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
481	2025-05-04	Functional profiling of the sequence stockpile: a protein pair-based assessment of in silico prediction tools 2025-Feb-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf035 PMID:39854283	研究论文	本文评估了现有蛋白质功能预测工具在预测非同源或远离已知蛋白质家族的蛋白质分子功能方面的潜力和局限性	通过评估蛋白质对的功能相似性，提出了一种超越功能注释词汇限制的新评估方法，并揭示了现有方法在预测缺乏参考的蛋白质功能方面的局限性	缺乏真实的蛋白质功能注释作为基准，且现有方法在预测非参考蛋白质功能方面表现不佳	评估现有蛋白质功能预测工具的预测能力，特别是在非同源或远离已知蛋白质家族的蛋白质上的表现	数千种非同源或远离已知蛋白质家族的蛋白质	生物信息学	NA	深度学习	NA	蛋白质序列	数千种蛋白质
482	2025-05-04	Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma 2025-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8493 PMID:39848779	research paper	本研究通过新型距离分辨3D评估方法，分析胶质母细胞瘤(GBM)周围增强浸润区的ADC值，探讨MGMT启动子甲基化状态对ADC分布的影响	首次采用距离分辨3D评估方法揭示GBM肿瘤核心周围组织的ADC分布特征，发现mMGMT与uMGMT在周围组织中的ADC分布差异	回顾性研究设计，样本量有限(n=101)，仅针对IDH野生型GBM患者	探究MGMT启动子甲基化状态是否影响GBM的MRI标记物特征	101例IDH野生型胶质母细胞瘤患者(43例mMGMT，58例uMGMT)	digital pathology	glioblastoma	MRI，FLAIR成像，ADC分析	深度学习分割模型	3D医学影像数据	101例IDH野生型GBM患者(43例甲基化，58例未甲基化)
483	2025-05-04	χ-sepnet: Deep Neural Network for Magnetic Susceptibility Source Separation 2025-Feb-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70136 PMID:39835664	research paper	开发了一种名为χ-sepnet的深度神经网络，用于磁化率源分离，以解决传统方法中的条纹伪影问题并减少数据采集时间	提出了两种基于深度学习的磁化率源分离流程，χ-sepnet- 和χ-sepnet- ，分别支持多回波GRE和多回波自旋回波（或快速自旋回波）输入以及仅多回波GRE输入	需要进一步评估各种疾病和病理条件下的应用效果	改进磁化率源分离方法，减少伪影并提高图像质量	健康受试者和多发性硬化症患者的脑部结构	医学影像处理	多发性硬化症	多回波GRE和多回波自旋回波（或快速自旋回波）成像	Deep Neural Network (DNN)	医学影像数据	250个病灶（来自多发性硬化症患者）
484	2025-05-04	A Deep Learning-Based Approach to Detect Lamina Dura Loss on Periapical Radiographs 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01405-w PMID:39838226	研究论文	开发一种基于深度学习的定制AI模型，用于检测口内根尖周X光片上的硬骨板缺失	首次应用AI算法检测根尖周X光片上的硬骨板缺失	测试集样本量较小（71张图像）	开发AI模型辅助临床医生准确诊断硬骨板缺失	前牙和后牙区域的根尖周X光片	数字病理	牙科疾病	深度学习	ResNet架构的定制AI模型	图像	701张根尖周X光片（前牙和后牙区域）
485	2025-05-04	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	research paper	提出一种基于深度学习的自动化方法，用于评估修复后唇裂患者的唇部对称性	利用对比学习量化唇部对称性，无需患者图像进行训练，通过面部图像变换模拟唇裂不对称性	模型的加权准确率和Pearson相关系数仍有提升空间	自动化评估修复后唇裂患者的唇部对称性，为手术效果提供更高效和客观的工具	修复后唇裂患者	computer vision	cleft lip	contrastive learning	deep learning model	image	146张修复后唇裂患者的图像
486	2025-05-04	AggNet: Advancing protein aggregation analysis through deep learning and protein language model 2025-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70031 PMID:39840791	research paper	介绍了一种名为AggNet的新型深度学习框架，用于蛋白质聚集分析	结合蛋白质语言模型ESM2和AlphaFold2，利用理化、进化和结构信息区分淀粉样和非淀粉样肽，并识别蛋白质中的聚集倾向区域	未提及具体样本量或数据集的多样性限制	开发高效的计算工具以预测蛋白质聚集，辅助生物治疗开发和蛋白质工程	淀粉样和非淀粉样肽，以及蛋白质中的聚集倾向区域	machine learning	NA	deep learning, protein language model (ESM2, AlphaFold2)	AggNet (基于ESM2和AlphaFold2的深度学习框架)	蛋白质序列和结构数据	NA
487	2025-05-04	Artificial Intelligence In Health And Health Care: Priorities For Action 2025-Feb, Health affairs (Project Hope) DOI:10.1377/hlthaff.2024.01003 PMID:39841940	评论	本文讨论了人工智能在健康和医疗保健领域的应用及其优先行动方向	提出了在健康和医疗保健领域安全、有效和公平使用AI的战略方向	未具体提及研究数据或实验结果的局限性	为2025年健康和医疗保健领域的AI应用提供指导	健康和医疗保健领域的AI应用	机器学习	NA	深度学习，生成式AI	NA	NA	NA
