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
1061	2025-05-09	ASAP-DTA: Predicting drug-target binding affinity with adaptive structure aware networks 2024-Dec, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500288 PMID:39961610	research paper	提出了一种基于图深度学习的药物-靶标结合亲和力预测模型ASAP-DTA，利用自适应结构感知池化进行图处理	整合了自注意力机制与增强的图神经网络，通过聚类相邻节点并按注意力分数加权形成最终分子表示，显著改进了图特征提取	未提及模型在更大规模或更复杂数据集上的表现	高效预测药物-靶标结合亲和力，减少药物再利用的资源浪费	药物-靶标结合亲和力	machine learning	NA	graph-based deep learning	graph neural network with self-attention mechanism	2D molecular graph	multiple benchmark datasets including KIBA dataset
1062	2025-05-09	Liquid Biopsy-Based Detection and Response Prediction for Depression 2024-11-26, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c08233 PMID:39501510	研究论文	本研究开发了一种基于深度学习的血浆细胞外囊泡（EVs）光谱分析方法，用于抑郁症的检测和治疗反应预测	首次利用深度学习和拉曼信号分析血浆EVs，实现抑郁症的客观诊断和抗抑郁治疗反应预测	样本来源仅限于血浆EVs，未涉及其他生物标志物	开发抑郁症的客观诊断方法和治疗反应预测系统	抑郁症患者、健康人群及恐慌障碍患者	机器学习	抑郁症	拉曼光谱分析	深度学习	光谱数据	抑郁症患者与健康人群及恐慌障碍患者的血浆样本
1063	2025-05-09	Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer 2024-Oct-03, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00604-w PMID:39363031	研究论文	通过整合H&E和IHC图像分析，识别HPV相关口咽癌中的预后免疫亚型	结合H&E和IHC图像，利用深度学习技术量化肿瘤微环境中的细胞组成和功能特征，改进了患者分层	研究样本量较小，仅包括88个原发肿瘤和70个淋巴结组织图像	增强对肿瘤微环境中细胞组成和功能特征的理解，并改进患者分层	HPV阳性口咽鳞状细胞癌（OPSCC）患者	数字病理学	口咽癌	深度学习，免疫组织化学（IHC）	深度学习流程	图像（H&E和IHC染色切片）	88个原发肿瘤和70个淋巴结组织图像
1064	2025-05-09	An arrhythmia classification using a deep learning and optimisation-based methodology 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463574 PMID:39949269	研究论文	提出一种基于深度学习和优化方法的心电图信号分类方法	结合EfficientNet-B0深度学习模型和混合特征选择方法（包括SABES优化算法）进行心电图信号分类	未提及对不同心电图设备的泛化能力或实时性能的测试	开发一种高精度的心电图信号分类方法	五种不同类型的心电图信号	机器学习	心血管疾病	离散小波变换，移动平均滤波	EfficientNet-B0	图像（灰度图和尺度图）	NA
1065	2025-05-09	A combination of deep learning models and type-2 fuzzy for EEG motor imagery classification through spatiotemporal-frequency features 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463577 PMID:39950750	研究论文	本文提出了一种结合深度学习模型和类型2模糊逻辑的混合架构FCLNET，用于通过时空频率特征对EEG运动想象进行分类	提出了一种新型混合架构FCLNET，结合了Compact-CNN和LSTM网络，并采用类型2模糊函数处理不确定性，通过贝叶斯优化算法调整超参数	未提及具体的数据集局限性或模型在其他数据集上的泛化能力	提高EEG运动想象分类的准确性和鲁棒性	EEG信号	生物医学信号处理	NA	EEG信号处理	Compact-CNN, LSTM, 类型2模糊函数	EEG信号	BCI Competition IV-2a数据库和BCI Competition IV-1数据库
1066	2025-05-09	Automated Cytometric Gating with Human-Level Performance Using Bivariate Segmentation 2024-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.06.592739 PMID:38766268	研究论文	提出了一种名为UNITO的深度学习框架，用于自动化细胞计数门控过程，达到人类专家水平	将细胞级分类任务转化为基于图像的语义分割问题，实现全自动化门控且无需人工提示或先验知识	未明确说明模型在不同实验条件下的泛化能力	解决细胞计数数据中由于生物和技术差异导致的门控挑战	细胞计数数据中的单细胞蛋白表达测量	数字病理学	NA	细胞计数技术	深度学习框架(UNITO)	图像	三个独立队列的数据集
