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
181	2025-04-07	CodonTransformer: a multispecies codon optimizer using context-aware neural networks 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58588-7 PMID:40180930	研究论文	介绍了一种名为CodonTransformer的多物种密码子优化器，利用上下文感知神经网络进行密码子优化	提出了共享令牌表示与对齐多掩码策略（STREAM），并开发了一个可定制的开源模型和用户友好的Google Colab界面	NA	优化密码子使用以满足不同生物体的偏好	164种生物体的超过100万对DNA-蛋白质序列	自然语言处理	NA	深度学习	Transformer	DNA序列	超过100万对DNA-蛋白质序列
182	2025-04-07	Genetically regulated eRNA expression predicts chromatin contact frequency and reveals genetic mechanisms at GWAS loci 2025-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58023-x PMID:40180945	研究论文	本研究开发了计算机模型预测增强子RNA的遗传调控表达，并利用深度学习模型研究三维染色质接触频率，揭示了增强子RNA在精神分裂症等复杂性状中的作用	首次利用增强子RNA的遗传调控表达预测染色质接触频率，并应用于GWAS位点的遗传机制解析	研究仅针对49种细胞和组织类型，可能无法涵盖所有相关生物环境	探索增强子RNA的遗传调控机制及其对疾病风险的影响	增强子RNA和典型基因	基因组学	精神分裂症	Hi-C接触数据、TWAS、孟德尔随机化	深度学习模型	基因组数据	>70,000个DNA样本（UK Biobank）
183	2025-04-07	Linking sequence restoration capability of shuffled coronary angiography to coronary artery disease diagnosis 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95640-4 PMID:40181050	研究论文	本研究探讨了冠状动脉造影（CA）帧序列在冠状动脉疾病（CAD）诊断中的潜在价值，并开发了一种自监督深度学习模型来评估序列恢复能力	揭示了冠状动脉造影帧序列中的'序列价值'，并开发了自监督深度学习模型来自动评估这一能力	NA	探索冠状动脉造影帧序列在冠状动脉疾病诊断中的应用	冠状动脉造影帧序列	数字病理学	心血管疾病	自监督深度学习	深度学习模型	图像序列	通过Amazon Mturk进行调研，具体样本数量未提及
184	2025-04-07	An interpretable deep learning model for the accurate prediction of mean fragmentation size in blasting operations 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96005-7 PMID:40181054	研究论文	本研究提出了一种NRBO-CNN-LSSVM模型，用于预测爆破作业中的平均破碎尺寸，结合了CNN、LSSVM和NRBO技术	整合了CNN、LSSVM和NRBO技术，提高了预测准确性和适用性，并开发了交互式GUI以增强实用性	样本量较小（105个样本），可能影响模型的泛化能力	提高爆破作业中平均破碎尺寸的预测准确性	爆破作业中的平均破碎尺寸	机器学习	NA	CNN, LSSVM, NRBO, SVM, SVR	NRBO-CNN-LSSVM, CNN-LSSVM, CNN, LSSVM, SVM, SVR	数值数据	105个样本（来自先前研究和现场采集）
185	2025-04-07	Difficulty aware programming knowledge tracing via large language models 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96540-3 PMID:40181055	research paper	本文提出了一种基于大语言模型的难度感知编程知识追踪方法（DPKT），用于评估编程问题的文本理解难度和知识概念难度，并动态更新学生的知识状态	结合注意力机制和图注意力网络，动态更新学生的知识状态，显著提高了编程问题难度的评估准确性和知识状态的时空反映能力	未提及具体的数据集规模或实验限制	提高编程知识追踪的准确性，促进个性化学习	学生在智能辅导系统中的交互数据	natural language processing	NA	large language models, attention mechanism, graph attention network	DPKT	text	NA
186	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）
187	2025-04-07	An enhanced CNN-Bi-transformer based framework for detection of neurological illnesses through neurocardiac data fusion 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96052-0 PMID:40181122	research paper	提出了一种基于CNN-Bi-Transformer的多模态深度学习框架，通过神经心脏数据融合预测精神疾病	结合MEG、EEG和ECG信号，利用CardioNeuroFusionNet模型实现多模态输入的同时处理，提高了预测性能	未提及具体样本量及数据来源的多样性可能对泛化能力的影响	开发一种创新的多模态深度学习框架，用于精神疾病的预测	癫痫、睡眠障碍、双相情感障碍、进食障碍和抑郁症等精神疾病患者	machine learning	neurological and psychiatric conditions	multimodal deep learning, neurocardiac data fusion	CNN-Bi-Transformer (CardioNeuroFusionNet)	MEG, EEG, ECG signals	NA
