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
61	2025-01-22	Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro 2024-04-30, Cells IF:5.1Q2 DOI:10.3390/cells13090771 PMID:38727307	研究论文	本文通过深度学习方法识别出TIPE3蛋白的小分子抑制剂，并在体外实验中验证了其对癌细胞生长的抑制作用	结合深度学习和分子动力学模拟进行虚拟药物筛选，成功识别出具有显著抗癌活性的TIPE3抑制剂	研究仅限于体外实验，尚未进行体内实验验证	开发针对TIPE3蛋白的抗癌药物	TIPE3蛋白及其小分子抑制剂	机器学习	癌症	DFCNN, Autodock Vina docking, DeepBindBC, MD, metadynamics	DFCNN	化合物数据集	ZINC化合物数据集中的六个候选化合物
62	2025-01-22	Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach 2024-Apr, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-024-02573-2 PMID:38245662	研究论文	本文开发并验证了一种基于组织学的深度学习模型，用于预测非转移性结直肠癌患者的5年无复发生存率	使用弱监督深度学习模型从组织学图像中提取信息，进行风险分层，并建立了深度预后因子（DL-RRS）	研究样本仅来自三家医院，可能限制了模型的泛化能力	预测非转移性结直肠癌患者的5年复发风险，以辅助临床决策	非转移性结直肠癌患者	数字病理学	结直肠癌	深度学习	弱监督深度学习模型	组织学图像	614例非转移性结直肠癌患者
63	2025-01-21	Prospective de novo drug design with deep interactome learning 2024-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47613-w PMID:38649351	研究论文	本文提出了一种基于交互组深度学习的计算方法，用于从头设计具有特定化学和药理性质的药物分子	该方法结合了图神经网络和化学语言模型的独特优势，无需应用特定的强化学习、迁移学习或少样本学习，实现了“零样本”构建具有特定生物活性、可合成性和结构新颖性的化合物库	NA	开发一种新的计算方法，用于从头设计药物分子，特别是针对人类过氧化物酶体增殖物激活受体（PPAR）亚型γ的结合位点	药物分子，特别是针对PPAR亚型γ的配体	机器学习	NA	深度学习，图神经网络，化学语言模型	图神经网络，化学语言模型	化学结构数据	NA
64	2025-01-19	Human-airway surface mesh smoothing based on graph convolutional neural networks 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108061 PMID:38341897	研究论文	本文提出了一种基于图卷积神经网络（GCNNs）的无监督气道网格平滑学习方法（AMSL），用于保留三维气道几何形状，以进行精确的CT图像计算流体动力学（CFD）模拟	引入了一种新的无监督气道网格平滑学习方法（AMSL），该方法通过联合训练两个图卷积神经网络来过滤顶点位置和面法向量，并采用深度网格先验模型的概念，无需大量数据集进行训练	研究仅使用了20名受试者的气道图像进行平滑处理，其中仅两名受试者的数据用于CFD模拟，样本量较小	开发一种能够保留三维气道几何形状的平滑方法，以进行精确的CT图像计算流体动力学（CFD）模拟	气道几何形状	计算机视觉	NA	CT图像计算流体动力学（CFD）模拟	图卷积神经网络（GCNNs）	图像	20名受试者的气道图像
65	2025-01-19	Investigating distributions of inhaled aerosols in the lungs of post-COVID-19 clusters through a unified imaging and modeling approach 2024-Apr-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2024.106724 PMID:38340875	研究论文	本研究通过结合成像和建模方法，调查了COVID-19后遗症患者肺部吸入气溶胶的分布情况	利用深度学习算法识别出COVID-19后遗症患者的两个集群，并通过计算模型分析预测了这两个集群的气道阻力和颗粒沉积情况	样本量相对较小，且仅包括COVID-19幸存者和健康对照组	评估COVID-19后遗症患者集群中吸入气溶胶的分布情况	COVID-19幸存者和健康对照组	数字病理学	COVID-19	CT扫描和计算模型分析	深度学习算法	CT图像	140名COVID-19幸存者和105名健康对照组
