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	2025-02-07	Predicting RNA Structure and Dynamics with Deep Learning and Solution Scattering 2024-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.08.598075 PMID:39764023	研究论文	本文介绍了一种名为SCOPER的管道，结合了基于运动学的构象采样和创新的深度学习模型IonNet，用于预测RNA分子的结构和动力学	SCOPER通过整合Mg离子结合位点预测的深度学习模型IonNet和构象采样，显著提高了SAXS剖面拟合的质量	需要初始的足够准确的结构，且需谨慎调整可塑性和离子密度以避免过拟合实验SAXS数据	预测RNA分子在溶液中的结构和动力学	RNA分子	机器学习	NA	小角X射线散射（SAXS）	深度学习模型IonNet	实验SAXS数据	14个实验数据集
202	2025-02-07	Classification of rib fracture types from postmortem computed tomography images using deep learning 2024-Dec, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00751-x PMID:37968549	研究论文	本研究旨在通过深度学习模型从尸检计算机断层扫描（PMCT）图像的二维表示中区分不同类型的肋骨骨折	使用基于ResNet50架构的深度学习模型，并通过迁移学习进行微调，以区分多种肋骨骨折类型	模型在较低层次的分类学水平上表现较差，特别是对于'ad latus'类型的骨折，预测准确率较低（17-18%）	开发一个能够辅助法医病理学家和医疗从业者减少工作负担的自动化骨折分类系统	尸检计算机断层扫描（PMCT）图像	计算机视觉	NA	深度学习	ResNet50	图像	NA
203	2025-02-06	Quantitative Spatial Analysis of Chromatin Biomolecular Condensates using Cryo-Electron Tomography 2024-Dec-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.01.626131 PMID:39677698	研究论文	本文通过冷冻电子断层扫描技术分析了生化重建的染色质凝聚体的结构，并开发了深度学习分割与上下文感知模板匹配相结合的方法来识别凝聚体内的密集分子	开发了结合深度学习分割与上下文感知模板匹配的新方法，用于识别染色质凝聚体内的密集分子，并在重建和天然系统中确定了核小体的平均结构	方法主要应用于生化重建的染色质凝聚体，对于细胞内的某些凝聚体可能适用性有限	研究染色质凝聚体的结构和功能	生化重建的染色质凝聚体和天然染色质的凝聚区域	生物物理学	NA	冷冻电子断层扫描（Cryo-Electron Tomography）	深度学习分割	图像	NA
204	2025-02-06	A prediction approach to COVID-19 time series with LSTM integrated attention mechanism and transfer learning 2024-Dec-31, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02433-w PMID:39736527	研究论文	本文提出了一种结合LSTM、注意力机制和迁移学习的方法，用于预测城市级别的COVID-19时间序列数据	提出了一种新的LSTMATT模型，结合了注意力机制和迁移学习，显著提升了预测性能	研究仅针对中国徐州市的数据，可能无法直接推广到其他城市或地区	提高城市级别COVID-19每日确诊病例时间序列的预测准确性	COVID-19每日确诊病例的时间序列数据	机器学习	COVID-19	迁移学习、注意力机制	LSTM、RNN、GRU、TCN	时间序列数据	2022年11月1日至2023年11月16日中国徐州市的COVID-19每日确诊病例数据
205	2025-02-06	RTify: Aligning Deep Neural Networks with Human Behavioral Decisions 2024-Dec-26, ArXiv PMID:39764401	研究论文	本文介绍了一种新的计算框架，通过将循环神经网络（RNN）的时间动态与人类反应时间（RTs）对齐，来模拟人类行为选择的动态	提出了一种新的计算框架，能够将RNN的时间动态与人类反应时间对齐，从而更好地模拟人类行为选择	NA	研究如何使当前的视觉模型与人类行为对齐，以更接近人类视觉的集成模型	人类行为选择和视觉处理	计算机视觉	NA	RNN, CNN	RNN, CNN	图像	NA
