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
281	2025-03-09	Self-Supervised High-Order Information Bottleneck Learning of Spiking Neural Network for Robust Event-Based Optical Flow Estimation 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3510627 PMID:40030563	研究论文	本文提出了一种基于脉冲神经网络（SNN）的自监督高阶信息瓶颈学习算法SeLHIB，用于在噪声环境下鲁棒地估计基于事件的光流	首次提出了基于SNN的自监督信息瓶颈学习策略，并开发了非线性和高阶信息瓶颈学习算法，以增强相关信息的提取和消除冗余	现有SNN架构在训练过程中存在泛化能力和鲁棒性不足的问题，特别是在噪声场景中	提高基于事件的光流估计的泛化能力和鲁棒性，特别是在噪声环境下	基于事件的光流估计	计算机视觉	NA	自监督学习算法	SNN（脉冲神经网络）	事件相机输入	NA
282	2025-03-09	Quantum Gated Recurrent Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3519605 PMID:40030602	研究论文	本文提出了一种量子门控循环神经网络（QGRNNs）模型，旨在解决传统循环神经网络中的梯度消失和爆炸问题，并展示了其在序列学习任务中的有效性	将门控机制自然集成到量子神经网络的变分ansatz电路框架中，解决了传统循环神经网络的梯度消失和爆炸问题，并有效缓解了贫瘠高原现象	NA	探索量子神经网络（QNNs）的量子优势，并解决传统循环神经网络中的梯度消失和爆炸问题	量子门控循环神经网络（QGRNNs）	量子机器学习	NA	量子计算	量子门控循环神经网络（QGRNNs）	序列数据	NA
283	2025-03-09	Glissando-Net: Deep Single View Category Level Pose Estimation and 3D Reconstruction 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3519674 PMID:40030789	研究论文	本文提出了一种名为Glissando-Net的深度学习模型，用于从单个RGB图像中同时估计类别级物体的姿态并重建其3D形状	Glissando-Net通过两个联合训练的自动编码器（一个用于RGB图像，另一个用于点云）实现了更准确的3D形状和姿态预测，并引入了2D-3D特征交互和直接预测3D形状与姿态的设计	在测试阶段，3D点云的编码器被丢弃，可能限制了模型在某些场景下的表现	研究目标是从单个RGB图像中同时估计物体的姿态并重建其3D形状	研究对象是类别级物体	计算机视觉	NA	深度学习	自动编码器（Auto-encoders）	RGB图像和点云数据	NA
284	2025-03-09	Latent Weight Quantization for Integerized Training of Deep Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3527498 PMID:40030978	研究论文	本文提出了一种用于深度神经网络整数化训练的潜在权重量化方案，旨在减少量化对训练过程的扰动	首次提出了一种通用的整数化训练潜在权重量化方案，通过残差量化和优化的双量化器最小化量化扰动	未明确提及具体限制，但可能涉及硬件实现的复杂性和对不同架构的适应性	提高深度神经网络整数化训练的效率和性能	深度神经网络，包括ResNets、MobileNetV2和Transformers	机器学习	NA	残差量化和双量化器	ResNets, MobileNetV2, Transformers	图像和文本	未明确提及具体样本数量，但涉及多种架构和任务
285	2025-03-09	Torsion Graph Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3528449 PMID:40030998	研究论文	本文提出了一种新的图神经网络模型TorGNN，通过引入解析扭转来增强图神经网络对非欧几里得数据的分析能力	TorGNN模型创新性地使用解析扭转作为边权重，以捕捉图局部结构的拓扑信息，从而提升图神经网络的性能	NA	提升图神经网络在非欧几里得数据分析中的性能	图神经网络模型及其在链接预测和节点分类任务中的应用	机器学习	NA	解析扭转	图神经网络（GNN）	图数据	16种不同类型的网络用于链接预测任务，4种类型的网络用于节点分类任务
286	2025-03-09	Characterizing diverse maize varieties under organic cultivation: phenotypic, yield, and canopy data from VIT Vellore 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110367 PMID:40051419	研究论文	本文介绍了在有机栽培条件下不同玉米品种的表型、产量和冠层数据，旨在评估品种性能并促进作物改良	提供了有机栽培条件下八个玉米品种的详细数据集，包括表型、产量、冠层温度和叶绿素读数，为未来育种和深度学习模型构建提供了基础数据	研究仅基于单一地点的有机栽培数据，可能无法完全反映其他环境条件下的品种表现	评估不同玉米品种在有机栽培条件下的表现，为作物改良和育种提供数据支持	八个玉米品种，包括四个来自IIMR的新品种和四个本地栽培品种	农业科学	NA	ANOVA (FRBD)	NA	表型数据、产量数据、冠层温度数据、叶绿素数据	160株玉米植株（每个品种20株，每个重复5株）
