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
2021	2025-05-07	Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111959 PMID:39893823	研究论文	开发了一种结合临床数据和超声特征的机器学习模型，用于痛风预测，并应用SHAP进行模型解释	结合临床数据和超声特征开发可解释的机器学习模型，并应用SHAP分析解释特征贡献	模型性能虽优，但样本量相对有限，且仅来自两个机构	开发用于痛风预测的机器学习模型	609名患者的首次跖趾关节超声数据	机器学习	痛风	Random Forest (RF), LASSO, XGBoost, SHAP	Logistic Regression (LR), 以及其他五种机器学习模型	临床数据和超声图像	609名患者（571名来自机构1，92名来自机构2）
2022	2025-05-07	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶标相互作用的关键区域——功能基团	ABIET模型通过注意力权重评估分子亚区域的相对重要性，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	未提及具体的数据集规模限制或模型适用范围限制	提高药物发现领域中Transformer模型的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	药物发现	NA	Transformer-encoder架构，注意力机制	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
2023	2025-05-07	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	research paper	该研究开发了一个开放平台，用于多模态数据集创建和联邦学习，特别针对心脏瓣膜置换术后的结果预测	利用DICOM结构化报告标准化多模态数据链接，并开发了具有交互式过滤功能的开放平台，简化了多中心数据集的创建过程	研究仅基于德国八所大学医院的数据，可能限制了结果的普遍适用性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	digital pathology	cardiovascular disease	DICOM-structured reports, federated learning	NA	multi-modal (imaging, waveform, annotations, metadata)	来自德国八所大学医院的数据集
2024	2025-05-07	Radiomics in glioma: emerging trends and challenges 2025-Mar, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52306 PMID:39901654	综述	本文综述了影像组学在神经胶质瘤中的应用、新兴趋势及挑战	整合深度学习算法提升影像组学各环节性能，探索胶质母细胞瘤特定肿瘤微环境，结合多组学数据增强预测能力	模型可重复性、泛化性、可解释性及多组学数据整合等挑战仍需解决	推动影像组学在神经胶质瘤临床诊疗中的应用	神经胶质瘤影像特征及肿瘤微环境	数字病理学	神经胶质瘤	扩散加权成像、灌注加权成像、磁共振波谱、磁共振指纹、功能MRI、正电子发射断层扫描	深度学习算法	医学影像	NA
2025	2025-05-07	Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data 2025-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70002 PMID:39907193	研究论文	本研究利用深度学习技术加速磁共振胰胆管成像（MRCP）的采集过程，无需完全采样数据	采用监督学习和自监督学习两种策略训练深度学习重建模型，显著减少MRCP采集时间，同时在3T和0.55T场强下保持图像质量	研究仅涉及35名健康志愿者，未在患者群体中验证	加速MRCP成像过程并保持图像质量	35名健康志愿者的MRCP扫描数据	医学影像处理	NA	深度学习重建、并行成像（PI）、压缩感知（CS）	深度学习（DL）	磁共振影像	35名健康志愿者
2026	2025-05-07	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	research paper	评估物理信息自动编码器（PIA）在利用混合多维MRI测量前列腺癌组织生物标志物中的性能	提出了一种新兴的自监督深度学习模型PIA，将三室扩散弛豫模型与混合多维MRI结合，无需大量训练数据即可预测前列腺癌组织特异性生物标志物	研究为回顾性设计，样本量较小（21名患者），且仅针对男性前列腺癌患者	开发一种准确、非侵入性且可解释的人工智能方法用于前列腺癌检测	前列腺癌患者的组织生物标志物	数字病理	前列腺癌	混合多维MRI	Autoencoder	MRI图像	21名男性前列腺癌患者（71个感兴趣区域）
2027	2025-05-07	ZFP-CanPred: Predicting the effect of mutations in zinc-finger proteins in cancers using protein language models 2025-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.01.020 PMID:39909391	研究论文	介绍了一种名为ZFP-CanPred的新型深度学习模型，用于预测锌指蛋白（ZNFs）中与癌症相关的驱动突变	利用蛋白质语言模型（PLMs）从突变位点的结构邻域提取表征，训练ZFP-CanPred以区分致癌突变和中性突变，其性能优于现有的11种预测工具	虽然模型在特异性和敏感性方面表现平衡，但仍有提升空间，且样本量相对较小（331个突变）	预测锌指蛋白（ZNFs）中的癌症相关驱动突变，以促进对致癌过程的理解和靶向治疗策略的开发	锌指蛋白（ZNFs）中的错义突变	机器学习	癌症	蛋白质语言模型（PLMs）	深度学习模型	蛋白质序列和结构数据	331个突变
