深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
361	2025-10-07	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2024-Nov-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	研究论文	比较真实对比增强T1加权图像与深度学习合成的伪图像在脑转移瘤检测中的敏感性和精确度	首次使用深度学习从低剂量MRI图像合成对比增强图像，并系统评估其在转移瘤检测中的性能	样本量相对较小（40名参与者），仅评估了两种钆对比剂剂量	评估低剂量对比剂结合深度学习合成图像在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部发现的患者	医学影像分析	脑转移瘤	脑磁共振成像（MRI），深度学习图像合成	深度学习	MRI图像	40名参与者（24名男性，平均年龄54.3±15.1岁），来自5个中心的917名参与者数据库	NA	NA	敏感性，精确度，假阳性发现	NA
362	2025-10-07	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架构变体在胰腺导管腺癌全玻片图像分割中的性能	评估了多种先前未在PDAC全玻片图像分割中探索的U-Net架构变体，并在两个不同医疗中心的数据集上进行交叉验证	样本量较小（分别为31和33张全玻片图像），仅针对胰腺导管腺癌一种疾病	开发基于深度学习的自动分割方法用于胰腺导管腺癌诊断	EUS引导细针活检样本的全玻片图像	数字病理学	胰腺癌	全玻片成像	CNN	图像	两个数据集分别包含31和33张全玻片图像	NA	U-Net, Inception U-Net	Dice系数, IoU	NA
363	2025-10-07	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	本研究基于功能影像数据开发深度学习聚类方法识别ADHD生物亚型，并探索其对个性化药物治疗的指导意义	首次提出结合功能网络连接性和非影像表型数据的图卷积网络生物亚型检测方法，实现了ADHD的客观分型并验证了不同亚型对药物的差异化反应	样本量相对有限，验证集仅来自单一医疗中心，需要更大规模的多中心研究进一步验证	开发基于神经影像的ADHD生物分型方法，为个性化药物治疗提供指导	注意缺陷多动障碍患者	医学影像分析	神经发育障碍	功能磁共振成像，深度学习聚类	图卷积网络	功能网络连接性数据，非影像表型数据	发现集1069名ADHD患者（来自ABCD研究），验证集130名ADHD青少年（来自北京大学第六医院）	深度学习框架	图卷积网络	恢复率，统计学显著性	NA
364	2025-10-07	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	开发基于深度学习的LOGOWheat工具，用于预测小麦非编码变异的调控效应	首次将基于自注意力的上下文预训练语言模型应用于小麦基因组，整合表观基因组数据进行微调以识别基因组序列中的调控代码	NA	预测小麦非编码变异的调控功能	小麦基因组非编码变异	自然语言处理	NA	表观基因组分析	自注意力机制,预训练语言模型	基因组序列,表观基因组数据	NA	NA	Transformer	AUROC,AUPRC	NA
365	2025-10-07	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	开发了基于深度学习的自动化钙成像信号去噪软件CalDenoise	整合图像处理和生成对抗网络(GAN)模型，能够有效去除多种复杂噪声模式	未提及具体性能验证的样本规模和对比基准	开发自动化钙成像信号去噪软件以提高信号分析准确性	钙时空图谱(STMaps)中的噪声信号	计算机视觉	NA	钙成像技术	GAN	荧光信号图像	NA	NA	生成对抗网络	NA	NA
366	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	NA	NA	NA	NA
367	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	NA	NA	NA	NA
368	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）	NA	NA	NA	NA
369	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	NA	NA	NA	NA
370	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	NA	NA	NA	NA
371	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	NA	NA	NA	NA
372	2025-01-04	An ultrasonography of thyroid nodules dataset with pathological diagnosis annotation for deep learning 2024-Nov-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04156-5 PMID:39580501	研究论文	本文介绍了一个带有病理诊断注释的甲状腺结节超声图像数据集，旨在开发深度学习算法直接从甲状腺超声图像推断组织学状态	提供了一个大型的甲状腺超声图像数据集，每个病例都有病理诊断注释，用于直接训练深度学习模型，而不是依赖TI-RADS报告作为图像标签	数据集来自两个回顾性队列，可能存在选择偏差	开发深度学习算法直接从甲状腺超声图像推断组织学状态	甲状腺结节	数字病理	甲状腺疾病	超声成像	深度学习模型	图像	842个病例的8508张超声图像	NA	NA	NA	NA
373	2025-01-04	A 3D dental model dataset with pre/post-orthodontic treatment for automatic tooth alignment 2024-Nov-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04138-7 PMID:39580508	研究论文	本文提出了首个公开的3D正畸牙科数据集，包含1060对治疗前后的牙科模型，旨在利用深度学习方法自动实现牙齿对齐	首次公开包含治疗前后3D牙科模型的数据集，为智能正畸解决方案的发展提供了基础	数据集虽然多样，但仍可能无法涵盖所有类型的错颌畸形	提高临床正畸治疗中目标牙齿位置设计的效率和质量	435名患者的1060对治疗前后的3D牙科模型	计算机视觉	NA	深度学习	NA	3D模型	435名患者的1060对治疗前后的3D牙科模型	NA	NA	NA	NA
