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
701	2025-02-27	Solubilization of Membrane Proteins using designed protein WRAPS 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636539 PMID:39975033	研究论文	本文介绍了一种基于深度学习的通用设计方法，用于溶解天然膜蛋白，同时保持其序列、折叠和功能	使用基因编码的蛋白WRAPs（水溶性RF扩散两亲蛋白）包围脂质相互作用的疏水表面，使其稳定且水溶性，无需使用去污剂	NA	开发针对膜蛋白的疗法和疫苗，解决其疏水表面导致的生成和结构表征困难	膜蛋白	机器学习	梅毒	深度学习	NA	蛋白质结构数据	四种外膜β桶蛋白
702	2025-02-27	De novo design of Ras isoform selective binders 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610300 PMID:39975043	研究论文	本文利用深度学习方法设计了针对Ras异构体的特异性结合剂，以研究其在生物学和疾病中的不同作用	首次使用深度学习方法设计出针对Ras异构体的特异性结合剂，解决了传统方法难以针对Ras C端无序且高电荷区域产生抗体的难题	未提及具体样本量或实验验证的广泛性	研究Ras异构体在癌症中的不同作用，并开发特异性结合剂	Ras异构体（KRAS4A, KRAS4B, HRAS, NRAS）	机器学习	癌症	深度学习	NA	NA	NA
703	2025-02-27	Functional profiling of the sequence stockpile: a protein pair-based assessment of in silico prediction tools 2025-02-04, 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，超越了功能注释词汇的限制，提供了一种评估不同本体注释方法的手段	大多数现有方法仅限于识别同源序列的功能相似性，无法预测缺乏参考的蛋白质功能，深度学习方法也难以捕捉蛋白质序列中编码的功能信号	评估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	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	NA	深度学习方法	蛋白质序列数据	数千种蛋白质
704	2025-02-27	A Fully Automated Artificial Intelligence-Based Approach to Predict Renal Function After Radical or Partial Nephrectomy 2025-Feb-04, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.073 PMID:39914676	研究论文	本文提出了一种基于人工智能的全自动化方法，用于预测根治性或部分肾切除术后肾功能	开发了一种全自动化的AI模型，无需临床细节、医生时间或测量即可预测术后肾小球滤过率（GFR），其准确性与已验证的临床模型相当	研究样本量相对较小（300例患者），且仅基于单一数据集（KiTS19挑战赛）	测试AI模型在预测术后GFR方面的准确性，并与已验证的临床模型进行比较	接受肾切除术的肾肿瘤患者	数字病理学	肾癌	深度学习分割模型	深度学习	CT图像	300例接受肾切除术的肾肿瘤患者
705	2025-02-27	Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images 2025-Feb, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2024.110376 PMID:39675168	研究论文	开发了一种基于深度学习的移动应用程序，用于通过显微镜图像自动识别猪体内的Coccidia物种	采用深度学习技术开发移动应用程序，自动识别猪体内的Coccidia物种，减少对专家人员的依赖	研究仅限于印度东北山区常见的六种Coccidia物种，未涵盖所有可能的物种	开发一种能够自动识别猪体内Coccidia物种的移动应用程序，以减少经济损失和提高诊断效率	猪体内的Coccidia物种，特别是E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, 和 Isospora suis	计算机视觉	寄生虫病	卷积神经网络（CNN）	EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2	显微镜图像	未明确提及具体样本数量，但涉及印度东北山区的猪
706	2025-02-27	Non-Invasive Diagnosis of Moyamoya Disease Using Serum Metabolic Fingerprints and Machine Learning 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405580 PMID:39737836	研究论文	本研究利用血清代谢指纹和机器学习技术，开发了一种非侵入性的烟雾病诊断方法	首次将纳米颗粒增强的激光解吸/电离质谱技术与深度学习算法结合，用于烟雾病的非侵入性诊断	研究中未提及样本的具体数量，且未详细讨论该方法的临床适用性和成本效益	开发一种非侵入性的烟雾病诊断方法，以减少患者的诊断风险和成本	烟雾病患者和健康对照组的血清样本	机器学习	烟雾病	纳米颗粒增强的激光解吸/电离质谱技术 (LDI MS)	深度学习算法	血清代谢指纹 (SMFs)	NA
707	2025-02-27	A Novel RAGE Modulator Induces Soluble RAGE to Reduce BACE1 Expression in Alzheimer's Disease 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407812 PMID:39755927	研究论文	本文探讨了一种新型RAGE调节剂6-TG如何通过增加可溶性RAGE（sRAGE）水平来减少BACE1表达，从而缓解阿尔茨海默病（AD）的病理	研究发现抗癌药物6-TG能够显著降低BACE1表达，增强小胶质细胞的吞噬活性，并通过JAK2-STAT1通路调节BACE1表达，增加脑内sRAGE水平	研究主要基于AD小鼠模型，尚未在人类临床试验中验证其效果	探索通过减少BACE1表达来缓解阿尔茨海默病病理的新策略	阿尔茨海默病小鼠模型	神经科学	阿尔茨海默病	表面等离子体共振实验、深度学习工具	NA	实验数据	阿尔茨海默病小鼠模型