2028	2025-05-07	Deep Learning-Enhanced Chemiluminescence Vertical Flow Assay for High-Sensitivity Cardiac Troponin I Testing 2025-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411585 PMID:39910838	research paper	介绍了一种基于深度学习的化学发光垂直流动检测方法，用于高灵敏度心脏肌钙蛋白I检测	结合化学发光传感、成像和深度学习分析，实现了高灵敏度的心脏肌钙蛋白I检测	未提及长期稳定性和大规模临床验证	开发一种高灵敏度、低成本的心脏肌钙蛋白I检测方法	心脏肌钙蛋白I（cTnI）	数字病理	心血管疾病	化学发光垂直流动检测（CL-VFA）	神经网络	化学发光信号	患者血清样本（未明确数量）
2029	2025-05-07	Leveraging deep-learning and unconventional data for real-time surveillance, forecasting, and early warning of respiratory pathogens outbreak 2025-Mar, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103076 PMID:39914162	research paper	该研究设计并部署了一个利用深度学习和非常规数据进行呼吸道疾病实时监测、预测和早期预警的框架	结合多种非常规数据源（如Google Trends、Reddit帖子、卫星空气质量数据）和深度学习模型（CNN、GNN、GRU、NN）进行呼吸道疾病的长期预测	研究仅针对加拿大和南部非洲国家，可能无法直接推广到其他地区	开发呼吸道疾病的实时监测、预测和早期预警系统	COVID-19和流感病例	machine learning	respiratory disease	deep learning	CNN, GNN, GRU, NN	multi-source data (case numbers, social media, satellite, weather)	加拿大各省和南部非洲国家的多源数据集
2030	2025-05-07	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本文介绍了一种自动化分析视频荧光吞咽研究(VFSS)的新框架，用于表征头颈癌患者的吞咽困难	提出了一种结合深度学习和机器学习的自动化框架，用于识别VFSS中的关键区域和吞咽困难相关损伤	数据集规模有限且VFSS存在变异性	开发自动化方法来评估头颈癌放疗后患者的吞咽困难	头颈癌患者放疗前后的VFSS数据	数字病理学	头颈癌	深度学习, 机器学习	深度学习框架, ML分类器	视频	未明确提及具体样本量
2031	2025-05-07	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	创新性地将深度学习与传统机器学习方法结合，用于乳腺癌风险预测，并在性能上取得了提升	需要进一步的验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以提高筛查的个性化水平	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习与传统机器学习结合	深度学习与传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片
2032	2025-05-07	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	本文介绍了一种名为REMED-T2D的集成机器学习模型，用于通过医疗数据集早期检测2型糖尿病	REMED-T2D通过整合多种机器学习算法提高了预测准确性和鲁棒性，并首次在Pima数据集上进行了全面分析	模型主要针对亚洲女性群体，可能在其他人群中的适用性有待验证	开发一种更准确、稳健的早期2型糖尿病检测方法	2型糖尿病患者（主要针对亚洲女性）	机器学习	糖尿病	集成学习	集成ML模型（包含传统ML和深度学习）	结构化医疗数据	Pima Indian Diabetes数据集（具体数量未明确说明），以及RTML1、Pabna和RTML2外部验证数据集
2033	2025-05-07	Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124323 PMID:39914214	研究论文	本研究结合深度学习和机器学习技术，利用遥感数据追踪空气污染与植被覆盖之间的关系	结合ML和DL技术分析空气污染与植被覆盖的关系，并采用多种模型进行预测	未使用高分辨率图像和未整合社会经济数据，未来研究可进一步优化	探讨空气污染与城市绿地减少之间的关系，并提出污染管理策略	达卡市的空气污染（PM2.5和PM10）与植被覆盖变化	机器学习	NA	遥感数据	XGB, SVM, RF, Unet, Unet++, MAnet, Linknet	遥感图像	1990年至2022年的数据
