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
41	2025-06-27	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本研究利用深度学习和机器学习技术，结合组织病理学图像和临床数据，预测IDH1基因突变	采用集成学习方法结合WSIs模型和临床数据模型，以及使用MaxViT和LightGBM组合，提高了预测准确率	样本量相对较小（546例患者），且仅针对IDH1突变进行研究	预测胶质瘤患者的IDH1基因突变状态	成人型弥漫性胶质瘤患者	数字病理学	脑肿瘤	深度学习、机器学习	ABMIL、LightGBM、MaxViT	图像、临床数据	546例患者
42	2025-06-27	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	research paper	本文提出了一种改进的预测肽毒性的计算方法ToxinPred 3.0，通过结合多种技术提高了预测的可靠性和准确性	结合了基于相似性/比对的方法、基于模体的方法、机器/深度学习技术以及混合或集成方法，显著提高了肽毒性预测的性能	未明确提及具体局限性，但可能涉及模型在不同类型肽上的泛化能力	改进肽毒性的预测方法，以支持治疗性肽的设计	肽的毒性预测	machine learning	NA	BLAST, MERCI, 机器/深度学习, 大语言模型	ANN - LSTM, extra tree, ESM2-t33	肽序列数据	80%数据用于训练和测试（五折交叉验证），20%作为独立数据集评估
43	2025-06-27	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	系统综述	本文系统综述了2012年至2023年间使用深度学习技术通过多种图像模态检测多器官癌症的研究	强调了集成深度学习模型在分类癌症或健康病例图像方面的优越性能，并提供了对不同深度学习技术在特定数据集上表现的广泛理解	仅涵盖了2012至2023年间的研究，可能未包括最新进展；且聚焦于五种主要癌症类型，未涵盖所有癌症种类	开发和评估计算机辅助诊断系统，用于早期癌症识别	五种主要癌症类型：乳腺癌、脑癌、肺癌、皮肤癌和肝癌	数字病理学	多器官癌症	深度学习	CNN, 集成深度学习模型	图像	NA
44	2025-06-27	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	提出了一种名为DEDC-Net的双编码器双连接Y形网络，用于精确的肝脏和病变体积分割	通过利用残差和跳跃连接增强特征重用，优化肝脏和肿瘤分割任务的性能，无需额外的注意力门即可实现优越的分割效果	未明确提及研究的局限性	提高肝脏和肿瘤从CT体积中的分割准确性，以支持肝细胞癌诊断和术前切除计划	肝脏和肝脏肿瘤	数字病理	肝癌	深度学习	DEDC-Net（基于VGG19和ResNet的编码器）	CT图像	LiTS数据集，以及额外的IDCARDb-01和COMET数据集
45	2025-06-27	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	本文提出了一种基于深度学习的自适应分割方法，用于临床和临床前CT图像的通用和功能性分析	采用深度学习技术自动化从CT和μCT图像中提取定量数据，解决了临床前μCT数据转换的挑战	需要进一步优化以扩展应用范围	开发一种自动化方法来监测心脏功能，加速心脏衰竭新治疗方案的研究	人类患者的心脏CT图像和野生型及加速衰老小鼠的μCT图像	数字病理学	心血管疾病	深度学习	nnU-Net	图像	40例人类心脏CT图像和一组小鼠μCT图像
46	2025-06-27	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	research paper	该研究开发了一种名为deepbet的快速、高精度脑提取工具，用于T1加权MRI图像的分割	deepbet采用高效的UNet架构变体，在跨数据集验证中达到了99.0的中位Dice分数，显著优于现有深度学习和传统方法	研究主要关注成人T1加权MRI图像，未涵盖其他类型的MRI图像或儿童数据	开发一种快速、高精度的脑提取工具，以改进神经影像预处理流程	T1加权MRI图像	digital pathology	NA	MRI	UNet	image	7837张T1加权MRI图像，来自191个不同的OpenNeuro数据集
47	2025-06-27	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的脑萎缩量化管道，通过组织相似性正则化改进自动化标签的准确性	利用组织相似性先验知识，通过加权损失项在训练中强制实施短间隔扫描对之间的组织体积相似性，从而减少量化误差和提高测量一致性	研究仅使用了T1加权MRI扫描数据，且依赖于FSL软件库生成的自动化标签	提高脑萎缩量化方法的准确性和可靠性，以解锁其在神经退行性疾病诊断和预后中的潜力	健康对照者(HC)和阿尔茨海默病(AD)患者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习	图像	MIRIAD和ADNI1两个MRI数据集中的健康对照者和阿尔茨海默病患者
