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
201	2025-03-16	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-Feb-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	本文介绍了一种名为SCOPER的解决方案，用于预测RNA在溶液中的结构和动力学，通过整合基于运动学的构象采样和创新的深度学习模型IonNet，显著提高了SAXS轮廓拟合的质量	引入了SCOPER管道，结合了运动学构象采样和深度学习模型IonNet，专门用于预测Mg离子结合位点，从而解决了RNA结构预测中的离子缺失和构象可塑性问题	需要初始足够准确的结构作为输入，且对实验SAXS数据的过拟合风险需要谨慎调整可塑性和离子密度	提高RNA在溶液中结构和动力学的预测准确性	RNA分子	机器学习	NA	小角X射线散射（SAXS）	深度学习模型IonNet	实验SAXS数据	14个实验数据集
202	2025-03-16	Short-Term Associations Between Ambient Ozone and Acute Myocardial Infarction Onset Among Younger Patients: Results From the VIRGO Study 2025-Feb, GeoHealth IF:4.3Q1 DOI:10.1029/2024GH001234 PMID:39968338	研究论文	本研究探讨了环境臭氧（O）与年轻患者急性心肌梗死（AMI）发作之间的短期关联，并分析了不同AMI亚型和患者特征的差异	首次在年轻患者中探讨了环境臭氧与急性心肌梗死发作的短期关联，并揭示了不同AMI亚型和种族/民族之间的差异	研究仅基于美国医院的数据，可能无法推广到其他地区	研究环境臭氧与年轻患者急性心肌梗死发作的短期关联	18-55岁的急性心肌梗死患者	环境健康	心血管疾病	时空深度学习	条件逻辑回归	环境数据和医疗数据	2,322名AMI患者，来自103家美国医院
203	2025-03-15	Multimodal depression detection based on an attention graph convolution and transformer 2025-Feb-27, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025024 PMID:40083285	研究论文	本文提出了一种基于脑电图（EEG）和语音信号的多模态抑郁症检测模型，名为MHA-GCN_ViT，通过深度学习技术有效提取和融合EEG信号的频域特征和时空特征与语音信号的频域特征	创新点在于结合了图卷积网络（GCN）和视觉变换器（ViT），并引入了多头注意力机制，显著提升了多模态抑郁症检测的性能	未明确提及具体局限性	提高抑郁症检测的准确性和多模态特征的融合效果	抑郁症患者	机器学习	抑郁症	离散小波变换（DWT）、短时傅里叶变换（STFT）	图卷积网络（GCN）、视觉变换器（ViT）	脑电图（EEG）信号、语音信号	MODMA数据集
204	2025-03-15	A variational deep-learning approach to modeling memory T cell dynamics 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.08.602409 PMID:40060443	研究论文	本文提出了一种结合深度学习和随机变分推理的方法，用于建模小鼠流感病毒感染后肺内记忆T细胞的动态变化	该方法能够同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据进行训练，而非预定义细胞群的动力学	研究仅限于小鼠模型，未涉及人类或其他生物系统的验证	研究旨在解决高维数据与可解释数学模型之间的挑战，特别是在免疫反应中的细胞动态变化	小鼠流感病毒感染后的肺内记忆CD4和CD8 T细胞	机器学习	流感	单细胞流式细胞术	深度学习与随机变分推理	单细胞数据	NA
205	2025-03-15	AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data 2025-Feb-24, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025021 PMID:40083282	研究论文	本文探讨了在低收入和资源有限的国家中，利用AI驱动的预测模型和分类器来区分COVID-19与其他呼吸系统疾病，并预测呼吸系统疾病的趋势	本文创新地结合了自回归（AR）、移动平均（MA）、ARMA模型以及机器学习和深度学习算法，用于预测每日确诊死亡人数，并识别COVID-19严重程度指标	研究主要基于也门的数据，可能无法完全推广到其他地区或国家	通过AI驱动的健康分析优化资源分配并增强呼吸系统疾病的预测能力	也门患者的COVID-19数据	机器学习	COVID-19	自回归（AR）、移动平均（MA）、ARMA模型、机器学习和深度学习算法	ARMA、决策树（DT）、随机森林（RF）、支持向量机（SVM）	COVID-19数据	80%的数据用于训练，20%的数据用于测试
206	2025-03-15	Uncertainty CNNs: A path to enhanced medical image classification performance 2025-Feb-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025020 PMID:40083281	研究论文	本文介绍了一种低复杂度的基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次展示了测试集增强可以显著提高医学图像的分类性能，并引入了一种低复杂度的不确定性CNN架构	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高医学图像分类的准确性和不确定性量化	医学图像，特别是肿瘤和心力衰竭检测	计算机视觉	肿瘤和心力衰竭	不确定性量化（UQ）和测试集增强技术	CNN	医学图像（MRI和CT扫描）	使用了三个数据集：脑MRI、肺CT扫描和心脏MRI
207	2025-03-15	HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89961-7 PMID:39966596	研究论文	本文提出了一种结合卷积神经网络和蚁群优化的混合深度学习框架HDL-ACO，用于提高眼科光学相干断层扫描图像分类的准确性和计算效率	HDL-ACO框架结合了离散小波变换和ACO优化的数据增强，以及基于Transformer的特征提取模块，显著提升了分类性能	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高眼科光学相干断层扫描图像分类的准确性和计算效率	眼科光学相干断层扫描图像	计算机视觉	眼科疾病	离散小波变换，蚁群优化，Transformer	CNN, ACO, Transformer	图像	未提及具体样本数量
