深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2461	2025-10-07	Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro 2024-04-30, Cells IF:5.1Q2 DOI:10.3390/cells13090771 PMID:38727307	研究论文	通过深度学习识别TIPE3蛋白小分子抑制剂并验证其体外抑制癌细胞生长的效果	首次结合深度卷积神经网络(DFCNN)、分子对接和分子动力学模拟从化合物库中筛选TIPE3抑制剂	研究仅限于体外实验验证，尚未进行动物模型或临床试验	开发针对TIPE3蛋白的癌症治疗抑制剂	TIPE3蛋白及其小分子抑制剂	药物发现	癌症	深度学习、分子对接、分子动力学模拟	DFCNN	化合物结构数据	从ZINC化合物数据集中筛选，最终验证6个候选化合物	NA	深度卷积神经网络	细胞活力、增殖、迁移和凋亡评估	NA
2462	2025-10-07	Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach 2024-Apr, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-024-02573-2 PMID:38245662	研究论文	开发并验证基于组织学图像的深度学习模型预测结直肠癌患者5年复发风险	首次提出基于组织学图像的弱监督深度学习模型用于结直肠癌5年无复发生存预测	样本量相对有限（614例），需进一步多中心验证	开发结直肠癌复发风险预测模型以辅助临床决策	非转移性结直肠癌患者的组织学图像	数字病理	结直肠癌	组织学图像分析	深度学习	图像	614例来自三家医院的结直肠癌病例	NA	NA	AUC, 风险比	NA
2463	2025-10-07	UNCERTAINTY-GUIDED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION VIA CYCLIC MEASUREMENT CONSISTENCY 2024-Apr, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference) DOI:10.1109/icassp48485.2024.10447594 PMID:39829965	研究论文	提出一种通过循环测量一致性进行不确定性引导的物理驱动深度学习重建方法	设计了一种主要关注物理驱动深度学习中数据保真度分量的不确定性估计过程，通过表征不同前向模型间的循环一致性来实现	NA	改进计算成像质量，特别是在MRI应用中的重建效果	计算成像重建，MRI图像重建	计算成像，医学影像	NA	物理驱动深度学习，不确定性量化	深度学习神经网络	医学影像数据，MRI数据	NA	NA	NA	重建质量	NA
2464	2025-10-07	Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease 2024-02, Arteriosclerosis, thrombosis, and vascular biology DOI:10.1161/ATVBAHA.123.318771 PMID:38095107	综述	探讨基因组学结合机器学习技术在主动脉疾病治疗靶点发现中的应用与前景	系统阐述深度学习技术加速主动脉疾病遗传学发现的创新路径，提出从遗传关联到生物学洞察的转化蓝图	未涉及具体临床验证数据，主要聚焦方法论层面的探讨	探索基因组学在主动脉疾病治疗靶点识别中的应用价值	主动脉疾病（包括夹层、动脉瘤和破裂）的遗传基础与表型特征	机器学习	心血管疾病	基因组学、深度学习、高通量功能筛选	深度学习	影像数据、遗传数据	NA	NA	NA	NA	NA
2465	2025-10-07	Multimodal Deep Learning Network for Differentiating Between Benign and Malignant Pulmonary Ground Glass Nodules 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056301741240903072017 PMID:39257154	研究论文	本研究开发了一种多模态深度学习网络模型，用于区分良性和恶性肺磨玻璃结节	结合ResNet提取影像特征、Word2Vec提取语义信息和自注意力机制融合多模态数据，构建了新型多模态分类模型	研究采用回顾性数据，需要前瞻性研究进一步验证模型性能	提高肺磨玻璃结节良恶性诊断的准确性	肺磨玻璃结节患者	计算机视觉	肺癌	胸部计算机断层扫描	深度学习	CT影像, 文本数据	多中心数据集1020个GGN（265良性，755恶性），测试集204个GGN（67良性，137恶性）	NA	ResNet, VGG, 自注意力机制	准确率, 敏感度, 特异度, Kappa系数	NA
2466	2025-10-07	Leveraging deep learning for robust EEG analysis in mental health monitoring 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1494970 PMID:39829439	研究论文	提出一种名为EEG Mind-Transformer的深度学习架构，用于脑电图信号分析以实现心理健康监测	创新性地结合动态时序图注意力机制、分层图表示分析模块和时空融合模块，能有效捕捉脑电图数据中的复杂时空关系	未明确说明模型在不同人群和心理健康场景下的具体适应能力限制	开发稳健的脑电图分析方法以改进心理健康监测	脑电图信号及其与认知和情绪状态的关系	机器学习	心理健康障碍	脑电图分析	Transformer	脑电图信号	多个数据集（具体样本量未明确说明）	NA	EEG Mind-Transformer, Dynamic Temporal Graph Attention Mechanism, Hierarchical Graph Representation and Analysis, Spatial-Temporal Fusion Module	准确率, 召回率, F1分数, AUC	NA