708	2025-02-27	Unraveling Spatial Heterogeneity in Mass Spectrometry Imaging Data with GraphMSI 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410840 PMID:39778027	研究论文	本文提出了一种名为GraphMSI的深度学习新方法，用于增强质谱成像（MSI）数据的空间异质性分析	GraphMSI方法整合了代谢谱和空间信息，通过两种可选增强模式（scribble-interactive和knowledge-transfer）提高了MSI数据的分割效果，并减少了计算需求	当前方法在生物背景信息整合和计算需求方面存在不足	解决质谱成像数据中空间异质性分析的挑战	质谱成像数据	质谱成像	NA	质谱成像（MSI）	深度学习	图像	NA
709	2025-02-27	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究通过多中心研究探讨了认知障碍患者的视网膜血管变化	使用VC-Net深度学习模型分割视网膜动静脉网络，提取了36种血管特征，发现了认知障碍患者视网膜血管结构的显著变化	需要在更大的队列中验证，并探索潜在的机制	探讨认知障碍患者的视网膜血管变化	176名轻度认知障碍（MCI）或阿尔茨海默病（AD）患者和264名对照者	数字病理学	阿尔茨海默病	深度学习	VC-Net	图像	440名参与者（176名患者和264名对照者）
710	2025-02-27	Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1366 PMID:39995698	研究论文	本研究探讨了基于深度学习重建的减法CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值	首次将深度学习重建技术应用于减法CT-FFR，提高了钙化相关狭窄和冠状动脉支架应用的诊断性能	样本量较小，仅包括30名患者，且未进行长期随访	探索减法CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断价值	钙化相关狭窄或支架植入患者	数字病理学	心血管疾病	CT-FFR, 深度学习重建 (DLR), 混合迭代重建 (HIR)	深度学习	CT图像	30名患者，52个钙化相关病变和14个冠状动脉支架
711	2025-02-27	Development and evaluation of a deep learning model for multi-frequency Gibbs artifact elimination 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1344 PMID:39995704	研究论文	本文开发并评估了一种深度学习模型，用于消除多频率Gibbs伪影，以提高MRI图像质量并改善脊髓空洞症的诊断准确性	开发了一种深度学习模型，能够有效消除多频率Gibbs伪影，并在不同解剖区域、MRI序列和伪影严重程度下表现出色	研究样本主要来自回顾性数据，外部验证样本量较小（30人），可能影响模型的泛化能力	开发并评估一种深度学习模型，用于消除MRI图像中的Gibbs伪影，以提高图像质量和诊断准确性	MRI图像中的Gibbs伪影	计算机视觉	脊髓空洞症	深度学习	深度学习模型	图像	290,940张MRI图像（来自4,936次扫描），外部验证包括20名健康成人和10名脊髓空洞症患者
712	2025-02-27	Automatic measurement of X-ray radiographic parameters based on cascaded HRNet model from the supraspinatus outlet radiographs 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1373 PMID:39995702	研究论文	本研究开发了一种基于级联HRNet模型的自动测量方法，用于从肩胛上出口X光片中测量形态参数，以辅助肩部疾病的早期筛查和治疗决策	首次报道了使用级联HRNet模型自动测量肩胛上出口X光片中的放射学参数，提高了测量的精确性和效率	研究仅基于单一医院的影像数据，可能限制了模型的泛化能力	开发一种自动测量肩胛上出口X光片中形态参数的方法，以辅助肩部疾病的早期筛查和治疗决策	肩胛上出口X光片	计算机视觉	肩袖损伤	深度学习算法	级联HRNet模型	图像	1,668张肩胛上出口X光片，其中1,147张用于模型训练和验证，521张用于测试
713	2025-02-27	Rapid and automatic hemodynamic assessment: integration of deep learning-based image segmentation, vessel reconstruction, and CFD prediction 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1721 PMID:39995727	研究论文	本研究开发了一种基于深度学习的快速准确提取血管血流动力学特征数据的方法，通过自动化CT图像分割、血管重建和CFD预测过程	提出了一种改进的卷积神经网络（Res2Net-ConvFormer-Dilation-UNet）用于自动分割预处理后的血管CT图像，并结合MC算法和OpenFOAM进行3D重建和血流动力学模拟	NA	开发一种快速准确的血管血流动力学特征数据提取方法，以提高诊断效率	下肢和主动脉动脉数据集	计算机视觉	心血管疾病	CT图像分割、MC算法、OpenFOAM	Res2Net-ConvFormer-Dilation-UNet (Res2-CD-UNet)	CT图像	下肢和主动脉动脉数据集
714	2025-02-27	Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1397 PMID:39995733	研究论文	本研究通过深度学习方法和回归模型，开发了一种自动测量膝关节间隙宽度（JSW）的模型，并预测了第六年JSW的变化	结合TransUNet和XGBoost模型，显著提高了JSW测量的准确性，并仅使用两年的X射线图像实现了高精度的预测	研究依赖于特定数据库的数据，可能限制了模型的泛化能力	开发自动测量膝关节间隙宽度的模型，并预测第六年JSW的变化	膝关节X射线图像和临床数据	计算机视觉	骨关节炎	深度学习	TransUNet, XGBoost	图像, 临床数据	1,947名参与者的膝关节X射线图像
