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
1681	2025-02-04	VirGrapher: a graph-based viral identifier for long sequences from metagenomes 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae036 PMID:38343326	研究论文	本文提出了一种基于图卷积网络（GCN）的病毒识别工具VirGrapher，用于从宏基因组中识别长病毒序列	VirGrapher通过构建长序列中短子序列之间的关系，改进了现有深度学习方法在识别长病毒序列时的性能	未提及具体局限性	提高从宏基因组中识别长病毒序列的准确性	宏基因组中的长病毒序列	生物信息学	NA	图卷积网络（GCN）	GCN	序列数据	未提及具体样本数量
1682	2025-02-04	Should we really use graph neural networks for transcriptomic prediction? 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae027 PMID:38349060	研究论文	本文通过基准测试评估了图神经网络（GNN）在转录组预测中的表现，并与更标准的机器学习方法进行了比较	首次提供了关于GNN在转录组预测中成本与效益权衡的完整且可重复的基准测试	研究仅基于有限的模拟数据集，可能无法完全反映真实世界数据的复杂性	评估图神经网络在转录组预测中的有效性	基因表达数据	生物信息学	NA	图神经网络（GNN）	GNN	基因表达数据	有限的模拟数据集
1683	2025-02-04	Cracking the black box of deep sequence-based protein-protein interaction prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae076 PMID:38446741	研究论文	本文系统研究了基于深度学习的蛋白质-蛋白质相互作用预测模型对数据泄露、序列相似性和节点度信息的依赖性，并与基础机器学习模型进行了比较	揭示了随机分割训练集和测试集导致性能高估的问题，并提出了避免数据泄露的方法，强调了未来改进应相对于基线方法进行报告	预测对于与已研究蛋白质序列相似性低的蛋白质仍然是一个未解决的问题，需要进一步的实验研究和更好的计算方法	评估和比较基于深度学习的蛋白质-蛋白质相互作用预测模型的性能	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	深度学习模型	序列数据	NA
1684	2025-02-04	SuperCUT, an unsupervised multimodal image registration with deep learning for biomedical microscopy 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae029 PMID:38483256	研究论文	本文提出了一种名为SuperCUT的无监督多模态图像配准方法，利用深度学习技术解决生物医学显微镜图像配准问题	提出了一种无需人工标注的无监督多模态图像配准管道，结合风格迁移技术，实现了与有监督方法相当的配准精度	需要进一步验证在更多类型生物样本和显微镜模态上的适用性	解决生物医学显微镜图像的多模态配准问题，以实现不同图像模态的相关分析	生物医学显微镜图像	计算机视觉	NA	深度学习	NA	图像	四种不同类型的生物问题，涉及不同的显微镜模态
1685	2025-02-04	Deep learning in spatially resolved transcriptfomics: a comprehensive technical view 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae082 PMID:38483255	研究论文	本文深入探讨了深度学习在空间分辨转录组学（SRT）中的应用，分析了其优势、局限性和未来改进方向	本文首次系统地评估了深度学习在SRT中的应用，并提出了未来研究方向，如结合生物进化信息的处理和微小组织图像片段的深入分析	深度学习在SRT中的应用仍面临挑战，如批次效应的消除、数据标准化技术的完善以及基因表达中的过度离散和零膨胀模式的应对	评估深度学习在空间分辨转录组学中的应用，并提出未来研究方向	空间分辨转录组学数据	数字病理学	NA	空间分辨转录组学（SRT）	深度学习	基因表达矩阵、空间细节、组织学图像	NA
1686	2025-02-04	Enhancer-MDLF: a novel deep learning framework for identifying cell-specific enhancers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae083 PMID:38485768	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1687	2025-02-04	Leveraging deep learning for toxic comment detection in cursive languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2486 PMID:39896410	研究论文	本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类	提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测	乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度	开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响	乌尔都语中的有毒评论	自然语言处理	NA	深度学习	transformer, BERT, GPT-2	文本	NA
