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
401	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.087057 PMID:39750950	研究论文	本研究提出了一种计算方法来从脑组织的批量转录组数据中提取细胞信号，以研究神经退行性疾病的细胞类型特异性转录组程序	将Cellformer深度学习模型从ATAC-seq数据适应到RNA-seq数据，用于解析批量RNA测序数据中的细胞类型特异性表达模式	核RNA测序仅捕获20-50%的细胞转录信息，限制了细胞转录组的全面理解	研究神经退行性疾病的细胞类型特异性转录组程序	小鼠脑组织	生物信息学	神经退行性疾病	RNA-seq, snRNA-seq	Cellformer	RNA测序数据	小鼠脑组织样本
402	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089010 PMID:39751068	研究论文	本文提出了一种名为时间感知循环神经网络（TA-RNN）的新型深度学习架构，用于预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	TA-RNN通过时间嵌入层和基于注意力的RNN解决了电子健康记录（EHR）数据中的不规则时间间隔问题，并提供了模型的可解释性	模型仅在ADNI和NACC数据集上进行了评估，可能需要进一步验证其在不同数据集上的泛化能力	研究目的是开发一种能够预测MCI向AD转化的深度学习模型，并解决EHR数据中的不规则时间间隔问题	研究对象为阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	老年病	深度学习	RNN, TA-RNN	电子健康记录（EHR）、纵向认知和神经影像数据	ADNI和NACC数据集
403	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089093 PMID:39751088	研究论文	本研究提出了一种基于深度学习的反卷积框架，用于从大规模批量RNA测序数据中推断人类大脑中阿尔茨海默病及相关痴呆症的细胞类型特异性表达数量性状位点（eQTLs）	使用深度学习框架从批量RNA测序数据中推断细胞类型特异性eQTLs，避免了高成本的单核RNA测序	需要进一步的功能验证候选eQTLs和相关基因	解析阿尔茨海默病及相关痴呆症的遗传变异对基因表达的影响	人类大脑中的细胞类型特异性eQTLs	生物信息学	阿尔茨海默病	RNA-seq, WGS, snRNA-seq	深度学习	RNA测序数据, 全基因组测序数据	1,092个样本
404	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089241 PMID:39751131	研究论文	本研究利用多模态数据和机器学习、深度学习及集成方法，提高阿尔茨海默病（AD）进展预测的准确性	通过多模态数据集成和集成学习方法，显著提高了阿尔茨海默病进展预测的准确性，并减少了有害的假阴性	研究仅使用了OASIS-3纵向数据集，未来可探索更多数据模态和方法以提高预测准确性	提高阿尔茨海默病的早期检测和进展预测准确性	1,098名患者的多模态数据，包括MRI扫描、脑体积测量和临床数据	机器学习	阿尔茨海默病	机器学习（ML）、深度学习（DL）、集成方法	CNN（MobileNetV2, ResNet101, ResNet152, ResNet200）、随机森林、K近邻	MRI扫描、脑体积测量、临床数据	1,098名患者
405	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.088814 PMID:39751145	研究论文	本研究利用预训练的深度学习模型，通过中文语音数据自动检测阿尔茨海默病	使用预训练的Wav2vec2模型处理中文语音数据，探索其在跨语言检测中的潜力	数据不平衡问题通过随机选择样本进行均衡处理，可能影响模型的泛化能力	开发基于语音的自动化阿尔茨海默病检测方法	81名台湾本土中文使用者，包括34名正常对照和47名早期阿尔茨海默病患者	自然语言处理	阿尔茨海默病	深度学习	Wav2vec2	音频	81名参与者，生成2887个6秒音频片段
406	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.092140 PMID:39751223	研究论文	本研究旨在开发一种深度学习模型，利用MRI预测早期受影响区域的tau蛋白积累，以早期预测疾病进展和认知衰退	采用基于注意力机制的编码器-解码器模型，结合Transformer模型，通过优先策略提高预测准确性	研究依赖于ADNI数据集，可能存在样本选择偏差，且未考虑其他可能影响tau积累的因素	开发一种深度学习模型，利用MRI预测早期tau蛋白积累区域	阿尔茨海默病患者的MRI和PET影像数据	数字病理学	阿尔茨海默病	T1加权MRI和[18F] flortaucipir-PET成像	基于注意力机制的编码器-解码器模型，Transformer模型	影像数据	1010次扫描，112名测试参与者
407	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.085828 PMID:39751753	研究论文	本研究介绍了一种深度学习模型，用于预测阿尔茨海默病中淀粉样蛋白β的积累	通过将淀粉样蛋白β的扩散数学模型转化为深度学习框架，结合多层感知机（MLP）和图卷积神经网络（GCN），实现了对淀粉样蛋白β积累的高精度预测	模型参数是针对整个群体优化的，对某些个体的准确性有所差异，且需要进一步解释每个术语的全面含义	早期诊断阿尔茨海默病并延缓疾病进展	淀粉样蛋白β的积累	数字病理学	阿尔茨海默病	深度学习	MLP, GCN	神经影像数据（T1结构磁共振图像、18F-Florbetapir正电子发射断层扫描、扩散加权磁共振图像）	146名受试者的纵向数据，共436个数据点
