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
201	2025-01-31	Artificial Intelligence in Audiology: A Scoping Review of Current Applications and Future Directions 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227126 PMID:39598904	综述	本文综述了人工智能在听力学中的当前应用和未来发展方向	总结了人工智能在听力学中的最新进展，特别是过去四年中87.5%的相关文献	存在伦理和专业挑战，需要更大规模和多样化的数据收集以及生物伦理学研究	探讨人工智能在听力学实践中的潜力和挑战	听力学领域的研究和应用	自然语言处理	NA	机器学习、深度学习	逻辑回归、支持向量机、多层感知器、随机森林、深度信念网络、决策树、k近邻、LASSO、卷积神经网络、大语言模型	文本、图像	104篇文献
202	2025-01-31	Prediction of cardiovascular markers and diseases using retinal fundus images and deep learning: a systematic scoping review 2024-Nov, European heart journal. Digital health DOI:10.1093/ehjdh/ztae068 PMID:39563905	综述	本文通过系统性范围综述，探讨了利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	首次系统性综述了利用视网膜眼底图像和深度学习预测心血管风险的研究，揭示了该领域的进展和潜在改进方向	外部验证模型的研究较少（21%），且需要更多前瞻性研究和与传统风险因素的比较	评估利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	视网膜眼底图像	计算机视觉	心血管疾病	深度学习	CNN	图像	24篇2018年至2023年发表的文章
203	2024-11-21	Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy 2024-Nov, The Journal of physiology DOI:10.1113/JP287001 PMID:39425751	研究论文	本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用	本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力	研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证	评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用	患有缺氧缺血性脑病（HIE）的足月新生儿	机器学习	新生儿疾病	近红外光谱（NIRS）	机器学习模型和深度学习模型	信号	58名足月婴儿
204	2025-01-23	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	本研究通过螺旋和线条绘图比较帕金森病和小脑症状的识别，并探讨了笔压数据在分类中的重要性	结合螺旋和线条绘图以提高识别准确性，并探讨了笔压数据对分类的影响	未使用笔压数据时，单一绘图任务的性能未显著下降，但未进一步探讨其他可能的影响因素	比较螺旋和线条绘图在帕金森病和小脑症状识别中的表现，并评估笔压数据的作用	帕金森病和小脑功能障碍患者	数字病理学	帕金森病	深度学习特征提取模型	预训练和自定义深度学习模型	图像	未明确提及样本数量
205	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
206	2025-01-16	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	本文分析了深度学习中的变分信息瓶颈（VIB）在回归问题中的表现，并提出了一种框架，可以在一次训练中获得所有β值的最优解	提出了一种框架，可以在一次训练中获得所有β值的最优解，而传统方法需要为每个β值进行一次训练	NA	分析变分信息瓶颈（VIB）在回归问题中的表现，并提高探索β值的效率	回归问题中的变分信息瓶颈（VIB）	机器学习	NA	NA	变分信息瓶颈（VIB）	NA	NA
207	2025-01-16	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	本文探讨了人工智能（AI）在体外受精（IVF）实验室中的应用，旨在通过提高精度和效率来提升生殖医学的成果	AI技术在IVF实验室中的应用，特别是在胚胎和精子选择、优化临床结果以及减少人为错误方面的自动化过程，提供了有价值的预测性见解，增强了个性化治疗计划并提高了生育治疗的成功率	AI的整合带来了伦理、监管和社会挑战，包括数据安全、算法偏见以及临床决策中人机界面的问题	探讨AI在IVF实验室中的应用，以提升生殖医学的精度和效率	体外受精（IVF）实验室	生殖医学	NA	神经网络、深度学习、机器学习	NA	NA	NA
208	2025-01-16	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	本文提出了一种名为VDMNet的深度学习框架，用于视网膜血管分割，通过集成多种先进组件克服现有方法的局限性	引入了Fast Multi-Head Self-Attention模块、Vessel Dynamic Convolution模块、Multi-Scale Fusion机制以及Weighted Asymmetric Focal Tversky Loss，显著提升了复杂血管形态的分割精度	未提及具体局限性	提高视网膜血管分割的精度，特别是在复杂背景和病理干扰下的表现	视网膜血管	计算机视觉	眼科疾病	深度学习	VDMNet	图像	公开数据集ROSE-1和OCTA-3M