1688	2025-02-03	Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps 2024-08-27, JAMA DOI:10.1001/jama.2024.10770 PMID:39088200	研究论文	本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中	开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境	研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估	评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性	400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体	数字病理	NA	深度学习	深度学习模型	超声图像	400名妊娠个体
1689	2025-02-03	Defining the boundaries: challenges and advances in identifying cells in microscopy images 2024-02, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2023.103055 PMID:38142646	研究论文	本文探讨了在显微镜图像中识别细胞的挑战和进展，特别是分割技术的改进	深度学习工具在细胞分割技术中的主导地位增强，如Cellpose模型的准确性和用户友好性提升	NA	提高显微镜图像中细胞分割的准确性和效率	显微镜图像中的细胞	计算机视觉	NA	深度学习	Cellpose	图像	NA
1690	2025-02-03	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	本文提出了一种基于Swin Transformer的深度学习模型（SwinIR），用于去噪单延迟和多延迟3D动脉自旋标记（ASL），并与卷积神经网络（CNN）和其他基于Transformer的方法进行了性能比较	首次将Swin Transformer应用于ASL数据的去噪，并在性能上超越了CNN和其他基于Transformer的方法	使用M0作为输入时，虽然提高了图像质量，但引入了更大的CBF量化偏差	提高3D ASL数据的图像质量，减少扫描时间，以促进其临床应用	单延迟和多延迟3D ASL数据	计算机视觉	NA	深度学习	SwinIR, CNN	3D图像	66名受试者（119次扫描）用于训练，39名受试者（44次扫描）用于测试，另外6名受试者（10次扫描）用于多延迟ASL数据
1691	2025-02-03	Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample 2024-Feb, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2023.115693 PMID:38194801	研究论文	本研究探讨了利用腕戴式活动记录仪数据结合机器学习和深度学习技术检测重度抑郁症（MDD）的效用	结合传统机器学习方法和深度学习卷积神经网络（CNN）方法，利用被动收集的活动记录仪数据检测MDD，并识别出与MDD相关的生物标志物	研究依赖于PHQ-9作为MDD筛查工具，可能存在筛查偏差	探索利用被动收集的活动记录仪数据结合机器学习技术检测MDD的潜力	8,378名参与者，其中766名参与者通过PHQ-9筛查为MDD	机器学习	重度抑郁症	机器学习和深度学习	传统机器学习方法和CNN	活动记录仪数据	8,378名参与者，其中766名通过PHQ-9筛查为MDD
1692	2025-02-03	Nonmetastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Patients with Breast Cancer at Risk for Metastasis 2024-02, The American journal of pathology DOI:10.1016/j.ajpath.2023.11.005 PMID:38029922	研究论文	本研究使用深度学习模型识别肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并探讨其与淋巴结转移的潜在机制	首次通过深度学习模型揭示肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并初步发现脂肪替代淋巴结中CD3表达减少和瘦素表达增加的趋势	研究样本量较小（180例），且免疫组化分析仅基于30例患者的子集，结果需要进一步验证	探讨肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异及其与淋巴结转移的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习模型、免疫组化分析	深度学习模型	图像（H&E染色全切片图像）	180例乳腺癌患者（其中30例用于免疫组化分析）
1693	2025-02-03	Adaptive 3DCNN-based Interpretable Ensemble Model for Early Diagnosis of Alzheimer's Disease 2024-Feb, IEEE transactions on computational social systems IF:4.5Q1 DOI:10.1109/tcss.2022.3223999 PMID:39239536	研究论文	本文提出了一种基于三维卷积神经网络（3DCNN）和遗传算法（GA）的自适应可解释集成模型（3DCNN+EL+GA），用于早期诊断阿尔茨海默病（AD）或轻度认知障碍（MCI），并通过数据驱动的方式识别显著影响分类的脑区	提出了一种结合3DCNN和遗传算法的自适应可解释集成模型，能够识别显著影响分类的脑区，并在体素级别定位这些脑区中的子区域	未来研究需要验证该方法在其他脑部疾病（如重度抑郁、精神分裂症、自闭症和脑血管疾病）中的泛化能力	开发一种自适应可解释集成模型，用于早期诊断阿尔茨海默病和轻度认知障碍，并识别显著影响分类的脑区	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	计算机视觉	阿尔茨海默病	3DCNN, 遗传算法（GA）	3DCNN+EL+GA	神经影像数据	来自阿尔茨海默病神经影像倡议（ADNI）和开放获取系列影像研究（OASIS）的数据集