188	2025-04-07	CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy 2025-Apr-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13926-2 PMID:40181353	研究论文	该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和可解释性	将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性	NA	提高宫颈癌细胞分类的诊断准确性和可解释性	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习	CNN	图像	三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集
189	2025-04-07	Deep learning assisted retinal microvasculature assessment and cerebral small vessel disease in Fabry disease 2025-Apr-03, Orphanet journal of rare diseases IF:3.4Q2 DOI:10.1186/s13023-025-03627-1 PMID:40181436	research paper	本研究利用深度学习评估法布里病患者的视网膜微血管参数，并分析其与脑小血管病相关脑损伤的相关性	首次使用深度学习辅助分析法布里病患者的视网膜微血管参数，并发现这些参数与脑小血管病评分显著相关	样本量较小（仅27名患者和27名对照），且为回顾性研究	评估法布里病患者的视网膜微血管变化及其与脑小血管病的相关性	法布里病患者和健康对照者的视网膜微血管参数	digital pathology	Fabry disease	deep learning	NA	image	27名法布里病患者和27名年龄性别匹配的健康对照者
190	2025-04-07	How did we get there? AI applications to biological networks and sequences 2025-Apr-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110064 PMID:40184941	综述	本文全面概述了人工智能在基因组学、蛋白质组学和系统生物学中的当前应用状态	强调了机器学习算法，特别是深度学习模型，在提高序列嵌入、基序发现、基因表达和蛋白质结构预测的准确性和效率方面的创新应用	未具体提及研究的局限性	探讨人工智能在复杂生物数据处理中的应用及其潜力	基因组学、蛋白质组学和系统生物学中的数据	机器学习	NA	机器学习算法，特别是深度学习模型	深度学习模型	生物序列和网络数据	NA
191	2025-04-07	Prediction of IUGR condition at birth by means of CTG recordings and a ResNet model 2025-Apr-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110123 PMID:40184939	研究论文	本研究开发了一种基于ResNet架构的深度学习方法，利用产前监测中的CTG信号预测出生时的IUGR状况	采用两阶段训练过程的ResNet架构，通过区分‘假定’和‘确认’数据集来最小化数据损失，提高了预测准确性	未提及模型在其他独立数据集上的验证情况，可能影响泛化能力	提高产前对IUGR状况的早期检测能力	产前CTG信号和IUGR状况	数字病理学	胎儿生长受限	深度学习	ResNet	CTG信号	未明确提及具体样本量，但指出使用了非常大的数据集
192	2025-04-07	Tackling a textbook example of multistep enzyme catalysis with deep learning-driven design 2025-Apr-03, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.03.012 PMID:40185078	research paper	该研究利用深度学习技术设计丝氨酸水解酶，以媲美天然酶的复杂性和催化效率	通过深度学习驱动的设计方法，成功实现了与天然酶相媲美的丝氨酸水解酶设计	NA	探索利用深度学习技术设计高效酶催化剂	丝氨酸水解酶	machine learning	NA	deep learning	NA	NA	NA
193	2025-04-07	Neurocounter - a deep learning framework for high-fidelity spatial localization of neurons 2025-Apr-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110444 PMID:40187538	research paper	介绍了一种名为Neurocounter的深度学习框架，用于高保真度空间定位神经元	Neurocounter通过自学习能力减少了对完整标注的需求，并在各种脑区中实现了高精度的神经元定位	需要处理包含背景伪影、杂乱和重叠细胞体的复杂场景	开发一个能够准确检测和定位神经元的深度学习网络	神经元	machine learning	NA	深度学习	encoder-decoder with attention module	image	NA
