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
1901	2024-11-24	Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_5 PMID:39576576	综述	本文综述了机器学习技术在从序列推断蛋白质结构和功能中的重要性和应用	本文讨论了最新的深度学习架构进展，并强调了机器学习在蛋白质结构和功能理解中的重要性	本文指出了使用机器学习技术时面临的挑战，如高质量训练数据集的可用性和模型的可解释性	本文旨在全面概述机器学习在推断蛋白质结构和功能中的应用	本文主要研究对象是蛋白质的二级和三级结构、残基-残基接触、蛋白质功能和亚细胞定位	机器学习	NA	机器学习	卷积神经网络和自然语言处理	序列数据	NA
1902	2024-11-24	The Iconic α-Helix: From Pauling to the Present 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_1 PMID:39576572	研究论文	本文回顾了从Pauling到现代，α-螺旋结构在蛋白质折叠问题中的演变及其在深度学习人工智能中的应用	2021年，深度学习人工智能，特别是AlphaFold2，超越了以往的预测方法，能够成功预测大多数蛋白质结构	深度学习方法缺乏假设或物理化学基础	探讨α-螺旋结构的历史及其在现代蛋白质结构预测中的应用	α-螺旋结构及其在蛋白质折叠问题中的应用	机器学习	NA	深度学习	神经网络	蛋白质结构数据	约2亿个预测的蛋白质结构
1903	2024-11-24	LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_16 PMID:39576587	研究论文	介绍了一个基于Transformer的蛋白质语言模型平台LMPTMSite，用于预测蛋白质的PTM位点	提出了两个基于Transformer的蛋白质语言模型pLMSNOSite和LMSuccSite，分别用于预测S-硝基化位点和琥珀酰化位点，并展示了其优于现有工具的效能	未提及具体局限性	开发一个高效的平台用于预测蛋白质的PTM位点	蛋白质的S-硝基化位点和琥珀酰化位点	机器学习	NA	Transformer	Transformer	序列	未提及具体样本数量
1904	2024-09-30	Can deep learning-derived IVUS predict outcomes in deferred CAD? 2025-Jan-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132594 PMID:39332454	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1905	2024-11-22	AngioPy Segmentation: An open-source, user-guided deep learning tool for coronary artery segmentation 2025-Jan-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132598 PMID:39341506	研究论文	本文介绍了一种名为AngioPy的开源深度学习工具，用于冠状动脉分割，通过用户定义的地面实况点提高性能并减少手动校正	AngioPy通过用户定义的地面实况点提高分割性能，减少手动校正的需求	NA	开发一种无需手动校正的高效冠状动脉分割工具	冠状动脉的分割和量化	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	2455张图像用于模型开发，580张图像用于外部验证，203张图像用于比较分析
1906	2024-11-22	Machine Learning-Based X-Ray Projection Interpolation for Improved 4D-CBCT Reconstruction 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3459622 PMID:39564553	研究论文	本文提出了一种基于机器学习的X射线投影插值方法，用于改进4D-CBCT重建	利用预训练的深度学习模型和一种新的回归预测建模方法生成中间投影，以提高4D-CBCT图像质量	NA	改进4D-CBCT重建图像质量	4D-CBCT图像重建中的投影插值	计算机视觉	NA	机器学习	深度学习模型	图像	数字仿真数据集和临床数据集
1907	2024-11-22	Breast Cancer Detection on Dual-View Sonography via Data-Centric Deep Learning 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3454958 PMID:39564554	研究论文	本研究通过双视图超声成像和数据中心深度学习方法，旨在提高AI辅助的乳腺癌诊断准确性	定制基于DenseNet的模型，通过双视图超声数据集提高模型区分恶性与良性肿瘤的能力，并设计多种集成策略将双视图整合到模型输入中，以最大化性能	未提及具体局限性	提高AI辅助乳腺癌诊断的准确性	双视图乳腺超声图像	计算机视觉	乳腺癌	深度学习	DenseNet	图像	未提及具体样本数量
1908	2024-11-22	An Integrated Framework for Infectious Disease Control Using Mathematical Modeling and Deep Learning 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3455801 PMID:39564557	研究论文	本文提出了一种结合数学建模和深度学习的传染病控制综合框架	本文创新性地将确定性和随机模型与深度学习模型相结合，以提高解决方案预测的性能，并研究了时间延迟对感染率和疫苗接种率的影响	NA	开发有效的传染病控制策略	传染病模式预测和疫苗接种对感染率的影响	机器学习	NA	深度学习	NA	序列数据	NA