287	2025-03-08	Comparison of Intratumoral and Peritumoral Deep Learning, Radiomics, and Fusion Models for Predicting KRAS Gene Mutations in Rectal Cancer Based on Endorectal Ultrasound Imaging 2025-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16697-5 PMID:39690384	研究论文	本研究比较了基于直肠内超声图像的肿瘤内和肿瘤周围深度学习、放射组学及融合模型在预测直肠癌KRAS基因突变中的表现	首次将肿瘤内和肿瘤周围区域的深度学习、放射组学及融合模型结合，用于预测直肠癌KRAS基因突变，并展示了融合模型的优越性	研究样本量相对较小，且仅来自单一医疗机构，可能影响模型的泛化能力	比较不同模型在预测直肠癌KRAS基因突变中的表现，并探索融合模型的潜力	304名直肠癌患者	计算机视觉	直肠癌	深度学习、放射组学、融合模型	CNN、特征融合模型	图像	304名患者（训练组213名，测试组91名）
288	2025-03-08	Optimizing Catheter Verification: An Understandable AI Model for Efficient Assessment of Central Venous Catheter Placement in Chest Radiography 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001126 PMID:39724590	研究论文	本研究旨在通过分割支持材料和解剖结构来提高中心静脉导管（CVC）错位检测的精确性和可理解性	结合分类网络和分割网络的深度学习模型，提高了CVC错位检测的准确性和临床可解释性	研究中使用的数据集可能存在标签不准确的问题，且模型的泛化能力需要进一步验证	提高中心静脉导管（CVC）错位检测的准确性和临床可解释性	中心静脉导管（CVC）在胸部X光片中的位置	医学影像分析	NA	深度学习	分类网络、分割网络及其组合	胸部X光片	1006张带注释的仰卧胸部X光片
289	2025-03-08	Assessment of Emphysema on X-ray Equivalent Dose Photon-Counting Detector CT: Evaluation of Visual Scoring and Automated Quantification Algorithms 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001128 PMID:39729642	研究论文	本研究评估了在X射线等效剂量光子计数探测器CT上使用视觉评分、低衰减体积（LAV）和深度学习方法估计肺气肿范围的可行性和效果，旨在探索未来剂量减少的潜力	首次在X射线等效剂量光子计数探测器CT上评估了视觉评分和自动化量化算法在肺气肿估计中的应用，并探索了剂量减少的潜力	深度学习和LAV算法在X射线剂量扫描中高估了肺气肿范围	评估在X射线等效剂量光子计数探测器CT上估计肺气肿范围的可行性和效果	101名前瞻性入组的患者	数字病理学	慢性阻塞性肺疾病	CT扫描、深度学习方法	深度学习模型	图像	101名患者
290	2025-03-08	Protein ligand structure prediction: From empirical to deep learning approaches 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102998 PMID:39914050	综述	本文综述了从经验方法到深度学习方法在蛋白质-配体结构预测中的应用	提供了对经验方法和基于深度学习的结构预测方法的统一视角，并讨论了未来基于深度学习方法的发展挑战和机遇	主要集中于方法论的讨论，缺乏具体实验数据的验证	探讨蛋白质-配体结构预测方法在药物发现中的应用	蛋白质-配体复合物	机器学习	NA	深度学习	NA	结构数据	NA
291	2025-03-08	Simulation-based inference of single-molecule experiments 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102988 PMID:39921963	综述	本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用	介绍了新兴的基于深度学习的SBI方法，用于执行复杂模型的贝叶斯推理	讨论了参数化贝叶斯推理的局限性	探讨SBI在单分子实验分析中的应用，以连接科学模型和实验	单分子实验数据	机器学习	NA	单分子力谱和冷冻电镜实验	贝叶斯推理模型	单分子实验数据	NA
292	2025-03-08	Modeling Boltzmann-weighted structural ensembles of proteins using artificial intelligence-based methods 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103000 PMID:39923288	综述	本文综述了基于人工智能的方法在生成玻尔兹曼加权结构集合方面的最新进展，这对于理解生物分子动力学和药物发现至关重要	结合深度学习方法如AlphaFold2，提高了结构集合采样的准确性和效率	综述文章，未提出新的实验数据或模型	探讨AI在结构生物学中的应用，特别是在药物发现和蛋白质动力学领域	蛋白质的结构集合	结构生物学	NA	AI驱动的分子动力学技术	AlphaFold2	蛋白质结构数据	NA
293	2025-03-08	Deep learning for RNA structure prediction 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102991 PMID:39933218	综述	本文综述了AI特别是深度学习在RNA结构预测中的应用，强调了方法学进展以及该领域未来工作的挑战和机遇	及时总结了近年来AI方法在RNA结构预测中的革命性应用，突出了深度学习技术的进步	未具体提及个别模型的性能限制或数据需求	探讨AI特别是深度学习在RNA结构预测中的应用及其进展	RNA结构预测	机器学习	NA	深度学习	NA	序列数据	NA