2467	2025-10-07	Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1502725 PMID:39830028	综述	本文综述了两种用于诊断先天性心脏病相关肺动脉高压的非侵入性机器学习方法	提出了直接三分法和两阶段分类两种非侵入性诊断算法，结合传统特征与深度学习特征，在数据稀缺情况下广泛使用集成学习	先天性心脏病相关肺动脉高压数据缺乏	开发先天性心脏病相关肺动脉高压的非侵入性诊断方法	先天性心脏病相关肺动脉高压患者	机器学习	心血管疾病	心音分析	Bi-LSTM, 集成学习	心音信号	NA	NA	Bi-LSTM	准确率	NA
2468	2025-10-07	ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1449798 PMID:39830185	研究论文	提出基于U-Net和迭代配准学习的视网膜血管分割框架ReIU，用于阿尔茨海默病的早期筛查	首次将视网膜血管分割与多模态数据结合，开发经济、非侵入性的阿尔茨海默病初步筛查工具	在HRF数据集上的分割准确率相对较低（68.3%），分类准确率有待进一步提升	开发基于深度学习的阿尔茨海默病早期检测方法	阿尔茨海默病患者和健康受试者的视网膜血管数据	数字病理学	阿尔茨海默病	OCT血管成像（OCT-A）	CNN	图像	包含健康者和AD患者的多模态数据集	NA	U-Net	准确率	NA
2469	2025-10-07	Protein-ligand binding affinity prediction using multi-instance learning with docking structures 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1518875 PMID:39830331	研究论文	提出一种基于多实例学习和分子对接构象的蛋白质-配体结合亲和力预测方法	首次将多实例学习与注意力网络结合，利用多个分子对接构象而非共晶结构进行结合亲和力预测	依赖分子对接生成的构象质量，对接不准确可能影响预测性能	开发不依赖共晶结构的蛋白质-配体结合亲和力预测方法	蛋白质-配体复合物	机器学习	COVID-19	分子对接	多实例学习, 注意力网络	3D结构数据	PDBbind数据集和SARS-CoV-2主要蛋白酶靶向化合物	NA	注意力网络	结合亲和力预测准确性	NA
2470	2025-10-07	Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1495911 PMID:39830648	系统综述	通过文献计量学和可视化分析方法研究2015-2024年间肺癌STAS领域的研究热点和发展趋势	首次运用R软件bibliometrix、CiteSpace和VOSviewer对肺癌STAS文献进行系统的文献计量和可视化分析	仅纳入Web of Science数据库文献，可能遗漏其他数据库相关研究	分析肺癌STAS领域的研究热点和发展趋势	2015-2024年间发表的243篇肺癌STAS相关文献	文献计量学	肺癌	文献计量分析，可视化分析	NA	文献数据	243篇文献	R bibliometrix, CiteSpace, VOSviewer, Excel	NA	NA	NA
2471	2025-10-07	OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1437188 PMID:39830688	研究论文	提出一种融合深度学习模型OA-MEN，用于膝关节X射线影像中骨关节炎的检测和分类	结合ResNet和MobileNet特征提取与多尺度特征融合的混合模型，增强语义信息提取同时保留高分辨率图像的优势	未明确说明训练数据的具体来源和样本分布特征	通过融合深度学习技术提高膝关节骨关节炎评估的准确性和效率	膝关节X射线影像	计算机视觉	骨关节炎	X射线成像	CNN	图像	NA	NA	ResNet,MobileNet	准确率,AUC	NA
2472	2025-01-21	Assessment of ComBat Harmonization Performance on Structural Magnetic Resonance Imaging Measurements 2024-Dec-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70085 PMID:39704541	研究论文	本研究评估了ComBat技术在结构磁共振成像（MRI）测量中的性能，特别是在多中心数据聚合的背景下	使用稳健的交叉验证方法来评估ComBat在多中心MRI数据中的性能，并应用多类高斯过程分类器进行定量分析	性能评估主要基于定量的统计分析和机器学习方法，缺乏更广泛的定性验证	评估ComBat技术在消除多中心MRI数据中的站点效应方面的有效性	多中心MRI数据中的体积和表面测量值	医学影像分析	NA	ComBat技术	多类高斯过程分类器	MRI图像	来自三个站点的MRI数据	NA	NA	NA	NA
2473	2025-10-07	Prospective de novo drug design with deep interactome learning 2024-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47613-w PMID:38649351	研究论文	提出一种基于相互作用组深度学习的从头药物设计方法，能够生成具有特定生物活性的类药分子	结合图神经网络和化学语言模型的优势，实现无需特定应用强化学习、迁移学习或少样本学习的零样本化合物库构建	NA	开发基于相互作用组深度学习的从头药物设计方法	人类过氧化物酶体增殖物激活受体γ亚型结合位点的潜在新配体	机器学习	NA	相互作用组深度学习	图神经网络,化学语言模型	化学结构数据,蛋白质结构数据	NA	NA	NA	生物活性,选择性谱,结合模式确认	NA