208	2025-03-15	Learning maximally spanning representations improves protein function annotation 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638156 PMID:40027840	研究论文	本文提出了一种名为MSRep的新型深度学习框架，旨在解决蛋白质功能注释中的不平衡问题，并提高注释准确性	MSRep框架通过优化受神经崩溃（NC）启发的损失函数，确保少数功能在嵌入空间中与多数功能同等表示，从而提高了预测准确性和泛化能力	虽然MSRep在多个蛋白质功能注释任务中表现出色，但其在未表征蛋白质上的应用仍需进一步验证	提高蛋白质功能注释的准确性，特别是对于研究不足的功能类别	蛋白质功能注释	计算生物学	NA	深度学习	预训练蛋白质语言模型	蛋白质序列数据	NA
209	2025-03-15	An interpretable ensemble model combining handcrafted radiomics and deep learning for predicting the overall survival of hepatocellular carcinoma patients after stereotactic body radiation therapy 2025-Feb-14, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06119-8 PMID:39948208	研究论文	本研究开发了一种结合手工放射组学和深度学习的可解释集成模型，用于预测接受立体定向放射治疗（SBRT）的肝细胞癌（HCC）患者的2年生存率	通过集成放射组学和深度学习特征与临床数据，开发了一个强大的预测模型，并使用后解释技术增强了模型的可解释性	样本量相对较小（186例患者），且仅基于单一治疗方式（SBRT）的数据	预测接受立体定向放射治疗的肝细胞癌患者的2年生存率	186例接受立体定向放射治疗的肝细胞癌患者	数字病理学	肝细胞癌	放射组学特征提取，深度学习	集成模型（结合手工放射组学和CNN）	CT图像，临床数据	186例肝细胞癌患者
210	2025-03-15	Next-generation sequencing based deep learning model for prediction of HER2 status and response to HER2-targeted neoadjuvant chemotherapy 2025-Feb-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06105-0 PMID:39923208	研究论文	本研究旨在通过结合NGS数据和IHC染色图像，开发一种基于Vision Transformer的深度学习模型，以提高HER2扩增状态检测的准确性和效率，并预测HER2靶向新辅助化疗的疗效	首次将NGS数据与IHC染色图像结合，利用Vision Transformer深度学习模型进行HER2扩增状态识别，并预测新辅助化疗疗效	HER2表达在癌组织中的异质性可能导致模型误识别	提高HER2扩增状态检测的准确性和效率，并预测HER2靶向新辅助化疗的疗效	606名乳腺癌患者的NGS数据和IHC染色图像，以及399名HER2阳性乳腺癌患者的新辅助化疗疗效	数字病理	乳腺癌	NGS, IHC染色	Vision Transformer (ViT)	图像, 基因测序数据	606名乳腺癌患者的NGS数据和IHC染色图像，其中404名用于训练，101名用于验证，101名用于测试
211	2025-03-15	A two-branch framework for blood pressure estimation using photoplethysmography signals with deep learning and clinical prior physiological knowledge 2025-Feb-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adae50 PMID:39854841	研究论文	本文提出了一种新颖的双分支框架，利用光电容积描记（PPG）信号进行血压估计，结合深度学习和临床先验知识，实现了无袖带精确血压估计	结合深度学习和临床先验知识，采用双分支特征提取方法，并考虑昼夜血压变化，构建特定时段的血压估计模型	NA	开发一种无袖带、精确的血压估计技术，用于连续健康监测和心血管疾病预防	光电容积描记（PPG）信号	机器学习	心血管疾病	深度学习	MobileViTv2, Vgg19	PPG信号	HRSD和MIMIC-IV数据集
212	2025-03-15	Deep learning and radiomics for gastric cancer serosal invasion: automated segmentation and multi-machine learning from two centers 2025-Feb-03, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06117-w PMID:39900688	研究论文	本研究旨在开发一种自动化方法，使用深度学习模型分割脾脏CT图像，并结合放射组学和深度学习特征构建胃癌浆膜浸润预测模型	采用U-Mamba深度学习模型实现脾脏CT图像的自动分割，结合放射组学和深度学习特征构建预测模型，并生成诺模图以探索临床指导意义	研究仅基于两个中心的311名患者，样本量相对有限，且未提及外部验证	开发自动化脾脏CT图像分割方法，并构建胃癌浆膜浸润预测模型	311名经病理学确诊的胃癌患者	数字病理学	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	311名患者
213	2025-03-15	A practical deep learning model for core temperature prediction of specialized workers in high-temperature environments 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104079 PMID:39970650	研究论文	本文开发了一种结合卡尔曼滤波和长期序列预测深度学习模型的无创核心温度预测模型，用于高温环境下特种作业人员的健康监测	结合卡尔曼滤波和长期序列预测深度学习模型，利用皮肤温度和心率作为输入特征，实现个性化实时核心温度预测	实验样本量较小（13名参与者），且仅在34至40°C的环境温度下进行验证	开发一种实用的深度学习模型，用于预测高温环境下特种作业人员的核心温度，以支持健康监测和保护	高温环境下特种作业人员的核心温度	机器学习	NA	深度学习	长期序列预测深度学习模型	皮肤温度和心率数据	13名参与者在34至40°C环境温度下的实验数据
