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	2025-05-08	Review on computational methods for the detection and classification of Parkinson's Disease 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109767 PMID:39938340	review	本文对帕金森病(PD)的计算检测和分类方法进行了系统性综述	聚焦PD生物标志物和多种成像模态，深入分析现有机器学习与深度学习模型的性能及局限性	现有PD诊断数据集适用性有限，需要扩展其应用范围	系统调研PD诊断方法以提升诊断准确性	帕金森病的影像学特征和生物标志物	machine learning	geriatric disease	MRI成像	machine learning, deep learning	image	NA
202	2025-05-08	Deep learning paradigms in lung cancer diagnosis: A methodological review, open challenges, and future directions 2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104914 PMID:39938402	review	本文全面探讨了深度学习在肺癌诊断中的应用，包括结节检测、分类和预后预测	深度学习在肺癌诊断中展现出卓越性能，有时甚至超越人类专家准确率，并推动了计算机辅助诊断系统的发展	面临数据质量和可解释性等挑战	提升肺癌诊断的精确性和效率	肺癌诊断中的深度学习模型	digital pathology	lung cancer	NA	deep neural networks	image	NA
203	2025-05-08	Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data 2025-Feb-26, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101869 PMID:40021091	研究论文	提出一种专门用于分析3D心脏标记磁共振图像的深度学习方法	首次将深度学习应用于3D心脏标记磁共振图像的位移分析，并采用合成数据进行训练	方法仅在合成数据和有限的外部验证数据集上进行了测试	开发一种快速分析3D心脏标记磁共振图像的方法	左心室运动	数字病理学	心血管疾病	3D标记磁共振成像	神经网络	3D图像	合成数据集、外部验证人类数据集和猪研究数据集
204	2025-05-08	RAE-Net: a multi-modal neural network based on feature fusion and evidential deep learning algorithm in predicting breast cancer subtypes on DCE-MRI 2025-Feb-25, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb494 PMID:39933196	研究论文	介绍了一种基于特征融合和证据深度学习算法的新型神经网络模型RAE-Net，用于通过动态对比增强磁共振成像（DCE-MRI）预测乳腺癌亚型	结合了多模态特征融合（MFF）和证据深度学习算法（EDLA），提高了乳腺癌亚型预测的准确性和可靠性	研究样本量相对较小（344例患者），且仅基于DCE-MRI数据	提高乳腺癌分子亚型的准确预测，以支持个性化治疗	乳腺癌患者	数字病理学	乳腺癌	DCE-MRI	RAE-Net（基于ResNet-50、多头注意力融合和多层感知机机制）	图像	344例经组织学确认的乳腺癌患者（训练集200例，验证集60例，测试集62例）
205	2025-05-08	Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01877 PMID:39927847	research paper	比较AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的性能，并探讨影响预测准确性的因素	首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行系统比较，并发现CDR3特性对预测准确性的重要影响	两种工具的整体成功率仍低于50%，且研究结果可能不适用于所有类型的纳米抗体	评估和改进纳米抗体表位预测工具的准确性	纳米抗体及其表位	computational biology	NA	AI驱动工具（AlphaFold3和AlphaFold2-Multimer）	AlphaFold3, AlphaFold2-Multimer	protein structure data	NA
206	2025-05-08	Deep Learning for Antimicrobial Peptides: Computational Models and Databases 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00006 PMID:39927895	review	本文综述了用于抗菌肽预测的深度学习模型和相关数据库	总结了现有的深度学习模型及其在抗菌肽预测中的应用，并讨论了它们的局限性和挑战	未提及具体模型的性能比较或实验验证	帮助计算生物学家设计更好的抗菌肽预测深度学习模型	抗菌肽	machine learning	NA	deep learning	NA	NA	NA
