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	2025-04-17	Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status 2024-01, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-023-01120-3 PMID:37919367	研究论文	本文提出了一种弱监督端到端多实例学习模型，用于编码和聚合体细胞突变的局部序列上下文或基因组位置，以进行样本级分类	使用多注意力头的多实例学习模型，能够建模个体测量对样本级分类的重要性，提供更强的可解释性，并在合成任务和实际任务中表现优异	NA	改进基因组数据集的聚合信息任务性能，以生成生物学见解	体细胞突变数据	机器学习	肿瘤	多实例学习	多注意力头模型	基因组数据	NA
122	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA
123	2025-04-15	Artificial intelligence- and computer-assisted navigation for shoulder surgery 2024 Jan-Apr, Journal of orthopaedic surgery (Hong Kong) DOI:10.1177/10225536241243166 PMID:38546214	综述	本文全面分析了肩部手术领域的最新技术进展，特别是人工智能和计算机辅助导航技术的应用	详细探讨了人工智能和计算机辅助导航技术在肩部手术中的创新应用及其未来潜力	未提及具体临床数据或案例研究来验证这些技术的实际效果	概述当前肩部手术技术的现状，并强调人工智能和计算机辅助技术的作用	肩部手术及相关技术	数字病理	骨科疾病	计算机辅助手术、机器人辅助手术、深度学习	深度学习模型	医学影像数据（如超声、CT、MRI）	NA
124	2025-04-12	Machine learning predicts which rivers, streams, and wetlands the Clean Water Act regulates 2024-01-26, Science (New York, N.Y.) DOI:10.1126/science.adi3794 PMID:38271507	研究论文	使用深度学习和地理空间数据预测《清洁水法案》对河流、溪流和湿地的保护范围	首次应用深度学习模型结合航空影像和地球物理数据，预测美国陆军工程兵团对15万项水域管辖权的决定	研究依赖于历史管辖决定数据进行训练，可能无法完全反映未来政策变化的影响	评估《清洁水法案》对水域的保护范围及最高法院和白宫规则对此的影响	美国的河流、溪流和湿地	机器学习	NA	深度学习	深度学习模型	航空影像和地球物理数据	15万项水域管辖权决定
125	2025-04-12	Early detection of Alzheimer's disease in structural and functional MRI 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1520878 PMID:39726682	research paper	该研究利用先进的深度学习架构进行海马体和脑室的精确分割，并结合混合分类器提高阿尔茨海默病的二元分类准确率	创新点在于将先进的图像分割技术与混合分类器无缝集成，为早期阿尔茨海默病检测提供了强大且可扩展的框架	NA	通过深度学习模型和全面的功能连接分析，显著提升阿尔茨海默病的早期检测能力	阿尔茨海默病患者的功能性磁共振成像数据	digital pathology	geriatric disease	fMRI	Deep-Residual-U-Net, DeepLabV3+, VGG-16, Random Forest, SVM	image	NA
126	2025-04-11	The Growing Impact of Natural Language Processing in Healthcare and Public Health 2024 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580241290095 PMID:39396164	综述	本文综述了自然语言处理（NLP）在医疗保健和公共卫生领域的当前应用、成功案例以及存在的局限性和新兴趋势	总结了NLP在医疗保健中的多种应用，如公共情绪分析、电子健康记录筛选、加速临床试验候选人识别等，并探讨了NLP在克服语言障碍和改善医疗服务方面的潜力	研究仅限于2018年至2023年间发表的英文论文，且样本量为27篇，可能无法全面覆盖NLP在医疗保健领域的所有应用和发展	探讨NLP在医疗保健和公共卫生领域的应用及其潜力	自然语言处理技术在医疗保健和公共卫生领域的应用	自然语言处理	NA	自然语言处理（NLP）、深度学习、语音识别（SR）、自然语言理解（NLU）	NA	非结构化文本、社交媒体数据	27篇论文
127	2025-04-10	Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c08623 PMID:38112538	research paper	本文介绍了一种利用生物纳米孔和深度学习技术检测蛋白质翻译后修饰（PTMs）的单分子方法	结合生物纳米孔（气溶素）和深度学习模型，实现了对α-突触核蛋白肽及其多种PTM变体的高灵敏度检测和区分	目前仅针对α-突触核蛋白肽及其特定PTM变体进行了验证，尚未扩展到其他蛋白质或PTM类型	开发一种高灵敏度的单分子检测方法，用于蛋白质翻译后修饰的研究和生物标志物发现	α-突触核蛋白肽及其磷酸化、硝化和氧化等PTM变体	单分子检测	神经退行性疾病	纳米孔传感技术（气溶素纳米孔）	深度学习模型	电信号数据	NA