1067	2025-05-08	Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf046 PMID:39927859	研究论文	介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用	使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能	未明确提及具体局限性	提高lncRNA-miRNA相互作用预测的性能	lncRNA和miRNA的相互作用	自然语言处理	阿尔茨海默病	深度学习和序列分析	Transformer Encoder和CNN	RNA序列	NA
1068	2025-05-08	G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework 2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.0587-24.2024 PMID:39327003	研究论文	本文开发了一种半监督深度学习计算框架digID，用于预测与阿尔茨海默病相关的基因，并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性	提出了一种新的半监督深度学习计算框架digID，用于预测AD相关基因并揭示新的分子机制和治疗靶点	需要进一步的生物学验证来确认计算预测的基因簇作为AD治疗靶点的潜力	研究阿尔茨海默病的致病途径和相关基因，以识别新的治疗靶点	阿尔茨海默病相关基因及其在脑部的表达模式	计算生物学	阿尔茨海默病	半监督深度学习、蛋白质-蛋白质相互作用网络分析、STORM超分辨率显微镜	半监督深度学习分类器	多组学数据、mRNA表达数据、图像数据	转基因小鼠模型（两性）
1069	2025-05-08	Development of Machine Learning-Based Mpox Surveillance Models in a Learning Health System 2024-Sep-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.25.24314318 PMID:39399027	research paper	开发机器学习和深度学习模型以从临床记录中识别猴痘病例	使用Lasso回归模型在减少假阳性方面表现优于深度学习模型	未提及模型在其他数据集上的泛化能力	开发用于猴痘病例监测的机器学习模型	临床记录中的猴痘病例	machine learning	猴痘	machine learning, deep learning	Lasso regression, deep learning models	text	NA
1070	2025-05-08	Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits 2024-Jun-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000001023 PMID:38289331	research paper	该研究探讨了在高等级胶质瘤手术中，结合机器学习的放射组学模型预测5-ALA单独使用效果不佳的情况，并强调了iMRI在特定复杂病例中的辅助价值	开发了一种基于U2-Net深度学习算法的放射组学模型，能够准确预测5-ALA在HGG手术中的效果不佳情况，为个性化手术策略提供依据	样本量较小（73例患者），且iMRI与5-ALA联合使用的效果提升未达到统计学显著性	评估在高等级胶质瘤手术中iMRI的辅助价值，并开发预测模型以优化手术策略	73例高等级胶质瘤患者	digital pathology	high-grade glioma	intraoperative MRI (iMRI), 5-aminolevulinic acid (5-ALA), radiomics	U2-Net, binary logistic regression	MRI图像	73例高等级胶质瘤患者
1071	2025-05-08	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-05-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫研究中检测神经生理生物标志物的应用	PyHFO整合了深度学习模型，用于伪影和高频振荡（HFO）与尖峰分类，设计为在标准计算机硬件上高效运行，速度比传统HFO检测应用快50倍	未提及具体限制	开发一个用户友好且计算高效的平台，以促进高级EEG数据分析工具在临床实践中的广泛应用	EEG记录中的神经生理生物标志物	数字病理	癫痫	深度学习	DL模型	EEG记录	三个独立数据集：第一个仅包含网格/带状电极，第二个是网格/带状和深度电极的组合，第三个来自啮齿动物研究，使用深度电极采样新皮层和海马体
1072	2025-05-08	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-05-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的快速听觉注意力解码方法，用于听力受损者的脑电图分析	使用深度卷积神经网络模型处理听力受损者的脑电图数据，实现了三种分类任务，并探讨了数据分割策略对结果的影响	研究仅针对听力受损人群，且样本量有限（31名参与者）	探索听力技术如何影响听力受损人群的听觉处理过程	听力受损者的脑电图数据	机器学习	听力障碍	EEG	DCNN	脑电图数据	31名听力受损参与者
1073	2025-05-08	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-05-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	提出了一种名为EEGminer的系统，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了可学习滤波器，通过广义高斯函数参数化，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，用于从持续EEG活动的多通道记录中学习信息丰富的潜在表示	脑电活动模式	机器学习	NA	EEG信号处理	可学习滤波器和预定义特征提取模块	EEG信号	721名受试者的新EEG数据集，以及SEED数据集和同时任务EEG工作负荷数据集
