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
61	2025-04-25	Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3467261 PMID:39316498	研究论文	提出一种名为AFP-Deep的深度学习方法，通过整合预训练蛋白质语言模型和混合特征提取网络来预测抗冻蛋白	利用预训练蛋白质语言模型提取蛋白质序列中的全局上下文特征，并设计混合深度神经网络增强嵌入与抗冻模式之间的相关性	未提及具体的数据集规模或多样性限制	提高抗冻蛋白的预测准确性，以促进仿生合成抗冰材料和低温器官保存材料的开发	抗冻蛋白（AFPs）	机器学习	NA	蛋白质语言模型，混合特征提取网络	深度学习	蛋白质序列	未明确提及样本数量
62	2025-04-25	A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3468434 PMID:39331551	研究论文	本文提出了一种蛋白质上下文增强的主从框架（PCMS），用于零样本药物靶点相互作用预测	提出了一种新颖的PCMS框架，能够在新发现的靶蛋白缺乏已知相互作用数据的情况下进行预测	未提及具体的样本量限制或数据集多样性问题	解决零样本条件下药物靶点相互作用预测的挑战	药物与靶蛋白的相互作用	机器学习	NA	深度学习	主从学习框架（Master/Slave Framework）	药物和靶蛋白的特征数据	两个公共数据集
63	2025-04-25	MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3451985 PMID:39208057	research paper	提出一个多模态深度学习框架MMD-DTA，用于预测药物-靶标结合亲和力及结合区域	通过无监督学习同时预测药物-靶标结合亲和力和结合区域，整合了药物和靶标的序列与结构信息	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	提高药物-靶标结合亲和力及结合区域预测的准确性和泛化能力	药物分子与靶标蛋白的相互作用	machine learning	NA	graph neural networks, target structural feature extraction network	MMD-DTA (multi-modal deep learning framework)	sequence and structural data of drugs and targets	NA
64	2025-04-24	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	本文提出了一种基于深度学习的时域反卷积方法，用于荧光寿命成像(FLI)中光子飞行时间(ToF)分布的恢复	首次提出专门用于FLI时域反卷积任务的深度学习模型，相比传统方法减少了计算负担和正则化需求	方法性能验证主要基于模拟数据和体外实验，需要更多真实场景验证	开发更高效的时域反卷积方法以准确恢复光子ToF分布	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)，扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据+三种不同时间分辨成像模态的体外实验+体内临床前研究
65	2025-04-24	Generative Adversarial Network-Based Augmentation With Noval 2-Step Authentication for Anti-Coronavirus Peptide Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3431688 PMID:39037884	research paper	本文提出了一种基于生成对抗网络（GAN）的抗病毒肽增强方法和一种新颖的两步认证过程，以提高抗病毒活性预测的准确性	使用GAN进行抗病毒肽增强，并引入两步认证过程验证合成肽的抗病毒活性	未提及具体的数据集规模限制或模型泛化能力的局限性	开发新的治疗方法以对抗病毒性疾病，特别是针对冠状病毒的抗病毒肽预测	抗病毒肽	machine learning	coronavirus	GAN, NCBI-BLAST	1-D CNN, GAN	peptide sequence data	benchmark antiviral and anti-corona peptides dataset（具体数量未提及）
66	2025-04-24	Bi-SeqCNN: A Novel Light-Weight Bi-Directional CNN Architecture for Protein Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3426491 PMID:38990747	研究论文	提出一种新型轻量级双向CNN架构Bi-SeqCNN，用于蛋白质功能预测	首次将双向CNN应用于一般时序数据分析，而不仅限于蛋白质序列，且该架构在三个基准蛋白质序列数据集上比现有方法提升了高达5.5%的性能	未明确提及具体局限性	开发一种高效的蛋白质功能预测框架	蛋白质序列	机器学习	NA	CNN, RNN	Bi-SeqCNN (双向CNN)	蛋白质序列数据	三个基准蛋白质序列数据集
67	2025-04-24	BEAS-Net: A Shape-Prior-Based Deep Convolutional Neural Network for Robust Left Ventricular Segmentation in 2-D Echocardiography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3418030 PMID:38913532	研究论文	提出了一种基于形状先验的深度卷积神经网络BEAS-Net，用于2D超声心动图中左心室的稳健分割	BEAS-Net通过结合BEAS算法提供的解剖形状先验信息，提高了在低质量或存在伪影图像上的分割性能	未明确说明模型在极端低质量图像上的表现或计算效率方面的限制	开发一种能够处理低质量超声心动图的左心室自动分割方法	2D超声心动图中的左心室图像	计算机视觉	心血管疾病	深度学习	CNN（BEAS-Net）	图像	三个不同的体内数据集