66	2025-01-07	Association Between Body Composition and Survival in Patients With Gastroesophageal Adenocarcinoma: An Automated Deep Learning Approach 2024-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00231 PMID:38588476	研究论文	本研究开发了一种深度学习模型，用于从常规CT扫描中自动量化胃食管腺癌患者的身体组成，并探讨其与生存率的关系	利用深度学习技术从常规CT扫描中自动量化身体组成，并首次在胃食管腺癌患者中探讨其与生存率的关联	研究样本量相对较小，且仅关注了胃食管腺癌患者，结果可能不适用于其他癌症类型	探讨身体组成与胃食管腺癌患者生存率之间的关系	胃食管腺癌患者	数字病理学	胃食管腺癌	深度学习	深度学习模型	CT图像	299名胃食管腺癌患者
67	2025-01-04	UroAngel: a single-kidney function prediction system based on computed tomography urography using deep learning 2024-Apr-16, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-024-04921-6 PMID:38627315	研究论文	本文介绍了一种基于深度学习的系统UroAngel，用于通过计算机断层扫描尿路造影（CTU）图像无创预测单肾功能水平	开发了基于3D U-Net卷积神经网络的系统UroAngel，能够准确分割肾皮质并预测肾功能阶段，性能优于传统方法和放射科医生	研究样本量有限，仅包括520名梗阻性肾病患者，且仅在40名患者中进行了临床验证	开发一种非侵入性且便捷的单肾功能水平预测系统	梗阻性肾病（ON）患者	数字病理学	肾病	计算机断层扫描尿路造影（CTU）	3D U-Net	图像	520名梗阻性肾病患者
68	2025-01-04	Revisiting Computer-Aided Tuberculosis Diagnosis 2024-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3330825 PMID:37934644	研究论文	本文探讨了利用深度学习进行计算机辅助结核病诊断（CTD）的进展，并提出了一个新的数据集和基线模型	提出了一个大规模数据集TBX11 K，包含11,200张胸部X光图像，并提出了SymFormer模型，该模型结合了对称搜索注意力（SymAttention）和对称位置编码（SPE）以提高诊断性能	尽管提出了新的数据集和模型，但研究的局限性在于CXR图像可能不完全遵循双边对称性，这可能会影响模型的性能	提高计算机辅助结核病诊断的准确性和效率	胸部X光图像	计算机视觉	结核病	深度学习	SymFormer	图像	11,200张胸部X光图像
69	2024-12-28	Targeted-BEHRT: Deep Learning for Observational Causal Inference on Longitudinal Electronic Health Records 2024-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3183864 PMID:35737602	研究论文	本文提出了一种基于深度学习的模型T-BEHRT，用于在纵向电子健康记录上进行观察性因果推断	结合了双向EHR变换器和双重稳健估计，提供了更准确的相对风险估计	在数据有限的情况下，模型的可靠性仍需进一步测试	研究抗高血压药物类别对癌症风险的影响，开发并测试用于因果推断的深度学习模型	电子健康记录（EHRs）	机器学习	心血管疾病	深度学习	Transformer	电子健康记录	NA
70	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-Apr-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.13.566842 PMID:38014263	研究论文	本文介绍了一种无监督的细胞及其核在复杂组织样本中分割的方法UNSEG	UNSEG在无需训练数据的情况下实现了深度学习级别的性能，并引入了新的扰动分水岭算法，提高了经典分水岭的准确性	文中提到分割准确性的量化可能存在偏差，且分割在组织样本中仍然是一个具有挑战性的问题	开发一种无需标签的无监督学习方法，用于复杂组织样本中细胞及其核的分割	复杂组织样本中的细胞及其核	计算机视觉	NA	无监督学习	UNSEG	图像	包括一个高质量的胃肠道组织（GIT）数据集和公开数据集
