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
1681	2025-02-25	Computational microscopy with coherent diffractive imaging and ptychography 2025-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08278-z PMID:39780004	综述	本文回顾了相干衍射成像（CDI）和ptychography在计算显微镜领域的创新进展，这些技术统一了显微镜和晶体学，克服了它们的局限性	CDI和ptychography技术在长度尺度上实现了九个数量级的成像能力，从亚埃分辨率的材料原子结构到厘米级组织的定量相位成像	NA	探讨计算显微镜技术在材料科学、生物学等领域的应用及其未来发展	晶体缺陷、非晶材料、高温超导体中的氧空位、磁性、量子、能源材料、纳米材料、集成电路和生物样本	计算显微镜	NA	相干衍射成像（CDI）、ptychography、第四代同步辐射、X射线自由电子激光、高次谐波产生、电子显微镜、光学显微镜、深度学习	NA	图像	NA
1682	2025-02-24	TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging 2025-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.25.625273 PMID:39896546	研究论文	本文介绍了TimeFlies，一种基于单细胞RNA测序的果蝇头部衰老时钟，揭示了性别差异在衰老过程中的作用	TimeFlies是首个基于全基因组基因表达谱的泛细胞类型单细胞RNA测序衰老时钟，能够识别关键标记基因，并揭示了性别特异性衰老路径的差异	该研究主要局限于果蝇头部，尚未在其他生物体或组织中验证其普适性	开发一种基于单细胞RNA测序的衰老时钟，以研究果蝇头部衰老过程中的性别差异	果蝇头部细胞	生物信息学	衰老	单细胞RNA测序（scRNA-seq）	深度学习	基因表达数据	NA
1683	2025-02-24	"Sadness smile" curve: Processing emotional information from social network for evaluating thermal comfort perception 2025-Jan, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2024.104025 PMID:39689668	研究论文	本研究通过分析社交媒体上的面部表情数据，评估热舒适感知，并提出了一种基于深度学习的方法来预测热舒适度	提出了‘悲伤微笑’曲线，通过分析面部表情中的悲伤分数来预测最舒适温度，并利用ResNet模型进行情感基热舒适感知的预测	研究依赖于社交媒体数据，可能存在数据偏差，且未考虑其他可能影响热舒适感知的因素	评估和预测人类在不同热环境下的热舒适感知	社交媒体上的面部表情数据	计算机视觉	NA	深度学习	ResNet	图像	8314张面部照片，来自49个城市的82个公园的志愿者
1684	2025-02-23	Virtual staining from bright-field microscopy for label-free quantitative analysis of plant cell structures 2025-Jan-31, Plant molecular biology IF:3.9Q1 DOI:10.1007/s11103-025-01558-w PMID:39885095	研究论文	本文探讨了使用深度学习模型对植物细胞结构进行虚拟染色的适用性，基于明场显微镜图像	提出了一种基于深度学习的虚拟染色方法，能够非侵入性地分析植物细胞结构，并应用于细胞形态计量学	该方法仍存在一些局限性，但非侵入性和高效性使其适用于定量植物细胞生物学中的无标记、动态和高通量分析	研究深度学习模型在植物细胞结构虚拟染色中的适用性	烟草BY-2细胞、拟南芥表皮细胞、Egeria densa叶绿体	计算机视觉	NA	深度学习	CNN	显微镜图像	烟草BY-2细胞、拟南芥表皮细胞、Egeria densa叶绿体
1685	2025-02-23	KaMLs for Predicting Protein pK a Values and Ionization States: Are Trees All You Need? 2025-Jan-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.09.622800 PMID:39605739	研究论文	本文介绍了基于决策树和图注意力网络（GAT）的pKa预测模型KaML，利用物理化学理解和新的实验数据库PKAD-3，显著提高了蛋白质电离状态的预测准确性	KaML模型通过创新方法如酸和碱的分别处理、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练，显著提升了预测性能，特别是在去质子化半胱氨酸和赖氨酸的预测上	尽管KaML模型在预测pKa值和电离状态方面表现出色，但其性能可能仍受限于实验数据的稀缺性	提高蛋白质电离状态的预测准确性，以促进生物学理解和计算机辅助药物发现	蛋白质的电离状态	机器学习	NA	决策树、图注意力网络（GAT）	KaML-CBtree、GAT	实验数据、理论pKa数据库	NA
1686	2025-02-23	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025-Jan-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.07.631402 PMID:39829895	研究论文	本文介绍了一种名为EPISeg的深度学习模型，用于在梯度回波平面成像（EPI）数据上自动分割脊髓	EPISeg模型在脊髓分割质量上显著优于现有模型，并且对不同的采集协议和fMRI数据中常见的伪影具有鲁棒性	尽管EPISeg在分割质量上有显著提升，但仍需进一步验证其在更广泛数据集上的性能	开发一种自动分割脊髓的深度学习模型，以减少手动分割的时间和用户偏差	脊髓的梯度回波EPI图像	医学影像分析	NA	深度学习	深度学习模型	图像	多中心数据集，具体样本数量未明确说明