374	2025-01-04	A deep learning model based on the BERT pre-trained model to predict the antiproliferative activity of anti-cancer chemical compounds 2024-Nov, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2024.2431486 PMID:39605280	研究论文	本研究利用基于BERT预训练模型的深度学习模型预测抗癌化合物的抗增殖活性	使用BERT预训练模型进行迁移学习，预测抗癌化合物的抗增殖活性，为药物发现提供新方法	模型在PC3和HepG2细胞系上的预测结果不够可靠	预测抗癌化合物的抗增殖活性，以加速药物发现过程	五种癌细胞系（HeLa、MCF7、MDA-MB231、PC3和MDA-MB）及合成的化合物	自然语言处理	癌症	BERT预训练模型	ChemBERTa	化学结构数据	超过3000个来自PubChem的合成分子，以及每个细胞线约25个小分子的内部数据集	NA	NA	NA	NA
375	2024-12-30	Automatic detection and segmentation of lesions in 18 F-FDG PET/CT imaging of patients with Hodgkin lymphoma using 3D dense U-Net 2024-Nov-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001892 PMID:39224914	研究论文	本研究提出了一种结合U-Net和DenseNet架构的自动分割方法，用于霍奇金淋巴瘤的PET/CT图像分割	结合U-Net和DenseNet架构，并使用Tversky损失函数，以提高小病灶分割的准确性和鲁棒性	样本量相对较小，训练集141个样本，测试集20个样本	提高霍奇金淋巴瘤在PET/CT图像中的自动分割准确性	霍奇金淋巴瘤患者的PET/CT图像	数字病理学	霍奇金淋巴瘤	PET/CT成像	3D dense U-Net	图像	训练集141个样本，测试集20个样本	NA	NA	NA	NA
376	2024-12-30	Evaluation of the prostate cancer and its metastases in the [ 68 Ga]Ga-PSMA PET/CT images: deep learning method vs. conventional PET/CT processing 2024-Nov-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001891 PMID:39224922	研究论文	本研究探讨了在[68Ga]Ga-PSMA PET扫描中使用深度学习进行衰减校正的可行性和优势	通过深度学习模型进行衰减校正，显著提高了图像质量和病变检测能力，并减少了患者的辐射暴露	研究样本量相对较小，且仅针对前列腺癌患者，可能限制了结果的普适性	评估深度学习在[68Ga]Ga-PSMA PET/CT图像中用于前列腺癌及其转移的诊断效果	700名前列腺癌患者的[68Ga]Ga-PSMA PET/CT图像	数字病理学	前列腺癌	PET/CT扫描	深度学习模型	图像	700名前列腺癌患者	NA	NA	NA	NA
377	2024-12-29	Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282961 PMID:37339027	研究论文	本文提出了一种基于多尺度图谱的层次图卷积网络（MAHGCN），用于脑部疾病的诊断	首次利用多尺度图谱进行功能性连接网络（FCN）分析，并提出Atlas-guided Pooling（AP）方法，结合图卷积层进行多层次信息提取	研究主要依赖于静息态fMRI数据，未涉及其他类型的脑成像数据	开发一种新的深度学习框架，用于脑部疾病的诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和自闭症谱系障碍（ASD）患者	数字病理学	老年疾病	功能性磁共振成像（fMRI）	层次图卷积网络（MAHGCN）	图像	1792名受试者	NA	NA	NA	NA
378	2024-12-29	The Impact of Multi-Institution Datasets on the Generalizability of Machine Learning Prediction Models in the ICU 2024-Nov-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006359 PMID:38958568	研究论文	本文评估了深度学习模型在ICU中早期检测不良事件的跨医院可转移性	通过使用来自多个机构的公共数据集，系统评估了深度学习模型在不同医院间的可转移性，并探讨了多数据集训练对模型性能的影响	尽管使用了多数据集训练，但模型在新医院的表现仍依赖于训练数据中包含的兼容医院，且专门提升泛化性的方法在实验中未显著改善性能	评估深度学习模型在ICU中早期检测不良事件的跨医院可转移性	ICU中的成年患者	机器学习	NA	深度学习	深度学习模型	ICU数据	334,812次ICU住院记录	NA	NA	NA	NA
379	2024-12-29	Dual Attention Relation Network With Fine-Tuning for Few-Shot EEG Motor Imagery Classification 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3287181 PMID:37379192	研究论文	本文提出了一种新颖的双向少样本网络，用于改进未见受试者的运动想象（MI）脑电图（EEG）分类	提出了一种包含嵌入模块、时间注意力模块、聚合注意力模块和关系模块的双向少样本网络，能够有效学习未见受试者类别的代表性特征并进行分类	未见受试者数据的标签稀缺性和低信噪比（SNR）仍然是挑战	提高未见受试者的运动想象脑电图分类准确率	运动想象（MI）脑电图（EEG）数据	机器学习	NA	深度学习	双向少样本网络	脑电图（EEG）信号	使用BCI竞赛IV 2a、2b和GIST数据集进行跨受试者和跨数据集分类任务评估	NA	NA	NA	NA
380	2024-12-29	DiamondNet: A Neural-Network-Based Heterogeneous Sensor Attentive Fusion for Human Activity Recognition 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3285547 PMID:37402195	研究论文	本文提出了一种基于神经网络的异质传感器注意力融合框架DiamondNet，用于细粒度的人类活动识别	DiamondNet框架通过多传感器模态的创建、去噪、特征提取和融合，引入注意力机制和图卷积网络，显著提升了人类活动识别的性能	NA	提升基于轻量传感器的人类活动识别性能	人类活动识别	机器学习	NA	NA	1-D卷积去噪自编码器（1-D-CDAEs）、注意力机制、图卷积网络	传感器数据	三个公共数据集	NA	NA	NA	NA