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
61	2025-06-27	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	research paper	本文提出了一种改进的预测肽毒性的计算方法ToxinPred 3.0，通过结合多种技术提高了预测的可靠性和准确性	结合了基于相似性/比对的方法、基于模体的方法、机器/深度学习技术以及混合或集成方法，显著提高了肽毒性预测的性能	未明确提及具体局限性，但可能涉及模型在不同类型肽上的泛化能力	改进肽毒性的预测方法，以支持治疗性肽的设计	肽的毒性预测	machine learning	NA	BLAST, MERCI, 机器/深度学习, 大语言模型	ANN - LSTM, extra tree, ESM2-t33	肽序列数据	80%数据用于训练和测试（五折交叉验证），20%作为独立数据集评估
62	2025-06-27	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	系统综述	本文系统综述了2012年至2023年间使用深度学习技术通过多种图像模态检测多器官癌症的研究	强调了集成深度学习模型在分类癌症或健康病例图像方面的优越性能，并提供了对不同深度学习技术在特定数据集上表现的广泛理解	仅涵盖了2012至2023年间的研究，可能未包括最新进展；且聚焦于五种主要癌症类型，未涵盖所有癌症种类	开发和评估计算机辅助诊断系统，用于早期癌症识别	五种主要癌症类型：乳腺癌、脑癌、肺癌、皮肤癌和肝癌	数字病理学	多器官癌症	深度学习	CNN, 集成深度学习模型	图像	NA
63	2025-06-27	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	提出了一种名为DEDC-Net的双编码器双连接Y形网络，用于精确的肝脏和病变体积分割	通过利用残差和跳跃连接增强特征重用，优化肝脏和肿瘤分割任务的性能，无需额外的注意力门即可实现优越的分割效果	未明确提及研究的局限性	提高肝脏和肿瘤从CT体积中的分割准确性，以支持肝细胞癌诊断和术前切除计划	肝脏和肝脏肿瘤	数字病理	肝癌	深度学习	DEDC-Net（基于VGG19和ResNet的编码器）	CT图像	LiTS数据集，以及额外的IDCARDb-01和COMET数据集
64	2025-06-27	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	本文提出了一种基于深度学习的自适应分割方法，用于临床和临床前CT图像的通用和功能性分析	采用深度学习技术自动化从CT和μCT图像中提取定量数据，解决了临床前μCT数据转换的挑战	需要进一步优化以扩展应用范围	开发一种自动化方法来监测心脏功能，加速心脏衰竭新治疗方案的研究	人类患者的心脏CT图像和野生型及加速衰老小鼠的μCT图像	数字病理学	心血管疾病	深度学习	nnU-Net	图像	40例人类心脏CT图像和一组小鼠μCT图像
65	2025-06-27	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	research paper	该研究开发了一种名为deepbet的快速、高精度脑提取工具，用于T1加权MRI图像的分割	deepbet采用高效的UNet架构变体，在跨数据集验证中达到了99.0的中位Dice分数，显著优于现有深度学习和传统方法	研究主要关注成人T1加权MRI图像，未涵盖其他类型的MRI图像或儿童数据	开发一种快速、高精度的脑提取工具，以改进神经影像预处理流程	T1加权MRI图像	digital pathology	NA	MRI	UNet	image	7837张T1加权MRI图像，来自191个不同的OpenNeuro数据集
66	2025-06-27	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的脑萎缩量化管道，通过组织相似性正则化改进自动化标签的准确性	利用组织相似性先验知识，通过加权损失项在训练中强制实施短间隔扫描对之间的组织体积相似性，从而减少量化误差和提高测量一致性	研究仅使用了T1加权MRI扫描数据，且依赖于FSL软件库生成的自动化标签	提高脑萎缩量化方法的准确性和可靠性，以解锁其在神经退行性疾病诊断和预后中的潜力	健康对照者(HC)和阿尔茨海默病(AD)患者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习	图像	MIRIAD和ADNI1两个MRI数据集中的健康对照者和阿尔茨海默病患者
67	2025-06-27	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	research paper	提出了一种基于高效轻量级卷积块注意力模块（CBAM）的深度学习网络，用于辅助医生诊断神经系统疾病患者的面部表情分析	采用CBAM模块增强的深度学习网络，轻量级设计（仅3MB），适合部署在资源有限的移动医疗设备上	模型在真实患者数据上的准确率为73.2%，仍有提升空间	改善神经系统疾病（如阿尔茨海默病和帕金森病）的早期诊断和治疗	神经系统疾病患者的面部表情数据	computer vision	geriatric disease	深度学习	CBAM-based DLN	image	真实神经系统疾病患者数据（具体数量未提及）
