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	2025-05-15	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-Feb-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	本研究开发了一种深度学习模型，用于预测阿尔茨海默病（AD）认知转化，以指导更强化治疗的重新分配决策	使用深度学习模型整合多种变量集（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）预测AD认知转化，并建立了简约模型	样本量在随访过程中逐渐减少，可能影响模型的泛化能力	早期诊断和准确预测AD认知衰退，以优化治疗方案	阿尔茨海默病（AD）患者	数字病理学	老年疾病	深度学习	深度学习模型	纵向数据（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）	基线607人，12个月随访538人，24个月随访482人，36个月随访268人，48个月随访280人
202	2025-05-15	Binding mechanism of inhibitors to DFG-in and DFG-out P38α deciphered using multiple independent Gaussian accelerated molecular dynamics simulations and deep learning 2025-Feb, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2475407 PMID:40110797	研究论文	本研究利用高斯加速分子动力学模拟、深度学习和MM-GBSA方法，探究了抑制剂与DFG-in和DFG-out P38α的结合机制	结合高斯加速分子动力学模拟、深度学习和MM-GBSA方法，系统研究了P38α不同构象对抑制剂结合的影响，并识别了关键功能域和结合热点	研究主要基于计算模拟，需要进一步实验验证	阐明P38α不同构象对抑制剂结合的影响机制，为P38α选择性抑制剂设计提供理论支持	P38α蛋白及其抑制剂(SB2、SK8和BMU)	计算生物学	多种疾病	高斯加速分子动力学模拟(GaMD)、深度学习(DL)、分子力学广义玻恩表面积(MM-GBSA)	深度学习	分子动力学模拟数据	三种抑制剂(SB2、SK8和BMU)与P38α的相互作用
203	2025-05-14	stAI: a deep learning-based model for missing gene imputation and cell-type annotation of spatial transcriptomics 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf158 PMID:40057378	研究论文	介绍了一种基于深度学习的模型stAI，用于空间转录组学数据中的缺失基因插补和细胞类型注释	stAI模型通过联合嵌入scST和参考scRNA-seq数据，利用两个独立的编码器-解码器模块，在潜在空间中以监督方式同时进行基因插补和细胞类型注释	NA	解决单细胞空间转录组学(scST)应用中全转录组水平表征和细胞类型全面注释的两大挑战	单细胞空间转录组学(scST)数据	数字病理学	NA	空间转录组学技术, scRNA-seq	深度学习模型(编码器-解码器模块)	空间转录组学数据, scRNA-seq数据	NA
204	2025-05-14	Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data 2025-Feb-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26052085 PMID:40076709	research paper	该研究利用机器学习方法分析英国生物银行的基因组数据，旨在预测多发性硬化症和阿尔茨海默病的基因组易感性	研究比较了逻辑回归、集成树方法和深度学习模型在预测复杂疾病基因组易感性方面的表现，并利用可解释性工具揭示了多发性硬化症的多基因性	深度学习模型表现存在较大变异性，可能影响预测的稳定性	预测多发性硬化症和阿尔茨海默病的基因组易感性	英国生物银行的基因组数据	machine learning	multiple sclerosis, Alzheimer's disease	genomic data analysis	logistic regression, ensemble tree methods, deep learning models	genomic data	NA
205	2025-05-14	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	提出了一种基于EEG和语音信号的多模态抑郁症检测模型MHA-GCN_ViT，结合GCN和ViT技术提升检测准确率	首次将多模态EEG和语音信号结合，利用GCN和ViT技术进行特征提取和融合，显著提高了抑郁症检测的准确率	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的适用性	提高抑郁症检测的准确率，解决单模态检测的局限性	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)	GCN, ViT	EEG信号, 语音信号	MODMA数据集上的五折交叉验证
206	2025-05-14	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	本文探讨了在资源有限的也门，利用AI驱动的预测模型和分类器，通过COVID-19数据预测呼吸系统疾病趋势，以优化医疗资源分配	结合自回归模型、移动平均模型、ARMA模型及多种机器学习和深度学习算法，预测呼吸系统疾病趋势并识别COVID-19严重性指标	研究样本仅基于也门数据，模型在其他地区的适用性未验证，且深度学习模型的准确率相对较低	提升资源有限地区对COVID-19与其他呼吸系统疾病的区分能力，优化医疗资源分配	也门COVID-19患者数据	数字病理	COVID-19	AR, MA, ARMA, 机器学习, 深度学习	ARMA, Decision Tree, Random Forest, SVM, 深度学习模型	医疗数据	80%训练数据，20%测试数据（具体样本数未提及）