488	2025-05-04	Artificial intelligence-enhanced comprehensive assessment of the aortic valve stenosis continuum in echocardiography 2025-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105560 PMID:39842286	research paper	开发并验证了一种基于人工智能的系统，用于评估主动脉瓣狭窄（AS），适用于资源有限和先进的临床环境	开发了双路径AI系统，包括基于深度学习的AS连续评估算法和自动化常规AS评估，展示了优异的诊断和预后价值	需要进一步在不同环境中验证其有效性	评估主动脉瓣狭窄（AS）的诊断和预后	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	深度学习	DL	2D TTE videos	developmental dataset (n=8427), internal test dataset (n=841), distinct hospital dataset (n=1696), temporally distinct dataset (n=772)
489	2025-05-04	Informatics strategies for early detection and risk mitigation in pancreatic cancer patients 2025-Feb, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2025.101129 PMID:39842383	review	本文综述了胰腺癌筛查、诊断和早期检测的现状，强调了高风险人群的针对性筛查需求以及先进成像技术和新型生物标志物的应用	强调了AI驱动方法在早期检测中的潜力，以及液体活检技术在分析循环肿瘤DNA、循环肿瘤细胞和外泌体中的新兴作用	未提及具体研究样本量或实验设计的局限性	提高胰腺癌的早期检测和风险缓解策略	胰腺癌高风险人群，特别是具有家族遗传倾向和特定基因突变的个体	digital pathology	pancreatic cancer	Endoscopic Ultrasound (EUS), Contrast-Enhanced Harmonic Imaging (CEH-EUS), liquid biopsy, AI-driven approaches	deep learning	imaging data, biomarker data	NA
490	2025-05-04	MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning 2025-Feb, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15288 PMID:39844431	研究论文	提出了一种结合CNN和Mamba的混合模型MI-Mamba，用于解码运动想象（MI）脑电图数据	首次将Mamba模型应用于脑电图解码，结合CNN和Mamba的优势，有效处理长序列依赖并减少参数数量	仅在两个公开数据集上进行了验证，需要更多数据集验证其泛化能力	改进运动想象脑电图解码的准确性和效率	多通道脑电图信号	机器学习	NA	脑电图解码	CNN与Mamba混合模型	脑电图信号	两个公开数据集（BCI Competition IV 2a和2b）
491	2025-05-04	Artificial Intelligence-Based Detection and Numbering of Dental Implants on Panoramic Radiographs 2025-Feb, Clinical implant dentistry and related research IF:3.7Q1 DOI:10.1111/cid.70000 PMID:39846131	research paper	开发了一种基于人工智能的深度学习模型，用于在全景X光片中检测和编号牙科植入物	该模型能够同时检测和编号植入物，为牙科植入学提供临床决策支持	需要更多样化的数据集进行进一步验证以增强其临床适用性	提高牙科植入物的检测和编号准确性，支持临床决策	全景X光片中的牙科植入物	computer vision	NA	deep learning	YOLOv8	image	32,585张全景X光片
492	2025-05-04	Deep learning methods for proteome-scale interaction prediction 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102981 PMID:39848140	综述	本文综述了深度学习在蛋白质组规模相互作用预测中的最新进展	强调了深度学习在蛋白质-蛋白质和蛋白质-配体相互作用筛选中的应用，以及整合结构信息以提高预测准确性的重要性	数据质量和验证偏差等挑战仍然存在	推动蛋白质组规模相互作用预测，以理解蛋白质功能和疾病机制	蛋白质-蛋白质和蛋白质-配体相互作用	机器学习	NA	深度学习	NA	蛋白质相互作用数据	NA
493	2025-05-04	Deep learning enabled rapid classification of yeast species in food by imaging of yeast microcolonies 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115604 PMID:39849741	研究论文	本研究提出了一种基于深度学习的酵母分类方法，通过结合传统培养方法、白光光学显微镜和深度学习技术，快速检测和分类食品中的酵母	利用深度卷积神经网络在6小时内准确区分7种不同酵母，并通过生成对抗网络（GAN）生成的合成图像数据集提高了特定酵母物种的分类性能	研究仅验证了番茄和番茄汁中的模型性能，未涵盖所有食品类型	加速食品中酵母物种的检测和分类，以控制食品腐败	食品中的酵母物种	计算机视觉	NA	白光光学显微镜、深度学习	CNN、GAN	图像	7种不同酵母