1694	2025-02-03	Respiratory signal estimation for cardiac perfusion SPECT using deep learning 2024-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16653 PMID:37523268	研究论文	本文开发了一种仅使用SPECT投影数据的深度学习方法，用于估计心脏灌注SPECT成像中的呼吸信号	提出了一种基于改进U-Net的深度学习方法，直接从SPECT投影数据中估计呼吸信号，无需依赖外部跟踪设备	研究仅使用了900名受试者的数据，可能需要在更大规模的数据集上进行验证	开发一种无需外部设备的深度学习方法，用于心脏灌注SPECT成像中的呼吸信号估计和运动校正	心脏灌注SPECT成像中的呼吸信号	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	900名受试者，其中302名用于测试，598名用于训练和验证
1695	2025-02-03	Flexible protein-protein docking with a multitrack iterative transformer 2024-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	本文介绍了一种名为GeoDock的多轨迭代变压器网络，用于从分离的对接伙伴预测对接结构，解决了现有蛋白质-蛋白质对接方法在结合诱导构象变化方面的局限性	GeoDock在蛋白质残基水平上具有灵活性，能够预测结合时的构象变化，且在DIPS测试集上达到了43%的top-1成功率，优于其他测试方法	尽管GeoDock在预测结合诱导的构象变化方面有所突破，但由于训练和评估数据的限制，这仍然是一个挑战	开发一种能够处理结合诱导构象变化的蛋白质-蛋白质对接方法，以提高对接成功率和应用效率	蛋白质-蛋白质对接	机器学习	NA	多轨迭代变压器网络	Transformer	序列和结构数据	DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集
1696	2025-01-22	Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease 2024-02, Arteriosclerosis, thrombosis, and vascular biology DOI:10.1161/ATVBAHA.123.318771 PMID:38095107	综述	本文探讨了利用基因组学识别主动脉疾病新型治疗靶点的潜力，并回顾了深度学习技术在该领域遗传发现中的应用	应用机器学习方法分析大型影像数据集，快速定义主动脉特征并挖掘出数十个新的遗传关联，如主动脉直径和扩张性	NA	识别主动脉疾病的因果基因和候选药物靶点	主动脉疾病，包括夹层、动脉瘤和破裂	基因组学	心血管疾病	机器学习，深度学习	NA	影像数据	NA
1697	2025-02-03	Applying deep learning to recognize the properties of vitreous opacity in ophthalmic ultrasound images 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02705-7 PMID:37596401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1698	2025-02-03	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	本文验证了一种基于深度学习的算法，用于自动分割新生血管性年龄相关性黄斑变性（nAMD）中的视网膜内液（IRF）、视网膜下液（SRF）和新生血管性色素上皮脱离（nPED）	开发并验证了一种深度学习算法，能够自动分割nAMD中的关键OCT特征，性能接近人工分级	样本量较小，仅包括50名患者的50只眼睛	验证深度学习算法在nAMD中自动分割关键OCT特征的准确性	新生血管性年龄相关性黄斑变性（nAMD）患者的光学相干断层扫描（OCT）数据	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习	图像	50名患者的50只眼睛
1699	2025-02-03	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	本文评估了用于糖尿病视网膜病变（DR）的公开数据集中图像质量评估（IQA）及其质量标准	强调了自动化质量评估作为手动标注的有效替代方案，并建议根据人群特征、临床用途和研究目的建立质量标准	数据集中的质量标准和相关信息获取存在不一致和困难	评估糖尿病视网膜病变数据集的图像质量评估及其质量标准	糖尿病视网膜病变的公开数据集	数字病理学	糖尿病视网膜病变	NA	深度学习（DL）	图像	20个数据集
1700	2025-02-03	Deep learning enables the discovery of a novel cuproptosis-inducing molecule for the inhibition of hepatocellular carcinoma 2024-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-023-01167-7 PMID:37803139	研究论文	本文利用深度学习技术从ZINC15药物库中筛选出具有抗肝癌活性的新型化合物LGOd1，并揭示其通过干扰细胞铜稳态诱导铜死亡的新机制	首次发现具有LGO骨架的新型化合物LGOd1，其通过不同于传统铜离子载体的机制诱导铜死亡，为肝癌治疗提供了新的潜在药物	未提及具体临床前或临床试验数据，需进一步验证LGOd1的体内疗效和安全性	发现新型抗肝癌化合物并揭示其作用机制	肝癌细胞	机器学习	肝癌	深度学习	化学表示模型	化学化合物数据	超过600万种化合物