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
201	2025-04-03	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-Apr, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	研究论文	提出一个名为scDisPreAI的统一框架，利用AI整合单细胞组学数据，以进行疾病和疾病阶段的预测及生物标志物发现	提出了一个统一框架scDisPreAI，结合AI和单细胞组学数据，实现疾病预测和生物标志物发现，并强调可解释性技术如SHAP值或注意力权重	需要进一步整合多组学数据、标准化协议和前瞻性临床验证以充分发挥其潜力	开发一个AI驱动的统一框架，用于基于单细胞组学数据的疾病预测和生物标志物发现	单细胞组学数据和疾病预测	机器学习	多种疾病	单细胞组学	深度学习架构或机器学习流程	单细胞组学数据	NA
202	2025-04-03	DiffMC-Gen: A Dual Denoising Diffusion Model for Multi-Conditional Molecular Generation 2025-Apr-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417726 PMID:40170290	研究论文	本文提出了一种双去噪扩散模型DiffMC-Gen，用于多条件分子生成，以优化候选化合物的多种性质	DiffMC-Gen模型整合了离散和连续特征以增强对3D分子结构的感知能力，并采用多目标优化策略同时优化多个分子性质	未明确提及具体局限性	开发一种能够同时优化多种药物分子性质的深度学习方法	药物分子设计	机器学习	NA	去噪扩散模型	DiffMC-Gen	分子结构数据	针对三种目标蛋白（LRRK2、HPK1和GLP-1受体）生成的分子
203	2025-04-03	Trade-off of different deep learning-based auto-segmentation approaches for treatment planning of pediatric craniospinal irradiation autocontouring of OARs for pediatric CSI 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17782 PMID:40170415	research paper	本研究比较了三种自动分割方法在儿童颅脊髓照射治疗计划中的应用，包括商业软件、开箱即用方法和内部开发方法	比较了不同自动分割方法在儿童患者中的适用性，并提出了针对特定器官的内部开发方法	商业软件对儿童解剖结构的适应性不足，特别是食管和肾脏的分割效果较差	评估不同自动分割方法在儿童颅脊髓照射治疗计划中的性能	儿童颅脊髓照射治疗中的18个风险器官	digital pathology	pediatric disease	auto-segmentation	U-Net, attention U-Net, 2.5D U-Net, nnU-Net	CT scans	142名儿童患者的CT扫描（训练集115例，验证集27例），外加16例测试集
204	2025-04-03	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	research paper	本研究提出了一种基于深度学习的自动分割和肌肉减少症诊断方法，用于宫颈癌放疗患者的骨骼肌定量评估	首次使用第五腰椎（L5）代替第三腰椎（L3）进行骨骼肌指数（SMI）评估，并开发了一种端到端的解剖距离引导双分支特征融合网络进行自动分割	研究样本量有限（248例），且外部验证数据集的表现略低于内部数据集	探索锥形束CT（CBCT）在宫颈癌放疗患者骨骼肌定量评估和肌肉减少症诊断中的应用价值	宫颈癌放疗患者	digital pathology	cervical cancer	CBCT, deep learning	anatomical distance-guided dual branch feature fusion network	CT and CBCT images	248 cervical cancer radiotherapy patients
205	2025-04-03	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	research paper	本研究验证了一种基于深度学习和水平集算法的冠状动脉CTA衍生FFR新型分析模型在识别缺血特异性CAD中的能力	结合深度学习和水平集算法优化冠状动脉3D重建的新型CT FFR算法	研究为回顾性分析，样本量相对有限（198根血管/171例患者）	验证新型CT FFR模型在识别病灶特异性缺血性冠状动脉疾病中的效能	接受CTA和有创FFR检查的冠状动脉血管	digital pathology	cardiovascular disease	coronary computed tomography angiography (CTA), invasive fractional flow reserve (FFR)	deep learning, level set algorithm	medical imaging	198 vessels from 171 patients across 4 medical centers
206	2025-04-03	Deep graph learning of multimodal brain networks defines treatment-predictive signatures in major depression 2025-Mar-31, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-02974-6 PMID:40164695	研究论文	本研究利用深度图学习方法分析多模态脑网络数据，以预测重度抑郁症患者对抗抑郁药物的治疗反应	开发了一个基于图神经网络的深度学习框架，整合了fMRI和EEG数据，揭示了与治疗反应相关的多模态脑网络特征	样本量相对有限（265名患者），且仅针对特定抗抑郁药物（舍曲林）进行了研究	预测重度抑郁症患者对抗抑郁药物的个体化治疗反应	265名重度抑郁症患者（130名接受舍曲林治疗，135名接受安慰剂）	数字病理学	抑郁症	fMRI, EEG, 图神经网络	GNN	神经影像数据	265名患者（来自EMBARC研究）