71	2024-12-20	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	本文提出了一种基于门控图变换器（GGT）框架的认知能力预测方法，通过分析功能性脑网络来预测个体的认知能力	本文创新性地结合了门控机制和可学习的结构与位置编码（LSPE），并利用注意力机制动态分配传播权重，从而提高了模型的解释性和预测准确性	NA	研究目的是开发一种可解释的认知能力预测模型，以分析功能性脑网络	研究对象是基于fMRI功能连接（FC）的功能性脑网络	机器学习	NA	fMRI	门控图变换器（GGT）	图像	两个大型脑成像数据集：费城神经发育队列（PNC）和人类连接组项目（HCP）
72	2024-12-20	Efficient Supervised Pretraining of Swin-Transformer for Virtual Staining of Microscopy Images 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337253 PMID:38010933	研究论文	本文提出了一种基于Swin-Transformer模型的虚拟染色方法，并通过高效的监督预训练技术提升了模型性能	本文创新性地采用了基于掩码自编码器（MAE）的监督预训练方法，通过下采样和网格采样减少了计算量和数据依赖，并设计了多风格染色预测的监督代理任务	本文主要基于公开数据集进行实验，未来可能需要验证其在更多私有数据集上的泛化能力	开发一种高效的虚拟染色方法，减少对大规模预训练的依赖	显微镜图像的虚拟染色	计算机视觉	NA	Swin-Transformer	Swin-Transformer	图像	三个公开数据集
73	2024-12-20	EAG-RS: A Novel Explainability-Guided ROI-Selection Framework for ASD Diagnosis via Inter-Regional Relation Learning 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337362 PMID:38015693	研究论文	提出了一种新的可解释性引导的ROI选择框架EAG-RS，通过学习脑区间的高阶非线性关系来诊断自闭症谱系障碍	引入了一种新的可解释性引导的ROI选择框架，通过随机种子网络掩蔽和可解释连接相关性评分来识别高阶非线性功能关联，并选择具有分类信息的脑区进行诊断	现有研究使用线性低阶功能连接作为模型输入，缺乏足够信息，未考虑患者个体差异，且决策过程不可解释	解决现有自闭症诊断方法的局限性，提出一种新的框架来提高诊断准确性和可解释性	自闭症谱系障碍患者的功能磁共振成像数据	机器学习	自闭症谱系障碍	功能磁共振成像	NA	图像	使用Autism Brain Imaging Data Exchange (ABIDE)数据集进行验证
74	2024-12-20	A Learnable Counter-Condition Analysis Framework for Functional Connectivity-Based Neurological Disorder Diagnosis 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337074 PMID:38019623	研究论文	本文提出了一种可学习的反条件分析框架，用于基于功能连接的神经功能障碍诊断	本文创新性地提出了一种统一的框架，将诊断和解释系统性地整合在一起，并设计了自适应注意力网络进行特征选择，提出了功能网络关系编码器来学习功能连接的全局拓扑属性，并引入了反条件分析方法进行神经科学解释	本文未提及具体的局限性	研究目的是开发一种新的框架，用于基于功能连接的神经功能障碍诊断，并提供神经科学解释	研究对象是基于功能连接的神经功能障碍诊断	机器学习	NA	功能磁共振成像 (fMRI)	自适应注意力网络，功能网络关系编码器	功能连接数据	使用了两个大型静息态功能磁共振成像数据集，分别是Autism Brain Imaging Data Exchange (ABIDE) 和 REST-meta-MDD
75	2024-12-20	Semi-Supervised Medical Image Segmentation Using Cross-Style Consistency With Shape-Aware and Local Context Constraints 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3338269 PMID:38032771	研究论文	提出了一种基于交叉风格一致性和形状感知与局部上下文约束的半监督医学图像分割框架	设计了形状无关和形状感知两个并行网络，通过交叉风格一致性策略和局部上下文约束来提高半监督学习的效果，并有效利用未标注数据	未明确提及	解决半监督医学图像分割中标注数据不足的问题，提升分割精度和形状感知能力	医学图像的分割	计算机视觉	NA	深度学习	NA	图像	三个不同数据集的医学图像