128	2025-04-10	Deep learning in public health: Comparative predictive models for COVID-19 case forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294289 PMID:38483948	研究论文	比较多种深度学习模型在预测阿联酋和马来西亚COVID-19病例中的效果	使用贝叶斯优化技术提升模型性能，并比较不同深度学习模型在特定地区的预测效果	研究仅针对阿联酋和马来西亚，可能不适用于其他地区	确定预测COVID-19病例的最有效深度学习模型	阿联酋和马来西亚的COVID-19病例数据	机器学习	COVID-19	贝叶斯优化	LSTM, bidirectional LSTM, CNN, hybrid CNN-LSTM, Multilayer Perceptron's, RNN	结构化数据（确诊病例数、人口统计数据、社会经济因素）	NA
129	2025-04-09	Regulated Behavior in Living Cells with Highly Aligned Configurations on Nanowrinkled Graphene Oxide Substrates: Deep Learning Based on Interplay of Cellular Contact Guidance 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.2c09815 PMID:38099607	研究论文	研究通过纳米皱纹石墨烯氧化物基底调控细胞行为，并利用深度学习技术解析细胞反应	开发了高度有序的纳米皱纹石墨烯氧化物表面，结合深度学习技术精确解析细胞行为	研究仅针对L929成纤维细胞和HT22海马神经元细胞，未涉及其他细胞类型	探索纳米拓扑结构对细胞行为的调控机制及其在组织工程中的应用	L929成纤维细胞和HT22海马神经元细胞	数字病理学	NA	深度学习	DL网络	图像	L929成纤维细胞和HT22海马神经元细胞
130	2025-04-09	Altered Motor Activity Patterns within 10-Minute Timescale Predict Incident Clinical Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230928 PMID:38393904	研究论文	研究通过运动活动的分形模式变化预测临床阿尔茨海默病的发生	首次在10分钟时间尺度内发现运动活动分形模式变化与阿尔茨海默病临床发病的最强关联	研究仅基于运动活动数据，未结合其他生物标志物	确定运动活动分形调节(FMAR)在哪些时间尺度的变化最能预测阿尔茨海默病的临床发病	1,077名参与者，其中270人在随访期间出现临床阿尔茨海默病	数字病理学	阿尔茨海默病	活动记录仪(actigraphy)和深度学习	DeepSurv, Cox模型, 随机生存森林	时间序列运动活动数据	1,077名参与者，随访长达15年
131	2025-04-07	Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1355287 PMID:38919268	研究论文	本研究开发并比较了深度学习和机器学习算法在骨质疏松风险预测中的性能	提出了一种新的深度神经网络（DNN）框架，用于骨质疏松风险预测，并证明其在性能上优于传统的机器学习模型和回归模型	研究样本仅限于路易斯安那骨质疏松研究（LOS）中的8,134名40岁以上受试者，可能不具有普遍代表性	评估深度神经网络（DNN）在骨质疏松风险预测中的性能，并与传统机器学习模型进行比较	8,134名40岁以上受试者的髋部骨密度（BMD）及广泛的 demographic 和常规临床数据	机器学习	骨质疏松	深度学习（DL）和机器学习（ML）	DNN, RF, ANN, KNN, SVM, OST	临床数据和 demographic 数据	8,134名40岁以上受试者
132	2025-04-06	Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3480696 PMID:39437280	研究论文	本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性	提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建	合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素	解决盲光斑去除任务中的挑战，提升图像去光斑的效果	光斑污染的图像及其无光斑对应图像	计算机视觉	NA	深度学习	CNN	图像	三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare
133	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
134	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
135	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
136	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）
137	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
138	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
139	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
140	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