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
1481	2025-01-16	Toward Personalized Digital Experiences to Promote Diabetes Self-Management: Mixed Methods Social Computing Approach 2025-Jan-07, JMIR diabetes DOI:10.2196/60109 PMID:39773324	研究论文	本文采用混合方法研究社交计算，旨在通过分析数字健康社区中的同伴互动和社交连接，促进糖尿病自我管理（DSM）的个性化干预	结合深度学习和社交网络分析技术，从大规模社交媒体数据中提取社交影响模式，为个性化DSM干预提供依据	研究依赖于美国糖尿病协会支持社区的数据，可能无法完全代表其他糖尿病社区的情况	探索社交影响在糖尿病自我管理中的作用，并开发个性化干预措施	美国糖尿病协会支持社区中的同伴互动数据	社交计算	糖尿病	深度学习、社交网络分析	深度学习模型	文本数据	约73,000条同伴互动数据（2014年至2021年），其中1501条用于手动标注
1482	2025-01-16	Integrating Deep Learning-Based Dose Distribution Prediction with Bayesian Networks for Decision Support in Radiotherapy for Upper Gastrointestinal Cancer 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.333 PMID:39091147	研究论文	本文旨在开发一种结合深度学习生成的剂量分布和临床数据的决策支持算法，以优化上消化道癌症放疗中的技术选择	结合深度学习生成的剂量分布和贝叶斯网络模型，提供个性化的放疗技术选择支持	研究样本量较小（65例患者），且为回顾性分析，可能影响模型的泛化能力	优化上消化道癌症放疗中的技术选择，提高治疗效果并节省资源	65例接受TBX和MRG模拟和计划过程的肝或胰腺癌患者	数字病理	上消化道癌症	深度学习、贝叶斯网络	三维U-Net、贝叶斯网络	剂量分布数据、临床数据	65例患者
1483	2025-01-16	Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.343 PMID:38993092	研究论文	本研究通过RNA测序全面分析了子宫肉瘤的基因组特征，并构建了一个深度学习模型来预测患者的生存率	发现了一个新的基因融合位点MRPS18A-PDC-AS1，可能作为uLMS和ESS病理鉴别诊断的潜在标志物，并开发了一个名为Max-Mean Non-Local多实例学习（MMN-MIL）的深度学习模型，用于预测子宫肉瘤患者的生存率	样本量相对较小，特别是某些亚型的样本数量较少	探索子宫肉瘤的基因组特征并预测患者的生存率	71例子宫肉瘤样本，包括47例子宫内膜间质肉瘤（ESS）、18例子宫平滑肌肉瘤（uLMS）、3例腺肉瘤、2例癌肉瘤和1例类似卵巢性索肿瘤的子宫肿瘤	数字病理学	子宫肉瘤	RNA测序	Max-Mean Non-Local多实例学习（MMN-MIL）	基因表达数据	71例子宫肉瘤样本
1484	2025-01-16	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	本文利用弱监督学习方法对乳腺癌的分子亚型进行分类，并展示了基于注意力的热图来可视化结果	采用弱监督学习方法，利用全切片图像进行乳腺癌分子分类，减少了对大量手动注释的需求	亚型之间的不平衡以及两个数据集之间的差异导致分子亚型比例不同	开发基于弱监督学习的深度学习模型，用于乳腺癌的分子分类	乳腺癌的分子亚型	数字病理学	乳腺癌	弱监督学习	深度学习模型	全切片图像	来自韩国大学Guro医院（KG）和癌症基因组图谱数据集（TCGA）的乳腺癌病例
1485	2025-01-16	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结了机器学习和深度学习在磁粒子成像（MPI）中的应用及其未来潜力	探讨了人工智能方法在MPI图像重建和分析中的新兴应用，展示了其在提高精确信息获取方面的潜力	未提及具体的研究限制	研究机器学习和深度学习在磁粒子成像中的应用	磁粒子成像（MPI）	机器学习	NA	磁粒子成像（MPI）	机器学习和深度学习模型	图像	NA
1486	2025-01-16	An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning 2025-Jan, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-024-02830-x PMID:39249515	研究论文	本文提出了一种基于排名的集成多分类器方法，用于使用深度学习对神经退行性疾病进行分类	提出了一种基于排名的集成方法，结合了加权策略的深度学习分类器，提高了分类准确率	未提及具体的数据集大小或样本量，可能影响结果的泛化能力	提高神经退行性疾病（如阿尔茨海默病和帕金森病）的分类准确率	阿尔茨海默病（AD）和帕金森病（PD）患者	深度学习	神经退行性疾病	深度学习	集成多分类器	MRI图像	NA
1487	2025-01-16	Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis 2025-Jan, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00954-4 PMID:39320698	系统综述与荟萃分析	本文综述了用于X光片上Cobb角自动测量的深度学习算法，并进行了荟萃分析	首次对深度学习算法在Cobb角自动测量中的应用进行了系统性回顾和荟萃分析，并比较了基于分割和基于标志点的方法的准确性	荟萃分析结果有限，存在高异质性（94%）	评估不同深度学习算法在X光片上自动测量Cobb角的性能，并总结改进方法	X光片上的Cobb角	计算机视觉	脊柱侧弯	深度学习算法	NA	X光片	3022个样本（来自120篇文章）
