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
121	2025-02-09	De novo designed proteins neutralize lethal snake venom toxins 2024-May-17, Research square DOI:10.21203/rs.3.rs-4402792/v1 PMID:38798548	研究论文	本文利用深度学习方法设计蛋白质，以中和致命的蛇毒毒素	使用深度学习设计蛋白质，有效中和三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素，并展示了高热稳定性、高结合亲和力以及与计算模型的近原子级别一致性	实验筛选有限，需要进一步验证其广泛适用性和长期效果	开发新一代抗蛇毒疗法，以应对蛇咬伤这一被忽视的热带疾病	三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素	机器学习	蛇咬伤	深度学习	NA	蛋白质结构数据	小鼠模型
122	2025-02-07	The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells 2024-05, Immunology IF:4.9Q2 DOI:10.1111/imm.13756 PMID:38272677	研究论文	本文研究了Neurobeachin-like 2蛋白（NBEAL2）在肥大细胞中控制核糖体蛋白RPS6稳态水平的功能	首次揭示了NBEAL2与RPS6的相互作用，并阐明了NBEAL2在肥大细胞中调控RPS6蛋白稳态的机制	研究主要基于小鼠模型和体外细胞系，尚未在人体中进行验证	探究NBEAL2在肥大细胞中的具体功能及其与RPS6的相互作用	小鼠肥大细胞及MC/9细胞系	分子生物学	NA	CRISPR/Cas9、RoseTTAFold、Pymol、共免疫沉淀、Western blot、ELISA、流式细胞术	NA	蛋白质结构数据、分子相互作用数据	野生型和Nbeal2基因敲除小鼠的肥大细胞及MC/9细胞系
123	2025-02-05	A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635138 PMID:39886655	研究论文	本文提出了一种基于凸压缩性启发的无监督损失函数，用于物理驱动的深度学习重建	提出了一种新的凸损失函数，用于评估输出图像的可压缩性，并在多种设置下评估重建质量	未提及具体局限性	改进快速MRI扫描的重建质量	MRI扫描图像	机器学习	NA	深度学习	PD-DL网络	图像	NA
124	2024-08-07	Correction to: Prediction of protein-ligand binding affinity via deep learning models 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae310 PMID:38888458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
125	2025-02-02	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2024-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.27.595990 PMID:38854075	研究论文	本文开发了一种创新的计算方法，设计了一个高度多样化的动物毒液和“元毒液”库，用于发现新的治疗性肽	采用可编程的M13超噬菌体展示技术，保留关键的二硫键结构，并通过高通量DNA测序进行定量，从而实现了高度并行化的单轮生物淘选	NA	发现新的治疗性肽，特别是针对人类瘙痒受体MRGPRX4的Kunitz型结构域蛋白	动物毒液和“元毒液”库	生物信息学	NA	M13超噬菌体展示技术，高通量DNA测序	深度学习	DNA序列	NA
126	2025-01-29	DeepIDA-GRU: a deep learning pipeline for integrative discriminant analysis of cross-sectional and longitudinal multiview data with applications to inflammatory bowel disease classification 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae339 PMID:39007595	研究论文	本文提出了一种名为DeepIDA-GRU的深度学习管道，用于整合横截面和纵向多视图数据的判别分析，并应用于炎症性肠病分类	该管道结合了统计和深度学习方法，能够整合来自多个来源的横截面和纵向数据，并识别出对视图间关联和类别分离有贡献的关键变量	现有方法通常要求所有视图的数据类型相同（仅横截面数据或仅纵向数据），或者在整合方法中不考虑任何类别结果	开发一种能够整合横截面和纵向多视图数据的深度学习管道，以更好地理解复杂疾病的病理生物学	炎症性肠病（IBD）研究中的横截面和纵向多组学数据（宏基因组学、转录组学和代谢组学）	机器学习	炎症性肠病	功能主成分分析和欧拉特征提取	密集前馈网络（用于横截面数据）和循环神经网络（用于纵向数据）	多组学数据	NA
127	2025-01-28	Exploring intricate connectivity patterns for cognitive functioning and neurological disorders: incorporating frequency-domain NC method into fMRI analysis 2024-05-02, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae195 PMID:38741270	研究论文	本研究将频域新因果方法应用于功能磁共振成像分析，以探索认知功能和神经系统疾病的复杂连接模式	将频域新因果方法引入功能磁共振成像分析，构建了多种因果关联模型，并利用深度学习模型分析脑区拓扑变化特征	研究主要基于模拟信号和特定患者群体，可能无法完全反映真实世界的复杂性	探索认知功能和神经系统疾病的复杂连接模式	1,252组不同认知障碍程度的个体	神经影像分析	阿尔茨海默病	功能磁共振成像（fMRI）	深度学习模型	功能磁共振成像数据	1,252组个体