48	2025-06-27	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	research paper	提出了一种基于高效轻量级卷积块注意力模块（CBAM）的深度学习网络，用于辅助医生诊断神经系统疾病患者的面部表情分析	采用CBAM模块增强的深度学习网络，轻量级设计（仅3MB），适合部署在资源有限的移动医疗设备上	模型在真实患者数据上的准确率为73.2%，仍有提升空间	改善神经系统疾病（如阿尔茨海默病和帕金森病）的早期诊断和治疗	神经系统疾病患者的面部表情数据	computer vision	geriatric disease	深度学习	CBAM-based DLN	image	真实神经系统疾病患者数据（具体数量未提及）
49	2025-06-27	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	综述	本文全面分析了蛋白质结构预测政策的演变，探讨了提高预测准确性的有效策略	介绍了革命性的端到端和全原子扩散技术，以及利用子采样和多序列比对（MSA）和蛋白质语言模型来提高预测准确性和效率	预测准确性虽有所提高，但仍未达到预期结构知识的水平，需要在其他方面进一步发展	提高蛋白质结构预测的准确性，以支持基于结构的药物发现和疾病研究	蛋白质结构预测方法和策略	生物信息学	NA	多序列比对（MSA）、蛋白质语言建模、深度学习	端到端模型、全原子扩散模型	蛋白质序列数据	NA
50	2025-06-27	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文提出并测试了一种用于自动荧光图像中细胞质实例分割的方法，结合了Cellpose深度学习和后处理算法CPPA	结合Cellpose深度学习分割方法和后处理算法CPPA，实现了对自动荧光图像中细胞质的高精度实例分割	仅在三种细胞样本上进行了测试，样本多样性有限	开发一种准确分割自动荧光图像中细胞质的方法，以支持单细胞代谢分析	静止T细胞、激活T细胞和MCF7细胞的NAD(P)H自动荧光图像	数字病理学	NA	自动荧光成像	Cellpose (深度学习分割方法)	图像	5张NAD(P)H图像，来自3种不同细胞样本
51	2025-06-27	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	介绍了一种基于深度学习的鲜味肽预测和受体匹配程序VmmScore	提出了一个包含预测模块Mlp4Umami和受体匹配模块mm-Score的算法，优化了分子对接和评分系统	NA	解决为鲜味肽识别最佳受体的挑战	鲜味肽及其受体	机器学习	NA	机器学习优化的分子对接和评分系统	深度学习	肽序列数据	来自Lateolabrax japonicus的肽，实验验证了三种肽的鲜味及其受体
52	2025-06-26	scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.24.614685 PMID:39386549	research paper	介绍了一种基于transformer的深度学习模型scEMB，用于从大规模单细胞转录组数据中学习基因的上下文表示	scEMB采用创新的分箱策略整合多平台数据，有效保留基因表达层次和细胞类型特异性，并在下游任务中表现优于现有模型	未明确提及具体限制	从大规模单细胞转录组数据中提取有生物学意义的基因上下文表示	单细胞转录组数据和基因表达关系	生物信息学	阿尔茨海默病	单细胞转录组测序	transformer	单细胞转录组数据	超过3000万个单细胞转录组
53	2025-06-26	Application of artificial intelligence in drug design: A review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用及其对制药行业的变革性影响	探讨了AI如何通过机器学习和深度学习模型优化药物设计过程，提高药物发现的效率和准确性	未具体提及AI在药物设计中应用的具体限制或挑战	研究人工智能在药物设计中的应用及其对制药行业的潜在影响	药物设计过程和制药行业	机器学习	NA	机器学习和深度学习	NA	药物化合物数据	NA
54	2025-06-26	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	research paper	提出了一种结合差分隐私与自监督低秩适应的隐私保护医学分类模型DP-SSLoRA	结合自监督预训练和低秩分解方法，在差分隐私框架下提升了医学图像分类的隐私保护与性能平衡	仅在三组胸部X光数据集上验证，未测试其他医学影像模态	解决医学深度学习模型中的隐私保护问题	胸部X光医学影像数据	digital pathology	lung cancer	differential privacy, self-supervised learning, low-rank adaptation	DP-SSLoRA（基于低秩分解的神经网络）	医学影像（X光片）	三个公开胸部X光数据集（RSNA、Covid-QU-mini、Chest X-ray 15k）