1488	2025-01-16	GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400169 PMID:39421969	研究论文	本文提出了一种基于硬负样本的分子图对比学习框架GCLmf，用于化学毒性预测	GCLmf框架首次利用特定条件下的分子片段作为硬负样本，提高了负样本集的质量，从而在预训练期间增加了代理任务的难度，以学习更具信息性的分子表示	未明确提及具体局限性	提高化学毒性预测的准确性和鲁棒性，以降低药物发现早期阶段的成本并提高效率	分子图数据	机器学习	NA	对比学习	深度学习框架GCLmf	分子图数据	在33个毒性任务中进行了测试
1489	2025-01-16	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	本文开发了一种基于CT血管造影（CTA）数据的深度学习模型，用于未破裂颅内动脉瘤（UIA）的形态学测量，并使用多中心数据集验证其性能	开发了一种集成深度学习模型，能够同时进行UIA的检测、分割和形态学测量，并验证了其在多中心数据集上的性能	研究为回顾性研究，可能存在选择偏倚，且模型性能仅在特定数据集上验证	开发并验证一种用于UIA检测、分割和形态学测量的深度学习模型	未破裂颅内动脉瘤（UIA）患者	计算机视觉	颅内动脉瘤	CT血管造影（CTA）	nnU-Net	图像	训练数据集包括1182名UIA患者和578名对照组，多中心外部测试集包括535名UIA患者
1490	2025-01-16	Fragmentation in patchy ecosystems: a call for a functional approach 2025-Jan, Trends in ecology & evolution IF:16.7Q1 DOI:10.1016/j.tree.2024.09.004 PMID:39510920	研究论文	本文探讨了栖息地破碎化对生物多样性的威胁，特别是自然斑块状生态系统如稀树草原，与森林生态系统的不同	提出了基于景观功能性的破碎化识别方法，强调连通性在理解生态系统动态中的重要性	现有文献主要关注森林生态系统，对自然斑块状生态系统的研究较少	改进破碎化映射方法，结合遥感数据和实地测量，实证测试景观是否功能上破碎化	稀树草原等自然斑块状生态系统	生态学	NA	遥感技术，深度学习	NA	遥感数据，实地测量数据	NA
1491	2025-01-16	Protein Binding Site Representation in Latent Space 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400205 PMID:39692081	研究论文	本文研究了图神经网络在蛋白质-配体复合物亲和力预测中的应用，并评估了配体结合位点的潜在表示及其与蛋白质功能的关系	引入了一种自动化的计算流程，用于降维、聚类、假设检验和潜在空间的可视化，揭示了蛋白质潜在空间的内在结构	未明确提及具体的数据集或样本量限制	理解深度学习模型在计算机辅助药物发现中的特征感知能力	蛋白质-配体复合物	机器学习	NA	图神经网络	图神经网络	蛋白质-配体复合物数据	NA
1492	2025-01-16	A Multi-Label Deep Learning Model for Detailed Classification of Alzheimer's Disease 2025-Jan, Actas espanolas de psiquiatria IF:1.0Q4 DOI:10.62641/aep.v53i1.1728 PMID:39801412	研究论文	本文开发了一种结合点积注意力机制和创新标签系统的深度学习模型，用于提高阿尔茨海默病（AD）亚型和严重程度的诊断和分类准确性	结合点积注意力机制和创新标签系统，显著提高了AD亚型和严重程度的诊断准确性	未提及具体的数据集规模或模型在其他疾病上的泛化能力	提高阿尔茨海默病的诊断和分类准确性，支持个性化治疗策略	阿尔茨海默病患者	机器学习	老年病	深度学习	点积注意力机制	临床和人口统计数据	未提及具体样本数量
1493	2025-01-16	Enhancing Molecular Network-Based Cancer Driver Gene Prediction Using Machine Learning Approaches: Current Challenges and Opportunities 2025-Jan, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70351 PMID:39804102	综述	本文综述了利用机器学习方法，特别是网络传播、图神经网络、自编码器、图嵌入和注意力机制，来增强基于分子网络的癌症驱动基因预测的可扩展性和可解释性	探讨了深度学习，特别是基于图的模型在癌症驱动基因预测中的新机遇	未提及具体的研究限制	提高基于分子网络的癌症驱动基因预测的准确性和效率	癌症驱动基因	机器学习	癌症	网络传播、图神经网络、自编码器、图嵌入、注意力机制	图神经网络、自编码器	基因突变数据、蛋白质-蛋白质相互作用网络	NA