128	2025-01-25	ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635176 PMID:39844940	研究论文	本研究利用多任务深度学习框架，从有限的超短回波时间（UTE）MRI数据集中生成合成CT（sCT）图像，用于经颅聚焦超声（tFUS）治疗规划	采用3D Transformer U-Net生成sCT图像，展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力	研究基于有限的数据集，可能需要更大规模的数据验证	提高经颅聚焦超声治疗规划的准确性和效率	超短回波时间（UTE）MRI数据	医学影像处理	NA	超短回波时间（UTE）MRI	3D Transformer U-Net	MRI图像	有限的数据集
129	2025-01-24	UTILIZATION OF ARTIFICIAL INTELLIGENCE FOR PREDICTIVE MODELING IN DENTAL IMPLANTOLOGY 2024-May, Georgian medical news PMID:39089263	研究论文	本文探讨了人工智能在牙科种植学中预测模型的应用，旨在识别影响种植体存活率的因素	利用人工智能模型分析患者数据（如X光片、病史）来预测种植体成功，并应用于检测潜在种植失败患者、改善种植设计等	由于缺乏具体结果和比较研究数量不足，无法进行定量分析	研究人工智能在牙科种植学中预测模型的应用	牙科种植体及其成功率的预测	机器学习	NA	NA	决策树、随机森林、人工神经网络（ANN）、深度学习（DL）	X光片、病史数据	NA
130	2025-01-24	ROBUST OUTER VOLUME SUBTRACTION WITH DEEP LEARNING GHOSTING DETECTION FOR HIGHLY-ACCELERATED REAL-TIME DYNAMIC MRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635530 PMID:39834646	研究论文	本文提出了一种深度学习技术，用于改进从时间交错欠采样模式中估计静止外体积信号，从而提高实时动态MRI的图像质量	利用移动器官产生的伪周期性伪影特性，通过深度学习估计外体积信号，并在高加速率下实现图像质量的提升	未提及具体的数据集规模或实验验证的广泛性	提高实时动态MRI的时空分辨率，特别是在心脏成像中的应用	实时动态MRI数据，特别是心脏成像数据	计算机视觉	心血管疾病	深度学习	NA	MRI图像	NA
131	2025-01-23	CYCLE-CONSISTENT SELF-SUPERVISED LEARNING FOR IMPROVED HIGHLY-ACCELERATED MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635895 PMID:39831103	研究论文	本文提出了一种基于循环一致性的自监督学习方法，用于改进高度加速的MRI重建	使用循环一致性（CC）来增强自监督学习，特别是在高加速率下减少混叠伪影	未明确提及具体局限性	改进高度加速的MRI重建技术	MRI图像	计算机视觉	NA	自监督学习	NA	图像	包括速率6和8的fastMRI膝关节成像以及20倍的HCP风格fMRI
132	2025-01-19	NON-CARTESIAN SELF-SUPERVISED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION FOR HIGHLY-ACCELERATED MULTI-ECHO SPIRAL FMRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635551 PMID:39669313	研究论文	本文提出了一种基于物理驱动的深度学习（PD-DL）重建方法，用于加速多回波螺旋fMRI的10倍重建	本文的创新点在于将自监督学习算法修改并应用于非笛卡尔轨迹的优化训练，以实现高时空分辨率的多回波螺旋fMRI重建	NA	研究目的是通过深度学习技术加速多回波螺旋fMRI的重建，以提高时空分辨率	多回波螺旋fMRI数据	医学影像处理	NA	深度学习	PD-DL网络	fMRI图像数据	NA
133	2025-01-15	A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data 2024-May-22, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02076-w PMID:38775899	研究论文	本文提出了一种新颖的深度学习方法，用于预测心肌梗塞（MI）的发生，利用时间序列患者数据进行预测	提出了一种新颖的心肌序列分类（MSC）-LSTM方法，专门用于预测心肌梗塞的发生，并在性能上优于其他模型	研究仅限于Chittagong Metropolitan Area的数据，可能不具有普遍性	预测心肌梗塞的发生，以便早期预警和资源规划	Chittagong Metropolitan Area的心肌梗塞患者	机器学习	心血管疾病	时间序列分析	LSTM, MSC-LSTM	时间序列数据	2020年1月1日至2021年12月31日期间Chittagong Metropolitan Area的每日心肌梗塞发病率数据
134	2025-01-14	Deep learning model integrating radiologic and clinical data to predict mortality after ischemic stroke 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31000 PMID:38826743	研究论文	本文旨在创建并验证一个基于深度学习的模型，该模型整合了脑部扩散加权成像（DWI）、表观扩散系数（ADC）和临床因素，用于预测缺血性卒中后的死亡率	创新点在于首次将放射学信息（DWI和ADC）与临床因素结合，用于预测缺血性卒中患者的死亡率	研究主要依赖于单一医疗中心的数据，外部验证集仅来自一个二级心血管中心，可能存在数据偏差	开发并验证一个能够预测缺血性卒中患者死亡率的深度学习模型	缺血性卒中患者	医学影像分析	心血管疾病	深度学习	深度学习模型	图像（DWI和ADC）和临床数据	训练集1109例，验证集437例，内部测试集654例，外部测试集507例
