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
2061	2025-01-23	Deep Learning for Biomarker Discovery in Cancer Genomes 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631471 PMID:39829845	研究论文	本文提出了一种端到端的深度学习方法，用于分析下一代测序（NGS）数据，以发现癌症基因组中的生物标志物	提出了一种多实例学习深度学习框架，能够整合体细胞突变序列来预测微卫星不稳定性（MSI）和同源重组缺陷（HRD）两种复合生物标志物	依赖于公开数据库的数据，可能无法涵盖所有癌症类型和突变情况	提高NGS数据在生物标志物提取中的潜力，加速精准肿瘤学中新生物标志物的发现	癌症患者的基因组数据	机器学习	癌症	下一代测序（NGS）	深度学习（DL）	基因组数据	3,184名癌症患者的数据，来自TCGA和CPTAC两个公共数据库
2062	2025-01-23	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604663 PMID:39091726	研究论文	本文介绍了一种利用深度学习技术进行参数化指导的β桶和跨膜纳米孔设计方法	将参数化表示的简单性和形状控制能力扩展到β桶结构设计，结合RoseTTAFold设计方法，实现了高成功率的蛋白质设计	需要依赖深度学习模型，且实验验证的样本量有限	开发一种更精确和可访问的蛋白质设计方法，特别是针对β桶纳米孔等全局形状决定功能的蛋白质	β桶结构和跨膜纳米孔	蛋白质设计	NA	深度学习，RoseTTAFold，RFjoint inpainting，RFdiffusion	深度学习模型	蛋白质结构数据	设计了12、14和16链的跨膜纳米孔，并进行了X射线晶体结构验证
2063	2025-01-23	Integrating Prior Knowledge Using Transformer for Gene Regulatory Network Inference 2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409990 PMID:39605181	研究论文	本文提出了一种基于Transformer的新框架GRNPT，用于从单细胞RNA测序轨迹中推断基因调控网络，并整合了大型语言模型的嵌入和时序卷积网络自编码器	GRNPT框架结合了大型语言模型和深度学习技术，显著提高了基因调控网络推断的准确性和泛化能力，特别是在训练数据有限的情况下	NA	提高基因调控网络推断的准确性和泛化能力	基因调控网络	生物信息学	NA	单细胞RNA测序（scRNA-seq）	Transformer, 时序卷积网络（TCN）自编码器	基因表达数据	NA
2064	2025-01-23	Breast cancer classification in point-of-care ultrasound imaging-the impact of training data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014502 PMID:39830074	研究论文	本文探讨了通过增加训练数据的不同技术来改进用于分类点-of-care超声（POCUS）图像的分类网络	通过比较不同的数据增强技术，包括数据增强、直方图匹配、直方图均衡化和循环一致对抗网络（CycleGANs），显著提高了分类网络的性能	研究主要依赖于POCUS图像和标准超声（US）图像，可能限制了结果的普适性	提高用于分类POCUS图像的分类网络的性能，以促进乳腺癌的早期检测	乳腺癌的POCUS图像和标准超声（US）图像	计算机视觉	乳腺癌	数据增强、直方图匹配、直方图均衡化、循环一致对抗网络（CycleGANs）	分类网络	图像	两个数据集，包括POCUS图像和标准超声（US）图像
2065	2025-01-23	Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems 2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-73010-8_26 PMID:39831070	研究论文	本文提出了一种零样本近似后验采样方法（ZAPS），用于解决扩散模型在逆问题中的应用问题	ZAPS方法通过零样本训练和物理引导的损失函数来学习每个不规则时间步的对数似然权重，从而提高了图像生成和收敛速度	ZAPS方法在计算效率上依赖于对角化近似，这可能会影响其在高维数据上的表现	研究目标是提高扩散模型在逆问题中的推理速度和重建质量	研究对象是扩散模型在逆问题中的应用，特别是高斯和运动去模糊、修复和超分辨率等问题	计算机视觉	NA	零样本训练、物理引导的损失函数	扩散模型	图像	NA
2066	2025-01-23	A Self-supervised Deep Learning Model for Diagonal Sulcus Detection with Limited Labeled Data 2025-Jan, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09700-7 PMID:39777603	研究论文	本文提出了一种基于深度学习的自监督模型，用于在有限标注数据的情况下检测大脑中的对角线沟（ds）	首次提出使用自监督学习和卷积自编码器来检测对角线沟，并在有限标注数据的情况下实现了较高的检测精度	模型依赖于有限的标注数据，且手动标注的挑战性可能影响模型的性能	开发一种自动检测大脑对角线沟的深度学习模型，以解决现有方法精度低的问题	大脑中的对角线沟（ds）	数字病理学	NA	自监督学习，卷积自编码器	卷积自编码器	图像	未明确说明具体样本数量，但使用了有限的标注数据集