206	2025-02-06	Predictive Modeling of Gene Expression and Localization of DNA Binding Site Using Deep Convolutional Neural Networks 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.629042 PMID:39763851	研究论文	本文开发了一种名为DARSI的深度卷积神经网络，用于从原始调控DNA序列预测基因表达水平，并系统识别调控区域内的转录因子结合位点	DARSI能够考虑调控序列中远距离碱基之间的可能相关性，从而在单碱基对分辨率下识别转录因子结合位点，并预测未映射的结合位点	需要进一步的实验验证来确认DARSI预测的未映射结合位点的存在及其靶向的转录因子	通过自动化并改进调控区域的注释，达到对转录控制的预测性理解	调控DNA序列及其转录因子结合位点	自然语言处理	NA	Massively Parallel Reporter Assays (MPRAs)	CNN	DNA序列	数千个调控区域的突变变体
207	2025-02-06	A comprehensive benchmark for multiple highly efficient base editors with broad targeting scope 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628899 PMID:39763781	研究论文	本文构建了10种具有高活性和广泛靶向范围的腺嘌呤和胞嘧啶碱基编辑器（BEs），并通过34,040种BE-gRNA-靶标组合全面评估了它们的编辑特性和性能	构建了一个深度学习模型BEEP，用于预测这些BEs的编辑效率和结果，并成功验证了3,558个疾病相关单核苷酸变异（SNVs）的安装，包括20.1%通常被认为“不可编辑”的靶点	NA	评估多种高效碱基编辑器的性能，并开发预测模型以指导最佳BE和gRNA的选择	腺嘌呤和胞嘧啶碱基编辑器（BEs）及其与gRNA和靶标的组合	基因组编辑	NA	深度学习	BEEP（Base Editing Efficiency Predictor）	基因组数据	34,040种BE-gRNA-靶标组合
208	2025-02-06	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究通过计算探索全球毒液，发现新型抗生素候选物	利用机器学习和深度学习模型APEX，从全球毒液数据集中挖掘出386个结构功能独特的抗菌肽，并通过实验验证了其抗菌活性	研究主要依赖于计算预测和实验验证，未涉及大规模临床试验	发现新型抗生素以应对抗生素耐药性问题	全球毒液中的蛋白质和肽	机器学习	抗生素耐药性感染	机器学习、深度学习	APEX（结合肽序列编码器和神经网络的深度学习模型）	蛋白质序列数据	16,123种毒液蛋白质，生成40,626,260个毒液加密肽（VEPs），其中58个VEPs进行实验验证
209	2025-02-06	What makes human cortical pyramidal neurons functionally complex 2024-Dec-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628883 PMID:39763809	研究论文	本文提出了一种基于深度学习的框架——功能复杂性指数（FCI），用于评估神经元的输入输出复杂性，并比较了人类和大鼠皮质锥体神经元的功能复杂性	提出了功能复杂性指数（FCI），这是一种新的、基于深度学习的框架，用于量化神经元的功能复杂性，并首次系统地比较了人类和大鼠皮质锥体神经元的功能复杂性	研究主要关注皮质锥体神经元，未涉及其他类型的神经元，且样本量相对较小	探讨人类皮质神经元的功能复杂性及其与认知能力的关系	人类和大鼠的皮质锥体神经元	神经科学	NA	深度学习	深度学习框架	神经元形态和生理数据	人类和大鼠的皮质锥体神经元
210	2025-02-06	Interpretable deep learning survival predictions in sporadic Creutzfeldt-Jakob disease 2024-Dec-16, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-024-12815-1 PMID:39680177	研究论文	本研究开发了一种基于英国散发性克雅氏病（sCJD）监测数据的生存预测模型，使用人工神经网络进行多任务逻辑回归分析	使用人工神经网络进行生存分析，并采用模型无关的解释方法评估个体特征对模型结果的贡献	模型性能相较于Cox比例风险模型提升不显著，未进行临床验证	预测散发性克雅氏病（sCJD）患者的生存期，以改善预后、护理计划和临床试验分层	655例根据2017年国际共识诊断标准确诊或疑似sCJD的患者	机器学习	克雅氏病	人工神经网络，多任务逻辑回归	人工神经网络	临床数据（症状、CSF RT-QuIC、14-3-3、MRI、EEG、性别、年龄、PRNP密码子129多态性、CSF总蛋白、S100b）	655例sCJD患者