2474	2025-10-07	scGO: interpretable deep neural network for cell status annotation and disease diagnosis 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf018 PMID:39820437	研究论文	开发了一种基于基因本体的可解释深度学习框架scGO，用于单细胞RNA测序数据的细胞状态注释和疾病诊断	利用基因本体构建稀疏神经网络，通过基因、转录因子和GO术语之间的内在生物学关系增强模型可解释性，并引入计算基因操作技术用于发现治疗靶点	未明确说明模型在特定疾病类型或数据质量较差情况下的性能表现	解决深度学习模型在单细胞RNA测序分析中的可解释性问题，实现准确的细胞状态注释和疾病诊断	单细胞RNA测序数据中的细胞状态、疾病诊断、发育阶段预测、疾病严重程度评估和细胞衰老状态	生物信息学	多种疾病（未具体指定）	单细胞RNA测序	深度学习, 稀疏神经网络	单细胞RNA测序数据	多个scRNA-seq数据集（未提供具体样本数量）	NA	基于基因本体的稀疏神经网络架构	细胞亚型表征精度	NA
2475	2025-01-19	Intelligent Diagnosis of Hypopigmented Dermatoses and Intelligent Evaluation of Vitiligo Severity on the Basis of Deep Learning 2024-Dec, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-024-01296-9 PMID:39514178	研究论文	本研究提出了一种基于深度学习的智能诊断模型，用于分类诊断色素减退性皮肤病（HD）和评估白癜风严重程度	通过将squeeze-and-excitation (SE)模块与候选模型结合，构建了优化的诊断模型，并提出了一种客观的严重程度评估指标，结合分割模型形成了严重程度评估模型	研究中使用的数据集主要来自4744名患者，可能无法涵盖所有类型的HD和白癜风病例	开发一种客观、准确且方便的智能诊断和评估方法，用于色素减退性皮肤病和白癜风的严重程度评估	色素减退性皮肤病（HD）和白癜风患者	计算机视觉	皮肤病	深度学习	SE_ResNet-18, HR-Net	图像	4744名患者的11483张图像	NA	NA	NA	NA
2476	2025-01-19	Three-dimensional convolutional neural network for leak detection and localization in smart water distribution systems 2024-Dec-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100264 PMID:39822329	研究论文	本文提出了一种三维卷积神经网络（3D CNN）深度学习模型，用于智能水分配系统中的泄漏检测和定位	首次将3D CNN应用于水分配网络的泄漏检测和定位，能够处理压力和时间的空间分布信息	深度学习模型的适应性可能受限，且受水力模拟模型影响较大，网络变化时需要重新训练，可能耗时且难以处理多种故障情况	研究智能水分配系统中的泄漏检测和定位方法	水分配网络（WDNs）中的泄漏	机器学习	NA	深度学习	3D CNN	压力数据	使用奥斯汀的一个真实水分配网络进行测试，生成了150毫米管道中3升/秒的泄漏模拟数据	NA	NA	NA	NA
2477	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2478	2025-01-19	NON-CARTESIAN SELF-SUPERVISED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION FOR HIGHLY-ACCELERATED MULTI-ECHO SPIRAL FMRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635551 PMID:39669313	研究论文	本文提出了一种基于物理驱动的深度学习（PD-DL）重建方法，用于加速多回波螺旋fMRI的10倍重建	本文的创新点在于将自监督学习算法修改并应用于非笛卡尔轨迹的优化训练，以实现高时空分辨率的多回波螺旋fMRI重建	NA	研究目的是通过深度学习技术加速多回波螺旋fMRI的重建，以提高时空分辨率	多回波螺旋fMRI数据	医学影像处理	NA	深度学习	PD-DL网络	fMRI图像数据	NA	NA	NA	NA	NA
2479	2025-10-07	Mapping cell-to-tissue graphs across human placenta histology whole slide images using deep learning with HAPPY 2024-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46986-2 PMID:38548713	研究论文	开发了一种名为HAPPY的深度学习分层方法，用于量化胎盘组织学全切片图像中细胞和微观组织结构的变化	采用可解释的生物层次结构，在全切片图像上以单细胞分辨率表示细胞和组织内的细胞群落，不同于基于斑块的特征或分割方法	NA	量化胎盘组织学变异并建立健康胎盘基线指标	人类胎盘组织学全切片图像	数字病理学	胎盘疾病	组织学全切片成像	深度学习	组织学图像	健康足月胎盘和具有临床显著胎盘梗死的胎盘	NA	分层方法	与临床专家和胎盘生物学文献的预测一致性	NA
2480	2025-10-07	Using deep learning to quantify neuronal activation from single-cell and spatial transcriptomic data 2024-Jan-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-44503-5 PMID:38278804	研究论文	开发深度学习模型NEUROeSTIMator，通过整合转录组信号量化神经元激活	提出首个能够整合转录组信号估计神经元激活的深度学习模型，且对物种、细胞类型和脑区差异具有鲁棒性	目前主要在小鼠模型中验证，人类数据验证尚需进一步研究	开发量化神经元激活的计算工具	神经元细胞	机器学习	NA	单细胞RNA测序, 空间转录组学, Patch-seq电生理记录	深度学习	转录组数据, 电生理数据	已发表研究中的单细胞数据及雄性小鼠脑区数据	NA	NA	与电生理特征的关联性, 检测准确性	NA