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	2025-03-05	CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3455381 PMID:39240741	研究论文	本文提出了一种名为CTsynther的端到端深度学习模型，用于单步逆合成预测，无需外部反应模板或专业知识	在Transformer架构中引入了对比学习的概念，并在SMILES句子级别使用了对比学习语言表示模型，以增强模型推理能力	NA	解决有机化学和药物合成中的逆合成预测问题	单步逆合成预测	自然语言处理	NA	对比学习	Transformer	SMILES句子	NA
82	2025-03-05	GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3459870 PMID:39302806	研究论文	本文提出了一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet	提出了一种新的深度学习网络GenoM7GNet，利用BERT预训练模型从RNA序列中捕捉隐藏模式，用于m7G位点预测，并发现一维CNN在序列特征学习和分类中表现出色	现有机器学习方法从RNA序列中提取的隐藏信息有限，难以提高准确性	开发一种高效且准确的m7G位点预测方法	RNA序列中的N7-甲基鸟苷位点	自然语言处理	NA	深度学习	BERT, 一维CNN	RNA序列数据	NA
83	2025-03-05	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	本研究提出了一种新的深度学习方法AFP-Deep，通过整合预训练的蛋白质语言模型和进化上下文特征提取网络，提高了抗冻蛋白的预测准确性	AFP-Deep利用预训练的蛋白质语言模型提取蛋白质序列中的全局上下文特征，并结合混合深度神经网络增强嵌入与抗冻模式之间的相关性	NA	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）	自然语言处理	NA	深度学习	混合深度神经网络	蛋白质序列	NA
84	2025-03-05	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	本文提出了一种新的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	PCMS框架通过主学习器和从学习器的结合，解决了新发现蛋白质缺乏已知药物靶点相互作用数据时的预测问题	NA	提高零样本药物靶点相互作用预测的准确性	药物靶点相互作用	机器学习	NA	深度学习	主从学习框架	蛋白质和药物数据	两个公共数据集
85	2025-03-05	Generative Biomedical Event Extraction With Constrained Decoding Strategy 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3480088 PMID:39401115	研究论文	本文提出了一种基于预训练语言模型T5的生物医学事件生成模型，采用序列到序列的生成范式，并结合约束解码算法和课程学习算法，以提高模型性能	创新点在于采用生成式模型而非传统的抽取式方法，结合约束解码算法和课程学习算法，有效避免了传统方法中的级联错误问题	未提及具体局限性	研究目标是改进生物医学事件提取任务，提出一种生成式模型以提高性能	研究对象为生物医学事件	自然语言处理	NA	序列到序列生成、约束解码算法、课程学习算法	T5	文本	两个公开基准数据集（Genia 2011和Genia 2013）
86	2025-03-05	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	本文提出了一种新的深度学习模型SL-RCNs，用于从自由手3D超声数据中自动提取3D椎板曲线，以提高脊柱3D形状的描绘准确性	提出了顺序定位循环卷积网络（SL-RCNs），该模型考虑了上下文关系，并嵌入了变换矩阵特征作为3D知识库，以增强超声序列分析的准确性	研究仅涉及10名健康成年人的3D超声序列，样本量较小，且未涉及病患数据	提高从自由手3D超声数据中提取3D椎板曲线的准确性	健康成年人的腰椎和胸椎区域的3D超声序列	计算机视觉	NA	3D超声成像	SL-RCNs（顺序定位循环卷积网络）	3D超声序列	10名健康成年人的3D超声序列
87	2025-03-05	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	开发了一种新的深度学习模型，用于自动分割腹主动脉瘤，相比传统方法在性能上有显著提升	研究中使用的深度学习模型需要大量的训练数据，且模型性能依赖于图像质量	开发一种自动分割腹主动脉瘤的算法，以提高3D超声图像中AAA分割的准确性和效率	腹主动脉瘤（AAA）	计算机视觉	心血管疾病	时间分辨3D超声（3D + t US）	深度学习模型	3D超声图像	500名患者，2495张3D + t US图像
88	2025-03-05	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	本文开发并验证了时空深度学习模型，用于评估手持式超声心动图设备采集的超声电影循环是否适合自动量化算法处理	提出了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，以利用空间和时间信息来回归输入帧的质量	研究仅基于175名患者的数据，样本量相对较小，且仅在两处地点收集数据，可能影响模型的泛化能力	提高手持式超声心动图设备采集的超声电影循环的质量评估，以增强自动图像解释的可靠性	手持式超声心动图设备采集的超声电影循环	计算机视觉	心血管疾病	深度学习	CNN, LSTM	图像	175名患者的DICOM电影循环