494	2025-05-04	AI-based processing of future prepared foods: Progress and prospects 2025-Feb, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115675 PMID:39849794	review	本文综述了人工智能在预制食品加工中的分类、清洁、切割、预处理和冷冻等环节的应用进展与前景	总结了AI在预制食品加工中的多种应用技术，如计算机视觉、深度学习模型等，并探讨了其在提高效率、准确性和一致性方面的潜力	面临大规模数据和复杂模型管理的挑战	探讨人工智能在预制食品加工中的应用及其对行业发展的影响	预制食品的加工过程	machine learning	NA	数学建模、化学计量学、机器学习、模糊逻辑、自适应神经模糊推理系统	深度学习模型	图像、光谱数据	NA
495	2025-05-03	Social associations across species during nocturnal bird migration 2025-Feb-24, Current biology : CB IF:8.1Q1 DOI:10.1016/j.cub.2024.12.033 PMID:39818216	研究论文	本研究探讨了夜行性候鸟迁徙过程中跨物种的社会信息交流及其对飞行行为的影响	首次提供了夜行性候鸟迁徙过程中跨物种社会关联的定量证据	社会关联对迁徙决策的具体影响机制尚不明确	探索候鸟迁徙过程中的跨物种社会信息交流	27种北美陆鸟的夜行性迁徙行为	生态学	NA	深度学习	NA	音频数据	超过18,000小时的夜间鸟类迁徙录音和175,000多个飞行中的鸣叫
496	2025-05-03	Multi-label segmentation of carpal bones in MRI using expansion transfer learning 2025-Feb-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabae PMID:39823747	research paper	开发一种基于深度学习的多标签分割方法，用于MRI中八块腕骨的精确分割，以支持治疗计划和手腕动态分析	首次提出基于CNN的MRI人类腕骨多标签分割方法，并引入扩展迁移学习（ETL）架构，提高了在大视野中定位小感兴趣区域的能力	研究仅使用了15个MRI扫描数据，样本量较小	开发一种在小MRI数据集上训练的鲁棒深度学习方法，用于腕骨的多标签分割	八块人类腕骨	digital pathology	NA	MRI	3D U-Net, CNN	image	15个3.0-T MRI扫描数据，来自5名健康受试者
497	2025-05-03	Comparative analysis of three methods for estimating the compositions of construction waste 2025-Feb-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.01.009 PMID:39823854	研究论文	比较三种估算建筑废弃物成分的方法	比较了手动分拣、手动图像识别和基于深度学习的图像识别三种方法在建筑废弃物成分识别中的表现	对于非惰性废弃物的识别误差相对较高	提高建筑废弃物的资源管理效率	建筑废弃物的成分识别方法	计算机视觉	NA	红外热成像、SegFormer语义分割模型	SegFormer	图像	NA
498	2025-05-03	Normalized Protein-Ligand Distance Likelihood Score for End-to-End Blind Docking and Virtual Screening 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01014 PMID:39823352	research paper	本文介绍了一种名为NMDN的深度学习评分函数，用于蛋白质-配体结合强度的评估，并提出了一个名为DiffDock-NMDN的端到端盲对接和虚拟筛选协议	提出了NMDN评分函数，解决了现有深度学习评分函数的局限性，并在姿态选择和虚拟筛选任务中表现出色	未明确提及具体局限性	开发一种深度学习评分函数，用于蛋白质-配体结合强度的评估，并实现端到端的盲对接和虚拟筛选	蛋白质-配体对	机器学习	NA	深度学习	NMDN, DiffDock	蛋白质-配体距离数据	LIT-PCBA数据集
499	2025-05-03	MMPD-DTA: Integrating Multi-Modal Deep Learning with Pocket-Drug Graphs for Drug-Target Binding Affinity Prediction 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01528 PMID:39833138	研究论文	提出了一种名为MMPD-DTA的多模态深度学习模型，用于预测药物-靶标结合亲和力	整合了靶标、口袋和药物的图和序列模态，引入了一种新的口袋-药物图（PD图）来同时建模靶标内部、药物内部以及靶标与药物之间的原子相互作用	未明确提及	提高药物-靶标结合亲和力（DTA）的预测准确性	药物和靶标	机器学习	NA	多模态深度学习	MMPD-DTA（整合了GraphSAGE、transformer和图同构网络）	图和序列数据	三个真实世界测试集
500	2025-05-03	Diffusion transformer model with compact prior for low-dose PET reconstruction 2025-Feb-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adac25 PMID:39832449	研究论文	提出一种基于扩散变换器模型（DTM）和紧凑先验的低剂量PET重建方法，以提高图像重建质量	首次将扩散模型和变换器模型结合用于PET重建，通过病灶细化块和交替方向乘子法增强病灶区域的恢复能力和细节保留	未提及具体的数据集规模或模型计算复杂度	提高低剂量PET图像的重建质量，减少辐射暴露同时保证可靠的成像效果	低剂量PET图像	数字病理	NA	扩散变换器模型（DTM）	扩散模型与Transformer结合	医学图像（PET）	NA