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
81	2025-08-05	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	使用深度学习模型通过黄斑光学相干断层扫描（OCT）图像预测和检测青光眼视野进展	开发了一种基于自监督预训练的视觉变换器（ViT）模型，用于检测青光眼进展并预测未来进展	研究为回顾性队列研究，可能存在选择偏差	利用黄斑OCT图像预测和检测青光眼视野进展	青光眼患者的黄斑OCT图像	数字病理	青光眼	光学相干断层扫描（OCT）	ViT（视觉变换器）	图像	预训练数据集包含151,389项黄斑OCT研究中的7,702,201张B扫描图像，进展检测任务包括828名患者的1534只眼的3902项黄斑OCT研究，进展预测任务包括784名患者的1205只眼的1346项黄斑OCT研究
82	2025-08-05	Deep learning in structural bioinformatics: current applications and future perspectives 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae042 PMID:38701422	综述	本文探讨了深度学习在结构生物信息学中的变革性影响及其未来前景	详细介绍了深度学习在生物信息学中的显著应用，并从基础浅层神经网络到卷积、循环、人工和变压器神经网络等高级模型进行了清晰阐述	未具体提及研究的局限性	探讨深度学习在结构生物信息学中的应用及其未来发展	生物分子结构	结构生物信息学	NA	深度学习	CNN, LSTM, GAN, transformer neural networks	生物分子结构数据	NA
83	2025-08-05	Evaluating large language models for annotating proteins 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文提出并评估了一种基于迁移学习的新型协议，利用蛋白质大型语言模型（LLMs）来改进蛋白质域注释的预测	使用自监督学习在大型未注释数据集上训练的蛋白质LLMs，结合监督学习在小注释数据集上进行专门任务，显著提高了蛋白质家族分类的预测准确性	对于家族成员较少的蛋白质家族，训练数据量可能仍然不足	改进蛋白质域注释的自动预测方法	UniProtKB数据库中的蛋白质序列	自然语言处理	NA	迁移学习、自监督学习、监督学习	LLMs	蛋白质序列数据	UniProtKB数据库中的251百万蛋白质序列
84	2025-08-05	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	research paper	提出了一种名为SC-Track的新型细胞追踪算法，用于从多样化的细胞分割中生成准确的单细胞谱系	SC-Track采用基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能	未提及具体局限性	开发一种能够处理噪声细胞分割和分类预测的鲁棒细胞追踪算法，以生成准确的单细胞谱系和分类	荧光时间推移显微镜图像中的单细胞	digital pathology	NA	深度学习	CNN	image	未提及具体样本数量
85	2025-08-05	Genotypic-phenotypic landscape computation based on first principle and deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae191 PMID:38701420	研究论文	本文提出了一种基于第一性原理和深度学习的基因型-表型景观计算方法，通过Phenotypic-Embedding定理（P-E定理）和Transformer模型，实现了基因型与适应度的定量映射	提出了Phenotypic-Embedding定理（P-E定理），并开发了基于Transformer的预训练基础模型，用于准确模拟病毒的中性进化并预测免疫逃逸突变	NA	建立基因型与表型之间的定量关系，为理论和计算生物学研究提供新范式	基因型与表型的关系，特别是病毒的基因型与适应度的关系	计算生物学	NA	深度学习	Transformer	基因型和表型数据	NA
86	2025-08-04	Multimodal AI Combining Clinical and Imaging Inputs Improves Prostate Cancer Detection 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001102 PMID:39074400	研究论文	本研究探讨了结合临床参数和基于MRI的深度学习来提高临床显著性前列腺癌的诊断准确性	整合了临床参数和MRI深度学习的多模态AI方法，提高了前列腺癌检测的准确性	研究中未发现结合病变体积能提高诊断效果	提高临床显著性前列腺癌的诊断准确性	临床显著性前列腺癌患者	数字病理	前列腺癌	MRI, 深度学习	多模态AI, 早期融合和晚期融合方法	MRI图像, 临床参数	932例双参数前列腺MRI检查，来自2个机构
