深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
301	2025-02-12	Artificial Intelligence - Blessing or Curse in Dentistry? - A Systematic Review 2024-Dec, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_1106_24 PMID:39926925	系统综述	本文系统综述了人工智能在牙科各个领域的多样化应用	全面分析了人工智能在牙科中的优势和挑战，涵盖了诊断、治疗和患者结果等多个方面	数据隐私、牙科专业人员的工作替代问题以及确保安全性和有效性的全面验证和监管需求仍是主要挑战	探讨人工智能在牙科中的应用及其影响	牙科领域的人工智能应用	机器学习	NA	机器学习、深度学习	NA	文本	607篇出版物中筛选出13篇相关文献	NA	NA	NA	NA
302	2025-10-07	Cropformer: An interpretable deep learning framework for crop genomic prediction 2024-Dec-16, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101223 PMID:39690739	研究论文	开发了一个名为Cropformer的可解释深度学习框架，用于作物基因组预测和表型预测	将卷积神经网络与多种自注意力机制相结合，提高了基因组选择的准确性和可解释性	NA	解决当前基因组选择中深度学习模型鲁棒性低和可解释性差的问题	玉米、水稻、小麦、谷子和番茄五种主要作物	机器学习	NA	基因组选择	CNN, Transformer	基因组数据	超过20个性状的基因组数据	NA	Cropformer（CNN与自注意力机制结合）	预测准确率	NA
303	2025-02-08	Physics-guided multistage neural network: A physically guided network for step initial values and dispersive shock wave phenomena 2024-Dec, Physical review. E DOI:10.1103/PhysRevE.110.065307 PMID:39916289	研究论文	本文提出了一种物理引导的多阶段神经网络（PgMSNN）模型，用于模拟复杂的色散冲击波现象	通过集成残差学习范式并在现有PINN方法中引入色散因子，显著增强了物理信息神经网络（PINNs）描述复杂色散现象的能力，并提出了一种高度自适应的深度Runge-Kutta方法	NA	提高物理信息神经网络（PINNs）在色散冲击波现象中的数值模拟精度和稳定性	色散冲击波现象	机器学习	NA	物理引导的多阶段神经网络（PgMSNN）	物理引导的多阶段神经网络（PgMSNN）	数值数据	NA	NA	NA	NA	NA
304	2025-10-07	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	开发基于U-net的智能算法评估静默性脑血管病患者胆碱能白质通路损伤与认知功能障碍的关系	首个用于评估胆碱能白质通路的智能算法，相比金标准具有良好准确性	NA	建立智能算法评估血管源性白质高信号患者的胆碱能白质通路损伤	静默性脑血管病伴血管源性白质高信号患者	数字病理	脑血管疾病	深度学习	CNN	医学影像	内部训练测试集464例患者，外部验证集100例患者	NA	U-net	灵敏度, 特异性, AUC	NA
305	2025-10-07	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分析单细胞RNA测序数据，揭示了双阴性T细胞的新型标志物	首次使用scVI深度学习模型识别DNT细胞亚群的新型标志物，修正了先前关于CD137表达的错误认知，并发现了CD30和CD153等新标志物	研究主要基于小鼠模型，人类DNT细胞的验证相对有限	通过深度学习技术识别和验证双阴性T细胞的新型分子标志物	C57BL/6小鼠和MRL/lpr小鼠的脾脏双阴性T细胞	生物信息学	自身免疫疾病	单细胞RNA测序, 流式细胞术	深度学习	基因表达数据	C57BL/6小鼠和MRL/lpr小鼠的脾脏DNT细胞	scVI	Single Cell Variational Inference	流式细胞术验证	NA
