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
81	2025-01-26	Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease 2024-Oct, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101022 PMID:39850238	研究论文	本文提出了一种基于深度学习的药物筛选算法，用于从传统中药方剂中发现阿尔茨海默病的潜在治疗化合物	使用四种深度神经网络模型在疾病和靶点水平上进行阿尔茨海默病药物筛选，并通过实验验证了高评分化合物的效果	研究主要基于传统中药方剂，未涉及其他类型的药物库	开发阿尔茨海默病的潜在治疗药物	阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）	化合物数据	Kaixinsan (KXS) 方剂中的化合物
82	2025-01-25	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-Oct-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	本文介绍了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子，基于化学结构和序列信息	sChemNET通过一个目标函数克服了化学信息稀疏的限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	由于小分子-miRNA数据集规模较小，预测与miRNA相关的小分子仍然具有挑战性	开发一个深度学习框架来预测影响miRNA生物活性的小分子	小分子和miRNA	机器学习	癌症	深度学习	神经网络	化学结构和序列信息	NA
83	2025-01-24	Automated cell lineage reconstruction using label-free 4D microscopy 2024-Oct-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记3D延时成像中实现自动化细胞检测和跟踪	embGAN无需手动数据注释进行训练，能够学习到具有高度尺度不变性的稳健检测，并在多个实验室和仪器上获得的图像上表现出良好的泛化能力	目前尚无解决方案可用于在密集组织和胚胎的无标记3D成像中实现自动化细胞检测和跟踪	开发一种自动化细胞检测和跟踪方法，以支持高通量的细胞谱系研究	线虫Caenorhabditis elegans胚胎	计算机视觉	NA	4D无标记显微镜	GAN	3D时间序列图像	NA
84	2025-01-23	Arkitekt: streaming analysis and real-time workflows for microscopy 2024-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02404-5 PMID:39294366	研究论文	本文介绍了Arkitekt，一个开源的中介平台，用于实时执行复杂的定量显微镜工作流	Arkitekt作为一个开源平台，能够在本地或远程可靠且高效地协调流行的生物图像软件，实现实时分析和数据管理	现有解决方案在灵活性和可扩展性方面仍有限制，通常仅限于离线分析	解决生物图像工作流中的高效协调和数据管理问题	定量显微镜工作流	数字病理学	NA	深度学习	NA	图像	NA
85	2025-01-19	Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis 2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery DOI:10.48729/pjctvs.411 PMID:39820882	综述	本文探讨了人工智能（AI）和机器学习（ML）在提高颈动脉狭窄（CS）诊断、风险分层和管理方面的作用	AI和ML在颈动脉狭窄的诊断和分类中展现出显著潜力，特别是在深度学习增强的成像技术和临床风险因素整合方面	尽管AI和ML在血管外科中展现出巨大潜力，但仍面临临床验证和数据隐私的挑战	研究AI和ML在颈动脉狭窄诊断和管理中的应用	颈动脉狭窄（CS）患者	数字病理学	心血管疾病	深度学习	NA	图像	NA
86	2025-01-16	Visualizing nuclear pore complex plasticity with Pan-Expansion Microscopy 2024-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.18.613744 PMID:39345637	研究论文	本文评估了Pan Expansion Microscopy（Pan-ExM）技术在可视化核孔复合体（NPC）可塑性方面的应用	使用Pan-ExM技术实现了16-20倍的细胞各向同性放大，同时保留了蛋白质组，揭示了NPC的可塑性	研究局限于特定细胞类型和模型，未广泛验证于其他细胞类型或疾病模型	探索核孔复合体（NPC）在不同生理和病理条件下的可塑性	核孔复合体（NPC）及其在不同细胞类型和环境中的结构变化	数字病理学	肌萎缩侧索硬化症（ALS）	Pan Expansion Microscopy（Pan-ExM）	深度学习辅助分割	图像	多个模型细胞系和来自ALS患者的诱导多能干细胞衍生神经元（iPSNs）
87	2025-01-15	A deep learning anthropomorphic model observer for a detection task in PET 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17303 PMID:39008812	研究论文	本研究探讨了深度学习模型观察者（DLMO）在PET图像病变检测任务中是否比传统模型观察者（如CHO）更能预测人类观察者（HO）的表现	首次将Swin Transformer与CNN结合用于PET图像的深度学习模型观察者，提高了预测人类观察者表现的准确性	研究仅基于PET图像，未涉及其他成像模态	评估深度学习模型观察者在PET图像病变检测任务中的表现，并与传统模型观察者进行比较	PET图像中的病变检测	计算机视觉	肿瘤学	深度学习	CNN, Swin Transformer	图像	2268对病变存在与不存在的PET图像用于训练，324对用于验证，324对用于测试
