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	2025-04-04	Predictive models for posttransplant diabetes mellitus in kidney transplant recipients using machine learning and deep learning approach: a nationwide cohort study from South Korea 2024-Jan-09, Kidney research and clinical practice IF:2.9Q1 DOI:10.23876/j.krcp.24.113 PMID:40176402	research paper	本研究利用机器学习和深度学习方法预测肾移植受者术后糖尿病（PTDM）的风险	首次在全国性队列研究中应用XGBoost等机器学习模型预测PTDM，并识别关键风险因素	研究仅基于韩国器官移植登记数据，可能不适用于其他人群	开发预测肾移植受者术后糖尿病风险的模型	肾移植受者（KTRs）	machine learning	diabetes	machine learning, deep learning	XGBoost, CatBoost, light gradient boosting machine, logistic regression	clinical data	3,213名肾移植受者（其中497人发展为PTDM）
2	2025-04-04	Deepdefense: annotation of immune systems in prokaryotes using deep learning 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae062 PMID:39388605	研究论文	使用深度学习对原核生物中的免疫系统进行注释和分类	开发了名为Deepdefense的算法，通过深度学习模型预测免疫系统相关蛋白，并结合校准方法提高准确性，能够识别已知和潜在的新型免疫系统蛋白	现有方法通常基于封闭世界假设，而基因组学中新样本的出现可能超出训练数据范围	开发一种自动检测和分类原核生物免疫系统蛋白的算法	原核生物（古菌和细菌）的免疫系统蛋白	机器学习	NA	深度学习	神经网络	基因组数据	NA
3	2025-04-03	Intraoperative margin assessment for basal cell carcinoma with deep learning and histologic tumor mapping to surgical site 2024-Jan-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00477-7 PMID:38172524	研究论文	开发了一种基于深度学习的术中边缘评估平台，用于基底细胞癌的快速和完整切除	利用人工智能平台自动化肿瘤定位和边缘评估，显著减少组织预处理和组织学评估时间	未提及样本量或具体技术细节，可能限制了结果的广泛适用性	提高基底细胞癌术中边缘评估的效率和准确性	基底细胞癌的手术标本	数字病理	基底细胞癌	深度学习	NA	组织图像	NA
4	2025-04-03	Classification of Alzheimer disease using DenseNet-201 based on deep transfer learning technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304995 PMID:39240975	research paper	使用基于DenseNet-201的深度迁移学习技术对阿尔茨海默病进行分类	提出了一种基于DenseNet-201的迁移学习方法，用于诊断阿尔茨海默病的不同阶段，并实现了高分类准确率	未提及数据集的具体来源和样本多样性，可能影响模型的泛化能力	通过深度学习技术提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者的不同阶段（非痴呆、中度痴呆、轻度痴呆、极轻度痴呆、重度痴呆）	digital pathology	geriatric disease	MRI	DenseNet-201	image	NA
5	2025-04-03	Multi feature fusion network for schizophrenia classification and abnormal brain network recognition 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110848 PMID:38104673	research paper	提出了一种多特征融合网络（MFFN）用于精神分裂症分类和异常脑网络识别	利用功能网络连接（FNC）和时间序列（TC）的多特征互补信息，结合DNN和C-RNN骨干网络学习特征图，并应用Deep SHAP获取最具判别性的脑网络	研究仅基于两个公开数据集，样本量和多样性可能有限	开发一种有效的方法来区分精神分裂症患者和健康对照组，并识别异常脑网络	精神分裂症患者和健康对照组的脑功能网络数据	machine learning	精神分裂症	独立成分分析（ICA），Deep SHAP	DNN, C-RNN	功能磁共振成像（fMRI）数据	两个公开数据集（具体样本量未提及）
