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
1281	2025-04-21	Recent Advances in Predictive Modeling with Electronic Health Records 2024-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2024/914 PMID:40248670	综述	本文系统回顾了基于电子健康记录（EHR）数据的深度学习预测模型的最新进展	总结了深度学习在EHR数据预测建模中的多种应用视角，并提出了未来的研究方向	未提及具体模型的性能比较或实际应用中的具体限制	探讨如何利用EHR数据进行预测建模	电子健康记录（EHR）数据	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA
1282	2025-04-20	Dissecting the cis-regulatory syntax of transcription initiation with deep learning 2024-Nov-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596138 PMID:38853896	研究论文	利用深度学习解析转录起始的顺式调控语法	开发了名为ProCapNet的神经网络模型，能够从PRO-cap实验中准确建模基于DNA序列的转录起始剖面，揭示了启动子和增强子共享的顺式调控逻辑以及基序间的协同和竞争关系	NA	解析哺乳动物Pol II转录起始的DNA序列决定因素	人类启动子和增强子的转录起始	机器学习	NA	PRO-cap实验, RAMPAGE剖面	神经网络(ProCapNet)	DNA序列数据	多个细胞系
1283	2025-04-20	AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis 2024-Sep-23, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.20.24314081 PMID:39399046	research paper	该研究提出了一种基于深度学习的全自动化流程，用于通过CT衰减图分割心脏腔室来量化[18F]FDG PET活性，并评估了几种基于此框架的定量方法	首次提出了一种全自动化的体积量化方法，用于心脏结节病的[18F]FDG PET检测，具有高预测性能	研究样本量较小（69例患者），且特异性较低（65%）	开发一种全自动化方法，用于心脏结节病的诊断和管理	疑似心脏结节病的患者	digital pathology	cardiovascular disease	[18F]FDG PET/CT	DL (deep learning)	image	69例患者（其中29例确诊为心脏结节病）
1284	2025-04-20	Vulnerability of Thalamic Nuclei at CSF Interface During the Entire Course of Multiple Sclerosis 2024-May, Neurology(R) neuroimmunology & neuroinflammation DOI:10.1212/NXI.0000000000200222 PMID:38635941	研究论文	本研究探讨了多发性硬化症（MS）整个病程中丘脑核团在脑脊液界面的脆弱性	通过深度学习合成序列和自动多图谱分割策略，揭示了丘脑核团在不同MS阶段的动态变化及其与临床残疾的关联	研究依赖于常规3D-T1 MRI数据，可能无法捕捉更细微的病理变化	探究多发性硬化症病程中丘脑核团的动态变化及其机制	1,123名MS患者和相同数量的健康对照者	数字病理学	多发性硬化症	3D-T1 MRI，深度学习，自动多图谱分割	深度学习	MRI图像	2,246名参与者（1,123名MS患者和1,123名健康对照）
1285	2025-04-20	Discovery of antibiotics that selectively kill metabolically dormant bacteria 2024-Apr-18, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2023.10.026 PMID:38029756	研究论文	本文通过结合静止期筛选方法和深度学习虚拟筛选技术，发现了一种能选择性杀死代谢休眠细菌的抗生素	利用非传统筛选方法和深度学习模型，发现了一种能选择性杀死代谢休眠细菌且毒性较低的抗生素semapimod	研究仅针对E. coli和A. baumannii两种细菌，未涉及其他种类的代谢休眠细菌	发现和开发对代谢休眠细菌有效的非毒性抗生素	代谢休眠的细菌，特别是E. coli和A. baumannii	机器学习	细菌感染	深度学习虚拟筛选、静止期筛选方法、微生物学检测、生化测量、单细胞显微镜	深度学习模型	生化数据、显微镜图像	E. coli和A. baumannii两种细菌
1286	2025-04-20	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	开发并验证了一种基于深度学习的自动分割模型，用于肺癌放疗中的心脏亚结构分割	使用nnU-Net模型实现了心脏亚结构的自动分割，包括冠状动脉，这在减少放射性心脏病风险方面具有创新性	冠状动脉的分割精度相对较低（DSC为0.60），且样本量有限（100名患者）	最小化肺癌放疗中放射性心脏病的风险	非小细胞肺癌患者的心脏亚结构	数字病理	肺癌	深度学习	nnU-Net	医学图像	100名非小细胞肺癌患者（训练集75例，验证集5例，测试集20例），外加42名患者用于主观评估