211	2025-02-06	Machine learning and deep learning algorithms in stroke medicine: a systematic review of hemorrhagic transformation prediction models 2024-Dec-12, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-024-12810-6 PMID:39666168	系统综述	本文系统评估和比较了机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的有效性，并与传统模型进行了对比	首次系统性地比较了多种机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的表现，并发现梯度提升算法表现最佳	研究设计存在异质性，且未来研究需要解决数据扩展、影像协议标准化和模型透明度等问题	评估和比较机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的有效性	急性缺血性卒中患者	机器学习	心血管疾病	机器学习、深度学习	Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), Gradient Boosting (GB), Neural Networks, Convolutional Neural Networks (CNNs)	临床数据和影像数据	24项研究
212	2025-02-06	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	本文提出了一种名为PixCUE的新方法，用于在MRI重建过程中进行不确定性估计，通过像素分类框架在单次前向传播中生成重建图像和不确定性图	PixCUE方法在单次前向传播中同时生成重建图像和不确定性图，显著减少了计算成本，并且与传统的蒙特卡罗方法在不确定性估计上具有相关性	NA	解决深度学习MRI重建中的不确定性估计问题	MRI图像	计算机视觉	NA	深度学习	像素分类框架	图像	NA
213	2025-02-06	Speech-based personality prediction using deep learning with acoustic and linguistic embeddings 2024-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81047-0 PMID:39627367	研究论文	本研究提出了一种通过分析语音样本来预测大五人格特质的新方法，推动了计算人格评估领域的发展	结合预训练的卷积神经网络和基于transformer的模型，从语音样本中提取声学特征和语言内容的嵌入，并输入梯度提升树模型进行人格特质预测	NA	探索语音与人格特质之间的关系，开发基于语音的人格预测方法	2045名参与者提供的自由形式语音样本和自我报告的大五人格问卷数据	自然语言处理	NA	深度学习	卷积神经网络（CNN）、transformer模型、梯度提升树模型	语音	2045名参与者
214	2025-02-06	Improved deep learning for automatic localisation and segmentation of rectal cancer on T2-weighted MRI 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.794 PMID:38654675	研究论文	本研究旨在比较提出的AttSEResUNet模型与其他三种模型在直肠癌T2加权MRI图像上的分割准确性，并评估自动分割模型与观察者间的一致性	提出了一种基于ResUNet和注意力机制的新型分割模型AttSEResUNet，其在直肠癌T2加权MRI图像上的分割性能优于其他三种模型	样本量较小，仅包含65名患者，且未进行外部验证	提高直肠癌在T2加权MRI图像上的自动分割准确性，减轻医生的工作负担并提高工作效率	65名接受MRI检查的直肠癌患者	数字病理学	直肠癌	MRI	AttSEResUNet, U-Net, ResUNet, AttUNet	图像	65名患者（训练集45名，验证集20名）
215	2025-02-05	Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees 2024-Dec-24, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00316 PMID:39719004	研究论文	本研究通过深度学习软件分析了17,365个膝盖的X光片，探讨了膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	首次大规模分析了CPAK类型在不同OA严重程度下的分布变化，并揭示了OA严重程度对CPAK类型的影响	研究为回顾性横断面研究，无法确定因果关系，且未考虑其他可能影响OA进展的因素	探讨膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	17,365个膝盖的X光片	数字病理	骨关节炎	深度学习	NA	X光片	17,365个膝盖