214	2025-03-15	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	研究论文	本研究提出了一种结合人工智能和局部表面等离子体共振技术的系统，用于实时监测和诊断人体组织感染	该系统结合了AI和LSPR技术，显著缩短了检测时间，提高了诊断准确性，并降低了医疗成本	研究样本主要来自三个医疗中心，可能无法完全代表所有医疗环境	开发一种实时监测和诊断人体组织感染的系统	人体组织感染	生物物理建模	组织感染	局部表面等离子体共振（LSPR）技术	深度学习	单细胞转录组数据	486人（107名未感染，379名感染）的2,333,481个单细胞转录组数据，并在三个主要医疗中心进行了1655例临床实施
215	2025-03-14	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	评论	本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景	文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成	文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向	研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景	研究对象是天然产物及其在药物发现中的应用	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	生物数据	NA
216	2025-03-14	Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data 2025-Feb-19, ArXiv PMID:40034133	研究论文	本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建	RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题	尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制	研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法	研究对象是MRI图像，特别是低场输入下的图像重建	计算机视觉	NA	神经风格迁移（NST）	NA	图像	NA
217	2025-03-14	PhysioEx: a new Python library for explainable sleep staging through deep learning 2025-Feb-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adaf73 PMID:39874654	研究论文	本文介绍了一个名为PhysioEx的Python库，旨在通过深度学习和可解释AI支持睡眠分期分析	PhysioEx提供了一个可扩展和模块化的API，用于标准化和自动化睡眠分期流程，并支持低资源设备和高性能计算集群	未明确提及具体局限性	开发一个标准化的平台，结合深度学习和可解释AI进行睡眠分期分析	睡眠分期	机器学习	睡眠障碍	深度学习（DL）和可解释AI（XAI）	预训练模型	单通道EEG和多通道EEG-EOG-EMG配置	基于Sleep Heart Health Study数据集的预训练模型
218	2025-03-14	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Feb-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散概率模型的全身PET图像去噪方法，该方法在多种扫描仪、示踪剂和剂量水平下表现出色	提出了3D Denoising Diffusion Probabilistic Model (3D DDPM)作为全身PET图像去噪的通用解决方案，相比传统方法在多样化的PET协议下表现更优	NA	提高全身PET图像的质量，解决传统深度学习方法在处理多样化PET协议时的不足	全身PET图像	计算机视觉	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	图像	来自四种扫描仪、四种示踪剂类型和六种剂量水平的数据集
219	2025-03-14	Performance and clinical implications of machine learning models for detecting cervical ossification of the posterior longitudinal ligament: a systematic review 2025-Feb, Asian spine journal IF:2.3Q2 DOI:10.31616/asj.2024.0452 PMID:39829182	系统综述	本文系统评估了机器学习和深度学习模型在检测颈椎后纵韧带骨化症（OPLL）中的诊断性能和临床意义	首次系统综述了机器学习和深度学习模型在OPLL检测中的应用，并分析了其诊断性能和临床意义	研究存在中等程度的偏倚风险，主要与参与者选择和缺失数据有关	评估机器学习和深度学习模型在OPLL检测中的诊断性能和临床意义	颈椎后纵韧带骨化症（OPLL）患者	医学影像分析	颈椎后纵韧带骨化症	机器学习和深度学习	卷积神经网络（CNN）和随机森林模型	影像数据	6,031名患者
220	2025-03-14	Diagnostic accuracy of radiomics and artificial intelligence models in diagnosing lymph node metastasis in head and neck cancers: a systematic review and meta-analysis 2025-Feb, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03485-x PMID:39527265	meta-analysis	本文通过系统回顾和荟萃分析评估了放射组学和人工智能模型在诊断头颈癌淋巴结转移中的准确性	首次系统评估了不同影像学方法（CT、MRI、PET/CT）和模型类型（深度学习、手工放射组学）在头颈癌淋巴结转移诊断中的准确性，并进行了比较	大多数研究缺乏外部验证，所有分析仅限于内部验证集	评估人工智能模型在头颈癌淋巴结转移诊断中的准确性	头颈癌患者的淋巴结转移	digital pathology	head and neck cancers	CT, MRI, PET/CT	deep learning, hand-crafted radiomics	image	23篇符合纳入标准的研究