1287	2025-04-20	RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae163 PMID:39678209	research paper	该研究开发了一个名为RecGOBD的模型，用于准确预测与大脑发育相关的蛋白质功能	RecGOBD通过多特征融合和注意力机制，专门针对大脑发育数据集进行了优化，提高了预测准确性	模型仅针对10个关键的基因本体(GO)术语进行了优化，可能不适用于其他GO术语	开发一个计算模型来预测与大脑发育相关的蛋白质功能，以支持神经发育障碍研究	与大脑发育相关的蛋白质序列及其功能	生物信息学	神经发育障碍	深度学习，注意力机制	RecGOBD	蛋白质序列和结构数据	NA
1288	2025-04-19	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	利用深度学习方法检测和分类AlphaFold蛋白质结构数据库中的每个结构域，创建了结构域百科全书	通过深度学习检测和分类了超过3.65亿个结构域，发现了超过1万个新的结构相互作用和数千个新的折叠方式	未提及具体限制	探索蛋白质结构域的结构多样性	AlphaFold蛋白质结构数据库中的结构域	生物信息学	NA	深度学习	NA	蛋白质结构数据	超过2.14亿个预测蛋白质结构和3.65亿个检测到的结构域
1289	2025-04-19	On machine learning analysis of atomic force microscopy images for image classification, sample surface recognition 2024-Apr-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d3cp05673b PMID:38477533	研究论文	本文探讨了机器学习在原子力显微镜图像分类和样品表面识别中的应用	提出了一种适用于AFM图像的机器学习分析通用模板，并特别关注了统计显著性的分析	AFM成像速度较慢，限制了深度学习在图像识别中的广泛应用	探讨机器学习在AFM图像分析中的应用	原子力显微镜图像	机器学习	NA	原子力显微镜(AFM)	非深度学习神经网络	图像	相对较少的AFM图像，小型数据库
1290	2025-04-19	Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound 2024-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-023-01390-z PMID:38051461	研究论文	本研究提出了一种深度学习模型，用于利用对比增强超声（CEUS）的九个时间相图像来区分肝脏病变	提出了一种并行排列三个ResNet50迁移学习模型的新型深度学习模型，能够同步输入九个不同时间相的CEUS图像并进行图像增强	样本量相对较小（181例肝脏病变），且特异性有待提高	评估深度学习模型在肝脏结节特征诊断中的性能	181例肝脏病变（48例良性，78例肝细胞癌，55例非肝细胞癌恶性）	数字病理	肝癌	对比增强超声（CEUS）	ResNet50	图像	181例肝脏病变
1291	2025-04-19	Evaluation and Prediction of Post-Hepatectomy Liver Failure Using Imaging Techniques: Value of Gadoxetic Acid-Enhanced Magnetic Resonance Imaging 2024-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0507 PMID:38184766	research paper	评估和预测肝切除术后肝衰竭（PHLF）的影像学技术价值，特别是钆塞酸增强磁共振成像（MRI）的应用	结合体积和功能分析，利用钆塞酸增强MRI提供更精确的肝功能评估和PHLF预测	肝功能在全肝中被假定为均匀分布，可能忽略局部功能差异	提高肝切除术后肝衰竭的预测准确性	肝切除术后患者	digital pathology	liver disease	Gadoxetic acid-enhanced MRI, deep learning image reconstruction, whole-liver T1 map acquisition	NA	image	NA
1292	2025-04-18	A dynamic approach for MR T2-weighted pelvic imaging 2024-Oct-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	research paper	本文提出了一种新颖的动态方法用于T2加权盆腔成像，以解决蠕动引起的运动问题，无需患者准备	采用动态数据采集策略和基于深度均衡模型的展开方法，有效冻结盆腔运动，将成像问题从传统的运动预防或消除转变为运动重建	NA	解决盆腔MR成像中由蠕动引起的运动伪影和模糊问题	盆腔MR成像	医学影像	NA	T2加权2D快速自旋回波序列	深度均衡模型	MR图像	回顾性和前瞻性数据
1293	2025-04-18	Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces 2024, Advances in neural information processing systems PMID:40231170	研究论文	本研究探讨了在脑机接口（BMI）中深度学习模型与可解释性模型之间的权衡，并提出了一种基于KalmanNet的解码器	提出了一种结合传统卡尔曼滤波和循环神经网络的KalmanNet解码器，在保持可解释性的同时达到与深度学习模型相当的性能	KalmanNet与现有深度学习解码器一样具有有限的泛化能力，且在遇到未见过的噪声分布时性能受限	开发高性能且可解释的脑机接口解码器	猴子的手指运动预测	脑机接口	瘫痪	KalmanNet, 卡尔曼滤波, RNN	KalmanNet, KF, tcFNN, LSTM	脑活动数据	两只猴子的离线（预录数据）和在线（实时预测）数据