207	2025-04-03	LMCBert: An Automatic Academic Paper Rating Model Based on Large Language Models and Contrastive Learning 2025-Mar-31, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3550203 PMID:40168236	研究论文	提出了一种基于大型语言模型和对比学习的自动学术论文评分模型LMCBert	结合大型语言模型（LLMs）和动量对比学习（MoCo）优化Bert训练，提高学术论文评分任务的准确性	未提及具体的数据集规模或模型在不同类型学术论文上的泛化能力	开发高效的自动学术论文评分方法以减少人工评审的资源和偏见	学术论文	自然语言处理	NA	大型语言模型（LLMs）、动量对比学习（MoCo）	Bert	文本	未提及具体样本数量
208	2025-04-03	A novel hybrid feature fusion approach using handcrafted features with transfer learning model for enhanced skin cancer classification 2025-Mar-31, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110104 PMID:40168807	research paper	提出了一种新颖的混合特征融合方法，结合手工特征和迁移学习模型，用于增强皮肤癌分类	提出了一种结合GLCM、RDWT和DenseNet121特征的混合特征融合模型，显著提高了分类准确率	未提及具体的数据集规模限制或模型泛化能力的局限性	提高皮肤癌早期诊断的准确性和可靠性	皮肤病变的皮肤镜图像	computer vision	skin cancer	Grey-Level Co-Occurrence Matrix (GLCM), Redundant Discrete Wavelet Transform (RDWT), transfer learning	DenseNet121, XGBoost, ensemble classifier	image	NA
209	2025-04-03	Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise 2025-Mar-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.047 PMID:40169328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
210	2025-04-03	Deep Learning of Proteins with Local and Global Regions of Disorder 2025-Mar-29, ArXiv PMID:40034137	研究论文	提出了一种新的机器学习方法IDPForge，用于生成全原子水平的内在无序蛋白质（IDPs）和内在无序区域（IDRs）的结构集合	IDPForge利用transformer蛋白语言扩散模型，无需序列特异性训练或从粗粒度表示进行反向转换，即可生成与实验数据吻合良好的IDP/IDR构象集合	未明确提及样本量或具体实验验证的局限性	改进内在无序蛋白质和区域的结构预测方法	内在无序蛋白质（IDPs）和内在无序区域（IDRs）	机器学习	NA	transformer蛋白语言扩散模型	transformer	蛋白质序列和结构数据	NA
211	2025-04-03	Towards Unified Deep Image Deraining: A Survey and A New Benchmark 2025-Mar-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556133 PMID:40153286	综述	本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能，同时构建了一个新的高质量基准HQ-RAIN	提出了一个统一的评估设置来公平比较不同的去雨方法，并构建了一个包含5,000对高分辨率合成图像的新基准HQ-RAIN	虽然提供了统一的评估设置和新基准，但可能未涵盖所有实际应用场景中的复杂情况	统一评估图像去雨方法的性能，并推动该领域的研究进展	图像去雨方法及其评估	计算机视觉	NA	深度学习	NA	图像	5,000对高分辨率合成图像
212	2025-04-03	pACPs-DNN: Predicting anticancer peptides using novel peptide transformation into evolutionary and structure matrix-based images with self-attention deep learning model 2025-Mar-28, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108441 PMID:40168838	研究论文	提出了一种基于自注意力深度学习模型pACPs-DNN，用于准确预测抗癌肽和非抗癌肽	将肽转化为基于进化和结构矩阵的图像，并利用局部二值模式分解捕捉增强的结构和局部语义特征，生成新的特征集	NA	开发一种准确预测抗癌肽和非抗癌肽的深度学习模型，以推进癌症相关治疗药物的发现和研究	抗癌肽（ACPs）和非抗癌肽	机器学习	癌症	局部二值模式（LBP）分解，残差能量接触矩阵（RECM），替换矩阵表示（SMR），位置特异性评分矩阵（PSSM）嵌入	自注意力深度神经网络（DNN）	肽序列数据	NA
213	2025-04-03	From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction 2025-Mar-26, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2025.03.004 PMID:40147701	综述	本文探讨了胰腺导管腺癌（PDAC）风险分层的演变，比较了传统流行病学框架与人工智能驱动的方法	提出将人工智能（AI）应用于PDAC风险分层，整合遗传、临床、生活方式和影像数据，以发现新的相互作用和风险特征	临床转化中的挑战包括数据稀缺、模型可解释性和外部验证	开发可扩展的个性化预测工具，以改善PDAC的早期检测和患者预后	胰腺导管腺癌（PDAC）	人工智能	胰腺癌	全基因组关联研究（GWAS）、多基因风险评分、机器学习、放射组学、深度学习	机器学习、深度学习	遗传数据、临床数据、生活方式数据、影像数据	NA