2034	2025-05-07	Performance of Machine Learning Models in Predicting BRAF Alterations Using Imaging Data in Low-Grade Glioma: A Systematic Review and Meta-Analysis 2025-Mar, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123742 PMID:39914655	系统综述与荟萃分析	本研究首次系统综述和荟萃分析了机器学习和深度学习模型在预测低级别胶质瘤中BRAF变异方面的性能	首次系统评估AI模型在预测低级别胶质瘤BRAF变异方面的性能	样本量有限，未来需要更大样本量和不同算法来减少不精确性	评估AI模型通过影像数据预测低级别胶质瘤BRAF变异的性能	低级别胶质瘤患者	数字病理学	低级别胶质瘤	影像数据分析	机器学习和深度学习模型	影像数据	6项研究共951名患者
2035	2025-05-07	DeepPrep: an accelerated, scalable and robust pipeline for neuroimaging preprocessing empowered by deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02599-1 PMID:39915693	research paper	介绍了一种名为DeepPrep的神经影像预处理流程，该流程利用深度学习和工作流管理器，显著提升了处理速度和可扩展性	DeepPrep通过深度学习和工作流管理器实现了十倍加速，并展示了可扩展性和鲁棒性	未提及具体的技术细节或在不同数据集上的泛化能力	解决神经影像大数据预处理中的计算挑战	神经影像数据	digital pathology	NA	deep learning	NA	neuroimaging scans	超过55,000次扫描
2036	2025-05-07	Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01876 PMID:39908426	research paper	使用深度变分异常生成方法对分子表示进行模糊测试	利用变分自编码器(VAE)生成SELFIES分子字符串的异常示例，挑战了所有SELFIES都能转换为有效SMILES字符串的断言	仅针对SELFIES 2.1.1版本进行了测试，未涵盖其他分子表示格式	压力测试和验证分子表示的鲁棒性	SELFIES分子字符串	machine learning	NA	变分自编码器(VAE)	VAE	分子字符串(SELFIES格式)	NA
2037	2025-05-07	De Novo Synthesis of Reticuline and Taxifolin Using Re-engineered Homologous Recombination in Yarrowia lipolytica 2025-Feb-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00853 PMID:39899813	研究论文	该研究通过重新设计Yarrowia lipolytica的同源重组系统，提高了基因编辑效率，并应用于合成()-reticuline和(2)-taxifolin	建立了Cas9系统以重新设计同源重组系统，显著提高了HR效率，并开发了用于gRNA活性预测的深度学习模型	NA	提高Yarrowia lipolytica的基因编辑效率，并将其转化为易于操作的模型细胞工厂	Yarrowia lipolytica	合成生物学	NA	Cas9系统，深度学习模型	深度学习模型	NA	NA
2038	2025-05-07	Triboelectric Nanogenerator-Based Flexible Acoustic Sensor for Speech Recognition 2025-Feb-19, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c21563 PMID:39912319	研究论文	本研究提出了一种基于声驱动摩擦电纳米发电机的柔性声学传感器，用于语音识别	采用PVDF/GO复合纳米纤维薄膜作为介电层，设计了仿刺绣棚结构，结合多层注意力卷积网络(MLACN)实现高精度语音识别	未明确说明传感器在复杂环境噪声下的性能表现	开发低成本、高稳定性、高保真和高灵敏度的人机交互声学传感器	柔性声学传感器及其语音识别系统	人机交互	NA	电纺丝技术	多层注意力卷积网络(MLACN)	语音信号	未明确说明样本数量
2039	2025-05-07	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种基于无配对数据集的信号噪声比增强模态变换的全息深度学习免疫传感器，用于抗生素检测	结合便携式无透镜全息成像设备和CuO@SiO纳米粒子点击反应信号放大策略，解决了传统显微镜在视野和精度上的限制	NA	开发一种高灵敏度、宽线性范围的便携式检测设备，用于食品安全检查和临床诊断	抗生素（特别是氯霉素）的检测	生物传感	NA	无透镜全息成像、点击反应信号放大	深度学习模态变换模型	全息图像	NA
2040	2025-05-07	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	该研究探讨了使用卷积神经网络（CNN）辅助靶向LC-HRMS/MS中的峰分类，用于马匹兴奋剂控制筛查分析	首次将深度学习策略应用于马匹兴奋剂控制的色谱图分类，展示了CNN评分模型与线性判别分析（LDA）分类器结合的高准确性和可行性	研究未提及模型在其他兴奋剂控制场景中的泛化能力，且假阴性率（FNR）需严格为零的挑战未完全解决	开发自动化、高准确性的兴奋剂控制筛查方法，减少人工检查的时间和重复性工作	马匹兴奋剂控制中的化合物和代谢物	机器学习	NA	超高压液相色谱-高分辨串联质谱（UHPLC-HRMS/MS）	CNN, LDA	色谱图图像	每年数万样本中的数百种化合物和代谢物