306	2025-10-07	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	开发了结合深度学习与溶液散射的SCOPER流程，用于预测RNA在溶液中的结构和动力学	整合了基于运动学的构象采样与创新的深度学习模型IonNet，专门预测Mg离子结合位点，解决了RNA构象可塑性和离子效应的问题	需要初始足够准确的结构作为输入，可能对实验SAXS数据存在过拟合风险	提高RNA在溶液中结构和动力学的预测准确性	RNA分子及其溶液构象	计算生物学	NA	小角X射线散射(SAXS), 深度学习	深度学习模型	SAXS剖面数据, 结构数据	14个实验数据集	NA	IonNet	SAXS剖面拟合质量	NA
307	2025-10-07	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	提出一种结合注意力机制和迁移学习的LSTM模型，用于预测城市级COVID-19时间序列数据	针对小区域COVID-19时间序列预测问题，提出新型注意力机制与频域卷积增强结合的迁移学习方法	研究仅针对中国徐州单一城市数据，模型在其他地区的泛化能力有待验证	开发适用于小区域COVID-19每日确诊病例时间序列的精准预测方法	中国徐州市2022年11月至2023年11月的COVID-19每日确诊病例数据	时间序列预测	COVID-19	时间序列分析，深度学习	RNN, LSTM, GRU, TCN, LSTM-Attention	时间序列数据	徐州城市COVID-19每日确诊病例数据（2022.11.1-2023.11.16）	NA	LSTMATT, TLLA	平均绝对误差, 均方根误差, 决定系数	NA
308	2025-10-07	RTify: Aligning Deep Neural Networks with Human Behavioral Decisions 2024-Dec-26, ArXiv PMID:39764401	研究论文	提出一种新颖的计算框架，通过将循环神经网络的时间动态与人类反应时间对齐来模拟人类行为决策动态	首次提出通过约束RNN时间步长与人类反应时间对齐的方法来模拟行为决策动态，并展示了在无人类数据情况下优化速度-准确性权衡的能力	方法依赖于近似计算，需要在更多心理物理学实验中进一步验证	开发能够更好对齐人类行为动态的视觉计算模型	人类行为决策动态和反应时间	计算机视觉	NA	心理物理学实验	RNN, CNN	人工和自然图像刺激	NA	NA	Wong-Wang决策模型	反应时间对齐度，速度-准确性权衡	NA
309	2025-10-07	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	开发了一种基于深度卷积神经网络的工具DARSI，用于从原始调控DNA序列预测基因表达水平并系统识别转录因子结合位点	首次利用卷积神经网络分析调控DNA序列中的长距离碱基相关性，实现了单碱基对分辨率的转录因子结合位点预测	方法依赖于MPRA数据的质量和数量，预测的新型结合位点需要后续实验验证	开发能够考虑调控序列中远距离碱基相关性的基因表达预测和DNA结合位点定位方法	调控DNA序列和转录因子结合位点	生物信息学	NA	大规模并行报告基因分析(MPRA)	CNN	DNA序列数据	数千个调控区域的突变变体	NA	卷积神经网络	准确性	NA
310	2025-10-07	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	本研究使用预训练卷积神经网络通过语音样本的声谱图图像识别帕金森病	首次在智能手机宽带录音数据集上验证迁移学习方法，并比较线性尺度与梅尔尺度声谱图的性能差异	未提及具体样本量的详细统计信息，未说明计算资源的具体配置	开发基于深度学习的帕金森病自动检测方法	帕金森病患者的语音样本	计算机视觉	帕金森病	语音录音分析	CNN	图像	NA	NA	预训练卷积神经网络	分类性能	NA
311	2025-10-07	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	开发基于人工神经网络的多任务逻辑回归模型预测散发性克雅氏病患者的生存期	首次将人工神经网络应用于sCJD生存预测，并采用模型无关解释方法评估特征贡献	模型性能相较于传统Cox比例风险模型无统计学显著提升	开发可解释的深度学习模型用于sCJD患者生存预测	655例根据2017年国际共识诊断标准确诊的英国sCJD患者	机器学习	神经退行性疾病	CSF RT-QuIC, 14-3-3蛋白检测, MRI, EEG	人工神经网络, 多任务逻辑回归	临床诊断数据	655例sCJD患者（2017-2022年英国监测数据）	NA	人工神经网络	c-index, IBS, AUC	NA