408	2025-01-04	Boltz-1 Democratizing Biomolecular Interaction Modeling 2024-Dec-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624167 PMID:39605745	研究论文	本文介绍了Boltz-1，一个开源深度学习模型，用于预测生物分子复合物的3D结构，达到了AlphaFold3级别的准确性	Boltz-1在模型架构、速度优化和数据处理方面进行了创新，并在多个基准测试中表现与最先进的商业模型相当，为结构生物学领域设定了新的商业可访问工具标准	未提及具体局限性	推动生物分子相互作用建模的民主化，促进全球合作，加速发现，并为生物分子建模提供一个强大的平台	生物分子复合物的3D结构	机器学习	NA	深度学习	Boltz-1	生物分子数据	未提及具体样本数量
409	2025-01-04	Structural Insights into Cold-Active Lipase from Glaciozyma antarctica PI12: Alphafold2 Prediction and Molecular Dynamics Simulation 2024-Dec, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-024-10219-3 PMID:39549052	研究论文	本文通过系统发育分析和深度学习工具Alphafold2预测并模拟了来自南极冰川酵母PI12的冷活性脂肪酶Glalip03的三维结构，揭示了其在低温下的稳定性和灵活性	利用Alphafold2预测和分子动力学模拟，首次揭示了冷活性脂肪酶Glalip03在低温下的结构稳定性和适应性机制	研究主要基于计算模拟，缺乏实验验证	研究冷活性脂肪酶在低温下的适应机制及其工业应用潜力	来自南极冰川酵母PI12的冷活性脂肪酶Glalip03	生物信息学	NA	Alphafold2预测，分子动力学模拟	Alphafold2	蛋白质序列和结构数据	NA
410	2025-01-03	Time is encoded by methylation changes at clustered CpG sites 2024-Dec-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.03.626674 PMID:39677642	研究论文	本文通过深度测序和深度学习分析，揭示了DNA甲基化在时间编码中的作用，并开发了高精度的年龄预测模型	首次发现年龄依赖的DNA甲基化变化是区域性的，并在多个相邻CpG位点上以随机或块状方式发生，同时开发了基于单分子模式的深度学习模型，显著提高了年龄预测的准确性	研究主要基于健康个体的血液样本，未涵盖其他组织或疾病状态下的DNA甲基化变化	探索DNA甲基化在时间编码中的机制，并开发高精度的年龄预测模型	健康个体的血液样本	生物信息学	NA	超深度测序	深度学习	DNA甲基化数据	超过300份健康个体的血液样本
411	2025-01-02	Optimizing Corn Tar Spot Measurement: A Deep Learning Approach Using Red-Green-Blue Imaging and the Stromata Contour Detection Algorithm for Leaf-Level Disease Severity Analysis 2024-Dec-31, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-12-23-2702-RE PMID:39160128	研究论文	本文提出了一种基于深度学习的玉米叶斑病严重程度分析方法，通过优化红绿蓝成像和Stromata轮廓检测算法（SCDA v2）来提高检测准确性	SCDA v2解决了SCDA v1的局限性，无需经验性地搜索最优决策输入参数，同时实现了更高且一致的检测准确性	NA	优化玉米叶斑病的测量方法，提高疾病监测和管理的有效性	玉米叶片	计算机视觉	玉米叶斑病	红绿蓝成像	CNN	图像	来自田间和温室条件下的玉米叶片RGB图像数据集
412	2025-01-02	Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images 2024-Dec-31, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11321-2 PMID:39738559	研究论文	本研究评估并比较了两种最先进的深度学习方法在CT图像中分割四个胸部风险器官（食管、气管、心脏和主动脉）的性能，以用于放疗计划	比较了多器官分割方法和多个单器官模型融合方法，并评估了它们在对抗性扰动下的鲁棒性、在外部数据集上的泛化能力，以及专家校正引入的潜在偏差	专家对AI分割的校正可能导致结果偏差，需要使用手动注释的测试集来评估这些方法的性能	评估和比较两种深度学习方法在CT图像中分割胸部风险器官的性能，以用于放疗计划	CT图像中的四个胸部风险器官（食管、气管、心脏和主动脉）	数字病理	NA	深度学习	nnU-Net	CT图像	NA
413	2025-01-02	A novel artificial intelligence segmentation model for early diagnosis of bladder tumors 2024-Dec-30, Abdominal radiology (New York) DOI:10.1007/s00261-024-04715-9 PMID:39738572	研究论文	本文开发了一种基于深度学习的智能诊断系统，用于早期膀胱癌的诊断，以提高早期膀胱肿瘤的识别率	提出了一种新的膀胱肿瘤分割网络（BTS-Net），基于transformer架构，能够准确诊断早期膀胱癌病变	NA	提高早期膀胱肿瘤的识别率，减少漏诊	膀胱癌患者	计算机视觉	膀胱癌	深度学习	transformer	视频	273名膀胱癌患者
414	2025-01-02	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本文通过单核RNA测序和深度学习模型APA-Net，研究了肌萎缩侧索硬化症（ALS）和额颞叶变性（FTLD）中眶额皮层的细胞类型特异性转录特征和选择性多聚腺苷酸化机制	开发了APA-Net深度学习模型，整合转录序列和RNA结合蛋白表达谱，揭示了细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要集中于C9orf72相关的ALS和散发性ALS病例，可能不适用于所有ALS亚型	揭示ALS和FTLD中细胞类型特异性的病理机制和转录调控	ALS和FTLD患者的眶额皮层细胞	数字病理学	肌萎缩侧索硬化症	单核RNA测序	APA-Net	RNA序列数据	C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例