216	2025-02-05	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2024-Dec-05, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	本研究旨在通过深度学习模型从心脏磁共振（MR）数据中无创估计右心导管检查（RHC）参数，并识别关键的成像特征	使用可解释的多视角卷积神经网络（CNN）从四个不同视角的心脏MR电影序列中预测平均肺动脉压（mPAP），并识别关键贡献特征	研究样本量有限，仅包含1646次检查	无创估计RHC参数并识别关键成像特征	心脏磁共振（MR）数据	计算机视觉	心血管疾病	深度学习	CNN	图像	1646次检查
217	2025-02-05	Development of a deep learning-based 1D convolutional neural network model for cross-species natural killer T cell identification using peripheral blood mononuclear cell single-cell RNA sequencing data 2024-Dec, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2024.2846-2857 PMID:39897371	研究论文	本研究开发了一种基于一维卷积神经网络（1DCNN）的模型，用于跨物种识别自然杀伤T细胞（NKT细胞），并利用单细胞RNA测序数据验证了其有效性	首次将1DCNN模型应用于跨物种NKT细胞的识别，并成功识别了人类、犬类和猪类PBMC数据集中的NKT细胞	需要进一步的研究来验证这些发现，并且模型的泛化能力尚未在其他细胞类型上得到验证	开发一种能够跨物种识别NKT细胞的深度学习模型，并探索其在不同物种中的免疫功能基因	人类、犬类和猪类的外周血单核细胞（PBMC）中的NKT细胞	机器学习	NA	单细胞RNA测序（scRNA-Seq）	1DCNN	RNA测序数据	人类、犬类和猪类的PBMC数据集
218	2025-02-01	Improved Generalizability in Medical Computer Vision: Hyperbolic Deep Learning in Multi-Modality Neuroimaging 2024-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120319 PMID:39728216	研究论文	本研究探讨了双曲卷积神经网络（HCNNs）在神经影像任务中相较于传统卷积神经网络（CNNs）的潜在优势，特别是在提高模型泛化能力方面	利用非欧几里得空间的几何原理，HCNNs在神经影像数据中展现出增强的鲁棒性和语义组织能力，尤其在零样本评估中表现优于CNNs和放射科医生	HCNNs在处理更大、更复杂的数据集时面临效率和性能挑战，需要进一步优化架构	研究目的是通过比较HCNNs和CNNs在多种医学影像模态和疾病中的表现，评估HCNNs在提高模型泛化能力方面的潜力	研究对象包括多模态神经影像数据集和缺血性卒中非对比CT图像	计算机视觉	阿尔茨海默病	深度学习	HCNNs, CNNs	图像	多模态神经影像数据集和缺血性卒中非对比CT图像
219	2025-02-01	Automatic Quantitative Analysis of Internal Quantum Efficiency Measurements of GaAs Solar Cells Using Deep Learning 2024-Dec-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407048 PMID:39630124	研究论文	本文提出了一种使用深度学习方法自动预测砷化镓太阳能电池内部量子效率（IQE）测量中多个关键参数的方法	首次将深度学习方法应用于非硅太阳能电池（如砷化镓电池）的IQE测量定量分析，提高了参数预测的准确性和对噪声测量的鲁棒性	目前仅针对砷化镓太阳能电池进行了验证，未涉及其他非硅太阳能电池技术	提高砷化镓太阳能电池内部量子效率测量的定量分析效率和准确性	砷化镓太阳能电池	机器学习	NA	深度学习方法	NA	量子效率测量数据	NA
220	2025-01-31	Artificial Intelligence Transforming Post-Translational Modification Research 2024-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010026 PMID:39851300	综述	本文探讨了人工智能（AI）在研究蛋白质翻译后修饰（PTMs）中的应用	本文创新性地比较了多种深度学习架构和程序，包括最近应用的语言模型，用于预测蛋白质上的PTM位点及其调控功能，并描述了一个高通量PTM数据生成管道	本文未提及具体的研究局限性	探索人工智能在蛋白质翻译后修饰研究中的应用	蛋白质翻译后修饰（PTMs）	生物信息学	NA	深度学习	语言模型	蛋白质数据	NA