312	2025-10-07	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	系统评估和比较机器学习与深度学习算法在预测急性缺血性卒中后出血性转化方面的有效性	首次系统比较多种ML和DL算法在HT预测中的表现，发现梯度提升和卷积神经网络具有最佳预测性能	研究设计存在异质性，无法进行定量荟萃分析，纳入研究数量有限	评估机器学习与深度学习算法在卒中医学中预测出血性转化的效果	急性缺血性卒中患者	机器学习	脑血管疾病	机器学习算法，深度学习算法	Logistic Regression, Support Vector Machine, Random Forest, Gradient Boosting, Neural Networks, CNN	临床数据和影像数据	24项符合纳入标准的研究	NA	神经网络，卷积神经网络	AUC	NA
313	2025-10-07	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	结合声学和语言嵌入，使用预训练CNN和Transformer模型从自由形式语音中提取特征，并采用梯度提升树模型进行人格预测	依赖自报人格问卷作为基准，样本多样性可能存在限制	开发基于语音的计算人格评估方法	2045名完成大五人格问卷并提供自由形式语音样本的参与者	自然语言处理	NA	语音分析	CNN, Transformer	语音	2045名参与者	NA	预训练CNN和Transformer模型	相关系数, 组内相关系数	NA
314	2025-10-07	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	提出一种基于注意力机制的新型分割模型AttSEResUNet，用于直肠癌在T2加权MRI图像中的自动定位和分割	在ResUNet基础上结合注意力机制，提出AttSEResUNet模型，在直肠癌分割任务中表现优于其他对比模型	样本量相对较小（65例患者），仅使用T2WI序列图像	比较不同深度学习模型在直肠癌MRI图像分割中的准确性	直肠癌患者的T2加权MRI图像	计算机视觉	直肠癌	MRI	深度学习	医学图像	65例直肠癌患者（训练集45例，验证集20例）	NA	AttSEResUNet, U-Net, ResUNet, AttUNet	Dice相似系数, Hausdorff距离, 平均一致距离, Jaccard指数	NA
315	2025-10-07	DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf019 PMID:39799516	研究论文	提出一种结合蛋白质语言模型嵌入和Transformer架构的新方法DDGemb，用于预测单点和多点氨基酸变异对蛋白质稳定性的影响	首次将蛋白质语言模型嵌入与Transformer架构结合，能够同时预测单点和多点变异对蛋白质稳定性的影响	NA	开发计算方法来预测氨基酸变异对蛋白质稳定性的影响	蛋白质稳定性变化	机器学习	NA	蛋白质语言模型	Transformer	蛋白质序列数据	基于文献的高质量数据集和基准测试数据集	NA	Transformer	NA	NA
316	2025-10-07	EnrichRBP: an automated and interpretable computational platform for predicting and analysing RNA-binding protein events 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf018 PMID:39804669	研究论文	介绍了一个用于预测和分析RNA结合蛋白事件的自动化可解释计算平台EnrichRBP	开发了首个集成70种深度学习算法的自动化平台，专门用于RNA结合蛋白的全面分析和可视化解释	NA	预测RNA结合蛋白并分析其与RNA的相互作用机制	RNA结合蛋白及其与RNA的相互作用	生物信息学	NA	深度学习，机器学习	深度学习算法，机器学习算法	RNA序列数据	NA	NA	NA	NA	高性能计算
317	2025-10-07	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17,365例膝关节X线影像，探讨膝关节冠状面对线类型与骨关节炎严重程度的关系	首次在大规模样本中揭示CPAK类型随KL分级增加向固有内翻型转变的趋势，并区分年龄与OA严重度对膝关节对线的影响	回顾性横断面研究无法确定因果关系，仅基于二维X线测量	探究不同严重程度骨关节炎患者的膝关节冠状面对线类型分布规律	17,365例膝关节X线影像	数字病理	骨关节炎	X线影像分析	深度学习	医学影像	17,365例膝关节	NA	NA	统计显著性(p值)	NA
318	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	NA	NA	NA	NA
319	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	NA	NA	NA	NA
320	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	NA	NA	NA	NA