1294	2025-04-17	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	research paper	该研究开发了一种名为ASD-cancer的半监督深度学习框架，用于从肿瘤微生物组和转录组数据中提取与生存相关的特征，并识别患者的生存亚型	提出了ASD-cancer框架，能够整合肿瘤微生物组和宿主基因表达数据，进行可解释的生存亚型分析，相比传统方法如PCA，提供了更好的风险分层	研究依赖于TCGA数据库的样本，可能无法涵盖所有肿瘤类型的多样性	解码肿瘤微生物组与宿主基因表达之间的复杂关系，及其对患者生存的联合影响	20种不同类型癌症的组织样本	digital pathology	cancer	deep learning, autoencoder	autoencoder	microbiome and transcriptome data	来自TCGA数据库的多种癌症类型的组织样本
1295	2025-04-17	Binding and sensing diverse small molecules using shape-complementary pseudocycles 2024-07-19, Science (New York, N.Y.) DOI:10.1126/science.adn3780 PMID:39024436	research paper	本文提出了一种设计高亲和力小分子结合蛋白的方法，并应用于下游传感	利用深度学习生成的具有不同形状中央结合口袋的假环结构，结合小分子以实现高亲和力结合，并构建化学诱导二聚化系统和低噪声纳米孔传感器	NA	设计高亲和力小分子结合蛋白并用于传感应用	小分子（如甲氨蝶呤和甲状腺素）	machine learning	NA	deep learning, docking	NA	molecular structure	四种不同小分子
1296	2025-04-17	Medical forecasting 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adp7977 PMID:38781357	研究论文	本文讨论了AI在天气预报中的应用及其在医学预测中的潜力	提出将天气预报中的深度学习模型GraphCast应用于医学预测，以提高预测准确性和速度	目前医学预测领域缺乏黄金标准，预测健康结果的方法尚不成熟	探索AI在医学预测中的应用，以预防疾病或严重急性事件	个体健康风险预测	机器学习	NA	深度学习	GraphCast	NA	NA
1297	2025-04-17	Whole-body magnetic resonance imaging at 0.05 Tesla 2024-05-10, Science (New York, N.Y.) DOI:10.1126/science.adm7168 PMID:38723062	research paper	开发了一种使用0.05特斯拉永磁体和深度学习的全身MRI扫描仪，无需射频和磁屏蔽	利用深度学习和0.05特斯拉永磁体开发了一种低成本、无需屏蔽的全身MRI扫描仪，并采用三维深度学习重建提升图像质量	未提及具体样本量和临床验证结果	开发低成本、易普及的全身MRI扫描技术	全身MRI扫描仪	医学影像	NA	MRI, 深度学习	深度学习	MRI图像	NA
1298	2025-04-17	Sequence basis of transcription initiation in the human genome 2024-04-26, Science (New York, N.Y.) DOI:10.1126/science.adj0116 PMID:38662817	研究论文	该研究通过深度学习模型Puffin预测人类基因组中转录起始的序列模式，揭示了大多数人类启动子的转录起始规则	使用可解释的深度学习模型Puffin，在碱基对分辨率上预测转录起始，并识别出关键序列模式及其在启动子活性中的作用	研究可能未涵盖所有转录起始的复杂调控机制，且模型解释性可能有限	理解人类基因组中转录起始的序列基础和规则	人类基因组中的转录起始位点和启动子	基因组学	NA	深度学习	Puffin	基因组序列数据	NA
1299	2025-04-17	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	研究论文	本研究开发并验证了一种基于深度学习的自动化分类系统，用于股骨头坏死（ONFH）的分类	采用深度学习中的卷积神经网络（CNN）模型对ONFH进行分类，并在多中心数据集上验证了其高准确性和泛化能力	研究仅使用了来自4家机构的回顾性数据，可能需要更多前瞻性数据进一步验证模型的普适性	开发高准确性的ONFH自动分类系统以辅助临床决策	股骨头坏死（ONFH）患者	数字病理学	骨科疾病	MRI成像	CNN	图像	1,806张MRI图像（来自1,337个髋关节），其中外部验证集包含334张图像（来自182个髋关节）
1300	2025-04-17	Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status 2024-01, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-023-01120-3 PMID:37919367	研究论文	本文提出了一种弱监督端到端多实例学习模型，用于编码和聚合体细胞突变的局部序列上下文或基因组位置，以进行样本级分类	使用多注意力头的多实例学习模型，能够建模个体测量对样本级分类的重要性，提供更强的可解释性，并在合成任务和实际任务中表现优异	NA	改进基因组数据集的聚合信息任务性能，以生成生物学见解	体细胞突变数据	机器学习	肿瘤	多实例学习	多注意力头模型	基因组数据	NA