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	2025-05-11	Self-supervised U-transformer network with mask reconstruction for metal artifact reduction 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbaae PMID:40010000	research paper	提出了一种自监督U型transformer网络，通过掩模重建任务减少CT图像中的金属伪影	结合自监督掩模重建预训练任务和下游任务，利用Transformer的长程特征提取能力增强模型在金属伪影减少任务中的泛化能力	未提及具体在哪些真实场景下的性能表现	提升CT图像中金属伪影减少任务的模型泛化能力	CT图像中的金属伪影	computer vision	NA	self-supervised learning	U-shaped transformer	CT图像	未提及具体样本数量，但使用了未标记的真实伪影CT图像和标记的合成伪影CT图像
482	2025-05-11	GLMCyp: A Deep Learning-Based Method for CYP450-Mediated Reaction Site Prediction 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02051 PMID:40013456	研究论文	本文提出了一种基于深度学习的CYP450介导反应位点预测方法GLMCyp	结合2D分子图特征、3D Uni-Mol特征和ESM-2生成的CYP450蛋白特征，提高了预测准确性	未明确提及具体局限性	提高药物发现和开发效率，准确预测CYP450介导的反应位点	小分子化合物	机器学习	NA	深度学习	GLMCyp	分子图数据、蛋白质特征数据	EBoMD数据集
483	2025-05-11	EEG-based recognition of hand movement and its parameter 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8a PMID:40009879	研究论文	研究基于EEG信号的手部运动识别及其参数解码	提出了一种结合CNN和BiLSTM的端到端模型，用于分类和识别手部运动，并在实验中展示了高准确率	研究目前处于可行性研究阶段，跨被试分类的准确性尚未达到实际应用水平	探索基于EEG信号的手部运动识别技术，以提升脑机接口在医疗康复和人机协作中的应用	13名健康志愿者的EEG数据，涉及四种手部运动和两种力参数任务	脑机接口	NA	EEG信号分析	CNN-BiLSTM	EEG信号	13名健康志愿者
484	2025-05-11	Deep learning models as learners for EEG-based functional brain networks 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8c PMID:40009886	研究论文	探讨深度学习模型作为学习者，用于基于EEG的功能性脑网络分析	提出将功能脑网络构建直接嵌入深度学习模型作为特征提取模块，实现端到端学习	深度学习模型难以准确捕捉功能脑网络的固有拓扑结构	验证深度学习模型学习功能脑网络构建过程的能力	EEG数据和功能脑网络矩阵	机器学习	NA	EEG分析	深度学习模型	EEG数据	两个公开可用的EEG数据集
485	2025-05-11	Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram 2025-Mar, The Korean journal of internal medicine DOI:10.3904/kjim.2024.130 PMID:39987899	研究论文	本研究开发了一种基于人工智能的心电图算法，用于检测正常窦性心律患者中的阵发性心房颤动早期迹象	使用深度学习模型预测心房颤动发作，并应用可解释AI技术揭示模型预测的依据	研究依赖于历史心电图数据，未进行前瞻性验证	开发可靠的人工智能算法用于早期检测心房颤动	318,321名患者的心电图数据	数字病理学	心血管疾病	12导联心电图	深度神经网络	心电图数据	552,372条心电图轨迹（来自318,321名患者）
486	2025-05-11	Enhanced water quality prediction model using advanced hybridized resampling alternating tree-based and deep learning algorithms 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36062-7 PMID:39994118	研究论文	本研究开发了一种新型深度学习模型，结合双向LSTM网络和基于引导聚合的高级集成方法，用于预测河流系统中的关键水质参数	提出了结合双向LSTM和BA_AMT的混合模型，用于水质参数预测，并在Clackamas河上验证了其优越性能	虽然Bi-LSTM在整体精度上优于BA-AMT，但BA-AMT在捕捉极值方面表现更好，表明模型仍有优化空间	开发更精确的水质预测模型，以支持水资源管理和污染缓解规划	Clackamas河的水质参数（浊度和溶解氧）	机器学习	NA	深度学习、引导聚合、交替模型树	Bi-LSTM、BA_AMT	时间序列数据	NA
487	2025-05-11	Of Pilots and Copilots: The Evolving Role of Artificial Intelligence in Clinical Neurophysiology 2025-Mar, The Neurodiagnostic journal DOI:10.1080/21646821.2025.2465089 PMID:39999187	review	本文探讨了人工智能在临床神经生理学中的应用及其演变	讨论了AI在EEG、EMG和PSG中的应用，以及从早期模仿方法到深度学习技术的演变	在EMG中面临数据集有限和临床背景考虑的挑战，PSG评分在分析癫痫活动和分类某些睡眠阶段方面仍有局限	探讨AI在临床神经生理学中的应用及其未来发展方向	EEG、EMG和PSG	clinical neurophysiology	NA	deep learning	NA	EEG, EMG, PSG数据	NA
488	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
489	2025-05-10	Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100774 PMID:39986279	研究论文	本文介绍了一种基于transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并应用于精神分裂症的检测	提出了scMeFormer模型，能够在单细胞DNA甲基化数据中实现高保真估算，显著提升低覆盖率数据的分析能力	模型性能依赖于原始数据的质量和覆盖度，可能无法完全解决极低覆盖率数据的估算问题	提高单细胞DNA甲基化数据的分析能力，增强对精神分裂症表观遗传学改变的理解	人类和小鼠的单细胞DNA甲基化数据，特别是精神分裂症患者和对照组的额叶皮层数据	表观遗传学	精神分裂症	单细胞DNA甲基化测序	transformer	DNA甲基化数据	五个单核DNA甲基化数据集（来自人类和小鼠），包括精神分裂症患者和对照组的额叶皮层数据
490	2025-03-14	Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93294-w PMID:40075161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