87	2025-08-04	Accelerated High-Resolution Deep Learning Reconstruction Turbo Spin Echo MRI of the Knee at 7 T 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001095 PMID:38960863	研究论文	本研究比较了7T涡轮自旋回波（TSE）膝关节图像在不同并行成像加速因子下，通过深度学习（DL）和传统算法重建的图像质量	使用深度学习算法显著提高了4倍加速并行成像的高分辨率TSE图像质量	研究仅涉及健康志愿者，样本量较小（23人）	评估深度学习重建算法在加速7T膝关节MRI中的技术潜力	健康志愿者的膝关节MRI图像	医学影像	NA	7T涡轮自旋回波（TSE）MRI，并行成像加速	深度学习（DL）	MRI图像	23名健康志愿者（15男，8女）
88	2025-08-04	Deep Learning Reconstructed New-Generation 0.55 T MRI of the Knee-A Prospective Comparison With Conventional 3 T MRI 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001093 PMID:38857414	research paper	本研究比较了深度学习重建的0.55 T MRI与传统3 T MRI在膝关节疼痛患者中的图像质量、结构异常识别及分级以及读者信心水平	使用新型商业化的深度学习重建算法对0.55 T MRI图像进行重建，并与传统3 T MRI进行对比	样本量较小（26名患者），且仅针对膝关节疼痛患者进行研究	比较深度学习重建的0.55 T MRI与传统3 T MRI在膝关节检查中的表现	26名膝关节疼痛患者	digital pathology	knee pain	MRI	deep learning	image	26名患者（52次MRI检查）
89	2025-08-04	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究论文	本研究评估了深度学习加速的FLAIR序列与标准对比增强成像在炎症性膝关节滑膜炎诊断中的价值和准确性	使用深度学习加速的非对比FLAIR FS序列进行炎症性膝关节滑膜炎的评估，其效果与传统的对比增强T1加权FS成像相当	研究样本量较小（55名患者），且为回顾性研究	评估深度学习加速的FLAIR序列在炎症性膝关节滑膜炎诊断中的效果	疑似膝关节滑膜炎的患者	医学影像	膝关节滑膜炎	深度学习加速的FLAIR序列和对比增强T1加权FS序列	深度学习	医学影像数据	55名患者（平均年龄52±17岁，28名女性）
90	2025-08-04	FHIR-GPT Enhances Health Interoperability with Large Language Models 2024-Aug, NEJM AI DOI:10.1056/aics2300301 PMID:40746832	研究论文	本研究开发了FHIR-GPT，利用大型语言模型（LLMs）将临床叙述转换为FHIR资源，显著提高了健康数据的互操作性	首次利用大型语言模型（LLMs）直接转换临床文本为FHIR资源，相比现有方法显著提升了转换准确率	研究仅针对FHIR药物声明转换，未涵盖其他类型的FHIR资源	提升健康数据的互操作性，支持表型分析、临床试验和公共卫生监测	临床叙述文本	自然语言处理	NA	大型语言模型（LLMs）	GPT	文本	3671段临床文本片段
91	2025-08-04	Deep Learning Classification of Usual Interstitial Pneumonia Predicts Outcomes 2024-05-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202307-1191OC PMID:38207093	研究论文	本研究开发了一种基于多示例学习（MIL）的可解释深度学习算法，用于从CT图像中预测普通型间质性肺炎（UIP），并在独立队列中验证其性能	使用MIL方法开发了一种可解释的深度学习算法，显著提高了UIP的诊断准确性，并验证了其与患者生存率和肺功能下降的关联	研究依赖于回顾性数据，且部分队列样本量较小	提高普通型间质性肺炎（UIP）的非侵入性诊断准确性	CT图像和UIP患者	数字病理学	间质性肺病	CT成像	MIL（多示例学习）	图像	训练集2,143例，测试集包括三个独立队列（127例、239例和979例）
92	2025-08-04	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法，与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和评估关节病变方面的性能	25名疑似膝关节内部紊乱的有症状患者	医学影像	膝关节疾病	深度学习图像重建算法（Deep Resolve Gain和Deep Resolve Sharp）	NA	MRI图像	25名患者（11名女性，中位年龄38岁）