415	2025-01-02	Calibration-free estimation of field dependent aberrations for single molecule localization microscopy across large fields of view 2024-Dec-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.11.627909 PMID:39713420	研究论文	本文提出了一种无需校准的模型方法，用于估计单分子定位显微镜中的场依赖像差	引入了一种基于模型的方法，直接从单分子数据中估计场依赖像差，无需校准步骤	未提及具体局限性	提高单分子定位显微镜的图像质量	微管和核孔复合物	计算机视觉	NA	单分子定位显微镜（SMLM）	基于节点的像差理论	2D和3D定位数据	视野范围达180 μm的微管和核孔复合物数据
416	2025-01-01	Applications of Transformers in Computational Chemistry: Recent Progress and Prospects 2024-Dec-31, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c03128 PMID:39737793	综述	本文综述了Transformer模型在计算化学中的应用及其未来前景	与传统的机器学习和深度学习技术相比，Transformer模型具有细粒度的特征捕捉能力，能够高效准确地建模长序列数据的依赖关系，模拟复杂多样的化学空间，并探索数据背后的计算逻辑	NA	探讨Transformer模型在计算化学中的应用及其未来研究方向	Transformer模型及其在计算化学中的应用	计算化学	NA	NA	Transformer	长序列数据	NA
417	2025-01-01	An efficient surface electromyography-based gesture recognition algorithm based on multiscale fusion convolution and channel attention 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81369-z PMID:39730496	研究论文	本文提出了一种基于多尺度融合卷积和通道注意力的高效表面肌电信号手势识别算法	提出了Residual-Inception-Efficient (RIE)模型，结合了Inception模块和高效通道注意力机制，降低了算法复杂度并提高了识别精度	未提及具体局限性	实现更高效的多类型手势识别	表面肌电信号（sEMG）	机器学习	NA	NA	Residual-Inception-Efficient (RIE)模型	表面肌电信号（sEMG）	NinaPro DB1、DB3和DB4数据集，分别包含14,040、3,234和3,120个手势样本
418	2024-12-30	A proficient approach for the classification of Alzheimer's disease using a hybridization of machine learning and deep learning 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81563-z PMID:39730532	研究论文	本文提出了一种结合机器学习和深度学习的新方法，用于阿尔茨海默病的早期检测和分类	提出了一种独特的机器学习和深度学习结合的方法，优化了阿尔茨海默病检测和分类的精度和准确性	NA	早期检测和分类阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	结构磁共振成像（sMRI）	混合模型（机器学习和深度学习）	图像	NA
419	2025-01-01	Limitations of panoramic radiographs in predicting mandibular wisdom tooth extraction and the potential of deep learning models to overcome them 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81153-z PMID:39730557	研究论文	本研究探讨了全景X光片在预测下颌智齿拔除难度中的局限性，并评估了深度学习模型在此任务中的潜力	首次使用深度学习模型（AlexNet和VGG-16）来预测智齿拔除过程中是否需要牙齿分离或骨移除，并与口腔外科医生的预测能力进行了比较	仅使用全景X光片进行预测，准确率较低，表明单独使用全景X光片预测智齿拔除难度具有挑战性	预测下颌智齿拔除的难度，并评估深度学习模型在此任务中的表现	下颌智齿	数字病理	NA	深度学习	CNN（AlexNet和VGG-16）	图像（全景X光片）	NA
420	2025-01-01	SHIVA-CMB: a deep-learning-based robust cerebral microbleed segmentation tool trained on multi-source T2*GRE- and susceptibility-weighted MRI 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81870-5 PMID:39730628	研究论文	本文介绍了一种基于深度学习的脑微出血（CMB）分割工具SHIVA-CMB，该工具在多种来源的T2*GRE和磁敏感加权MRI数据上进行了训练	SHIVA-CMB是首个公开分享预训练模型的CMB检测工具，具有较高的泛化能力和性能	尽管在多个数据集上表现出色，但模型的性能可能仍受限于训练数据的多样性和数量	开发一种能够在大规模研究中快速表征CMB的工具，以促进对CMB病理生理学和功能后果的研究	脑微出血（CMB）	数字病理学	脑血管疾病	深度学习	3D Unet	MRI图像	450次扫描来自六个不同的队列研究，测试集包括96次扫描，另外还有1992次T2*加权扫描用于验证