207	2025-05-14	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	本文提出了一种低复杂度基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次证明了测试集增强可以显著提高医学图像的分类性能，并引入了量化预测不确定性的方法	NA	提高医学图像分类的准确性和可靠性	肿瘤和心力衰竭的医学图像	数字病理	肿瘤和心血管疾病	深度学习	CNN	医学图像	三个数据集：脑部MRI、肺部CT扫描和心脏MRI
208	2025-05-13	Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study 2025-Feb-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67576 PMID:40053733	研究论文	开发并验证了一种基于深度学习的模型EIANet，用于通过12导联心电图图像预测急诊科心脏骤停	提出了一种新型深度学习模型EIANet，利用12导联心电图图像进行早期预测，并整合了空间注意力模块和自定义的二进制召回损失函数	数据集的样本量相对较小，且外部验证的性能有所下降	解决急诊科心脏骤停的早期检测问题	急诊科成年患者的心电图图像	数字病理学	心血管疾病	深度学习	ResNet50	图像	NTUH数据集包含571例病例心电图和826例对照心电图，FEMH数据集包含378例病例心电图和713例对照心电图
209	2025-05-13	Unsupervised translation of vascular masks to NIR-II fluorescence images using Attention-Guided generative adversarial networks 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91416-y PMID:40000690	research paper	提出一种无监督的生成对抗网络方法，将血管掩模转换为真实的NIR-II荧光血管图像	利用集成在损失函数中的注意力机制，在生成过程中聚焦关键特征，无需监督即可生成高质量的NIR-II图像	未提及具体的数据集规模或多样性限制	解决NIR-II医学成像中数据集有限的问题	血管的NIR-II荧光图像	computer vision	NA	NIR-II荧光成像	GAN	image	NA
210	2025-05-13	SVEA: an accurate model for structural variation detection using multi-channel image encoding and enhanced AlexNet architecture 2025-Feb-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06213-y PMID:39987107	研究论文	本文介绍了一种名为SVEA的深度学习模型，用于通过多通道图像编码和增强的AlexNet架构进行结构变异检测	SVEA采用新颖的多通道图像编码方法，将结构变异转化为多维图像格式，并结合多头自注意力机制和多尺度卷积模块，提升了对全局上下文和多尺度特征的捕捉能力	文章提到模型仍有进一步优化的空间	提高结构变异检测的准确性	基因组中的结构变异	机器学习	NA	多通道图像编码	AlexNet架构结合多头自注意力机制和多尺度卷积模块	基因组数据	多样化的基因组数据集
211	2025-05-13	Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10960-9 PMID:39060495	研究论文	本研究开发了一种基于深度学习的自动ASPECTS评分系统，用于提高急性缺血性卒中患者的诊断效率	首次开发并验证了一种基于深度学习的自动ASPECTS评分系统，该系统在临床应用中显著提高了诊断效率和一致性	系统在临床应用时仍需医生验证	开发一种临床适用的自动ASPECTS评分系统，以提高急性缺血性卒中的诊断效率和准确性	急性缺血性卒中患者的非对比计算机断层扫描(NCCT)图像	数字病理学	心血管疾病	深度学习	DL	医学影像	开发队列1767例，独立测试队列220例，前瞻性临床应用研究13399例患者
212	2025-05-12	GBCHV an advanced deep learning anatomy aware model for accurate classification of gallbladder cancer utilizing ultrasound images 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89232-5 PMID:40016258	研究论文	本研究介绍了一种新颖的深度学习方法，旨在利用超声图像准确分类胆囊癌（GBC）为良性、恶性和正常类别	该模型的创新点在于其解剖感知机制，通过水平-垂直条带变换更准确地描绘胆囊的空间关系和复杂解剖特征	NA	提高胆囊癌的早期精确分类	胆囊癌的超声图像	数字病理学	胆囊癌	超声成像	GBCHV-Trans（基于Transformer的模型）	图像	GBC USG（GBCU）数据集中的超声图像
213	2025-05-12	CatPred: a comprehensive framework for deep learning in vitro enzyme kinetic parameters 2025-Feb-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57215-9 PMID:40021618	研究论文	提出了一种名为CatPred的深度学习框架，用于预测体外酶动力学参数	CatPred解决了标准化数据集缺乏、训练期间未见酶序列的性能评估以及模型不确定性量化等关键挑战	NA	开发一个深度学习框架来预测体外酶动力学参数	酶动力学参数（包括转换数k、米氏常数K和抑制常数K）	机器学习	NA	深度学习	预训练蛋白质语言模型	酶序列数据	约23k、41k和12k个数据点（分别对应k、K和K）