93	2025-08-04	A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae162 PMID:38739759	review	本文全面回顾了160多种蛋白质-配体相互作用预测器，涵盖蛋白质-蛋白质、蛋白质-核酸、蛋白质-肽及蛋白质-其他配体（核苷酸、血红素、离子）的相互作用	对蛋白质-配体相互作用预测器进行了全面分析，包括输入、特征概况、模型和可用性等多个重要方面，并指出深度学习方法、基于序列的预训练模型和基于结构的方法是新趋势	未提及具体预测器的性能比较或实际应用中的局限性	理解和预测蛋白质与各种配体的相互作用，以促进分子机制的研究和新药开发	蛋白质与核酸、肽及其他配体的相互作用	生物信息学	NA	深度学习、基于序列的预训练模型、基于结构的方法	NA	蛋白质序列、结构数据	超过160种蛋白质-配体相互作用预测器
94	2025-08-04	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	该研究探讨了如何最优地结合基因组和药物特征来预测癌症药物反应	通过引入基因和药物潜在特征之间的乘法关系，改进了基于连接的架构DrugCell，显著提高了预测性能	不同融合方法对不同融合点的响应差异未深入探讨其生物学意义	优化基因组和药物特征的融合方法以提高癌症药物反应预测的准确性	癌症药物反应预测	机器学习	癌症	深度学习	可见神经网络（具有两个深度学习分支）	基因组数据和药物特征数据	NA
95	2025-08-04	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法分析和分类火鸡再病毒的新兴变种	首次应用K-means和层次聚类方法区分火鸡再病毒类型，并结合多种机器学习算法和CNN进行变种分类	CNN模型在分类任务中的表现略逊于传统机器学习方法	检测和分类火鸡种群中的再病毒类型，识别新兴变种	火鸡再病毒（包括火鸡关节炎再病毒TARV和火鸡肝炎再病毒THRV）	机器学习	禽类疾病	K-means聚类、层次聚类、SVM、朴素贝叶斯、随机森林、决策树、CNN	SVM、朴素贝叶斯、随机森林、决策树、CNN	基因序列数据	真实火鸡再病毒序列数据（具体数量未提及）
96	2025-08-04	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	研究论文	本文提出了一种基于对比学习的深度学习模型，用于仅使用肽序列筛选抗癌肽（ACPs）	应用对比学习技术提升模型性能，并采用两个独立编码器替代常用的数据增强方法	未提及具体样本量及模型在临床实践中的验证情况	开发高效的计算工具以加速抗癌肽的筛选	抗癌肽（ACPs）	机器学习	癌症	对比学习	深度学习模型	肽序列	NA
97	2025-08-04	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer和Shell-like图架构的新型深度学习评分方法GSScore，用于蛋白质-配体对接姿势的RMSD预测	利用Graphormer和Shell-like图架构，GSScore能够有效捕捉近天然构象与非天然姿势之间的细微差异，无需额外信息	未提及具体局限性	开发更准确的蛋白质-配体对接姿势RMSD预测方法	蛋白质-配体相互作用	机器学习	NA	Graphormer, Shell-like图架构	Graphormer	蛋白质-配体对接数据	PDBBind版本2019的子集、CASF2016以及DUD-E数据集
98	2025-08-04	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强的乳腺MRI在乳腺癌原发治疗反应评估和预测中的应用	探讨了人工智能技术（包括经典机器学习和深度学习）在MRI上预测乳腺癌原发治疗反应的潜力	讨论了人工智能增强MRI在临床应用中面临的挑战和限制	评估和预测乳腺癌患者对原发系统性治疗（PST）的反应	乳腺癌患者，特别是局部晚期和早期乳腺癌患者	数字病理学	乳腺癌	MRI	经典机器学习和深度学习	图像	NA
99	2025-08-03	A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke 2024-Aug-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8272 PMID:38871371	研究论文	本研究利用深度学习构建全自动方法，通过治疗前CT和MR成像预测急性缺血性卒中患者机械取栓后的首次通过效应	首次利用非灌注MR成像和CT进行首次通过效应的自动分类，无需耗时的手动分割	研究样本仅来自单一医疗中心，可能影响模型的泛化能力	预测急性缺血性卒中患者机械取栓后的首次通过效应	急性缺血性卒中患者	数字病理学	急性缺血性卒中	深度学习	混合Transformer模型（含非局部和交叉注意力模块）	CT和MR成像	326名在2014-2021年间接受血管内取栓术的患者
100	2025-08-03	Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3363642 PMID:38373137	研究论文	本文开发了一种名为对比特征分析（CFA）的计算框架，用于探索深度神经网络（DNN）的特征空间并提升AI性能	提出了一种新的数据驱动核形成策略，结合特征间的交互关系，克服了传统方法在分析特征空间数据时的局限性	未明确提及具体局限性，但暗示特征数据的噪声、复杂性和高维性可能仍是挑战	探索深度神经网络的特征表示并提高AI性能	深度神经网络（DNNs）的特征空间数据	机器学习	NA	对比特征分析（CFA）	深度神经网络（DNNs）	特征空间数据	多个最先进网络和跨学科标注数据集（未明确数量）