1494	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1495	2025-01-16	Advances in modeling cellular state dynamics: integrating omics data and predictive techniques 2025, Animal cells and systems IF:2.5Q1 DOI:10.1080/19768354.2024.2449518 PMID:39807350	综述	本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术	强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变	讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化	旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学	细胞状态动态	机器学习	NA	转录组学, 单细胞RNA测序	深度学习模型	组学数据	NA
1496	2025-01-16	Enhancing the visual environment of urban coastal roads through deep learning analysis of street-view images: A perspective of aesthetic and distinctiveness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317585 PMID:39808675	研究论文	本研究通过深度学习与人类感知数据分析，探讨了城市沿海道路视觉景观特征与人类感知之间的关系，并提出了改进建议	结合深度学习与人类感知数据，首次系统分析了城市沿海道路的视觉景观特征及其对人类感知的影响，并提出了具体的改进策略	研究仅针对厦门市的沿海道路，可能无法完全推广到其他城市或地区的沿海道路	研究城市沿海道路的视觉景观特征与人类感知之间的关系，并提出改进建议	厦门市的城市沿海道路	计算机视觉	NA	深度学习	线性回归, 随机森林	街景图像	厦门市的城市沿海道路
1497	2025-01-16	A networked station system for high-resolution wind nowcasting in air traffic operations: A data-augmented deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316548 PMID:39808682	研究论文	本研究介绍了一种高分辨率风场即时预报模型，专为马德拉国际机场的航空应用设计，该机场以复杂风场模式著称	通过结合六个气象站的数据和深度学习技术，该模型能够以1分钟的时间分辨率预测未来30分钟的风速和风向，且在最具挑战性的30分钟预测任务中表现出色	研究仅针对马德拉国际机场，模型的普适性需要进一步验证	提高复杂环境下机场的风场即时预报精度，以增强操作效率和安全性	马德拉国际机场的风场数据	机器学习	NA	深度学习	NA	气象数据	来自六个气象站的数据
1498	2025-01-16	Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography 2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70041 PMID:39811700	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI）	开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力	深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求	开发一种基于OCT的深度学习算法，用于检测AD和MCI	228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试	数字病理学	老年疾病	光学相干断层扫描（OCT）	集成三边深度学习模型	图像	228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试
1499	2025-01-16	Deep Learning and Multidisciplinary Imaging in Pediatric Surgical Oncology: A Scoping Review 2025-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70574 PMID:39812075	综述	本文综述了深度学习在儿科外科肿瘤学多学科成像中的应用	提供了深度学习在儿科外科肿瘤学多学科成像中的全面概述，并指出了未来研究的方向	由于纳入研究的异质性，无法对研究性能做出一般性陈述	探讨深度学习在儿科外科肿瘤学多学科成像中的应用	儿科外科肿瘤学中的医学影像	数字病理学	儿科肿瘤	深度学习	NA	图像	36篇文章（放射学22篇，病理学9篇，其他基于图像的诊断5篇）
1500	2025-01-15	De novo generation of dual-target compounds using artificial intelligence 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111526 PMID:39801837	研究论文	本文介绍了基于人工智能的方法来设计能够与多个治疗靶点蛋白相互作用的化合物化学结构	使用遗传算法和生成对抗网络框架下的强化学习进行分子结构生成，设计出能够与支气管哮喘的两个治疗靶点相互作用的化合物	仅合成了10种化合物，并对其中的39种人类蛋白进行了结合实验，样本量较小	开发能够与多个治疗靶点相互作用的化合物，以支持多药理学药物发现	支气管哮喘的治疗靶点腺苷A2a受体（ADORA2A）和磷酸二酯酶4D（PDE4D）	机器学习	支气管哮喘	遗传算法、生成对抗网络（GAN）、强化学习	GAN	化学结构数据	10种合成化合物，39种人类蛋白的结合实验