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
1081	2025-05-04	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	research paper	该研究提出了一种基于灰狼优化、混合特征提取和深度学习方法增强的椎间盘突出分类方法	结合灰狼优化算法与混合特征提取及深度学习方法，提升椎间盘突出分类性能	NA	提高椎间盘突出的分类准确性	腰椎间盘突出病例	digital pathology	geriatric disease	deep learning	NA	image	NA
1082	2025-05-04	Deep learning segmentation model for quantification of infarct size in pigs with myocardial ischemia/reperfusion 2024-12, Basic research in cardiology IF:7.5Q1 DOI:10.1007/s00395-024-01081-x PMID:39348000	研究论文	本研究开发了一种基于深度学习的分割模型，用于自动化量化心肌缺血/再灌注猪模型中的梗死面积	首次将动态U-Net架构应用于心肌梗死面积的自动化量化，显著提高了处理效率	在鼠心脏实验数据上的模型性能较低(DSC: 0.66)，表明模型跨物种泛化能力有待提高	开发自动化心肌梗死面积量化方法以替代传统手工测量	猪和鼠的心肌缺血/再灌注模型	数字病理	心血管疾病	TTC染色	动态U-Net	图像	390个猪心脏实验(3869张图像)和27个鼠心脏实验
1083	2025-05-04	Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases 2024-Dec-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006294 PMID:38577794	研究论文	开发并测试了一种用于术中识别腹膜表面转移癌的深度学习手术引导系统原型	开发了一种深度学习手术引导系统原型，能够在术中识别腹膜表面转移癌，相比肿瘤外科医生提高了识别准确率	需要进一步的多机构临床环境验证和开发	提高术中腹膜表面转移癌的识别准确率	腹膜表面转移癌	数字病理	胃肠道腺癌	深度学习	深度学习系统	图像	132名患者的4287个可见腹膜表面病变图像和365个活检腹膜表面病变的3650个图像块
1084	2025-05-04	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	提出了一种名为HIT的深度超图表示学习模型，用于预测治疗性基因靶点	使用超图结构和基于注意力的学习方法捕捉基因、本体、疾病和表型之间的复杂关系	已知治疗靶点的数量有限	预测治疗性基因靶点以开发针对疾病遗传原因的治疗方法	基因	机器学习	NA	深度超图表示学习	HIT (Hypergraph Interaction Transformer)	基因、本体、疾病和表型数据	NA
1085	2025-05-04	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	research paper	开发了一种名为MiTCP的深度学习方法，用于预测小分子诱导的转录变化	利用图神经网络同时建模分子结构表示和基因共表达关系，用于预测转录变化	NA	预测小分子诱导的转录变化，以促进药物发现和筛选过程	978个标志基因的转录变化	machine learning	NA	deep learning	graph neural network	transcriptional profiles	L1000数据集
1086	2025-05-04	Deep learning-based design and experimental validation of a medicine-like human antibody library 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf023 PMID:39851074	研究论文	本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域	利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库	研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体	加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间	人类抗体可变区域	机器学习	NA	深度学习	生成式深度学习模型	序列数据	训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体
1087	2025-05-04	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2024-Sep-13, ArXiv PMID:39314509	研究论文	本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习精度、鲁棒性和参数效率	引入生物树突的特性到人工神经网络中，解决了传统深度学习算法参数过多、易过拟合的问题	未提及具体的应用场景限制或实验数据的局限性	提升人工神经网络的学习效率、鲁棒性和参数效率	人工神经网络（ANNs）及其学习策略	机器学习	NA	NA	dendritic ANNs	图像数据	未提及具体样本数量
1088	2025-05-04	Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study 2024-02-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006046 PMID:38095506	研究论文	开发了一种基于深度学习的计算机辅助检测系统，用于定位和检测便携式仰卧胸部X光片中气管插管的错位	使用DeepLabv3+和ResNeSt50、DenseNet121模型架构进行分割和分类任务，实现了对气管插管错位的高精度检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发一种计算机辅助检测系统，用于检测便携式仰卧胸部X光片中气管插管的错位	便携式仰卧胸部X光片中的气管插管	数字病理学	NA	深度学习	DeepLabv3+, ResNeSt50, DenseNet121	图像	训练数据集5767张图像，测试数据集NTUH-20 955张图像，NTUH-YB 656张图像
1089	2025-05-04	Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1442114 PMID:39835306	research paper	该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级	引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度	未提及具体的数据集规模或模型在更大规模数据集上的泛化能力	开发一种高效的自动化糖尿病视网膜病变分级方法	糖尿病视网膜病变的医学图像	digital pathology	diabetic retinopathy	vision transformer	Transformer	image	NA
1090	2025-05-04	Integrating deep learning in public health: a novel approach to PICC-RVT risk assessment 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1445425 PMID:39839389	研究论文	本研究评估了七种机器学习算法（包括三种深度学习和四种传统机器学习模型）在利用时间序列数据评估PICC-RVT风险方面的有效性，并确定了关键预测因素	首次将深度学习模型应用于PICC-RVT风险评估，并比较了深度学习与传统机器学习模型的性能差异	研究为回顾性多中心队列研究，可能存在选择偏倚	评估机器学习算法在PICC-RVT风险评估中的有效性并识别关键预测因素	接受PICC置管的患者	机器学习	静脉血栓	机器学习	DeepSurv, Cox-Time等	时间序列数据	5,272名患者