294	2025-03-08	From part to whole: AI-driven progress in fragment-based drug discovery 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102995 PMID:39970579	review	本文回顾了AI驱动的片段药物发现技术的最新进展	介绍了使用AI技术（如VAE、强化学习、SE(3)-等变模型）来提高分子设计的准确性和效率	未明确提及具体局限性	提高片段药物发现的效率和准确性	片段药物发现中的分子设计和优化	machine learning	NA	VAE, 强化学习, SE(3)-等变模型, 扩散模型, 语言模型, 深度进化学习	VAE, 强化学习, SE(3)-等变模型, 扩散模型, 语言模型, 深度学习	分子结构数据	NA
295	2025-03-08	FusionNet: Dual input feature fusion network with ensemble based filter feature selection for enhanced brain tumor classification 2025-Apr-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149507 PMID:39970997	研究论文	本文提出了一种名为FusionNet的新方法，利用正常和分割的MRI图像来提高脑肿瘤分类的准确性	FusionNet结合了正常和分割的MRI图像，使用基于注意力机制和集成特征选择的方法来优先考虑相关特征，从而提高分类性能	NA	提高脑肿瘤分类的准确性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	FusionNet	MRI图像	多个数据集（Figshare, Kaggle, Sartaj, 组合数据集）
296	2025-03-08	Toward deep learning sequence-structure co-generation for protein design 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103018 PMID:39983410	综述	本文回顾了深度学习在蛋白质设计中的最新进展，特别是序列-结构共生成方法	聚焦于序列-结构共生成方法，探讨了同时建模序列和结构的创新点	未提及具体方法的局限性	探讨深度学习在蛋白质设计中的应用，特别是序列-结构共生成方法	蛋白质序列和结构	机器学习	NA	深度学习	生成模型	序列和结构数据	NA
297	2025-03-08	Protein language models for predicting drug-target interactions: Novel approaches, emerging methods, and future directions 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103017 PMID:39985946	综述	本文综述了蛋白质语言模型（pLMs）在药物-靶点相互作用（DTI）预测中的应用，探讨了从小分子到蛋白质治疗的各种方法，并强调了异质数据集成的作用	本文创新性地探讨了利用预训练的基础pLMs和端到端学习模型来预测DTI，并提出了未来研究方向，如多模态学习方法和引入时间/动态交互数据	DTI预测仍面临数据相关限制和算法约束的挑战	加速药物开发过程中的新药物候选物识别	药物-靶点相互作用（DTI）	自然语言处理	NA	蛋白质语言模型（pLMs）	端到端学习模型、预训练的基础pLMs	蛋白质结构、知识图谱	NA
298	2025-03-08	Lightweight sparse optoacoustic image reconstruction via an attention-driven multi-scale wavelet network 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100695 PMID:40046019	研究论文	本文提出了一种轻量级的稀疏光声图像重建网络AD-WaveNet，通过结合离散二维小波变换和自适应注意力机制，提高了稀疏采样下的图像重建质量并降低了计算复杂度	AD-WaveNet网络创新性地将离散二维小波变换与自适应注意力机制相结合，利用小波变换的多尺度分解特性，强调不同尺度下的关键特征，从而在降低计算复杂度和参数量的同时保持最佳重建质量	NA	提高稀疏采样下光声断层扫描（PAT）图像的重建质量，并降低计算复杂度	光声断层扫描（PAT）图像	计算机视觉	NA	离散二维小波变换（DWT）	AD-WaveNet	图像	NA
299	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像
300	2025-03-06	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	本文提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过脑电图（EEG）信号自动检测阿尔茨海默病（AD）和额颞叶痴呆（FD）	EEGConvNeXt模型是一种轻量级的卷积神经网络，基于Transformer模型，具有四个主要阶段：stem、主模型、下采样和输出stem，能够高效地进行多类分类	研究依赖于相对较小的数据集，并且需要进一步验证以适用于不同人群	开发一种高精度的深度学习模型，用于自动检测阿尔茨海默病和额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FD）和健康对照组的EEG信号	数字病理学	阿尔茨海默病、额颞叶痴呆	脑电图（EEG）信号分析	CNN（卷积神经网络）	图像（EEG信号转换的功率谱图）	包含AD、FD和健康对照组的公开EEG信号数据集