89	2025-03-02	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-Nov-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	本文设计了一种深度学习模型，用于通过纵向系列的黄斑光学相干断层扫描血管成像（OCTA）图像检测青光眼的进展	使用定制的卷积神经网络（CNN）对青光眼进展进行分类，并与基于全图像血管密度（wiVD）损失的逻辑回归模型进行比较	需要外部验证以进一步增强模型的泛化能力	检测青光眼的进展	134名开角型青光眼患者的202只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	202只眼睛，134名患者，平均随访3.5年
90	2025-03-02	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:39727002	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方法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在三个基准数据集上表现出色，但其在高度数据稀疏性任务中的过拟合风险仍需进一步研究	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	NA	深度学习方法	区域图卷积模型	序列信息	三个基准数据集
91	2025-03-02	Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease 2024-11-04, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izad285 PMID:38011673	研究论文	本文开发了一种深度学习自动分割模型，用于在计算机断层扫描肠造影（CTE）图像中分割克罗恩病（CD）病变，并通过提取的放射组学特征构建多个机器学习分类器以区分CD活动性	开发了基于nnU-Net神经网络的自动分割模型，并结合放射组学特征构建了多个机器学习分类器，用于区分CD活动性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发自动分割模型并构建机器学习分类器，以辅助放射科医生评估克罗恩病活动性	克罗恩病患者的CTE图像	计算机视觉	克罗恩病	深度学习，放射组学	nnU-Net，逻辑回归	CTE图像	分割数据集包含84例CD患者的CTE检查，分类数据集包含193例CD患者的CTE检查
92	2025-03-01	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了深度学习技术如何利用T1加权结构脑磁共振成像（sMRI）预测个体的流体智力、晶体智力和一般智力	首次使用深度学习模型预测晶体智力和一般智力，而不仅仅是流体智力，并且通过大量实验验证了T1加权sMRI在智力预测中的潜力	研究样本包括健康个体和自闭症患者，可能影响结果的普适性，且深度学习模型的复杂性增加并未显著提高预测准确性	探索深度学习技术是否能够通过sMRI预测个体的智力水平，包括流体智力、晶体智力和一般智力	850名6至64岁的健康个体和自闭症患者	计算机视觉	自闭症	T1加权结构脑磁共振成像（sMRI）	2D和3D CNN	图像	850名6至64岁的健康个体和自闭症患者
93	2025-02-28	MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning 2024-Nov-22, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2431664 PMID:39576667	研究论文	本研究开发了一个结合预训练蛋白质语言模型和深度学习技术的计算框架，用于分类次级主动转运蛋白中的氨基酸和肽转运蛋白，并预测其与溶质载体蛋白的功能关联	首次将预训练蛋白质语言模型与多窗口深度学习技术结合，用于次级主动转运蛋白的功能分类和溶质载体蛋白的预测	研究仅基于已知的次级主动转运蛋白数据集，可能无法涵盖所有未知的转运蛋白类型	开发一个计算框架，用于分类和预测次级主动转运蛋白的功能	次级主动转运蛋白，特别是氨基酸和肽转运蛋白	生物信息学	癌症	蛋白质语言模型（ProtTrans, ESM-1b, ESM-2），深度学习	深度学习神经网络	蛋白质序列数据	448个次级主动转运蛋白，包括36个溶质载体蛋白
94	2025-02-28	In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78891-5 PMID:39537775	研究论文	本研究评估了在常规结肠镜检查中使用内窥镜光学相干断层扫描（OCT）和深度学习技术评估复杂息肉的可行性	结合OCT和深度学习技术，提供了一种新的非侵入性方法来评估结肠息肉的浸润深度，并在多个组织学亚型之间进行了细致的比较	样本量较小（35个息肉，32名患者），且为初步临床研究，需要更大规模的研究来验证结果	评估内窥镜OCT探头在常规结肠镜检查中评估结肠息肉的可行性	接受内窥镜治疗的大型结肠息肉患者	数字病理学	结肠癌	内窥镜光学相干断层扫描（OCT）	深度学习模型	图像	35个息肉，32名患者