1074	2025-05-08	Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform 2024-Jan-01, International ophthalmology clinics DOI:10.1097/IIO.0000000000000519 PMID:38146885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1075	2025-05-07	DeepPFP: a multi-task-aware architecture for protein function prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae579 PMID:39905954	research paper	提出了一种名为DeepPFP的多任务感知架构，用于蛋白质功能预测	结合了Model-Agnostic Meta-Learning和蛋白质语言模型Evolutionary Scale Modeling，以解决跨领域迁移学习的泛化问题	模型在特定任务或蛋白质类型上的表现可能受限，因为蛋白质功能更依赖于结构特征而非序列信息	开发一个能够捕捉不同序列-功能映射任务共享特征的模型，以提高泛化能力	蛋白质序列及其功能预测	machine learning	NA	Model-Agnostic Meta-Learning, Evolutionary Scale Modeling	DeepPFP	protein sequence	五个域外深度突变扫描(DMS)数据集，以及SARS-CoV-2的DMS数据集
1076	2025-05-07	Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery 2024-Oct-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000003335 PMID:38959453	研究论文	开发了一种基于深度学习的实时输尿管识别模型UreterNet，用于腹腔镜结直肠手术中避免医源性输尿管损伤	首次将基于深度学习的语义分割算法应用于输尿管识别任务，并开发了UreterNet模型	需要进一步验证UreterNet是否能减少医源性输尿管损伤的发生	验证在腹腔镜结直肠手术视频中能否识别输尿管，以提高手术安全性	腹腔镜结直肠手术视频中的输尿管	计算机视觉	结直肠疾病	语义分割	CNN (Feature Pyramid Networks)	视频	从304个视频中创建的14,069张标注图像（训练集9537张，验证集2266张，测试集2266张）
1077	2025-05-07	Forecasting daily total pollen concentrations on a global scale 2024-Aug, Allergy IF:12.6Q1 DOI:10.1111/all.16227 PMID:38995241	研究论文	该研究使用CatBoost和深度学习模型预测全球23个城市未来14天的每日总花粉浓度	首次在全球范围内应用CatBoost和深度学习模型进行花粉浓度预测，并分析了影响预测的关键环境变量	部分城市预测效果较差(如布里斯班和首尔)，模型在不同城市的表现差异较大	提高空气花粉预测的准确性以应对气候变化带来的影响	全球23个城市的花粉浓度数据	机器学习	过敏性疾病	CatBoost和深度学习	CB和DL	环境参数和花粉浓度数据	23个城市的数据
1078	2025-05-07	Single-cell multi-omics analysis reveals cooperative transcription factors for gene regulation in oligodendrocytes 2024-Jun-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.19.599799 PMID:38948852	研究论文	通过单细胞多组学分析揭示少突胶质细胞中转录因子的协同调控机制	整合scRNA-seq和scATAC-seq数据，利用深度学习模型预测目标基因表达，并计算TF重要性和TF-TF相互作用分数，揭示了少突胶质细胞中转录因子的协同调控机制	研究主要基于计算模型预测，部分结果需要实验验证	探究少突胶质细胞中转录因子如何协同调控基因表达	少突胶质细胞中的转录因子及其靶基因	生物信息学	脑部疾病	scRNA-seq, scATAC-seq, 深度学习, ChIP-seq	深度学习模型	单细胞多组学数据	NA
1079	2025-05-07	Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2023.111887 PMID:38128469	研究论文	本文介绍了一种新型磁驱动压缩系统'MagnaSquish'，用于研究人类骨软骨栓在循环加载过程中轴向和侧向应变的时间动态	开发了磁驱动装置，实现加载周期之间的完全提升，解决了传统系统因持续接触可能影响组织再水化的问题	研究仅使用了尸体人类骨软骨栓样本，可能无法完全反映活体组织的动态特性	研究循环加载过程中软骨组织应变积累的机制	人类骨软骨栓	生物力学	骨关节疾病	磁驱动压缩系统	UNet	图像	人类尸体骨软骨栓样本，进行了750次加载循环
1080	2025-05-06	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将扩散概率模型（DPM）应用于深度紫外荧光（DUV）图像数据增强，显著提高了乳腺癌检测的准确率	研究依赖于有限的数据集，可能影响模型的泛化能力	提高乳腺癌在深度紫外荧光图像中的自动检测性能	深度紫外荧光（DUV）图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确提及具体样本数量