76	2024-12-20	An Energy Matching Vessel Segmentation Framework in 3-D Medical Images 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3339204 PMID:38048240	研究论文	本文提出了一种高分辨率能量匹配分割（HrEmS）框架，用于从高分辨率三维医学扫描中进行精确的血管分割	引入了一种新的基于实数阶全变差算子的损失函数，用于指导分割网络通过匹配预测分割与手动标签的能量来获得正确的拓扑结构；开发了一个基于曲率的权重校正模块，使网络能够专注于血管的关键和复杂结构部分	NA	开发一种可靠且可扩展的框架，用于从高分辨率三维医学扫描中进行血管分割，以帮助临床医生可视化复杂的血管结构并诊断相关的血管疾病	高分辨率三维医学扫描中的血管分割	计算机视觉	NA	深度学习	NA	图像	三个内部多中心数据集和三个公共数据集
77	2024-12-20	DeepMesh: Mesh-Based Cardiac Motion Tracking Using Deep Learning 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3340118 PMID:38064325	研究论文	提出了一种名为DeepMesh的深度学习框架，用于从心脏磁共振图像中估计心脏的三维运动	通过将心脏建模为包含心外膜和心内膜表面的三维网格，并开发了一种可微分的网格到图像光栅化器，能够利用多个解剖视图的2D形状信息进行3D网格重建和网格运动估计	主要集中在左心室的三维运动估计，未涉及其他心脏结构	开发一种新的方法来估计心脏的三维运动，以评估心脏功能和诊断心血管疾病	心脏的三维运动，特别是左心室	计算机视觉	心血管疾病	深度学习	NA	图像	来自UK Biobank的心脏磁共振图像
78	2024-12-20	DeepTree: Pathological Image Classification Through Imitating Tree-Like Strategies of Pathologists 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3341846 PMID:38090840	研究论文	本文提出了一种基于树状策略的深度学习架构DeepTree，用于病理图像分类，模仿病理学家的诊断决策过程	创新点在于设计了一种基于树状策略的深度学习架构DeepTree，模仿病理学家的诊断方法，并结合了组织形态学相关性进行条件学习	NA	提高病理图像分类的准确性、透明性和可信度，促进人工智能辅助诊断在临床中的实际应用	肺癌症冷冻组织和乳腺癌亚型病理图像	数字病理学	肺癌	深度学习	DeepTree	图像	包括肺癌症冷冻组织和乳腺癌亚型病理图像的数据集
79	2024-12-20	OIF-Net: An Optical Flow Registration-Based PET/MR Cross-Modal Interactive Fusion Network for Low-Count Brain PET Image Denoising 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3342809 PMID:38096101	研究论文	本文提出了一种基于光流配准的PET/MR跨模态交互融合网络OIF-Net，用于低计数脑PET图像的去噪	本文创新性地引入了光流预配准模块和跨模态特征融合模块，解决了多模态融合阶段的特征错位问题，并提高了特征融合过程的效率	NA	提高低计数PET图像的质量，以实现更好的临床诊断	低计数脑PET图像	医学影像	NA	光流配准	CNN	图像	真实临床数据集及独立临床测试数据集
80	2024-12-19	Automated entry of paper-based patient-reported outcomes: Applying deep learning to the Japanese orthopaedic association back pain evaluation questionnaire 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108197 PMID:38452472	研究论文	本研究开发了一种深度学习模型，用于自动读取日本骨科协会下腰痛评估问卷的纸质表格	首次应用深度学习技术自动读取纸质患者报告结局，减轻了数据收集者的负担	仅限于特定问卷和特定语言（日语），未提及模型在其他语言或问卷上的适用性	开发一种自动读取纸质患者报告结局的深度学习模型，以提高数据收集效率	日本骨科协会下腰痛评估问卷的纸质表格	机器学习	下腰痛	深度学习	深度学习模型	文本	训练集1305份，测试集483份