214	2025-04-03	Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis 2025-Mar-25, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121151 PMID:40147601	研究论文	本研究提出了一种使用斜冠状MRI和集成学习方法来辅助阿尔茨海默病诊断的新方法	开发了一种从3D MRI数据中提取斜冠状切片的算法，并采用集成学习方法进行基于受试者的分类，而非基于图像的分类	研究基于ADNI数据集，可能无法完全代表所有临床场景	提高阿尔茨海默病诊断的准确性和临床适用性	阿尔茨海默病患者、轻度认知障碍患者和正常老年人	数字病理学	老年疾病	MRI	集成学习	图像	ADNI数据集中的样本（具体数量未提及）
215	2025-04-03	[Research progress in mutation effect prediction based on protein language models] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240683 PMID:40170306	review	本文综述了基于蛋白质语言模型(PLMs)的蛋白质突变效应预测研究进展	总结了PLMs在蛋白质突变效应预测中的应用，包括序列模型、结构模型及序列结构融合模型，并探讨了无监督与监督学习的应用	面临高质量数据集获取和数据噪声处理等主要挑战	推进蛋白质突变效应预测研究	蛋白质语言模型及其在突变效应预测中的应用	生物信息学	NA	无监督学习、监督学习、多模态融合、小样本学习	蛋白质语言模型(PLMs)	蛋白质序列数据、结构数据	NA
216	2025-04-03	[Intelligent mining, engineering, and de novo design of proteins] 2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240629 PMID:40170309	综述	本文综述了人工智能在蛋白质发现、评估、工程和设计方面的最新研究进展	探讨了AI如何通过分析大量生物信息学数据，利用机器学习和深度学习算法加速蛋白质的发现和优化，并辅助设计新的蛋白质结构	未提及具体的实验验证或实际应用案例	探索和改造酶以适应特定的生物制造过程	蛋白质，特别是酶	生物信息学	NA	机器学习和深度学习算法	NA	生物信息学数据	NA
217	2025-04-03	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-Mar-24, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	research paper	该研究介绍了一种基于深度学习的组织学分析流程SEKO，用于在啮齿动物模型中空间评估膝骨关节炎	开发了结合分割和可视化工具的SEKO流程，采用U-NET架构进行高精度预测，并通过概率热图可视化关节重塑的空间变化	NA	通过空间和形态计量学变化可视化，客观比较OA进展和治疗干预	啮齿动物膝关节的关节重塑	digital pathology	osteoarthritis	histological analysis	HRNet, U-Net	image	NA
218	2025-04-03	Simultaneous detection of citrus internal quality attributes using near-infrared spectroscopy and hyperspectral imaging with multi-task deep learning and instrumental transfer learning 2025-Mar-22, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143996 PMID:40168872	研究论文	本研究利用高光谱成像（HSI）和近红外光谱（NIR）技术，结合多任务深度学习和仪器迁移学习，同时检测柑橘内部品质属性	开发了单任务和多任务卷积神经网络（CNN）模型，探索了从HSI到NIR的模型迁移可行性	研究仅针对两种柑橘品种（衢州椪柑和湘西长叶），模型在其他品种上的适用性未验证	同时测定柑橘水果的多种品质属性，并实现不同仪器间模型的成功迁移	衢州椪柑和湘西长叶两种柑橘的可溶性固形物含量（SSC）和pH值	计算机视觉	NA	高光谱成像（HSI）和近红外光谱（NIR）	CNN（卷积神经网络）	图像和光谱数据	两种柑橘品种（具体样本数量未提及）
219	2025-04-03	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	研究论文	本文综述了利用神经影像数据进行阿尔茨海默病诊断的机器学习模型，并评估了这些模型的可重复性和泛化性	对现有机器学习模型在阿尔茨海默病诊断中的可重复性和泛化性进行了系统性评估	现有模型在不同数据队列中泛化能力下降	评估机器学习模型在阿尔茨海默病早期诊断中的应用潜力	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	sMRI, fMRI, PET	传统机器学习(ML)和深度学习(DL)	神经影像数据	NA
220	2025-04-03	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	research paper	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合了自监督预训练和监督微调，使用条件卷积联合自编码器学习稳健的波形和放电动态表示	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	machine learning	NA	自监督学习, 监督学习	conditional convolutional joint autoencoders	电生理记录数据	小鼠记录和脑切片