6	2025-04-03	Discriminative analysis of schizophrenia patients using an integrated model combining 3D CNN with 2D CNN: A multimodal MR image and connectomics analysis 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110846 PMID:38104672	research paper	该研究提出了一种结合3D CNN和2D CNN的集成模型，用于通过多模态MRI数据对精神分裂症患者进行分类	首次将3D CNN与2D CNN结合用于精神分裂症患者的分类，并引入了SE-blocks和SVM分类器以提高性能	样本量相对较小（140名患者和205名正常对照），且仅使用了两种MRI模态数据	提高精神分裂症患者的分类性能，探索其在精神疾病临床诊断中的潜力	精神分裂症患者和正常对照	digital pathology	schizophrenia	structural MRI (sMRI), resting-state functional MRI (rs-fMRI)	3D CNN, 2D CNN, SVM	MRI图像（3D和2D矩阵）	140名精神分裂症患者和205名正常对照
7	2025-03-30	DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery 2024-01-23, Genes IF:2.8Q2 DOI:10.3390/genes15020144 PMID:38397134	研究论文	本文提出了一种名为DARDN的深度学习方法，用于CTCF结合序列分类和致癌调控特征的发现	利用CNN预测癌症特异性CTCF结合位点，并采用DeepLIFT解释模型输入特征的贡献，从而识别与癌症特异性CTCF结合相关的DNA序列特征	未明确提及具体局限性	研究癌症基因组学中基因调控机制的表征	CTCF结合位点及其在癌症中的特异性结合模式	机器学习	T细胞急性淋巴细胞白血病（T-ALL）、急性髓系白血病（AML）、乳腺癌（BRCA）、结直肠癌（CRC）、肺腺癌（LUAD）和前列腺癌（PRAD）	高通量测序	CNN	DNA序列	涉及多种癌症类型的CTCF结合位点DNA序列
8	2025-03-29	"UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae087 PMID:39607983	research paper	该研究介绍了迄今为止最大的淡水硅藻图像数据集，旨在促进深度学习在硅藻识别问题上的应用和基准测试	提出了最大的硅藻图像数据集，并展示了两种创新分析方法，包括处理视觉异质性类别的子聚类、分布外样本检测和半监督学习	硅藻的高类内变异性和小类间差异、显微镜载玻片上标本视觉外观的差异以及硅藻专家注释的有限可用性	促进深度学习在淡水硅藻识别问题上的应用和基准测试	淡水硅藻	computer vision	NA	light microscopy	deep learning	image	83,570张图像，涵盖611种硅藻类群，其中101种类群每种至少有100个样本，144种类群每种至少有50个样本
9	2025-03-28	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	本文利用基于生物医学数据预训练的深度学习transformer模型构建集成方法，从生物医学文献中自动提取药物-蛋白质关系	采用生物医学领域特定的transformer模型和集成方法进行关系提取，在BioCreative-VII共享任务中表现出色	NA	开发自动从生物医学文献中提取药物-蛋白质关系的方法	PubMed摘要中的药物/化学物质与蛋白质关系	自然语言处理	NA	深度学习transformer模型	transformer	文本	主语料库包含10,750篇摘要，大规模语料库包含240万篇文档
10	2025-03-27	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本文开发了一种基于深度学习的全自动分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以提高数据分析的重复性和鲁棒性	首次应用3D U-Net进行颅内狭窄血管的全自动分割，显著提高了分割的准确性和效率	未来需要更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病变的数据来提高模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以改善血流动力学的定量评估	颅内动脉粥样硬化疾病（ICAD）患者和健康对照者的4D流动MRI数据	数字病理	颅内动脉粥样硬化疾病	4D流动MRI	3D U-Net	MRI图像	154例双VENC 4D流动MRI扫描（68例ICAD患者，86例健康对照）
11	2025-03-26	Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data 2024-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00494-6 PMID:38182734	研究论文	开发了一个名为Autosurv的可解释深度学习框架，用于结合临床和多组学数据进行癌症生存分析	结合多组学数据和临床信息进行癌症预后预测，并提供了模型解释方法以揭示重要特征	部分识别出的特征的重要性仅得到先前研究的部分支持	优化癌症患者的治疗计划并提高生活质量	乳腺癌和卵巢癌患者	机器学习	乳腺癌, 卵巢癌	多组学数据分析	深度学习框架	基因表达数据, miRNA表达数据, 临床数据	多个独立的多组学数据集
12	2025-03-26	DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1511389 PMID:40124976	研究论文	本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病	应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中	数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力	提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性	胸部X光图像	计算机视觉	肺炎	迁移学习	MobileNetV2, VGG-16, ResNet50V2	图像	5,863张胸部X光图像