715	2025-02-27	Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1269 PMID:39995722	研究论文	本研究旨在开发一种基于T2加权成像（T2WI）的深度学习模型，用于检测烟雾病（MMA）	首次使用T2WI图像开发深度学习模型来检测MMA，并在多中心数据上验证了模型的性能	研究依赖于回顾性数据，可能存在选择偏差，且未考虑所有可能的混杂因素	开发并验证基于T2WI的深度学习模型，用于检测烟雾病（MMA）	烟雾病患者、正常MRA的对照组患者以及非MMA的脑血管疾病患者	计算机视觉	脑血管疾病	深度学习	SCNN, LeNet, VGG, ResNet, DenseNet	T2加权图像	1038名MMA患者、1211名正常MRA患者和271名非MMA的脑血管疾病患者
716	2025-02-27	Combining pelvic floor ultrasonography with deep learning to diagnose anterior compartment organ prolapse 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-772 PMID:39995742	研究论文	本研究结合深度学习与盆底超声技术，旨在提高前腔室器官脱垂的诊断速度和可靠性	首次将深度学习应用于盆底超声图像解读，以提升前腔室器官脱垂的诊断效率和准确性	研究为回顾性分析，可能受到数据质量和样本选择偏差的影响	提高盆底超声诊断前腔室器官脱垂的速度和可靠性，促进基层医疗机构的诊断和治疗	前腔室器官脱垂的女性患者	计算机视觉	妇科疾病	深度学习	CNN（包括AlexNet、VGG-16、ResNet-18和ResNet-50）	图像	1,805名女性（1,605名有前腔室器官脱垂，200名无脱垂）
717	2025-02-26	Deep Learning-Assisted Fluorescence Single-Particle Detection of Fumonisin B1 Powered by Entropy-Driven Catalysis and Argonaute 2025-Feb-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05913 PMID:39868471	研究论文	开发了一种深度学习辅助的荧光单粒子检测平台，用于超灵敏检测食品中的伏马菌素B1	结合了熵驱动催化和Argonaute技术，利用深度学习模型YOLOv9进行荧光图像的快速准确计数，提高了检测的灵敏度和效率	未提及具体的技术局限或应用限制	开发一种超灵敏的检测方法，用于食品中伏马菌素B1的检测，以确保食品安全和公共健康	伏马菌素B1（FB）	生物传感	NA	熵驱动催化（EDC）、Argonaute技术、荧光单粒子检测	YOLOv9	荧光图像	未提及具体样本数量，但涉及真实食品样本的测试
718	2025-02-26	RAE-Net: a multi-modal neural network based on feature fusion and evidential deep learning algorithm in predicting breast cancer subtypes on DCE-MRI 2025-Feb-25, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb494 PMID:39933196	研究论文	本研究提出了一种基于多模态特征融合和证据深度学习算法的新型神经网络模型RAE-Net，用于通过动态对比增强磁共振成像（DCE-MRI）预测乳腺癌亚型	RAE-Net结合了多模态特征融合（MFF）和证据深度学习算法（EDLA），通过不确定性估计提高了分类的可靠性，并在计算效率和准确性上优于现有模型	研究仅基于344名患者的数据，样本量相对较小，可能影响模型的泛化能力	提高乳腺癌亚型预测的准确性，以支持个性化治疗	乳腺癌患者的DCE-MRI数据	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	RAE-Net（基于ResNet-50的多头注意力融合和多层感知机机制）	图像	344名乳腺癌患者（训练集200名，验证集60名，测试集62名）
719	2025-02-26	Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis 2025-Feb-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02796 PMID:39951652	review	本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断中的应用现状及前景	展示了SERS在分子生物学水平诊断、组织水平识别、治疗监测及与新兴技术整合中的创新应用	未具体提及SERS技术的局限性	探讨SERS在头颈癌诊断和治疗中的应用及其未来发展方向	头颈癌	数字病理学	头颈癌	表面增强拉曼光谱（SERS）	NA	光谱数据	NA
720	2025-02-26	Automated hallucination detection for synthetic CT images used in MR-only radiotherapy workflows 2025-Feb-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb5eb PMID:39946843	研究论文	本文开发了一种用于检测AI生成的合成CT（sCT）图像中幻觉的工具，以提高MR-only放疗工作流程的准确性和安全性	开发了一种基于深度学习的自动分割模型（DLAS），用于检测AI生成的sCT图像中的骨结构幻觉，并实现了可调节的敏感性筛查器	训练数据集较小（86个Dixon MR图像集），测试数据集也较小（10个），可能影响模型的泛化能力	提高MR-only放疗工作流程中AI生成的sCT图像的准确性和安全性	AI生成的盆腔sCT图像	数字病理学	NA	深度学习自动分割（DLAS）	3D SegResNet	MR图像和sCT图像	86个Dixon MR图像集用于训练，10个用于测试