1909	2024-11-21	Probabilistic 3D Correspondence Prediction from Sparse Unsegmented Images 2025, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-73290-4_12 PMID:39554756	研究论文	本文提出了一种从稀疏未分割图像中预测三维对应关系的统一模型SPI-CorrNet	利用教师网络进行特征学习正则化，并量化数据依赖的偶然不确定性，以提高稀疏图像驱动统计形状模型的准确性和鲁棒性	未提及	改进从稀疏医学图像中构建统计形状模型的过程，提高模型在低质量或稀疏信息情况下的预测可靠性	三维解剖结构对应关系	计算机视觉	NA	深度学习	SPI-CorrNet	图像	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集
1910	2024-11-20	An intelligent sensing platform for detecting and identifying biochemical substances based on terahertz spectra 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126950 PMID:39353219	研究论文	本文开发了一种基于太赫兹光谱的智能传感平台，用于准确识别各种生物化学物质的太赫兹光谱	提出了两种识别模式：一维太赫兹光谱识别（OTSI）和基于太赫兹光谱图像的识别（TSII），并分别使用小型卷积神经网络（MCNN）和YOLO-v5目标检测模型进行识别	NA	开发一种智能传感平台，用于准确识别生物化学物质的太赫兹光谱	五种氨基酸（苯丙氨酸、甲硫氨酸、赖氨酸、亮氨酸、苏氨酸）和五种碳水化合物（阿斯巴甜、果糖、葡萄糖、乳糖一水合物、蔗糖）	机器学习	NA	太赫兹时域光谱（THz-TDS）	卷积神经网络（CNN）、YOLO-v5	光谱	10种生物化学物质
1911	2024-11-20	Rapid identification of Radix Astragali by data fusion of laser-induced breakdown spectroscopy and Raman spectroscopy coupled with deep learning 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127016 PMID:39406087	研究论文	本文提出了一种结合激光诱导击穿光谱（LIBS）和拉曼光谱与深度学习技术的方法，用于快速准确地识别黄芪样本	本文创新性地将LIBS和拉曼光谱数据融合，并利用卷积神经网络（CNN）模型进行分类，显著提高了黄芪样本的识别准确率	本文未详细讨论该方法在其他药材或复杂环境下的适用性和性能	旨在提高黄芪样本的快速准确识别能力，评估其质量和药效	黄芪样本	机器学习	NA	激光诱导击穿光谱（LIBS）、拉曼光谱	卷积神经网络（CNN）	光谱数据	未明确提及具体样本数量
1912	2024-11-20	A smartphone-integrated deep learning strategy-assisted rapid detection system for monitoring dual-modal immunochromatographic assay 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127043 PMID:39406103	研究论文	研究将自建并优化训练的YOLO v5模型集成到Java语言开发的智能手机应用中，开发了一种基于深度学习策略的双模态免疫层析快速检测系统，用于黄曲霉毒素B1（AFB1）的等级判定和浓度预测	创新性地使用量子点微球荧光免疫层析芯片进行半定量分析，并结合传统的胶体金纳米颗粒比色条，开发了一种紧凑且多功能的硬件设备，易于集成到不同尺寸的智能手机中，并利用智能手机的无线充电功能解决供电问题	NA	开发一种基于深度学习策略的双模态免疫层析快速检测系统，用于黄曲霉毒素B1（AFB1）的等级判定和浓度预测	黄曲霉毒素B1（AFB1）的等级判定和浓度预测	计算机视觉	NA	深度学习	YOLO v5	图像	NA
1913	2024-11-17	Secondary Structure Detection and Structure Modeling for Cryo-EM 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4213-9_17 PMID:39543043	研究论文	本文介绍了一种基于深度学习的工具集，用于在不同分辨率的冷冻电镜密度图中检测和建模蛋白质结构	开发了一套基于深度学习的工具，能够在不同分辨率的冷冻电镜密度图中自动建模蛋白质结构，并检测蛋白质二级结构	NA	开发和应用深度学习技术，以提高在不同分辨率冷冻电镜密度图中蛋白质结构的检测和建模能力	冷冻电镜密度图中的蛋白质结构	结构生物学	NA	深度学习	深度学习模型	图像	NA