88	2025-01-11	Assessing Artificial Intelligence in Oral Cancer Diagnosis: A Systematic Review 2024-Oct-29, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000010663 PMID:39787481	系统综述	本文系统评估了2020年至2024年间人工智能技术在口腔癌检测和诊断中的有效性和准确性	首次系统性地评估了人工智能在口腔癌诊断中的应用，涵盖了多种AI技术和数据类型	数据集变异性和监管问题是主要限制	评估人工智能技术在口腔癌检测和诊断中的有效性和准确性	口腔癌	数字病理学	口腔癌	机器学习和深度学习算法	NA	图像和病理切片	12篇研究论文
89	2025-01-07	Pro-active risk analysis of an in-house developed deep learning based autoplanning tool for breast Volumetric Modulated Arc Therapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100677 PMID:39759485	研究论文	本文介绍了一种针对乳腺癌容积调强弧形治疗（VMAT）的深度学习自动规划工具的风险分析，旨在最小化临床实施前的风险	通过多学科团队进行主动失效模式与影响分析（FMEA），识别并减少深度学习工具在临床工作流程中的风险	研究仅针对乳腺癌VMAT的特定工作流程，可能不适用于其他类型的放射治疗	评估并减少深度学习模型在乳腺癌VMAT临床工作流程中的风险	乳腺癌VMAT的深度学习自动规划工具及其临床工作流程	数字病理	乳腺癌	深度学习	深度学习模型	NA	NA
90	2025-01-07	Neuroimaging signatures and a deep learning modeling for early diagnosing and predicting non-pharmacological therapy success for subclinical depression comorbid sleep disorders in college students 2024 Oct-Dec, International journal of clinical and health psychology : IJCHP IF:5.3Q1 DOI:10.1016/j.ijchp.2024.100526 PMID:39759571	研究论文	本研究通过神经影像学特征和深度学习模型，旨在早期诊断和预测大学生亚临床抑郁症合并睡眠障碍的非药物治疗效果	提出了基于分层功能脑网络（HFBN）的深度学习模型，用于早期诊断和预测非药物治疗效果，优于传统深度学习模型	研究样本量相对较小，且仅针对大学生群体，可能限制了结果的普适性	探索亚临床抑郁症合并睡眠障碍的非药物治疗的神经影像学机制，并开发早期诊断和治疗效果预测模型	114名首次发作、未用药的亚临床抑郁症合并睡眠障碍的大学生和93名健康对照者	神经影像学与深度学习	抑郁症与睡眠障碍	静息态功能磁共振成像（rs-fMRI）	基于Transformer框架的分层功能脑网络（HFBN）模型	神经影像数据与临床数据	114名患者和93名健康对照者
91	2025-01-06	Gut Analysis Toolbox - automating quantitative analysis of enteric neurons 2024-Oct-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261950 PMID:39219476	研究论文	本文介绍了Gut Analysis Toolbox (GAT)，一种用于定量分析肠道神经元的图像分析工具	GAT通过使用基于深度学习的细胞分割模型和神经节分割模型，实现了快速、准确的图像分析，减少了操作者偏差	NA	开发一种自动化工具，用于定量分析肠道神经元的分布和功能	肠道神经系统（ENS）中的神经元和胶质细胞	数字病理学	NA	深度学习（DL）	StarDist, deepImageJ	二维图像	公共数据集
92	2025-01-06	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-Oct, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	研究论文	本文探讨了数据科学在改进放射治疗计划和临床决策中的应用	提出了利用深度学习改进正常组织耐受性分类、预测治疗中肿瘤变化、跟踪累积剂量分布以及基于影像量化肿瘤对放疗反应的方法，并引入了患者特异性计算机模拟（'数字双胞胎'）来指导适应性放疗	未具体提及研究的局限性	改进放射治疗计划，提高个性化治疗的效果	肿瘤和正常组织的基因组学、放射组学、剂量组学数据	机器学习	肿瘤	深度学习	NA	影像数据、基因组数据	NA
93	2024-12-30	Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-analysis 2024-Oct-11, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005174 PMID:39451133	系统综述与Meta分析	本文通过系统综述和Meta分析评估了人工智能在诊断腰椎管狭窄症（LSS）中的表现	首次通过Meta分析全面评估了AI在诊断LSS中的准确性，并比较了深度学习和机器学习模型的表现	需要进一步的外部验证以增强对不同狭窄类别的分析，并提高对轻度和中度狭窄水平的诊断准确性	评估AI在诊断腰椎管狭窄症（LSS）中的诊断价值，为智能诊断工具的开发提供循证支持	腰椎管狭窄症（LSS）及其狭窄程度	数字病理学	腰椎管狭窄症	深度学习和机器学习	深度学习和机器学习模型	图像	48篇研究文章
