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
121	2025-05-02	DD-PRiSM: a deep learning framework for decomposition and prediction of synergistic drug combinations 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae717 PMID:39800875	research paper	介绍了一种名为DD-PRiSM的深度学习框架，用于分解和预测协同药物组合的效果	DD-PRiSM能够分解组合疗法的效果，成功识别协同药物对，并展示了协同反应在不同癌症类型中的差异	未明确提及具体限制	预测组合疗法的效果和安全性，特别是针对癌症等复杂疾病	药物组合及其在细胞系中的效果	machine learning	cancer	deep learning	DD-PRiSM (包含Monotherapy模型和Combination therapy模型)	药物结构、细胞系基因表达数据	未明确提及具体样本数量
122	2024-12-05	Letter to the Editor Regarding "A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow" 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.07.121 PMID:39623627	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
123	2025-05-01	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-Nov-19, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01194-24 PMID:39470208	研究论文	通过深度学习增强的冷冻电子断层扫描技术，揭示了EBV和KSHV病毒粒子的结构特征	首次报道了完整的人类γ疱疹病毒粒子的结构，揭示了病毒粒子中衣壳外部的多形性特征以及病毒包膜和皮层结构的物种特异性差异	研究主要关注细胞外病毒粒子，可能无法完全反映细胞内病毒组装过程的动态特性	解析EBV和KSHV病毒粒子的三维结构特征	EB病毒(Epstein-Barr virus)和卡波西肉瘤相关疱疹病毒(Kaposi's sarcoma-associated herpesvirus)	结构生物学	肿瘤相关病毒感染	冷冻电子断层扫描(cryoET)结合深度学习	深度学习增强的图像处理	冷冻电子断层扫描图像	未明确说明样本数量，研究使用EBV和KSHV的细胞外病毒粒子
124	2025-05-01	Deep learning-based fishing ground prediction with multiple environmental factors 2024-Nov, Marine life science & technology IF:5.8Q1 DOI:10.1007/s42995-024-00222-4 PMID:39620085	research paper	本研究开发了一种基于深度学习的多环境因素渔场预测模型，以西北太平洋的飞鱿鱼为例	采用改进的U-Net模型结合多种环境因素（海面温度、高度、盐度和叶绿素）进行渔场预测，显著提高了渔场中心区域的集中度	研究仅针对西北太平洋的飞鱿鱼渔场，模型在其他海域或鱼种的适用性有待验证	提高海洋经济鱼种渔场预测的准确性	西北太平洋的飞鱿鱼渔场	machine learning	NA	深度学习	改进的U-Net	环境参数数据（海面温度、高度、盐度、叶绿素）	2002-2019年7月至11月的数据用于训练，2020年数据用于测试
125	2025-04-27	Advances in artificial intelligence-based technologies for increasing the quality of medical products 2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences IF:2.5Q3 DOI:10.1007/s40199-024-00548-5 PMID:39613923	综述	本文综述了人工智能在提高医疗产品质量方面的最新技术进展	探讨了AI在预测药物靶蛋白行为、优化药物物理化学特性及加速产品开发方面的创新应用	未具体说明AI技术在医疗产品应用中面临的技术或伦理挑战	概述AI技术在医疗领域中的应用及其对提高产品质量、成本效益和安全性的潜力	医疗产品及其开发过程	人工智能在医学中的应用	NA	机器学习（ML）、深度学习	NA	NA	NA
126	2025-04-26	Impact of Emerging Deep Learning-Based MR Image Reconstruction Algorithms on Abdominal MRI Radiomic Features 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001648 PMID:39190703	研究论文	本研究评估了基于深度学习的MRI图像重建技术对腹部MRI影像组学特征的影响，并与传统重建技术进行比较	首次系统评估深度学习重建算法对不同器官/组织影像组学特征的影响差异	仅使用单一厂商(MRI)平台数据，样本量较小(17例)	评估深度学习重建算法对MRI影像组学特征的影响	腹部MRI图像及提取的影像组学特征	医学影像分析	NA	深度学习图像重建(MRI)	DL-based reconstruction(SmartSpeed系列)	MRI图像	17例儿科和成人受试者的腹部T2加权MRI图像
127	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2024-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.19.24317595 PMID:39606415	研究论文	提出了一种名为c-Triadem的深度学习模型，用于识别阿尔茨海默病的潜在血液生物标志物，并预测轻度认知障碍和阿尔茨海默病	开发了一种新型的深度神经网络模型c-Triadem，结合基因型数据、基因表达数据和临床信息，以高准确率预测疾病状态，并通过SHAP分析识别关键基因和临床特征	研究依赖于ADNI数据库的数据，可能限制了模型的泛化能力	开发一种能够识别阿尔茨海默病血液生物标志物并预测疾病状态的深度学习模型	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因型数据分析、基因表达数据分析、SHAP分析	深度神经网络	基因型数据、基因表达数据、临床数据	来自阿尔茨海默病神经影像学倡议(ADNI)的血液基因型数据、微阵列数据和临床特征
128	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
129	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
130	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
131	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
132	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
133	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
134	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
135	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
136	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
137	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
138	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）
139	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
140	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