知	深度学习模型	时空MRI数据	NA
5	2025-03-05	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	本文评估了参与2019年IWOAI膝关节软骨分割挑战赛的六支团队的深度学习分割方法在纵向临床试验中量化软骨损失的适用性	研究展示了最先进的深度学习分割方法在标准化纵向单扫描仪临床试验中用于明确软骨分区的潜力	深度学习方法在股骨分区的标准化响应均值较低，可能是由于后处理中简单的子分区提取所致	评估深度学习分割方法在量化软骨损失中的适用性	来自骨关节炎倡议研究的556名受试者的1130个膝关节MRI扫描	数字病理学	骨关节炎	深度学习	深度学习分割方法	MRI图像	556名受试者的1130个膝关节MRI扫描
6	2025-02-21	Radar Human Activity Recognition with an Attention-Based Deep Learning Network 2023-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s23063185 PMID:36991896	研究论文	本文提出了一种基于注意力机制的深度学习网络，用于雷达人类活动识别（HAR），旨在提高识别精度和计算效率	提出了一种新的网络结构，结合了一维卷积神经网络（1D CNN）和基于注意力机制的长短期记忆网络（LSTM），以解耦雷达预处理信号的时频特征，并通过平均消除方法增强活动特征	尽管在识别精度和计算效率上有所提升，但该方法在实时嵌入式应用中的实际效果仍需进一步验证	提高雷达人类活动识别的精度和计算效率，以适用于实时嵌入式应用	雷达预处理微多普勒信号	计算机视觉	NA	深度学习	1D CNN, LSTM	雷达信号	基于两个人类活动数据集进行实验
7	2025-02-21	Secondary and Topological Structural Merge Prediction of Alpha-Helical Transmembrane Proteins Using a Hybrid Model Based on Hidden Markov and Long Short-Term Memory Neural Networks 2023-Mar-16, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24065720 PMID:36982795	研究论文	本研究提出了一种结合深度学习和隐马尔可夫模型的混合模型HDNNtopss，用于预测α-螺旋跨膜蛋白的二级和拓扑结构	结合了深度学习的特征提取能力和隐马尔可夫模型的状态路径概率，实现了灵活且生物学意义更强的序列预测	NA	预测α-螺旋跨膜蛋白的二级和拓扑结构，以进一步理解其结构和功能	α-螺旋跨膜蛋白	机器学习	NA	深度学习神经网络（DNNs）和类隐马尔可夫模型（CHMM）	BiLSTM, CNN, CHMM	蛋白质序列	NA
8	2025-02-20	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
9	2025-02-14	Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization 2023-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100233 PMID:36545260	研究论文	本研究比较了Vision Transformer深度学习技术（DeiT）和ResNet-50在眼底照片上检测原发性开角型青光眼（POAG）的诊断准确性和可解释性	使用Vision Transformer（DeiT）替代传统的卷积神经网络（如ResNet-50），以提高模型的泛化能力和可解释性	研究主要基于特定数据集（OHTS）和外部数据集，可能在其他数据集上的表现尚未验证	比较Vision Transformer和ResNet-50在检测POAG中的诊断性能，并分析模型决策的可解释性	眼底照片	计算机视觉	青光眼	深度学习	Vision Transformer (DeiT), ResNet-50	图像	66,715张眼底照片（来自1,636名OHTS参与者）和16,137张外部数据集照片
10	2025-02-14	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能模型预测的视野指标的临床决策支持工具的接受度和使用情况	更新并评估了一种集成人工智能预测视野指标的临床决策支持工具，并首次系统性地评估了临床医生对该工具的信任度和实用性	样本量较小，仅涉及10名眼科医生和验光师，且系统可用性评分仅为43百分位数	评估临床医生对集成人工智能预测视野指标的临床决策支持工具的接受度和使用情况	眼科医生和验光师	数字病理学	青光眼	人工智能模型	NA	视野指标	10名眼科医生和验光师，6名患者的11只眼睛
11	2025-02-13	A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design 2023 Mar-Apr, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2022.08.014 PMID:36038107	研究论文	本文研究了一种深度学习回归方法，用于预测黄斑神经节细胞内丛状层（GCIPL）和视神经头（ONH）视网膜神经纤维层（RNFL）厚度，以辅助青光眼神经保护临床试验设计	使用深度学习模型预测GCIPL和RNFL厚度，并利用个体化半视网膜预测来减少临床试验样本量需求	模型在预测更严重疾病时的性能略有下降	提高视网膜结构预测的准确性，辅助青光眼神经保护临床试验设计	青光眼患者	计算机视觉	青光眼	深度学习	回归模型	图像	1096只眼睛（550名患者）的3327对GCIPL/RNFL扫描数据
12	2025-01-12	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究利用深度学习技术对43,230名UK Biobank参与者的心脏磁共振成像数据进行全基因组关联研究，以探索左心室质量与心血管事件风险的关系	首次使用深度学习技术进行心脏磁共振成像数据的全基因组关联研究，并识别出11个新的与左心室质量相关的基因变异	研究主要基于UK Biobank数据，可能无法完全代表其他人群	探索左心室质量与心血管事件风险的遗传关联	43,230名UK Biobank参与者	机器学习	心血管疾病	深度学习	NA	心脏磁共振成像数据	43,230名UK Biobank参与者
13	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像
14	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型
15	2024-12-08	Diffractive interconnects: all-optical permutation operation using diffractive networks 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0358 PMID:39634345	研究论文	本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接	首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计	更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战	开发基于衍射光学网络的全光排列操作平台	衍射光学网络的排列操作性能	光学	NA	衍射光学	NA	NA	NA
16	2024-12-08	Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0361 PMID:39634354	研究论文	本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计	通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化	NA	开发一种高效的多任务光子器件优化方法	光子器件，包括波长滤波器和波导耦合单光子源	计算机视觉	NA	深度学习	深度神经网络（DNN）	光学响应	NA
17	2024-12-08	All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0137 PMID:39634351	研究论文	本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径	首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作	NA	探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数	全光ReLU函数及其在深度学习中的应用	光学	NA	周期极化薄膜铌酸锂纳米光波导	ReLU	光信号	NA
18	2024-12-08	Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0423 PMID:39634350	研究论文	本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理	引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间	光子硬件尺寸和高速电光组件的有限比特精度限制了性能	加速深度神经网络的线性操作，实现高精度和速度优化的分类性能	光子神经网络的动态精度推理和分类性能	光子学	NA	硅光子处理器	神经网络	IRIS数据集	NA
19	2024-11-19	Cell type-specific interpretation of noncoding variants using deep learning-based methods 2023-03-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad015 PMID:36971292	研究论文	本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用	提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据	现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法	解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测	非编码变异及其在不同细胞类型中的影响	机器学习	NA	深度学习	神经网络	表观遗传特征	NA
20	2024-10-30	Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans 2023-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106512 PMID:36701964	研究论文	本文提出了一种基于优化视网膜层分割和深度集成学习的非高级AMD自动分类方法	结合图割算法和三次样条自动标注11个视网膜边界，并采用深度集成机制结合Bagged Tree和端到端深度学习分类器进行AMD检测	NA	提高AMD检测的准确性	视网膜层分割和AMD分类	计算机视觉	老年性黄斑变性	图割算法、三次样条、深度集成学习	深度集成模型	图像	内部和外部数据集