95	2024-11-17	Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology 2024-Nov-08, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00745-0 PMID:39511421	研究论文	开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学中对神经母细胞瘤进行形态学分类和分子特征分析	首次使用注意力机制的多实例学习和自监督学习方法，结合H&E染色全切片图像，对神经母细胞瘤进行病理分类和MYCN扩增状态评估	NA	开发一种人工智能辅助的神经母细胞瘤分类方法	神经母细胞瘤的病理分类和MYCN扩增状态评估	数字病理学	神经母细胞瘤	注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL)	深度学习模型	图像	迄今为止报道的最大队列的全切片图像
96	2025-02-27	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	本文介绍了一种名为DECA的深度学习模型，利用基于视觉Transformer的架构，从批量染色质可及性数据中解析细胞类型信息，并利用单细胞ATAC-seq数据集作为参考以提高精度和分辨率	DECA模型通过其多头注意力机制生成的补丁注意力与Hi-C检测到的染色质相互作用对齐，能够预测由于遗传扰动引起的谱系特异性细胞组成变化，并在泛癌ATAC-seq数据集上展示了其解析具有临床意义的细胞类型比例的能力	NA	开发一种深度学习模型，用于从批量染色质可及性数据中解析细胞类型信息，以探索基因调控程序在发育和疾病中的作用	染色质可及性数据	机器学习	癌症	ATAC-seq, 单细胞ATAC-seq	Transformer	染色质可及性数据	NA
97	2025-02-27	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本文介绍了一种基于深度神经网络的非侵入性胎儿基因分型方法，利用循环游离DNA（cfDNA）进行全基因组非侵入性产前检测（NIPT-M）	首次提出基于深度学习的cfDNA基因分型框架，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息，显著提升了检测性能	尽管在早期妊娠阶段（第7周）成功检测到三种有害突变，但该方法在临床应用中的广泛可行性仍需进一步验证	开发一种高效的深度学习方法，用于非侵入性胎儿基因分型，以实现全基因组非侵入性产前检测（NIPT-M）	孕妇血浆中的循环游离DNA（cfDNA）	机器学习	遗传性疾病	全基因组测序（WGS）	深度神经网络（DL）	DNA序列数据	NA
98	2025-02-26	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	本文评估了深度学习重建算法结合智能金属伪影减少技术（DLMAR）在无法举起手臂并需要心电图监测的危重患者腹部CT图像质量上的效果	结合深度学习重建算法和智能金属伪影减少技术，显著提高了危重患者腹部CT图像的质量	研究样本量较小（102例），且为回顾性研究，可能存在选择偏倚	评估DLMAR在危重患者腹部CT图像质量上的效果	无法举起手臂并需要心电图监测的危重患者	医学影像	危重病	深度学习重建算法、智能金属伪影减少技术	深度学习	CT图像	102例危重患者
99	2025-02-24	Utilizing retinal arteriole/venule ratio to estimate intracranial pressure 2024-Nov-08, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06343-0 PMID:39514087	研究论文	本研究探讨了利用视网膜动静脉比率（A/V比率）无创估计颅内压（ICP）的可行性，并加入了眼内压（IOP）的考量	首次在神经重症监护病房（NICU）环境中，结合眼内压（IOP）使用深度学习算法分析眼底镜检查视频，以无创方式估计颅内压（ICP）	图像质量和诊断特异性仍存在挑战，需要更大规模的多中心研究来验证该技术的临床适用性	研究无创估计颅内压（ICP）的方法，以减少侵入性测量带来的风险	神经重症监护病房（NICU）中的成年患者，格拉斯哥昏迷评分（GCS）≤8分，并接受侵入性压力监测	数字病理学	脑损伤	深度学习算法	混合效应线性回归模型	视频	40名患者，其中15名纳入最终分析
100	2025-02-21	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-11-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话	DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性	尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制	提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性	蛋白质内的翻译后修饰（PTM）交叉对话	机器学习	NA	深度学习，图神经网络，随机森林模型	深度学习分类器，图神经网络，随机森林模型	蛋白质序列和结构数据	NA