68	2025-04-24	Transcription Factor Binding Site Prediction Using CnNet Approach 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411024 PMID:38848239	research paper	该研究提出了一种名为CnNet的方法，结合MEME技术和CNN，用于预测转录因子结合位点	提出了一种结合MEME和CNN的新方法CnNet，用于预测转录因子结合位点，相比现有方法具有更高的准确性	NA	预测转录因子结合位点以帮助理解基因表达调控	DNA基因序列数据集	machine learning	NA	MEME, CNN	CNN	DNA序列数据	NA
69	2025-04-24	Prediction of Inter-Residue Multiple Distances and Exploration of Protein Multiple Conformations by Deep Learning 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411825 PMID:38857126	研究论文	本研究提出了一种基于深度学习的残基间多距离预测方法DeepMDisPre，用于探索蛋白质的多构象	结合了三角形更新、轴向注意力和ResNet的改进网络来预测残基对的多种距离	仅在114个具有多构象的蛋白质上进行了测试，样本量有限	预测残基间多距离并探索蛋白质多构象	蛋白质的残基间距离和构象	机器学习	NA	深度学习	改进的神经网络（结合三角形更新、轴向注意力和ResNet）	蛋白质结构数据	114个具有多构象的蛋白质和279个具有单一结构的蛋白质
70	2025-04-24	Hardware-Independent Deep Signal Processing: A Feasibility Study in Echocardiography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3404622 PMID:38781056	research paper	本研究探讨了深度学习模型在超声信号处理中的硬件独立性，特别是在超声心动图中的应用	提出了一种轻量级深度学习模型，能够复制高端超声系统的信号处理链，并展示了其在不同探头和低端系统中的应用潜力	研究仅基于有限的数据集（30,000帧心脏图像）和特定超声系统（GE HealthCare Vivid E95）进行验证	探索深度学习模型在超声信号处理中的硬件独立性及其在不同超声系统间的可移植性	超声心动图的信号处理链及图像质量	数字病理学	心血管疾病	深度学习	DNN	图像	30,000帧心脏图像（来自GE HealthCare Vivid E95系统）和15名患者的约3,000帧测试图像
71	2025-04-24	Automatic 3-D Lamina Curve Extraction From Freehand 3-D Ultrasound Data Using Sequential Localization Recurrent Convolutional Networks 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3385698 PMID:38578857	研究论文	本文提出了一种名为SL-RCN的新型深度学习模型，用于从自由手3-D超声数据中自动提取3-D椎板曲线	SL-RCN模型考虑了上下文关系，并嵌入变换矩阵特征作为3-D知识库，以提高超声序列分析的准确性	研究仅涉及10名健康成年人的数据，样本量较小	开发一种能够准确提取3-D椎板曲线的深度学习模型，用于脊柱检查	自由手3-D超声数据中的椎板标志点	计算机视觉	NA	3-D超声成像	SL-RCN（顺序定位循环卷积网络）	3-D超声序列	10名健康成年人的腰椎和胸椎区域数据
72	2025-04-24	Automatic Segmentation of Abdominal Aortic Aneurysms From Time-Resolved 3-D Ultrasound Images Using Deep Learning 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3389553 PMID:38619942	研究论文	本研究提出并验证了一种基于深度学习的自动分割方法，用于从时间分辨3D超声图像中分割腹主动脉瘤	开发了一种优于传统非深度学习方法的自动分割算法，提高了分割性能	未明确提及具体局限性	开发一种自动分割腹主动脉瘤的算法，以改进当前临床实践中的破裂风险评估	腹主动脉瘤（AAAs）	数字病理学	心血管疾病	时间分辨3D超声（3-D + t US）	深度学习模型（未具体说明类型）	3D超声图像	500名患者的2495张3D + t US图像
73	2025-04-24	Spatiotemporal Deep Learning-Based Cine Loop Quality Filter for Handheld Point-of-Care Echocardiography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3396796 PMID:38700961	研究论文	本文开发并验证了一种基于时空深度学习的模型，用于评估手持式即时超声心动图设备采集的超声电影循环数据是否适合自动量化算法处理	提出三种不同的神经网络架构，包括帧级CNN、单流序列级CNN和双流序列级CNN，用于评估超声电影循环的质量，并证明VectorCNN + LSTM模型能有效利用时空信息提高自动EF估计的可靠性	研究仅基于175名患者的数据，可能需要在更大规模的数据集上进行验证	开发一种深度学习模型，用于评估手持式即时超声心动图采集的数据质量，以提高自动图像解释的可靠性	手持式即时超声心动图设备采集的DICOM电影循环数据	数字病理	心血管疾病	深度学习	CNN, LSTM	图像	175名患者的DICOM电影循环数据，测试数据集包含76个DICOM电影循环和16,914帧图像