2067	2025-01-23	Right Ventricular Function: Deep Learning's Prognostic Edge in Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017788 PMID:39836731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2068	2025-01-22	Error compensated MOF-based ReRAM array for encrypted logical operations 2025-Jan-21, Dalton transactions (Cambridge, England : 2003) DOI:10.1039/d4dt02880e PMID:39625410	研究论文	本文报告了一种基于金属有机框架（MOF）的电阻式随机存取存储器（ReRAM）阵列的大规模制造，展示了其在加密逻辑操作中的应用	利用非理想的MOF基ReRAM阵列进行低误差信息读取和加密逻辑操作，展示了其在实际应用中的潜力	ReRAM阵列的电子参数存在50%的变异，这可能影响其一致性和可靠性	探索MOF基ReRAM阵列在信息存储和加密逻辑操作中的应用	6×6单元的MOF基ReRAM阵列	电子工程	NA	ReRAM技术	深度学习	电子参数	6×6单元的ReRAM阵列
2069	2025-01-22	Performance analysis of image retrieval system using deep learning techniques 2025-Jan-20, Network (Bristol, England) DOI:10.1080/0954898X.2025.2451388 PMID:39832139	研究论文	本文提出了一种基于深度学习的图像检索系统，用于提高图像检索的效率和准确性	提出了一种新的基于RETCNN的CBIR系统，能够同时处理彩色图像和灰度图像，并显著减少检索时间	未提及系统在处理大规模数据集时的性能表现	提高图像检索系统的检索效率和准确性	通用图像（GI）和医学图像（MI）	计算机视觉	NA	深度学习	RETCNN	图像	未提及具体样本数量
2070	2025-01-22	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2025-Jan-19, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种基于计算机视觉的新框架，用于自动分类橄榄球比赛中的头对头撞击和非头对头撞击	首次将计算机视觉框架应用于橄榄球比赛中的头对头撞击检测，并进行了评估	未来研究应探索该框架在其他头部接触机制中的应用，以及实时识别潜在事件以进行临床评估的实用性	开发并评估一种基于计算机视觉的框架，用于自动检测橄榄球比赛中的头对头撞击	橄榄球比赛中的头对头撞击和非头对头撞击	计算机视觉	NA	深度学习网络、目标检测算法、三维卷积神经网络	CNN	视频	训练集341个视频片段，测试集670个视频片段
2071	2025-01-22	Prediction of tissue and clinical thrombectomy outcome in acute ischaemic stroke using deep learning 2025-Jan-18, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf013 PMID:39827468	研究论文	本研究引入了一种深度学习方法，用于预测急性缺血性卒中患者对血栓切除术的个体反应	提出了一个深度学习模型，能够预测血栓切除术后的组织和临床结果，包括成功和不成功再灌注两种情况下的模拟，量化了干预的潜在个体益处	当前成像方法可能无法完全捕捉脑缺血的动态特性，且缺乏对血栓切除术益处的患者特异性评估	开发预测模型以量化急性缺血性卒中患者对血栓切除术的个体反应	405名接受血栓切除术的缺血性卒中患者	数字病理学	心血管疾病	深度学习	深度学习模型	多模态CT成像和临床特征	405名缺血性卒中患者（训练集304名，内部测试集50名，外部测试集51名）
2072	2025-01-22	A two-tier optimization strategy for feature selection in robust adversarial attack mitigation on internet of things network security 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85878-3 PMID:39824955	研究论文	本文提出了一种用于物联网网络安全中鲁棒对抗攻击缓解的两层优化策略（TTOS-RAAM）模型	引入了结合CGWO和CVAE的两层优化策略，并采用ICAVO模型进行参数调整，以提高对抗攻击检测的准确性	未明确说明模型在其他数据集上的泛化能力	识别物联网中的对抗攻击行为，提高网络安全	物联网网络中的对抗攻击	机器学习	NA	深度学习	CVAE, CGWO, ICAVO	网络数据	RT-IoT2022数据集
2073	2025-01-22	AxonFinder: Automated segmentation of tumor innervating neuronal fibers 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41209 PMID:39807499	研究论文	本研究提出了一种基于深度学习的自动化轴突分割方法AxonFinder，用于前列腺肿瘤微环境中的轴突分割	利用U-Net模型与ResNet-101编码器结合的多重成像方法，实现了对不规则形态轴突的高精度自动化分割	研究依赖于手动标注的数据集，可能存在标注误差	开发一种自动化工具，用于前列腺肿瘤微环境中轴突的精确分割和分析	前列腺肿瘤微环境中的轴突	数字病理学	前列腺癌	多重成像	U-Net with ResNet-101 encoder	全片图像	来自低、中、高风险前列腺癌患者的全片图像数据集
2074	2025-01-22	Using image augmentation techniques and convolutional neural networks to identify insect infestations on tomatoes 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41480 PMID:39834448	研究论文	本研究旨在利用卷积神经网络和图像增强技术识别番茄上的昆虫侵扰	通过图像增强技术增加数据集规模，并利用卷积神经网络实现高精度的害虫识别	原始数据库规模较小，未增强图像时模型准确率较低（50-60%）	开发高精度的深度学习模型，用于检测影响作物的害虫，以帮助农民	番茄作物上的昆虫害虫图像	计算机视觉	NA	图像增强技术	卷积神经网络（CNN）	图像	5894张增强后的图像（80%训练，20%验证）
