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
721	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
722	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
723	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
724	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
725	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
726	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
727	2025-03-14	Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture 2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-05202-9 PMID:40070749	研究论文	本研究提出了一种利用ResNet-50 CNN架构对喉部图像进行二分类的新方法，旨在通过分析内窥镜图像来早期检测喉癌	使用ResNet-50 CNN架构对喉部图像进行二分类，结合深度学习和图像处理技术，提高了喉癌早期检测的准确性	由于数据稀缺，研究将数据分为癌症和非癌症两类，未能涵盖所有九种形态类别	早期检测和分类喉癌	喉部内窥镜图像	计算机视觉	喉癌	深度学习，图像处理	ResNet-50 CNN	图像	1978张内窥镜图像，来自960名患者
728	2025-03-13	Unified resilience model using deep learning for assessing power system performance 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42802 PMID:40066024	研究论文	本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能	提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素	NA	提高电力系统的性能，特别是关注天气因素对系统弹性的影响	电池和储能设备的弹性	机器学习	NA	深度学习	深度学习模型	环境因素数据、低弹性损耗数据	NA
729	2025-03-13	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性	SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测	尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面	提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质	蛋白质	机器学习	NA	深度学习	ESM, ProteinMPNN	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行训练和评估
730	2025-03-12	Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities 2025-Feb, Cureus DOI:10.7759/cureus.78685 PMID:40062093	综述	本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT）	本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用	大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性	探讨AI工具在近视性黄斑病变检测中的有效性和实用性	近视性黄斑病变患者	数字病理学	近视性黄斑病变	眼底摄影, 光学相干断层扫描（OCT）	ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost	图像	13项研究，主要来自中国
731	2025-03-11	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-25, ArXiv PMID:38827456	研究论文	本文介绍了gRNAde，一种基于几何深度学习的3D RNA逆设计管道，旨在设计考虑结构和动力学的RNA序列	gRNAde通过多状态图神经网络和自回归解码，生成基于一个或多个3D骨架结构的候选RNA序列，显著提高了序列恢复率	尽管gRNAde在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	研究目的是开发一种能够考虑3D构象多样性的RNA序列设计方法	研究对象是RNA序列及其3D骨架结构	机器学习	NA	几何深度学习	图神经网络（GNN）	3D结构数据	14个来自PDB的RNA结构
732	2025-03-11	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文介绍了一种名为ralphi的深度强化学习框架，用于单倍型组装，该框架结合了深度学习的表示能力和强化学习，以准确地将读取片段分配到各自的单倍型集合中	ralphi框架首次将深度学习和强化学习结合用于单倍型组装，通过片段图的经典问题简化来设定强化学习的奖励目标	NA	研究目的是开发一种新的方法，以更准确地组装个体二倍体基因组的单倍型	个体二倍体基因组的单倍型	机器学习	NA	ONT读取	深度强化学习	基因读取数据	来自1000 Genomes Project的基因组数据
733	2025-03-11	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习技术分析颈动脉斑块长期进展及斑块内出血（IPH）的作用	首次使用深度学习分割管道在长期随访中识别IPH、量化IPH体积，并测量其对颈动脉斑块负担的影响	样本量较小（28名无症状颈动脉粥样硬化患者），且仅针对无症状患者进行研究	评估IPH对颈动脉斑块负担长期进展的影响	无症状颈动脉粥样硬化患者	数字病理	心血管疾病	多对比磁共振血管壁成像（VWI）	深度学习分割管道	图像	28名无症状颈动脉粥样硬化患者，共50条动脉