68	2025-06-27	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	综述	本文全面分析了蛋白质结构预测政策的演变，探讨了提高预测准确性的有效策略	介绍了革命性的端到端和全原子扩散技术，以及利用子采样和多序列比对（MSA）和蛋白质语言模型来提高预测准确性和效率	预测准确性虽有所提高，但仍未达到预期结构知识的水平，需要在其他方面进一步发展	提高蛋白质结构预测的准确性，以支持基于结构的药物发现和疾病研究	蛋白质结构预测方法和策略	生物信息学	NA	多序列比对（MSA）、蛋白质语言建模、深度学习	端到端模型、全原子扩散模型	蛋白质序列数据	NA
69	2025-06-27	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文提出并测试了一种用于自动荧光图像中细胞质实例分割的方法，结合了Cellpose深度学习和后处理算法CPPA	结合Cellpose深度学习分割方法和后处理算法CPPA，实现了对自动荧光图像中细胞质的高精度实例分割	仅在三种细胞样本上进行了测试，样本多样性有限	开发一种准确分割自动荧光图像中细胞质的方法，以支持单细胞代谢分析	静止T细胞、激活T细胞和MCF7细胞的NAD(P)H自动荧光图像	数字病理学	NA	自动荧光成像	Cellpose (深度学习分割方法)	图像	5张NAD(P)H图像，来自3种不同细胞样本
70	2025-06-27	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	介绍了一种基于深度学习的鲜味肽预测和受体匹配程序VmmScore	提出了一个包含预测模块Mlp4Umami和受体匹配模块mm-Score的算法，优化了分子对接和评分系统	NA	解决为鲜味肽识别最佳受体的挑战	鲜味肽及其受体	机器学习	NA	机器学习优化的分子对接和评分系统	深度学习	肽序列数据	来自Lateolabrax japonicus的肽，实验验证了三种肽的鲜味及其受体
71	2025-06-27	A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms 2024-Aug-01, The British journal of radiology DOI:10.1093/bjr/tqae117 PMID:38917414	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）结合心脏选项在评估支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架植入患者图像质量中的效用	首次将SR-DLR结合心脏选项应用于颅内动脉瘤血管内治疗后的随访影像评估，相比传统重建方法显著降低了图像噪声并提高了信噪比	单中心回顾性研究，样本量较小（50例患者），且缺乏长期随访数据	评估SR-DLR在颅内动脉瘤血管内治疗后影像随访中的临床应用价值	接受支架辅助弹簧圈栓塞、弹簧圈栓塞和血流导向支架植入治疗的颅内动脉瘤患者	数字病理	脑血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习	医学影像	50例患者（平均年龄59岁，范围44-81岁，男性13例）
72	2025-06-27	Implementing a deep learning model for automatic tongue tumour segmentation in ex-vivo 3-dimensional ultrasound volumes 2024-04, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2023.12.017 PMID:38402068	研究论文	本研究探讨了使用3D深度学习模型在3D超声体积中快速进行舌癌术中分割的可行性，并评估了自动分割的临床效果	首次将3D No New U-Net (nnUNet)模型应用于舌癌的自动分割，并实现了在移动工作站上的临床验证	自动分割的最终边缘状态(FMS)与组织病理学边缘的相关性较低，且样本量较小(n=16)	开发一种快速、自动的舌癌分割方法，以减少术中手动分割的时间和操作者变异性	舌癌患者的3D超声体积数据	数字病理学	舌癌	3D超声成像	3D nnUNet	3D超声体积数据	113个手动标注的超声体积用于训练，16名前瞻性纳入的舌癌患者用于临床验证
73	2025-06-27	A review of machine learning applications in life cycle assessment studies 2024-Feb-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.168969 PMID:38036122	综述	本文回顾了机器学习在生命周期评估（LCA）研究中的应用现状、知识缺口及未来研究方向	系统分析了40项结合LCA与ML方法的研究，提出了ML在LCA中的四大应用方向及未来研究重点	70%的研究训练样本不足1500个，缺乏模型选择标准细节和不确定性分析，需加强数据收集与跨学科合作	探讨如何利用机器学习技术推动生命周期评估的发展	40项结合LCA与ML方法的定量评估研究	机器学习	NA	监督学习与无监督学习	人工神经网络（ANNs）	文献数据、实验数据、数据库数据、模型模拟数据	多数研究样本量<1500
