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
261	2025-02-07	Intelligent cholinergic white matter pathways algorithm based on U-net reflects cognitive impairment in patients with silent cerebrovascular disease 2024-Dec-30, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2023-002976 PMID:38569895	研究论文	本文开发了一种基于U-net的智能算法，用于评估静默性脑血管病患者的胆碱能白质通路损伤，并反映其认知功能下降	首次建立了基于深度学习的智能算法，用于评估胆碱能白质通路损伤，并与金标准相比具有较高的准确性	算法的外部验证样本量较小（100例），可能需要更大规模的外部验证	评估静默性脑血管病患者的胆碱能白质通路损伤及其与认知功能的关系	静默性脑血管病（SCD）患者	数字病理学	脑血管疾病	深度学习	CNN（卷积神经网络）	医学影像	内部训练和测试集464例SCD患者，外部验证集100例SCD患者
262	2025-02-07	Application of deep learning models on single-cell RNA sequencing analysis uncovers novel markers of double negative T cells 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82406-7 PMID:39732739	研究论文	本研究应用深度学习模型于单细胞RNA测序分析，揭示了双阴性T细胞的新标记物	使用深度学习模型（如scVI）捕捉非线性基因表达模式，揭示了双阴性T细胞的新标记物，并验证了这些标记物在流式细胞术分析中的有效性	研究主要基于C57BL/6小鼠，人类样本的验证较少	揭示双阴性T细胞的新标记物，并验证其在健康和疾病中的表型和功能特征	C57BL/6小鼠和MRL/lpr小鼠的双阴性T细胞	生物信息学	自身免疫疾病	单细胞RNA测序（scRNA-seq）	Single Cell Variational Inference (scVI)	基因表达数据	C57BL/6小鼠和MRL/lpr小鼠的双阴性T细胞样本
263	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
264	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
265	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
266	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
267	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
268	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
269	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
270	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
271	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）
272	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
273	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
274	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
275	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
276	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
277	2025-01-31	Exploring Multi-Pathology Brain Segmentation: From Volume-Based to Component-Based Deep Learning Analysis 2024-Dec-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010006 PMID:39852319	研究论文	本文探讨了使用深度学习模型对多病理脑部MRI图像进行分割的方法，从基于体积的分析到基于组件的分析	本文创新性地对预训练的U-net模型在四种不同脑部病理（肿瘤、中风、多发性硬化症和白质高信号）上的分割结果进行了深入分析，并提供了异常组件的位置、强度和体积的详细评估	模型在检测和分割异常组件时存在较高的假阳性和假阴性率，尤其是在异常组件的部分正确检测方面表现不佳	研究目的是通过深度学习模型对多病理脑部MRI图像进行分割，并评估其在不同病理条件下的表现	研究对象为包含四种不同病理（肿瘤、中风、多发性硬化症和白质高信号）的脑部MRI图像	数字病理	脑部疾病	MRI	U-net	图像	验证集中的脑部MRI图像
278	2025-01-31	The Role of Machine Learning in the Detection of Cardiac Fibrosis in Electrocardiograms: Scoping Review 2024-Dec-30, JMIR cardio DOI:10.2196/60697 PMID:39753213	综述	本文综述了基于心电图（ECG）的机器学习（ML）方法在心脏纤维化检测中的应用现状	本文首次系统性地评估了ECG结合ML技术在心脏纤维化检测中的应用，并指出了现有研究的局限性和未来改进方向	许多研究样本量有限，缺乏外部验证，影响了研究结果的普遍适用性，且方法学报告不一致，阻碍了跨研究比较	评估基于ECG的ML方法在心脏纤维化检测中的应用效果	心脏纤维化	机器学习	心血管疾病	机器学习	支持向量机, 集成学习, 卷积神经网络	心电图数据	11项研究，其中一项大规模研究涉及14,052个样本
279	2025-01-31	Cells Grouping Detection and Confusing Labels Correction on Cervical Pathology Images 2024-Dec-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010023 PMID:39851297	研究论文	本文提出了一种基于先验知识收集和混淆标签校正的宫颈细胞检测网络PGCC-Net，旨在通过细胞分组检测和标签校正提高宫颈病理图像的自动分析效率和准确性	利用临床先验知识将检测任务分解为多个子任务进行细胞分组检测，并通过构建特征中心进行标签校正，以提高深度学习网络的分类准确性	未提及具体局限性	提高宫颈病理图像中细胞检测和分类的效率和准确性	宫颈病理图像中的细胞	数字病理学	宫颈癌	深度学习	PGCC-Net	图像	公共数据集7410张图像，私有数据集13526张图像
280	2025-01-31	External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets 2024-Dec-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010020 PMID:39851294	研究论文	本研究旨在通过外部验证深度学习模型（FastVit_SA12和ResNet18）来区分视网膜出血的创伤性和医学性病因，使用多样化的眼底摄影数据集	首次在多样化的眼底摄影数据集上对FastVit_SA12和ResNet18模型进行外部验证，展示了它们在临床环境中准确诊断视网膜出血的潜力	研究依赖于特定数据集，可能无法完全代表所有临床情况	验证深度学习模型在区分视网膜出血病因中的准确性和可靠性	视网膜出血的病因分类	计算机视觉	视网膜疾病	深度学习	FastVit_SA12, ResNet18	图像	2661张眼底摄影图像