209	2025-01-16	Early Detection of Macular Atrophy Automated Through 2D and 3D Unet Deep Learning 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121191 PMID:39768009	研究论文	本文开发了一种基于2D和3D Unet架构的自动化方法，用于通过光学相干断层扫描（OCT）早期检测黄斑萎缩（MA）	结合2D和3D Unet架构，自动化检测黄斑萎缩，性能优于人工评分	NA	开发一种自动化工具，用于早期检测黄斑萎缩，以支持临床决策	黄斑萎缩（MA）患者	计算机视觉	老年性黄斑变性	光学相干断层扫描（OCT）	2D和3D Unet	图像	125只眼睛（89名患者）的1241个OCT体积数据
210	2025-01-16	LVGG-IE: A Novel Lightweight VGG-Based Image Encryption Scheme 2024-Nov-23, Entropy (Basel, Switzerland) DOI:10.3390/e26121013 PMID:39766642	研究论文	本文提出了一种基于轻量级VGG（LVGG）的新型图像加密方案LVGG-IE，旨在提高图像加密的安全性和效率	提出了一种基于轻量级VGG网络的图像加密方案，结合混沌系统和动态S-box，增强了加密的安全性和效率	深度学习与图像加密的结合仍处于初期阶段，存在一些不足	开发一种高安全性和高效率的图像加密方案，以保护图像安全	图像加密	计算机视觉	NA	混沌系统、动态S-box、卷积神经网络	VGG	图像	NA
211	2025-01-15	Deep learning segmentation architectures for automatic detection of pancreatic ductal adenocarcinoma in EUS-guided fine-needle biopsy samples based on whole-slide imaging 2024 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000094 PMID:39802107	研究论文	本研究比较了7种U-Net架构变体在两种不同数据集上的性能，用于基于全切片成像的胰腺导管腺癌自动检测	首次评估了多种U-Net架构变体在胰腺导管腺癌全切片图像分割中的应用，并展示了Inception U-Net架构的高分割准确性	研究仅基于两个医疗中心的有限样本量（31和33张全切片图像），可能影响模型的泛化能力	探索深度学习架构在胰腺导管腺癌全切片图像分割中的有效性	EUS引导的细针活检样本	数字病理学	胰腺导管腺癌	全切片成像	U-Net及其变体（如Inception U-Net）	图像	64张全切片图像（来自两个医疗中心）
212	2025-01-15	Functional imaging derived ADHD biotypes based on deep clustering: a study on personalized medication therapy guidance 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102876 PMID:39763511	研究论文	本文提出了一种基于图卷积网络的生物亚型检测方法（GCN-BSD），用于识别注意力缺陷多动障碍（ADHD）的生物亚型，以指导个性化药物治疗	使用功能网络连接性（FNC）和非成像表型数据，结合深度学习算法，首次提出了基于成像驱动的ADHD生物亚型分类方法	研究样本主要来自特定数据集，可能限制了结果的普适性	通过神经影像学标记物识别ADHD生物亚型，以指导个性化药物治疗	ADHD患者	机器学习	注意力缺陷多动障碍（ADHD）	功能网络连接性（FNC）分析	图卷积网络（GCN）	功能成像数据和非成像表型数据	1069名ADHD患者（ABCD研究）和130名ADHD青少年（北京大学第六医院验证数据集）
213	2025-01-13	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	本文介绍了一种基于深度学习的工具LOGOWheat，用于预测小麦中非编码变异的调控效应	LOGOWheat采用自注意力机制的预训练语言模型，结合表观基因组数据，有效预测小麦基因组序列中的调控代码	未明确提及具体局限性	研究目的是开发一种工具，用于预测小麦中非编码变异的调控效应	研究对象为小麦基因组中的非编码变异	自然语言处理	NA	深度学习	自注意力机制的预训练语言模型	基因组序列数据、表观基因组数据	未明确提及具体样本数量
214	2025-01-12	Automated denoising software for calcium imaging signals using deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39574 PMID:39524741	研究论文	本文介绍了一种名为CalDenoise的自动化软件，该软件利用深度学习和图像处理技术去除钙成像信号中的噪声	开发了CalDenoise软件，结合图像处理和生成对抗网络（GAN）模型，有效去除钙时空图（STMaps）中的复杂噪声模式	未提及具体样本量或实验验证的详细结果	提高钙成像信号分析的准确性，去除噪声以精确分析钙数据集	钙时空图（STMaps）中的噪声	计算机视觉	NA	深度学习，图像处理	GAN	图像	NA