135	2025-01-14	A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012100 PMID:38768223	研究论文	本文介绍了一种名为ProSmith的多模态Transformer网络，用于增强蛋白质-小分子相互作用的预测，特别是在激酶抑制和酶-底物关系预测方面	ProSmith框架通过多模态Transformer网络同时处理蛋白质氨基酸序列和小分子字符串，促进了两种分子类型之间的信息交换，从而提高了预测的准确性	当前模型在训练数据之外的蛋白质上的泛化能力有限，可能由于蛋白质和小分子在生成数值表示时缺乏信息交换	加速药物和生物技术研究，通过准确预测蛋白质-小分子相互作用	蛋白质和小分子	机器学习	NA	多模态Transformer网络	Transformer Network	蛋白质氨基酸序列和小分子字符串	NA
136	2025-01-13	Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer 2024-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01131-7 PMID:38811811	研究论文	本文提出了一种基于深度学习的模型，用于直接从子宫内膜癌的H&E染色全切片图像中评估微卫星不稳定性（MSI）状态	该模型能够快速准确地评估子宫内膜癌的MSI状态，显著优于现有的四种最先进方法，并且在AI推理时间上表现出色，适合临床实际应用	NA	开发一种高效且准确的深度学习模型，用于评估子宫内膜癌的MSI状态	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	529名患者的千兆像素组织病理学图像
137	2025-01-12	L2NLF: a novel linear-to-nonlinear framework for multi-modal medical image registration 2024-May, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00344-1 PMID:38645595	研究论文	本文提出了一种新的线性到非线性框架（L2NLF），用于多模态医学图像配准，旨在解决多模态医学图像配准的复杂性和挑战性	提出了线性到非线性框架（L2NLF），并设计了全新的配准网络CrossMorph，该网络结合了U-net结构和体积CrossFormer块，能更好地提取局部和全局信息	未提及具体局限性	提高多模态医学图像配准的准确性和效率	多模态医学图像	计算机视觉	NA	深度学习	CrossMorph（基于U-net结构的深度神经网络）	医学图像	240名患者的脑部T1和T2数据
138	2025-01-07	Exploring the roles of ribosomal peptides in prokaryote-phage interactions through deep learning-enabled metagenome mining 2024-May-24, Microbiome IF:13.8Q1 DOI:10.1186/s40168-024-01807-y PMID:38790030	研究论文	本研究通过深度学习技术挖掘海洋宏基因组数据，探索核糖体合成及翻译后修饰肽（RiPPs）在微生物与病毒相互作用中的潜在角色	开发了TrRiPP方法，以标志基因独立的方式从高度碎片化的宏基因组数据中识别RiPP前体，克服了传统方法的局限性，并揭示了RiPP家族在海洋微生物组中的多样性和新颖性	研究主要依赖于宏基因组和宏转录组数据的相关性分析，未进行实验验证	探索RiPPs的生物合成潜力及其在原核生物与噬菌体相互作用中的生态功能	海洋微生物组中的核糖体合成及翻译后修饰肽（RiPPs）	机器学习	NA	深度学习、宏基因组挖掘、宏转录组分析	深度学习模型	宏基因组数据、宏转录组数据	全球海洋微生物组的宏基因组数据
139	2025-01-07	Deep Learning for Nasopharyngeal Carcinoma Segmentation in Magnetic Resonance Imaging: A Systematic Review and Meta-Analysis 2024-May-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050504 PMID:38790370	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在磁共振成像中对鼻咽癌分割的准确性和应用潜力	首次系统评估了深度学习模型在鼻咽癌MRI分割中的表现，并提供了基于Dice得分的定量分析	研究存在显著的异质性和发表偏倚，且仅纳入了17项研究，样本量有限	评估深度学习模型在鼻咽癌MRI分割中的准确性和临床应用潜力	鼻咽癌患者的磁共振成像数据	计算机视觉	鼻咽癌	深度学习	卷积神经网络（CNN）	磁共振成像（MRI）图像	17项研究的数据
140	2025-01-07	Improving the Generalizability of Deep Learning for T2-Lesion Segmentation of Gliomas in the Post-Treatment Setting 2024-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050497 PMID:38790363	研究论文	本文探讨了通过数据混合、迁移学习和空间正则化方法，提高深度学习模型在治疗后胶质瘤T2病变分割中的泛化能力	创新点在于将新诊断和治疗后的胶质瘤数据混合训练，应用迁移学习从预处理到后处理成像领域，并引入空间正则化，仅使用T2 FLAIR图像作为输入，以提高治疗后分割的泛化能力	研究样本量相对较小，仅评估了24名疑似进展的患者	提高治疗后胶质瘤T2病变分割的准确性，以更准确地跟踪治疗反应的变化	新诊断和治疗后的胶质瘤患者	数字病理学	胶质瘤	深度学习	NA	MRI图像	429名患者（208名新诊断，221名治疗后），评估了24名疑似进展的患者