1091	2025-05-04	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型	研究基于回顾性数据，样本量相对有限（261例患者）	开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	CT扫描、放射组学分析	ResNet34、DNN	CT图像、临床数据	261例肺癌患者
1092	2025-05-04	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	research paper	本研究提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号中预测血压，以改善远程医疗中的健康监测	提出ResNet-LSTM混合模型，结合ResNet的特征提取能力和LSTM的序列数据处理能力，提高了血压预测的准确性	计算成本较高（约4,375 FLOPs），未来需要优化云基础设施以实现实时分析	开发一种非侵入式血压预测方法，以改善心血管疾病的远程健康监测	通过智能可穿戴设备收集的生理信号（ECG和PPG）	machine learning	cardiovascular disease	deep learning	ResNet-LSTM	physiological signals (ECG, PPG)	NA
1093	2025-05-03	Psoriasis severity assessment: Optimizing diagnostic models with deep learning 2024-Dec, Narra J DOI:10.52225/narra.v4i3.1512 PMID:39816098	research paper	本研究评估了深度学习模型在银屑病严重程度自动分类中的应用	使用五种改进的深度卷积神经网络（DCNN）进行银屑病严重程度分类，并确定ResNet50为最优模型	需要进一步的临床验证和模型优化	优化银屑病严重程度的诊断模型	银屑病临床图像	computer vision	psoriasis	deep learning	ResNet50, VGGNet19, MobileNetV3, MnasNet, EfficientNetB0	image	1,546张临床图像（1,082张用于训练，463张用于验证和测试）
1094	2025-05-03	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	research paper	介绍了一种名为scGO的深度学习框架，用于单细胞RNA测序数据的可解释性细胞状态注释和疾病诊断	scGO利用稀疏神经网络和基因本体论（GO）的内在生物学关系，显著提高了可解释性并降低了计算成本	未明确提及具体局限性	开发一种可解释的深度学习模型，用于细胞状态注释和疾病诊断	单细胞RNA测序数据	machine learning	NA	scRNA-seq	deep neural network	RNA-seq data	多样化的scRNA-seq数据集
1095	2025-05-03	scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf009 PMID:39831891	研究论文	提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型	提出了四个具有明确解释性和生物学意义的新特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的新型深度学习框架	当前基于单细胞Hi-C数据的细胞类型预测框架有限，常面临特征解释性和生物学意义的挑战，且缺乏令人信服和稳健的分类性能验证	开发一种能够利用单细胞Hi-C数据识别细胞类型的方法	单细胞Hi-C数据	生物信息学	NA	单细胞高通量染色体构象捕获技术（Hi-C）	多头自注意力编码器、1D卷积	单细胞Hi-C数据	六个数据集
1096	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心
1097	2025-05-03	Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis 2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery DOI:10.48729/pjctvs.411 PMID:39820882	review	本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用	利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性	面临临床验证和数据隐私的挑战	提高颈动脉狭窄的诊断准确性和风险分层，改善患者管理	颈动脉狭窄患者	machine learning	cardiovascular disease	deep learning	NA	image	NA
1098	2025-05-03	Predicting metabolite response to dietary intervention using deep learning 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.14.532589 PMID:36993761	研究论文	开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应	首次提出使用耦合多层感知器（McMLP）来预测代谢物反应，填补了深度学习在该领域的空白	NA	实现精准营养，通过预测个体对饮食干预的代谢物反应来设计个性化的饮食策略	个体的肠道微生物组成及其对食物和营养素的代谢物反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据	来自六项饮食干预研究的真实数据
1099	2025-05-03	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-Jun-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	本研究利用深度学习技术从卫星图像中提取建筑环境特征，并探讨其与城市中心脏代谢疾病患病率之间的关联	首次大规模使用Google卫星图像结合卷积神经网络评估建筑环境与心脏代谢疾病的关系，并发现特定建筑环境特征与疾病的相关性	横断面研究设计无法确定因果关系，且仅覆盖了美国7个城市的数据	探究基于图像的建筑环境特征与心脏代谢疾病患病率之间的关系	美国7个城市(克利夫兰、弗里蒙特等)的789个人口普查区的建筑环境和居民健康数据	计算机视觉	心血管疾病	卫星图像分析	CNN(卷积神经网络)、LightGBM(轻量梯度提升机)	卫星图像、人口普查数据	31,786张航拍图像覆盖789个人口普查区
1100	2025-05-03	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度	首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性	模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异	验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性	3134名近视患者的6174张超广角眼底图像	计算机视觉	近视	深度学习	深度学习模型	图像	6174张超广角眼底图像（来自3134名患者）