194	2025-04-07	Mitigating ambient RNA and doublets effects on single cell transcriptomics analysis in cancer research 2025-Apr-02, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217693 PMID:40185305	research paper	本文探讨了在癌症研究中如何减轻环境RNA和双联体对单细胞转录组学分析的影响	提出了使用计算方法和深度学习技术（如SoupX、DecontX和CellBender）来评估和消除环境RNA污染及背景噪声的创新策略	未提及具体方法的局限性或在实际应用中的挑战	提高单细胞转录组学数据的质量和可靠性，以支持精准肿瘤学的研究和临床应用	单细胞RNA测序（scRNA-seq）数据集	生物信息学	癌症	scRNA-seq, SoupX, DecontX, CellBender	深度学习	基因表达数据	NA
195	2025-04-07	Automated Segmentation of the Dorsal Root Ganglia in MRI 2025-Apr-02, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121189 PMID:40185423	research paper	开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程	首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度更快	方法仅在健康对照和Fabry病患者中验证，未在其他疾病或更大样本中测试	开发全自动DRG MRI分割方法，以支持DRG成像生物标志物的未来验证和应用	背根神经节（DRG）	digital pathology	neuropathic pain, Fabry disease	MRI, deep learning	CNN, nnU-Net	3D T2-weighted MR images	220 DRGs from healthy controls
196	2025-04-07	Multimodal convolutional neural network-based algorithm for real-time detection and differentiation of malignant and inflammatory biliary strictures in cholangioscopy: a proof-of-concept study (with video) 2025-Apr, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.09.001 PMID:39265745	研究论文	开发了一种基于多模态卷积神经网络（CNN）的算法，用于实时检测和区分胆管镜检查中的恶性和炎症性胆管狭窄	结合临床元数据改进仅图像模型的局限性，实现胆管癌的检测（CADe）和诊断（CADx）	样本量较小（111名患者），需进一步验证算法的泛化能力	开发一种能够实时检测和区分胆管恶性和炎症性病变的深度学习算法	胆管镜检查视频和图像数据	数字病理学	胆管癌	深度学习	CNN	视频和图像	111名患者的15,158张静态帧和20名患者的完整视频序列
197	2025-04-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	research paper	该研究提出了一种用于跨域可变形图像配准的编码匹配准则方法，以提高配准精度和适应性	设计了通用特征编码器（Encoder-G）和结构特征编码器（Encoder-S），并通过一次性学习更新Encoder-S，使方法能有效适应不同领域	未提及具体局限性	解决跨域可变形图像配准问题，提高配准精度和适应性	MRI图像，包括脑部、腹部和心脏图像	computer vision	NA	deep learning	Encoder-G, Encoder-S	image	脑部图像（训练/测试：870/90对），腹部图像（训练/测试：1406/90对），心脏图像（训练/测试：64770/870对）
198	2025-04-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出了一种基于合成数据的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和噪声鲁棒性	引入了一种新的基于模型的合成人类脑IVIM数据生成方法，并结合U-Net进行参数映射	方法依赖于合成数据，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	脑IVIM成像参数估计	医学影像分析	脑胶质瘤	IVIM双指数模型	U-Net	合成脑多b值扩散加权图像	20名脑胶质瘤患者
199	2025-04-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	本研究开发了一种基于深度学习的蒙特卡洛剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制（CAM），提高了蒙特卡洛剂量预测的准确性和效率	研究仅针对头颈癌患者，样本量为120例，可能限制了模型的泛化能力	开发深度学习模型以预测独立蒙特卡洛剂量，促进重离子在线自适应放疗和快速质量保证的实施	头颈癌患者	医学影像分析	头颈癌	深度学习，蒙特卡洛模拟	CAM-CHD U-Net	CT图像，三维能量矩阵，射线掩模	120例头颈癌患者数据
200	2025-04-07	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	research paper	该研究利用神经常微分方程（NODE）模型，结合影像、基因组和临床参数，开发了一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	提出了一种基于重球NODE（HBNODE）的新模型，通过二阶ODE建模深度特征提取过程，实现了对诊断决策轨迹的可视化和解释	样本量相对较小（90个脑转移瘤），且仅针对非小细胞肺癌患者	开发一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	62名非小细胞肺癌患者的90个脑转移瘤	digital pathology	lung cancer	T1+c MRI影像分析、基因组特征分析	HBNODE（基于神经常微分方程的模型）	影像数据、基因组数据、临床数据	62名非小细胞肺癌患者的90个脑转移瘤