1687	2025-02-23	RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation 2025-Jan-26, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634669 PMID:39896539	研究论文	本文介绍了RNAbpFlow，一种基于序列和碱基对条件的SE(3)-等变流匹配模型，用于生成RNA的三维结构集合	RNAbpFlow利用核碱基中心表示法，无需显式或隐式使用进化信息或同源结构模板，即可端到端生成全原子RNA结构	由于RNA分子的高度灵活性以及进化序列或结构同源性的有限可用性，预测准确的RNA三维结构仍然具有挑战性	开发一种新的方法来预测RNA的三维结构	RNA的三维结构	生物信息学	NA	SE(3)-等变流匹配模型	RNAbpFlow	RNA序列和碱基对信息	大规模基准测试中的RNA拓扑采样和预测建模
1688	2025-02-23	CPI-Pred: A deep learning framework for predicting functional parameters of compound-protein interactions 2025-Jan-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.16.633372 PMID:39896624	研究论文	本文介绍了一个名为CPI-Pred的深度学习框架，用于预测化合物-蛋白质相互作用的功能参数	CPI-Pred结合了来自新型消息传递神经网络的化合物表示和由最先进的蛋白质语言模型生成的酶表示，利用创新的序列池化和交叉注意力机制	由于化合物-蛋白质相互作用的复杂性以及可用数据的稀疏性和异质性，预测这些相互作用仍然具有挑战性	研究目的是预测化合物-蛋白质相互作用的功能参数，以解决代谢工程中的一系列挑战	研究对象是化合物-蛋白质相互作用的功能参数，包括米氏常数、酶转换数、催化效率和抑制常数	机器学习	NA	深度学习	消息传递神经网络和蛋白质语言模型	氨基酸序列和化合物结构表示	迄今为止最大的酶动力学参数数据集，涵盖四个关键指标
1689	2025-02-23	Piscis: a novel loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-Jan-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.31.578123 PMID:38352551	研究论文	本文介绍了一种名为Piscis的全自动深度学习算法，用于荧光显微镜图像中的斑点检测，采用了一种新的损失函数SmoothF1 loss	提出了SmoothF1损失函数，该函数近似F1分数，直接惩罚假阳性和假阴性，同时保持可微分性，适用于深度学习训练	NA	开发一种无需手动参数调整的高通量RNA FISH成像数据分析方法	荧光显微镜图像中的斑点检测	计算机视觉	NA	RNA FISH	深度学习	图像	358张手动注释的实验RNA FISH图像和240张合成图像
1690	2025-02-23	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	G2PDeep-v2是一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和标记物发现，适用于包括人类、植物、动物和病毒在内的所有生物	提供了一个交互式界面，允许研究人员创建深度学习模型，并利用高性能计算资源通过自动超参数调整算法进行训练	未提及具体的技术限制或数据限制	开发一个通用的表型预测和生物标志物发现平台，适用于所有生物	人类、植物、动物和病毒	机器学习	NA	深度学习	深度学习模型	多组学数据	NA
1691	2025-02-23	Deep learning in gonarthrosis classification: a comparative study of model architectures and single vs. multi-model methods 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1413820 PMID:39974355	研究论文	本研究通过比较单一模型和多模型深度学习方法，使用膝关节前后位X光片对Kellgren-Lawrence（KL）骨关节炎阶段进行分类	提出了多模型深度学习方法，并与传统单一模型方法进行比较，探讨了CLAHE对分类性能的影响	未探索集成建模和高级增强技术，缺乏临床验证	比较单一模型和多模型深度学习方法在KL骨关节炎阶段分类中的效果	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	CNN（包括NfNet-F0/F1, EfficientNet-B0/B3, Inception-ResNet-v2, VGG16）	图像	14,607张来自三家医院的膝关节前后位X光片
1692	2025-02-23	Research trends in livestock facial identification: a review 2025-Jan, Journal of animal science and technology IF:2.7Q1 DOI:10.5187/jast.2025.e4 PMID:39974780	综述	本文综述了视频处理和基于卷积神经网络（CNN）的深度学习在动物面部识别、个体识别和再识别中的应用	通过整合视频处理和基于CNN的深度学习，实现了对动物生长、个体识别和行为的自动化监测，提升了畜牧管理系统的效率	NA	探讨视频处理和深度学习技术在精准畜牧业中的应用，以提高生产效率、动物福利和环境可持续性	牲畜	计算机视觉	NA	视频处理, 深度学习	CNN	视频	NA
1693	2025-02-23	Research progress of MRI-based radiomics in hepatocellular carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1420599 PMID:39980543	综述	本文综述了基于MRI的放射组学在肝细胞癌（HCC）诊断和治疗中的临床进展	本文系统评估了MRI放射组学在HCC管理中的多方面应用，包括肿瘤分化、亚型分类、病理分级、微血管侵犯预测、治疗反应评估、早期复发预测和转移预测	当前放射组学领域缺乏可解释性，需要进一步的研究和验证	评估放射组学方法并描述基于MRI的放射组学在肝细胞癌诊断和治疗中的临床进展	肝细胞癌（HCC）	数字病理	肝癌	MRI放射组学	机器学习和深度学习	影像数据	93篇文献的综合分析