13	2025-03-23	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	本文对基于机器学习和深度学习的蛋白质序列中赖氨酸丙二酰化位点预测技术及工具进行了全面分析和回顾	提出了一种由经典机器学习模型和深度学习模型组成的混合架构，用于集成预测结果，并展示了其优越性能	现有方法存在特征提取不当、高维特征和低效分类器等特定缺点	提高蛋白质序列中赖氨酸丙二酰化位点的预测准确性和效率	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	机器学习（ML）和深度学习	经典ML模型和深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集
14	2025-03-23	Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1243659 PMID:38711781	综述	本文综述了人工智能在皮肤癌生存分析中的应用现状，重点分析了监督学习、无监督学习、深度学习和自然语言处理等方法	本文首次系统性地总结了人工智能在皮肤癌生存分析中的应用，并指出了深度学习在黑色素瘤组织病理学解释中的集中应用，同时提出了结合遗传、组织病理学和临床数据进行更广泛预后分析的机会	本文仅纳入了14篇符合纳入标准的文献，且大多数文献集中在黑色素瘤上，对其他类型皮肤癌的研究较少	探讨人工智能在皮肤癌生存分析中的应用，以改善生存分析、靶向治疗和预后	皮肤癌患者	数字病理学	皮肤癌	深度学习，自然语言处理	监督学习，无监督学习，深度学习	遗传数据，临床历史，人口统计数据，病理数据	14篇文献
15	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）
16	2025-03-20	An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1461542 PMID:40098633	研究论文	本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色	结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗	乳腺超声图像	计算机视觉	乳腺癌	深度学习	U2NET-Lite, DeepCardinal-50	图像	未提及具体样本数量
17	2025-03-15	scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia 2024-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.25.577200 PMID:38328094	研究论文	本文介绍了一种基于Transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并增强了对精神分裂症中表观遗传改变的检测	scMeFormer模型在单细胞DNA甲基化数据估算方面表现出色，即使在CpG位点覆盖率显著降低的情况下也能实现高保真估算	NA	开发一种深度学习模型，用于在单细胞中估算DNA甲基化状态，以增强对精神分裂症中表观遗传改变的检测	单细胞DNA甲基化数据	深度学习	精神分裂症	单细胞DNA甲基化测序	Transformer	DNA甲基化数据	四个精神分裂症患者和四个神经典型对照的前额叶皮层单核DNA甲基化数据集
18	2025-03-15	Lightweight model-based sheep face recognition via face image recording channel 2024-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skae066 PMID:38477672	研究论文	本文介绍了一种轻量级的绵羊面部识别模型YOLOv7-SFR，旨在解决现有模型体积大、计算成本高的问题	引入了轻量级改进策略，包括在主干网络中引入shuffle attention模块、融合Dyhead模块、使用深度可分离卷积替代传统卷积，并采用知识蒸馏技术进一步提升模型性能	研究仅针对50只小尾寒羊进行实验，样本规模较小，可能限制了模型的泛化能力	开发一种轻量化的绵羊面部识别模型，以推动数字羊场和精准畜牧业的实际应用	小尾寒羊的面部图像	计算机视觉	NA	深度学习	YOLOv7-SFR	图像	50只小尾寒羊，共22,000张面部图像
19	2025-03-15	Deep Learning-based Assessment of Facial Asymmetry Using U-Net Deep Convolutional Neural Network Algorithm 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009862 PMID:37973054	研究论文	本研究旨在评估基于深度卷积神经网络（DCNN）的计算机辅助诊断（CAD）系统在检测后前位（PA）头颅X光片上的面部不对称性方面的诊断性能，并将其与正畸医生的诊断结果进行比较	使用U-Net深度卷积神经网络算法进行面部不对称性评估，提供了一种新的计算机辅助诊断方法	研究样本量有限，仅使用了1020名患者的PA头颅X光片进行训练，25张用于测试	评估DCNN-based CAD系统在面部不对称性诊断中的性能	1020名正畸患者的PA头颅X光片	计算机视觉	NA	深度卷积神经网络（DCNN）	U-Net	图像	1020名患者的PA头颅X光片
20	2025-03-15	Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009856 PMID:38294297	研究论文	本研究开发了一种基于深度学习的AI算法，用于通过面部骨骼的计算机断层扫描图像诊断鼻骨骨折	首次开发了一种基于深度学习的AI算法，用于诊断鼻骨骨折，并与人类医生的诊断结果达到了100%的敏感性和77%的特异性	研究处于初步阶段，样本量较小，需要进一步验证和优化	开发一种AI算法，用于通过计算机断层扫描图像诊断鼻骨骨折	面部骨骼的计算机断层扫描图像	计算机视觉	鼻骨骨折	深度学习	深度学习模型	图像	未明确提及样本量