491	2025-05-10	Low-dose CT reconstruction using cross-domain deep learning with domain transfer module 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb932 PMID:39983305	research paper	该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法	提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能	虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证	开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露	低剂量X射线CT图像	computer vision	NA	deep learning	U-Net	CT图像	NA
492	2025-05-10	Power absorption and temperature rise in deep learning based head models for local radiofrequency exposures 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb935 PMID:39983315	研究论文	本研究比较了基于分割和无需分割的深度学习头部模型在评估局部射频暴露时的功率吸收和温升效果	采用无需分割的深度学习模型直接从磁共振图像估计组织介电和热学特性，减少了主体间变异性并提高了计算效率	两种模型之间的差异相对于总体剂量学不确定性较小	提高射频暴露下人体保护的准确性和一致性	计算头部模型	机器学习	NA	有限差分时域方法和生物热传递方程	深度学习模型	磁共振图像	NA
493	2025-05-10	T-ALPHA: A Hierarchical Transformer-Based Deep Neural Network for Protein-Ligand Binding Affinity Prediction with Uncertainty-Aware Self-Learning for Protein-Specific Alignment 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02332 PMID:39965912	研究论文	本文提出了一种名为T-ALPHA的新型深度学习模型，用于预测蛋白质-配体结合亲和力，并通过不确定性感知的自学习方法提高预测准确性	T-ALPHA模型通过整合多模态特征表示和层次化transformer框架，提高了蛋白质-配体结合亲和力的预测准确性，且在预测结构上仍保持最优性能	未明确提及具体局限性，但可能依赖于预测结构的准确性	提高蛋白质-配体结合亲和力的预测准确性，以加速候选抑制剂的识别和优化	蛋白质-配体结合亲和力	机器学习	NA	深度学习，不确定性感知自学习	Transformer	蛋白质和配体的结构数据	未明确提及具体样本数量，但涉及多个基准测试
494	2025-05-10	RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02144 PMID:39967508	研究论文	提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位	整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能	未提及具体局限性	开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发	IL-6诱导表位（短肽片段）	自然语言处理	自身免疫性疾病、癌症、COVID-19	ProtTrans预训练蛋白质语言模型	MCNNs	蛋白质序列数据	基准数据集（未提及具体数量）
495	2025-05-10	Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb89c PMID:39978071	研究论文	本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法	开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试	开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	肺部肿瘤患者	数字病理	肺癌	4DCBCT, Retina U-Net	Retina U-Net	图像	6个患者CBCT投影集用于验证，11个用于测试
496	2025-05-10	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样	提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象	需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围	研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集	内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟，深度学习	ICoN（Internal Coordinate Net）	分子动力学模拟数据	NA
497	2025-05-10	Increase Docking Score Screening Power by Simple Fusion With CNNscore 2025-Mar-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70060 PMID:39981784	研究论文	提出一种将传统对接分数与基于深度学习的CNNscore相结合的对接分数融合策略，以提高分子对接的筛选能力	通过简单融合传统对接分数与CNNscore，显著提高了分子对接的筛选能力，并在TYK2抑制剂筛选中验证了其有效性	未提及具体的技术细节和在不同靶点上的普适性验证	提高分子对接的筛选能力，优化虚拟筛选流程	蛋白质-配体相互作用	机器学习	NA	深度学习，分子对接	CNN	分子对接数据	近120亿个分子
498	2025-05-10	Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf078 PMID:39977366	研究论文	提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫水化位点	结合了信息熵增强的BERT和多方向GRU，提出了一种新的深度学习模型Sul-BertGRU，用于提高S-硫水化位点预测的准确性和效率	未提及具体的数据集大小或模型在不同数据集上的泛化能力	解决蛋白质S-硫水化位点的准确预测问题，以促进细胞生物学研究	蛋白质序列中的S-硫水化位点	机器学习	心血管疾病和神经系统疾病	深度学习	BERT, GRU, CNN	蛋白质序列	NA
499	2025-05-10	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	review	本文综述了人工智能在预测心源性猝死（SCD）中的当前应用状态和未来发展方向	探讨了机器学习和深度学习算法在识别SCD复杂非线性模式和预测指标方面的潜力	指出了人工智能在SCD风险分层应用中存在的重要限制	提高心源性猝死的个性化风险预测和预防策略	心源性猝死（SCD）患者	machine learning	cardiovascular disease	machine and deep learning algorithms	NA	complex data	NA
500	2025-05-10	A deep learning detection method for pancreatic cystic neoplasm based on Mamba architecture 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251313719 PMID:39973786	research paper	该研究提出了一种基于Mamba架构和YOLO的新型模型M-YOLO，用于提高胰腺囊性肿瘤的检测准确性	结合Mamba架构的序列建模能力和YOLOv10的快速目标检测特性，创新性地提出了M-YOLO模型	NA	提高胰腺囊性肿瘤的早期诊断准确性和效率	胰腺囊性肿瘤(PCN)	computer vision	pancreatic cancer	deep learning	M-YOLO (Mamba YOLOv10)	medical images	数据集来自长海医院，具体样本量未提及