1694	2025-02-23	A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1496820 PMID:39980546	研究论文	本研究开发并验证了一种基于骨盆MR图像和临床特征的transformer深度学习模型，用于预测直肠癌患者的肺转移风险	首次将transformer深度学习模型应用于直肠癌肺转移的预测，结合了骨盆MR图像和临床特征，展示了优于现有深度学习方法的预测性能	研究样本量相对有限，且仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发并验证一种基于骨盆MR图像和临床特征的深度学习模型，用于预测直肠癌患者的肺转移风险	819名经组织学确认的直肠癌患者，这些患者接受了术前骨盆MRI和CEA测试	数字病理	直肠癌	磁共振成像（MRI）	transformer-based深度学习模型	图像（骨盆MR图像）	819名直肠癌患者
1695	2025-02-23	Machine learning-based myocardial infarction bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1477351 PMID:39981082	研究论文	本研究分析了2008年至2024年间机器学习在心肌梗死领域的研究趋势，旨在识别该领域的新兴趋势和热点，为未来的研究方向提供见解	首次对机器学习在心肌梗死领域的研究趋势进行全面的文献计量分析，揭示了深度学习在该领域的新兴研究方向	研究主要基于Web of Science数据库的出版物，可能未涵盖所有相关研究	分析机器学习在心肌梗死领域的研究趋势，识别新兴趋势和热点	心肌梗死（MI）和机器学习（ML）的研究文献	机器学习	心血管疾病	文献计量分析	神经网络	文献数据	1,036篇出版物
1696	2025-02-23	Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1506363 PMID:39981086	研究论文	本研究开发并验证了一种基于深度学习的肺栓塞（PE）风险预测模型（PE-Mind），旨在克服现有临床工具的局限性，提供更精准的风险评估解决方案	使用卷积神经网络（CNN）并结合三个自定义模块，显著提升了预测性能，开发了实时操作的Web服务器PulmoRiskAI	未提及模型在更广泛人群中的适用性或外部验证结果	开发一种高效、精准的肺栓塞风险预测模型，以改进急性深静脉血栓（DVT）患者的风险评估	急性深静脉血栓（DVT）患者	机器学习	肺栓塞	深度学习	卷积神经网络（CNN）	临床数据	未明确提及样本数量
1697	2025-02-21	Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease 2025-Jan-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.13.25319967 PMID:39974027	研究论文	本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练	使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力	模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力	量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估	148名癌症患者的临床CT图像	数字病理学	脊柱转移性疾病	CT成像	2D nnU-Net	图像	148名癌症患者的2,009张轴向CT图像
1698	2025-02-20	Necessity and impact of specialization of large foundation model for medical segmentation tasks 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17470 PMID:39431952	研究论文	本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现	通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升	现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限	评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力	盆腔MR图像中的解剖结构	计算机视觉	NA	深度学习	MedSAM, LiteMedSAM, nnU-Net	图像	589张盆腔MR图像，80%用于训练，20%用于测试
1699	2025-02-20	Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S492163 PMID:39963324	研究论文	本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性	首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力	研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小	评估GANs在减少CMR电影序列中运动伪影方面的有效性	心脏磁共振（CMR）电影序列中的运动伪影	计算机视觉	心血管疾病	深度学习	GAN	图像	2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估
1700	2025-02-19	Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm 2025-Jan-24, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-882 PMID:39958220	研究论文	本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证	该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖	需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性	开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率	无大于8毫米非钙化实性肺结节的个体	计算机视觉	肺癌	低剂量胸部CT（LDCT）	3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0）	图像	训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体）