214	2025-05-12	Semantic structure preservation for accurate multi-modal glioma diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88458-7 PMID:40021688	research paper	提出了一种名为RFPMSS的新型语义结构保持一致性方法，用于多模态胶质瘤诊断	通过多锚点分配和自由文本报告提取监督信号，实现了多模态语义结构的保留和全局对齐	需要依赖患者检查报告作为监督信号，可能受报告质量和完整性的影响	提高多模态医学图像分析的准确性	胶质瘤患者的多模态医学图像和检查报告	digital pathology	glioma	deep learning	RFPMSS	multimodal medical images and text reports	datasets from Shanxi Provincial Cancer Hospital and Shanxi Provincial People's Hospital
215	2025-05-12	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	研究论文	介绍了一种名为OVision的低成本、深度学习驱动的便携式医疗设备框架，用于辅助癌症的病理诊断	利用Raspberry Pi开发了一种便携式、低成本的独立设备，无需互联网连接和高端基础设施，显著降低了成本同时保持了诊断准确性	目前仅针对卵巢癌亚型进行了验证，尚未扩展到其他癌症类型	解决资源受限地区癌症诊断技术获取不平等的问题，开发低成本、高精度的便携式诊断设备	卵巢癌亚型的病理诊断	数字病理	卵巢癌	深度学习	NA	病理图像	NA
216	2025-05-12	Integrating convolutional layers and biformer network with forward-forward and backpropagation training 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92218-y PMID:40021838	研究论文	提出了一种名为Deep-CBN的新框架，用于提高分子属性预测的准确性和效率	结合了卷积神经网络和BiFormer注意力机制，并采用前向-前向算法和反向传播进行训练	未提及具体的数据集规模限制或模型计算复杂度	提高分子属性预测的准确性以加速药物发现过程	分子属性预测	机器学习	NA	卷积神经网络和BiFormer注意力机制	CNN和BiFormer	SMILES字符串	多个基准数据集（Tox21、BBBP、SIDER、ClinTox、BACE、HIV、MUV）
217	2025-05-12	Software defect prediction based on residual/shuffle network optimized by upgraded fish migration optimization algorithm 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91784-5 PMID:40021906	研究论文	提出了一种基于残差/洗牌网络和升级版鱼群迁移优化算法的软件缺陷预测新方法	结合深度学习和元启发式算法训练软件代码，提取语义和结构特征	分析仅限于开源项目，需进一步评估在专有软件上的表现	提高软件缺陷预测的准确性，减少人工工作量	开源软件项目	机器学习	NA	元启发式优化算法	Residual/Shuffle Networks	软件代码	多个开源项目
218	2025-05-12	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	介绍了一种名为Neurofind的新工具，利用深度学习在基于脑部的疾病中进行个体化推断	Neurofind是一个免费的网络平台，集成了数据协调和先进的规范模型，用户只需提供极少的输入	需要结构MRI图像作为输入，可能限制了某些研究的适用性	开发一个易于使用的工具，用于在精准精神病学中解析异质性	健康对照者和被诊断为阿尔茨海默病和精神分裂症的患者	数字病理学	阿尔茨海默病, 精神分裂症	结构MRI	对抗自编码器, 支持向量回归	图像	3362张健康对照者的图像和364张患者的图像
219	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm 2025-Feb-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57148-3 PMID:40016259	research paper	该论文介绍了一种名为Seq2Symm的模型，用于快速准确预测蛋白质同源寡聚体的对称性	通过微调多种蛋白质基础模型，Seq2Symm利用ESM2，在预测同源寡聚体对称性方面优于现有的基于模板和深度学习方法	NA	开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM2	Seq2Symm	protein sequence	5个蛋白质组和约350万未标记蛋白质序列
220	2025-05-12	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高肌萎缩侧索硬化症（ALS）的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS诊断准确率，解决了涉及TDP-43蛋白病的神经退行性疾病重叠的挑战	研究样本量较小，仅使用了190张尸检脑图像	提高ALS的早期诊断准确率并改善患者分层	ALS患者（包括无认知障碍和有认知障碍的患者）及对照组	数字病理学	肌萎缩侧索硬化症	神经影像分析	CNN（DenseNet121结合Squeeze-and-Excitation注意力机制）	图像	190张尸检脑图像