215	2025-01-07	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39756070	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在PHIs预测任务中表现出色，但其性能可能仍受到数据稀疏性的影响	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	抗生素耐药性	深度学习	区域图卷积模型	序列信息	三个基准数据集
216	2025-01-07	Multimodal deep learning approaches for precision oncology: a comprehensive review 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae699 PMID:39757116	综述	本文综述了多模态深度学习在精准肿瘤学中的应用，基于对651篇文献的广泛调查	提供了多模态深度学习在肿瘤分割、检测、诊断、预后、治疗选择和疗效监测中的全面应用概述，并提出了未来研究方向	当前方法存在局限性，未来研究需要解决这些挑战	推动多模态深度学习在精准肿瘤学中的应用	肿瘤学研究中的多模态数据	机器学习	癌症	深度学习	多模态深度学习	多模态数据	651篇文献
217	2025-01-06	A transformer-based deep learning survival prediction model and an explainable XGBoost anti-PD-1/PD-L1 outcome prediction model based on the cGAS-STING-centered pathways in hepatocellular carcinoma 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae686 PMID:39749665	研究论文	本文开发了基于cGAS-STING通路的深度学习生存预测模型和可解释的XGBoost抗PD-1/PD-L1结果预测模型，用于肝细胞癌（HCC）的研究	创新点在于结合cGAS-STING通路，构建了Transformer生存模型和XGBoost免疫治疗结果预测模型，并提供了模型的开源代码	模型的泛化能力需进一步验证，且样本量可能限制了模型的普适性	开发预测肝细胞癌患者生存风险和抗PD-1/PD-L1治疗结果的模型	肝细胞癌（HCC）患者	机器学习	肝细胞癌	SHAP算法	Transformer, XGBoost	基因表达数据	多个HCC队列（TCGA-LIHC、ICGC-LIRI-JP、GSE144269等）
218	2025-01-06	Towards simplified graph neural networks for identifying cancer driver genes in heterophilic networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae691 PMID:39751645	研究论文	本文提出了一种简化的图神经网络（SGCD），用于在异质性网络中识别癌症驱动基因	SGCD模型结合了表示分离的图卷积神经网络和双模态特征提取器，解决了现有方法未考虑生物网络异质性和特征混淆的问题	NA	提高在异质性网络中识别癌症驱动基因的模型性能	癌症驱动基因	机器学习	癌症	图深度学习	图卷积神经网络（GCN）	多组学数据和生物网络	NA
219	2025-01-05	Computational design of CDK1 inhibitors with enhanced target affinity and drug-likeness using deep-learning framework 2024-Nov-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40345 PMID:39748968	研究论文	本研究利用深度学习技术，特别是带有长短期记忆（LSTM）的循环神经网络，生成潜在的CDK1抑制剂，并通过分子对接、分子性质评估和分子动力学模拟来识别最有前景的候选药物	利用深度学习框架生成具有增强靶点亲和力和药物相似性的CDK1抑制剂，显著提高了结合亲和力和药物相似性	需要广泛的实验验证才能将这些生成的配体推进到药物开发的后续阶段	开发具有增强靶点亲和力和药物相似性的CDK1抑制剂	CDK1抑制剂	机器学习	癌症	深度学习、分子对接、分子动力学模拟	LSTM	分子数据	NA
220	2025-01-05	Machine learning-enabled virtual screening indicates the anti-tuberculosis activity of aldoxorubicin and quarfloxin with verification by molecular docking, molecular dynamics simulations, and biological evaluations 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae696 PMID:39737570	研究论文	本研究开发了一种结合机器学习和深度学习模型的虚拟筛选工作流程，用于筛选抗结核药物，并通过分子对接、分子动力学模拟和生物评估验证了aldoxorubicin和quarfloxin的抗结核活性	结合多种机器学习和深度学习模型进行虚拟筛选，成功重新定位两种药物（aldoxorubicin和quarfloxin）作为抗结核候选药物	研究中仅筛选了来自DrugBank数据库的11,576种化合物，可能未涵盖所有潜在药物	加速抗结核药物的发现，通过计算方法重新定位临床批准或研究中的药物用于结核病治疗	结核分枝杆菌（Mtb）	机器学习	结核病	虚拟筛选、分子对接、分子动力学模拟、表面等离子体共振实验	机器学习和深度学习模型	化合物数据	11,576种化合物，15种筛选出的潜在化合物