2075	2025-01-22	Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway 2025-Jan, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70048 PMID:39834043	研究论文	本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果	首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制	研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证	阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制	慢性轻度应激（CMS）诱导的抑郁症模型大鼠	机器学习	抑郁症	机器/深度学习方法	NA	行为数据、蛋白质和mRNA表达数据	抑郁症模型大鼠
2076	2025-01-22	End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network 2025-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034857 PMID:39835828	研究论文	本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本	提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场	研究仍处于初期阶段，尚未在实际应用中广泛验证	预测水下声学传输损失，以应用于水下探测和实时水下监测等领域	水下声学传播	机器学习	NA	深度学习	U-Net	声学数据	NA
2077	2025-01-20	Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients 2025-Jan-18, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03762-9 PMID:39825907	研究论文	本研究开发并验证了一种名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变	开发了一种新的深度学习算法KCPREDICT，利用24个特征（包括基本患者信息、五个经典川崎病临床体征和14个实验室测量值）来区分川崎病患者的冠状动脉病变	研究数据仅来自上海儿童医学中心，可能限制了模型的普遍适用性	开发并验证一种人工智能算法，以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策	川崎病患者	机器学习	心血管疾病	深度学习	决策树模型	临床数据	1474例川崎病病例
2078	2025-01-20	Explainable analysis of infrared and visible light image fusion based on deep learning 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79684-6 PMID:39820058	研究论文	本文研究了基于深度学习的可见光和红外图像融合技术的可解释性，以提高模型理解和应用的可信度	提出了一种基于CNN局部上下文提取和Transformer全局注意力机制的多模态图像融合模型，并采用DDFImage算法生成局部解释信息，增强了模型的可解释性	未提及具体的数据集或样本量，可能限制了结果的普适性	增强可见光和红外图像融合技术的可解释性	可见光和红外图像	计算机视觉	NA	CNN, Transformer	多模态图像融合模型	图像	NA
2079	2025-01-20	Improving timing resolution of BGO for TOF-PET: a comparative analysis with and without deep learning 2025-Jan-17, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00711-6 PMID:39821728	研究论文	本文比较了传统实验时间估计方法（LED、TWC）与基于CNN的方法在使用BGO晶体和NUV-HD-MT SiPMs及高频电子设备信号时的性能	首次将深度学习（特别是CNN）应用于BGO闪烁体的时间分辨率改进，并与传统方法进行了比较	CNN方法需要更复杂的波形数字化处理，可能在实际应用中增加复杂性	提高BGO闪烁体在TOF-PET中的时间分辨率	BGO晶体和NUV-HD-MT SiPMs	机器学习和医学成像	NA	TOF-PET, Cherenkov光子检测	CNN	波形数据	2 × 2 × 3 mm³ 和 2 × 2 × 20 mm³ 的BGO晶体
2080	2025-01-20	Predicting EV battery state of health using long short term degradation feature extraction and FEA TimeMixer 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85492-3 PMID:39819968	研究论文	本文提出了一种基于长短期电池退化特征提取和FEA-TimeMixer模型的新能源汽车电池健康状态（SOH）预测方法	引入了自动SOH提取算法和频率增强注意力机制（FEA），改进了TimeMixer模型，提高了不同预测长度下的SOH预测精度	NA	提高新能源汽车电池健康状态（SOH）的预测精度	新能源汽车电池	机器学习	NA	自动SOH提取算法、经验退化模型、完全集成经验模态分解与自适应噪声（CEEMDAN）	FEA-TimeMixer模型	离线充电数据	NA