74	2025-06-27	Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis 2024-Feb, Clinical kidney journal IF:3.9Q1 DOI:10.1093/ckj/sfae019 PMID:38370429	研究论文	本研究利用卷积神经网络自动分割肾小球细胞和毛细血管，并评估其与移植肾功能的相关性	首次使用深度学习自动化测量肾小球内细胞和毛细血管，并发现内皮细胞和上皮细胞的精确分割可能作为未来移植肾丢失风险的潜在标志物	样本量相对较小(215例)，且为单中心研究	评估肾小球内组织学特征与移植肾功能和预后的关联	肾移植患者的肾小球细胞和毛细血管	数字病理学	肾脏疾病	CNN	卷积神经网络	病理图像	215例肾移植患者(37例训练集，24例测试集，154例应用队列)
75	2025-06-27	Early inner plexiform layer thinning and retinal nerve fiber layer thickening in excitotoxic retinal injury using deep learning-assisted optical coherence tomography 2024-02-01, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-024-01732-z PMID:38303097	研究论文	使用深度学习辅助的光学相干断层扫描技术研究兴奋毒性视网膜损伤中早期内丛状层变薄和视网膜神经纤维层增厚的现象	首次揭示了NMDA诱导的兴奋毒性视网膜损伤中不同视网膜层的病理变化顺序，特别是内丛状层的早期变薄和视网膜神经纤维层的初始增厚	研究仅基于大鼠模型，结果可能无法直接推广到人类	探究兴奋毒性视网膜损伤对不同视网膜层的影响	成年Long Evans大鼠的视网膜	数字病理学	神经退行性疾病	光学相干断层扫描(OCT)	深度学习算法	图像	9只成年Long Evans大鼠
76	2025-06-27	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工制作和深度学习特征，识别肝转移瘤的原发肿瘤部位	结合手工制作的组织形态特征和深度学习模型，提高了肝转移瘤原发部位识别的准确性	样本量较小（114名患者），且仅针对特定几种癌症类型（结肠、食管、乳腺和胰腺）	开发一种方法来识别肝转移瘤的原发肿瘤部位，以指导治疗选择	肝转移瘤的病理切片	数字病理学	肝转移瘤	计算机提取的手工制作特征和深度学习	随机森林和深度学习网络	病理切片图像	114名患者的175张病理切片
77	2025-06-26	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合CNN和Bi-LSTM的混合模型，用于基于光纤数据的COVID-19 IgG抗体检测	首次将CNN与Bi-LSTM结合用于COVID-19 IgG抗体检测，并引入全面的数据预处理流程	未提及样本量的具体数字和研究人群特征	开发高效准确的COVID-19自动化筛查工具	SARS-CoV-2免疫球蛋白G(IgG)抗体	机器学习	COVID-19	光纤数据	CNN-BiLSTM	光纤数据	NA
78	2025-06-26	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	开发了一个名为CHIEF的通用弱监督机器学习框架，用于从病理图像中提取特征以进行系统性癌症评估	提出了CHIEF模型，结合无监督预训练和弱监督预训练两种互补方法，提取多样化的病理表征，提高了模型的泛化能力	模型在跨人群和不同切片制备方法的样本上的表现仍有待进一步验证	开发一个通用的病理学基础模型，用于癌症诊断和预后预测	病理切片图像	数字病理学	癌症	弱监督机器学习	CHIEF	图像	60,530张全切片图像（训练集），19,491张全切片图像（验证集）
79	2025-06-26	scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.24.614685 PMID:39386549	research paper	介绍了一种基于transformer的深度学习模型scEMB，用于从大规模单细胞转录组数据中学习基因的上下文表示	scEMB采用创新的分箱策略整合多平台数据，有效保留基因表达层次和细胞类型特异性，并在下游任务中表现优于现有模型	未明确提及具体限制	从大规模单细胞转录组数据中提取有生物学意义的基因上下文表示	单细胞转录组数据和基因表达关系	生物信息学	阿尔茨海默病	单细胞转录组测序	transformer	单细胞转录组数据	超过3000万个单细胞转录组
80	2025-06-26	Application of artificial intelligence in drug design: A review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用及其对制药行业的变革性影响	探讨了AI如何通过机器学习和深度学习模型优化药物设计过程，提高药物发现的效率和准确性	未具体提及AI在药物设计中应用的具体限制或挑战	研究人工智能在药物设计中的应用及其对制药行业的潜在影响	药物设计过程和制药行业	机器学习	NA	机器学习和深度学习	NA	药物化合物数据	NA