94	2024-12-29	A comprehensive comparison of deep learning-based compound-target interaction prediction models to unveil guiding design principles 2024-Oct-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00913-1 PMID:39468635	研究论文	本文对12种基于深度学习的化合物-靶点相互作用预测模型进行了全面比较，揭示了设计原则	本文首次在大型、精选的CTI数据集上对多种深度学习模型进行了深入比较，并提出了性能最佳的Phys-DeepConv-DTI模型	本文未提及模型在实际药物发现中的应用效果，可能缺乏实际验证	评估和比较不同深度学习模型在化合物-靶点相互作用预测中的性能	化合物-靶点相互作用	机器学习	NA	深度学习	DeepConv-DTI, Phys-DeepConv-DTI	化合物和靶点的表示数据	超过30万个结合和非结合的CTI数据
95	2024-12-29	Intraoperative Hypotension Prediction Based on Features Automatically Generated Within an Interpretable Deep Learning Model 2024-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3273187 PMID:37220057	研究论文	本文开发了一种可解释的深度学习模型，用于预测麻醉患者10分钟内的低血压发生	该模型不仅预测低血压，还能自动生成解释ABP趋势与低血压之间关联的预测因子，提供生理学解释	模型的外部验证性能略低于内部验证，可能在实际应用中存在一定的局限性	开发一种高精度且可解释的深度学习模型，用于预测麻醉患者的低血压发生	麻醉患者的动脉血压（ABP）数据	机器学习	NA	深度学习	深度学习模型	时间序列数据（ABP记录）	NA
96	2024-12-29	Cross-Channel Specific-Mutual Feature Transfer Learning for Motor Imagery EEG Signals Decoding 2024-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269512 PMID:37220058	研究论文	本文提出了一种跨通道特定-互特征迁移学习网络模型，用于解码运动想象脑电图信号	提出了一种新的跨通道特定-互特征迁移学习网络模型，能够提取大脑多区域信号的特定和互特征，并通过有效的训练技巧最大化这两种特征的区别	未提及具体的数据集规模或实验环境的限制	提高运动想象脑电图信号的解码能力，以更准确地理解大脑活动	运动想象脑电图信号	脑机接口	NA	深度学习	跨通道特定-互特征迁移学习网络模型	脑电图信号	使用了BCI Competition IV-2a和HGD数据集
97	2024-12-28	TC-DTA: Predicting Drug-Target Binding Affinity With Transformer and Convolutional Neural Networks 2024-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3441590 PMID:39133595	研究论文	本文介绍了一种名为TC-DTA的深度学习模型，用于预测药物-靶标结合亲和力（DTA），结合了卷积神经网络（CNN）和Transformer架构的编码器模块	将药物-靶标结合亲和力预测从二分类问题转化为回归问题，并引入Transformer编码器和CNN来提取药物SMILES字符串和蛋白质序列的特征	未提及模型在处理大规模数据集时的计算效率或泛化能力	提高药物-靶标结合亲和力预测的准确性，以加速药物发现过程	药物SMILES字符串和蛋白质氨基酸序列	生物信息学	NA	深度学习	CNN, Transformer	序列数据（药物SMILES字符串和蛋白质序列）	两个基准DTA数据集（Davis和KIBA）
98	2024-12-28	Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains 2024-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351201 PMID:38194400	研究论文	本文提出了一种基于扩散模型的无监督CT金属伪影减少方法，通过在双域中引入扩散先验来恢复金属伪影导致的退化部分	首次在无监督金属伪影减少方法中同时引入图像域和投影域的扩散先验，并设计了时间动态权重掩码进行图像域融合	方法在合成数据集上进行了验证，但在真实临床数据集上的性能仍需进一步评估	减少CT图像中的金属伪影，提高诊断准确性	CT图像中的金属伪影	计算机视觉	NA	扩散模型	扩散模型	CT图像	合成数据集和临床数据集
99	2024-12-28	DEEP LEARNING-BASED FRAMEWORK TO DETERMINE THE DEGREE OF COVID-19 INFECTIONS FROM CHEST X-RAY 2024-Oct, Georgian medical news PMID:39724901	研究论文	本文提出了一种基于深度学习的框架，用于从胸部X光片中确定COVID-19感染的程度	使用改进的分层多级ResNet50模型（HMResNet50）来处理COVID-19数据，并通过数据增强方法生成更多胸部X光片图像	未提及模型在其他疾病或更大数据集上的泛化能力	开发一种高效且简单的COVID-19识别方法	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	ResNet50, HMResNet50	图像	从多个公共来源收集的胸部X光片图像
100	2024-12-26	Impact of annotation imperfections and auto-curation for deep learning-based organ-at-risk segmentation 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100684 PMID:39720784	研究论文	本文研究了放射治疗中器官风险分割的标注不完美和自动校正对基于深度学习的分割性能的影响，并提出了一个易于实施的自动校正对策	通过模拟和临床分割噪声对卷积神经网络（CNN）腮腺分割性能的影响进行研究，并提出了一个自动校正对策，证明了其在提高模型泛化能力方面的有效性	研究主要针对腮腺分割，未涉及其他器官或疾病的分割问题	研究放射治疗中器官风险分割的标注不完美对深度学习模型性能的影响，并提出自动校正对策	腮腺（PG）的分割	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1750个个体腮腺（PG）