55	2025-06-22	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-09-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种3D深度学习模型在真实世界环境中检测和定位脑微出血（CMBs）的性能	该模型不仅能检测CMBs，还能识别其解剖位置，且在真实世界环境中验证了其性能	需要更大规模和更多样化的人群研究以确立其临床实用性	验证3D深度学习模型在检测和定位脑微出血（CMBs）中的性能	脑微出血（CMBs）患者	数字病理学	脑血管疾病	3D深度学习	3D深度学习模型	医学影像	33名患者（21名有CMBs，12名无CMBs），共116个CMBs
56	2025-06-20	Vocal Call Locator Benchmark (VCL) for localizing rodent vocalizations from multi-channel audio 2024-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.20.613758 PMID:39345431	research paper	本文介绍了Vocal Call Locator Benchmark (VCL)，这是一个用于从多通道音频中定位啮齿动物发声的首个大规模数据集	提出了首个用于生物声学领域的大规模数据集和基准测试，填补了该领域公开模型、数据集和基准测试的空白	现有方法在标准实验室环境中定位动物产生声音的能力有限	理解社会互动中的行为和神经动力学，特别是动物如何处理声学信息	啮齿动物的社会发声	bioacoustics	NA	deep learning methods for SSL	NA	multi-channel audio recordings	767,295 sounds across 9 conditions
57	2025-06-20	Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36743 PMID:39263113	综述	本文全面分析了机器学习在癌症诊断系统中的应用现状及发展趋势	重点介绍了可解释人工智能（XAI）在癌症诊断中的新兴应用，包括交互式模型决策可视化和特征重要性分析等技术	讨论了数据集限制、模型可解释性、多组学整合和伦理问题等挑战	评估现代机器学习技术在癌症诊断中的应用，并指导研究人员、临床医生和政策制定者开发高效且可解释的基于机器学习的癌症诊断系统	癌症诊断系统	人工智能	癌症	机器学习、深度学习、联邦学习	监督学习、无监督学习、深度学习模型	影像数据、基因组数据、临床记录	NA
58	2025-06-20	Modelling protein complexes with crosslinking mass spectrometry and deep learning 2024-09-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51771-2 PMID:39251624	research paper	该研究通过将交联质谱（MS）实验距离约束整合到AlphaFold-Multimer中，扩展了AlphaLink以应用于蛋白质复合物，从而改善了结构建模性能	将交联质谱数据整合到AlphaFold-Multimer中，显著提高了对具有挑战性目标的建模性能，包括界面识别、采样聚焦和模型选择改进	NA	提高蛋白质复合物结构建模的准确性	蛋白质复合物	machine learning	NA	crosslinking mass spectrometry (MS), deep learning	AlphaFold-Multimer, AlphaLink	protein complex data	NA
59	2025-06-20	Pretrainable geometric graph neural network for antibody affinity maturation 2024-09-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51563-8 PMID:39242604	研究论文	本文提出了一种可预训练的几何图神经网络GearBind，用于抗体亲和力成熟的计算机模拟研究	利用多关系图构建、多级几何消息传递和大规模未标记蛋白质结构数据的对比预训练，GearBind在抗体亲和力成熟任务中优于现有方法	NA	提高抗体与目标抗原的结合亲和力，用于抗体治疗开发	抗体及其与目标抗原的相互作用	机器学习	NA	几何图神经网络	GearBind（基于GNN的集成模型）	蛋白质结构数据	SKEMPI数据集和独立测试集
60	2025-06-19	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种利用自发荧光显微镜和深度学习技术，对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法	使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，未涉及其他器官或组织类型	开发一种无需化学染色的淀粉样沉积物可视化方法，以克服传统刚果红染色的局限性	人体组织中的淀粉样沉积物	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及具体样本数量，仅提到心脏组织