1914	2024-11-15	Characterizing the concentration of ethanol-water solutions by oblique-incidence reflectivity difference combined with deep learning algorithms 2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125069 PMID:39241400	研究论文	本文利用斜入射反射率差分法结合深度学习算法，研究了乙醇-水溶液浓度的检测	本文创新性地将斜入射反射率差分法与多种深度学习算法结合，实现了乙醇-水溶液浓度的快速、非破坏性、准确和可靠的检测	NA	研究乙醇-水溶液浓度的检测方法	乙醇-水溶液的浓度	机器学习	NA	斜入射反射率差分法	多层感知器（MLP）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、CNN + BiLSTM + Attention	信号	体积浓度为0-95%的乙醇-水溶液
1915	2024-11-15	Rapid elimination of scattering in three-dimensional fluorescence spectra via deep learning 2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125121 PMID:39299067	研究论文	本文提出了一种基于深度学习CycleGAN模型的三维荧光光谱散射快速消除方法	利用深度学习CycleGAN模型自动批量消除三维荧光光谱中的散射效应	NA	开发一种能够自动批量消除三维荧光光谱中散射效应的方法	三维荧光光谱中的散射效应	机器学习	NA	深度学习	CycleGAN	光谱	大量模拟的三维荧光光谱数据和两组未见过的真实实验三维荧光光谱数据
1916	2024-11-15	Deep learning and feature reconstruction assisted vis-NIR calibration method for on-line monitoring of key growth indicators during kombucha production 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141411 PMID:39332357	研究论文	本文提出了一种基于深度学习和特征重构的可见近红外光谱校准方法，用于实时监测康普茶生产中的关键生长指标	本文创新性地结合了深度学习技术和可见近红外光谱技术，通过特征重构和多种神经网络模型的比较，实现了对康普茶生产过程中残糖和细菌浓度的实时监测	本文未详细讨论模型的泛化能力和在不同生产条件下的适用性	研究目的是开发一种能够实时监测康普茶生产过程中关键生长指标的方法，以确保产品质量	研究对象是康普茶生产过程中的残糖和细菌浓度	机器学习	NA	可见近红外光谱技术	卷积神经网络（1DCNN和2DCNN）	光谱数据	具体样本数量未在摘要中提及
1917	2024-11-15	A multi-verse optimizer-based CNN-BiLSTM pixel-level detection model for peanut aflatoxins 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141393 PMID:39342735	研究论文	本研究开发了一种基于多宇宙优化器的CNN-BiLSTM融合模型，用于高光谱图像中花生黄曲霉毒素的像素级检测	本研究创新性地使用了多宇宙优化器算法优化CNN-BiLSTM模型，显著提高了黄曲霉毒素检测的准确性和召回率	NA	提高高光谱图像中黄曲霉毒素像素级检测的准确性	花生中的黄曲霉毒素	计算机视觉	NA	多宇宙优化器	CNN-BiLSTM	高光谱图像	不同浓度的黄曲霉毒素光谱数据
1918	2024-11-15	Application of machine vision in food computing: A review 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141238 PMID:39368204	综述	本文基于实际应用案例，综述了机器视觉在食品计算中的研究现状和前景	探讨了基于传统机器学习和深度学习方法的图像识别技术在食品计算中的应用	NA	为食品行业与人工智能技术的融合和交叉提供坚实的理论基础和技术指导	食品计算中的图像识别技术	计算机视觉	NA	机器视觉	传统机器学习方法和深度学习方法	图像	NA
1919	2024-11-15	Integrating different detection techniques and data analysis methods for comprehensive food authenticity verification 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141471 PMID:39368208	综述	本文综述了用于食品真实性验证的先进检测技术和数据分析方法的整合	强调了复杂数据处理方法和多种技术整合在增强食品真实性测试中的关键作用	未具体提及	评估不同数据处理技术的优缺点，并探讨其潜在协同作用	食品真实性检测技术及其数据处理方法	机器学习	NA	机器学习和深度学习	NA	数据	NA
1920	2024-11-15	Image quality improvement in single plane-wave imaging using deep learning 2025-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107479 PMID:39366205	研究论文	本文提出了一种利用深度学习技术在单平面波成像中提高图像质量的方法	本文提出了一种新的方法，通过考虑单平面波的射频信号特性，使用1D U-Net、2D U-Net及其组合的编码器-解码器模型，生成高质量的超声图像	本文未提及具体的研究局限性	提高单平面波成像中的空间分辨率和对比度	超声图像的质量	计算机视觉	NA	深度学习	U-Net	图像	使用了一个公开的大规模SPWI/CPWC数据集