74	2025-04-23	Advancements in automated classification of chronic obstructive pulmonary disease based on computed tomography imaging features through deep learning approaches 2024 Nov-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2024.107809 PMID:39299523	review	本文综述了基于深度学习的慢性阻塞性肺疾病(COPD)自动分类方法的最新研究进展	利用深度学习分析CT影像中的关键放射学特征，提高COPD诊断准确性和效率	未提及具体模型性能指标和临床验证结果	为COPD的个性化管理和治疗提供新视角	慢性阻塞性肺疾病(COPD)患者	digital pathology	lung cancer	CT扫描	DL	image	NA
75	2025-04-20	Dissecting the cis-regulatory syntax of transcription initiation with deep learning 2024-Nov-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596138 PMID:38853896	研究论文	利用深度学习解析转录起始的顺式调控语法	开发了名为ProCapNet的神经网络模型，能够从PRO-cap实验中准确建模基于DNA序列的转录起始剖面，揭示了启动子和增强子共享的顺式调控逻辑以及基序间的协同和竞争关系	NA	解析哺乳动物Pol II转录起始的DNA序列决定因素	人类启动子和增强子的转录起始	机器学习	NA	PRO-cap实验, RAMPAGE剖面	神经网络(ProCapNet)	DNA序列数据	多个细胞系
76	2025-04-19	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	利用深度学习方法检测和分类AlphaFold蛋白质结构数据库中的每个结构域，创建了结构域百科全书	通过深度学习检测和分类了超过3.65亿个结构域，发现了超过1万个新的结构相互作用和数千个新的折叠方式	未提及具体限制	探索蛋白质结构域的结构多样性	AlphaFold蛋白质结构数据库中的结构域	生物信息学	NA	深度学习	NA	蛋白质结构数据	超过2.14亿个预测蛋白质结构和3.65亿个检测到的结构域
77	2025-04-16	Integrating Interpretability in Machine Learning and Deep Neural Networks: A Novel Approach to Feature Importance and Outlier Detection in COVID-19 Symptomatology and Vaccine Efficacy 2024-11-29, Viruses DOI:10.3390/v16121864 PMID:39772174	研究论文	本研究提出了一种新颖的方法，整合了传统机器学习和深度神经网络的可解释性技术，用于量化特征重要性并检测COVID-19症状学和疫苗效力中的异常值	该方法弥合了可解释的机器学习模型与强大的深度学习架构之间的差距，为模型预测背后的关键驱动因素提供了全面的见解	研究仅使用了2020年早期的COVID-19疫情数据，样本可能不够全面	提高对COVID-19症状学的理解并增强早期病例检测	COVID-19检测个体的自我报告症状和测试结果	机器学习	COVID-19	机器学习和深度学习的可解释性技术	传统ML和DNN	医疗数据	2020年早期接受COVID-19检测的个体数据集
78	2025-04-13	Deep Learning-Based Classification of Histone-DNA Interactions Using Drying Droplet Patterns 2024-Nov, Small science IF:11.1Q1 DOI:10.1002/smsc.202400252 PMID:40213456	研究论文	本研究利用深度学习神经网络对源自不同组蛋白-DNA混合物的干燥液滴沉积物的偏振光显微镜图像进行分类，以预测组蛋白-DNA结合亲和力	首次发现组蛋白-DNA相互作用可以通过染色模式进行分层，并应用深度学习实现高准确度的DNA分类和结合亲和力预测	对于训练集未包含的物种样本，预测准确度有所下降	开发可扩展且准确的蛋白质-DNA结合分类预测分析方法	组蛋白-DNA相互作用	数字病理学	NA	偏振光显微镜	CNN	图像	多种物种的DNA样本（具体数量未明确说明）
79	2025-04-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Nov-14, Research square DOI:10.21203/rs.3.rs-5339143/v1 PMID:39606484	研究论文	提出一种基于深度学习的方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种新颖的深度学习方法，能够从单一切片上的少量对象稀疏标注中快速生成密集的3D分割，显著减少了人工标注时间和非专家标注的需求	未明确提及方法的适用范围或在不同类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建的实例分割任务，减少生成训练数据所需的人工标注时间和专家依赖	大脑神经纤维网中的树突、轴突和胶质细胞过程	数字病理	NA	深度学习	NA	图像	未明确提及具体样本数量，但涉及大型图像体积
80	2025-04-10	Use of Artificial Intelligence in Imaging Dementia 2024-11-27, Cells IF:5.1Q2 DOI:10.3390/cells13231965 PMID:39682713	research paper	本文探讨了人工智能在痴呆症影像诊断中的应用及其潜力	利用图卷积网络框架为阿尔茨海默病及其前驱阶段提供多模态稀疏可解释性支持，并开发了基于卷积神经网络的方法进行外部验证	人工智能在临床实践中的应用面临技术、疾病相关和制度性挑战	改善痴呆症患者的诊断和预后	老年痴呆症患者，包括阿尔茨海默病、血管性痴呆、路易体痴呆等	digital pathology	geriatric disease	machine learning, deep learning	CNN, GCN	image	NA