734	2025-03-11	Global Deep Forecasting with Patient-Specific Pharmacokinetics 2025-Feb-12, ArXiv PMID:37965077	研究论文	本文提出了一种新颖的混合全局-局部架构和药代动力学编码器，用于预测医疗时间序列数据，特别是在血糖预测任务中展示了其有效性	提出了一种混合全局-局部架构和药代动力学编码器，能够为深度学习模型提供患者特定的治疗效果信息	未明确提及具体局限性	提高医疗时间序列数据预测的准确性，特别是在患者特定药代动力学影响下的血糖预测	医疗时间序列数据，特别是血糖数据	机器学习	糖尿病	深度学习	混合全局-局部架构	时间序列数据	模拟数据和真实世界数据
735	2025-03-09	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达（SAR）目标检测任务的低功耗、低延迟深度学习加速器，以实现在机载和卫星SAR平台上的实时目标检测	提出了一种适用于多维卷积并行计算的Process Engine（PE），并设计了独特的存储器排列方案，以提高FPGA的计算效率和内存读写效率	实验仅在Virtex 7 690t芯片上进行，未涉及其他硬件平台或更广泛的应用场景	解决当前GPU实时处理平台在机载或卫星应用中的功耗问题，实现SAR图像的实时目标检测	合成孔径雷达（SAR）图像	计算机视觉	NA	深度学习	CNN, Yolov5s	图像	52.19张512×512大小的SAR图像每秒
736	2025-03-08	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636130 PMID:39974895	研究论文	本文探讨了使用合成调控基因组学迭代改进深度学习模型的方法，特别是Enformer模型在预测DNA可及性方面的应用	通过合成调控基因组学数据对Enformer模型进行微调，显著减少了预测误差，并保持了在其他轨迹上的强预测性能	模型在序列与参考基因组差异较大时（如DHS顺序或方向的重排）预测能力较差	提高深度学习模型在预测与参考基因组序列不同的DNA可及性方面的性能	DNA可及性预测，特别是与疾病和性状相关的变异或工程序列	机器学习	NA	合成调控基因组学	Enformer	基因组序列数据	数十个DNase I超敏感位点（DHSs）的删除、倒置和重排
737	2025-03-06	XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42575 PMID:40040968	研究论文	本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性	提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性	未提及具体局限性	通过早期检测番茄叶部疾病，减少农业损失并最大化产量	番茄叶部疾病	计算机视觉	NA	深度学习	XLTLDisNet	图像	PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像）
738	2025-03-06	A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42483 PMID:40040994	研究论文	本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量	创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性	未明确提及具体局限性	开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施	电动汽车充电需求	机器学习	NA	深度学习	混合贝叶斯网络深度学习（HBNDL）	交易数据和气候分析数据	未明确提及具体样本数量
739	2025-03-06	Predicting gene expression from histone marks using chromatin deep learning models depends on histone mark function, regulatory distance and cellular states 2025-Feb-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1212 PMID:39660643	研究论文	本文通过卷积和基于注意力的模型，研究了七种组蛋白标记在十一种细胞类型中的表达预测，探讨了组蛋白标记功能、基因组距离和细胞状态对转录的影响	本研究是迄今为止最全面的关于组蛋白标记与基因表达关系的研究，考虑了细胞状态、组蛋白标记功能和远端效应等关键因素，并使用深度学习模型进行预测	研究中未涉及所有可能的组蛋白标记和细胞类型，且模型的泛化能力有待进一步验证	探讨组蛋白标记活性与基因表达之间的复杂关系，并利用深度学习模型进行预测	七种组蛋白标记在十一种细胞类型中的表达	机器学习	NA	深度学习	卷积神经网络（CNN）、基于注意力的模型	基因组数据	十一种细胞类型
740	2025-03-06	Information Theoretic Learning-Enhanced Dual-Generative Adversarial Networks With Causal Representation for Robust OOD Generalization 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330864 PMID:37976189	研究论文	本文提出了一种结合信息理论学习和因果表示学习的双生成对抗网络框架，旨在增强现代机器学习中的鲁棒性分布外泛化能力	创新点在于将信息理论学习和因果表示学习无缝集成到双生成对抗网络架构中，通过因果图和信息理论增强特征表示，并开发了一种双对抗训练机制	未明确提及具体限制	增强现代机器学习中的鲁棒性分布外泛化能力	现代智能制造和智能交通系统中的机器学习模型	机器学习	NA	信息理论学习（ITL）和因果表示学习（CRL）	双生成对抗网络（Dual-GAN）	NA	基于一个开源数据集进行实验和评估