207	2025-05-08	Combinatorial mapping of E3 ubiquitin ligases to their target substrates 2025-Feb-20, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2025.01.016 PMID:39919746	研究论文	该研究开发了一个名为COMET的框架，用于大规模识别E3泛素连接酶与其底物蛋白的降解关系	开发了COMET框架，能够在一个实验中同时测试多个E3连接酶对多个候选底物的降解作用，并利用深度学习预测E3-底物相互作用的结构基础	研究仅关注了SCF泛素连接酶亚基和短寿命转录因子的降解，未涵盖所有E3连接酶和底物类型	识别E3泛素连接酶与其底物蛋白的降解关系	E3泛素连接酶和其底物蛋白	生物信息学	NA	COMET框架、深度学习	深度学习模型	蛋白质相互作用数据	6,716个F-box-ORF组合和26,028个E3-TF组合
208	2025-05-08	Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning 2025-Feb-20, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02098g PMID:39925033	研究论文	开发了一种形状适应性强的柔性SERS基底，结合深度学习算法，用于水果表面硫丹的快速检测和定量分析	创新的柔性SERS基底设计，结合1D CNN模型，实现了对不规则表面农药残留的高灵敏度和高准确度检测	仅针对硫丹一种农药进行了验证，未测试其他农药的检测效果	开发快速检测水果表面农药残留的方法	水果表面的硫丹农药残留	食品安全检测	NA	表面增强拉曼散射(SERS)	1D CNN	拉曼光谱信号	番茄和蓝莓表皮样品
209	2025-05-08	Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography 2025-Feb-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adb493 PMID:39933194	research paper	提出了一种基于深度学习的视频级别二维经胸超声心动图视图分类框架TTESlowFast，以满足临床需求	结合SlowFast架构，采用采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题	未详细讨论在更广泛临床环境中的泛化能力	开发准确高效的视频级别TTE视图分类方法	二维经胸超声心动图（TTE）视频	digital pathology	cardiovascular disease	deep learning	SlowFast	video	未明确提及样本数量
210	2025-05-08	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	研究通过活细胞分析、ATAC测序和脓毒症体内模型，揭示巨噬细胞如何通过重新编程NF-κB网络和染色质可及性景观来保留对炎症信号的记忆	首次展示了巨噬细胞如何通过转录因子和染色质动态协调精细调节对新炎症信号的反应，从而保留对过去信号的记忆	研究主要关注脓毒症模型，可能不适用于所有炎症条件	探索免疫细胞如何编码和解码动态信号，并保留对炎症分子暴露的记忆	巨噬细胞	免疫学	脓毒症	ATAC测序、活细胞分析、转录组分析、深度学习	深度学习	基因组数据、转录组数据	NA
211	2025-05-08	Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci 2025-02-18, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c15364 PMID:39903818	研究论文	该研究利用深度学习与单分子定位显微镜（SMLM）相结合的方法，揭示了DNA纠缠位点的纳米级动力学	首次将深度学习与SMLM结合，用于研究纳米尺度下DNA纠缠位点的动力学行为	研究基于Lambda DNA模型系统，可能无法完全反映真实生物系统中的复杂性	探究纳米尺度下分子动力学行为	DNA分子及其纠缠位点	生物物理学	NA	单分子定位显微镜（SMLM）	深度学习算法	图像数据	基于Lambda DNA模型系统的模拟数据
212	2025-05-08	A deep learning-enabled smart garment for accurate and versatile monitoring of sleep conditions in daily life 2025-Feb-18, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420498122 PMID:39932995	research paper	介绍了一种基于深度学习的智能服装，用于日常生活中准确且多功能地监测睡眠状况	开发了一种可水洗、与皮肤兼容的智能服装睡眠监测系统，无需定位或皮肤准备，即可在弱设备-皮肤耦合条件下捕获局部皮肤应变信号	未提及具体的技术或应用限制	提高睡眠质量并预防与睡眠相关的慢性病	睡眠状况监测	可穿戴技术	睡眠相关慢性病	深度学习、可解释AI和迁移学习数据处理	深度学习模型	皮肤应变信号	未提及具体样本量
213	2025-05-08	Time-series attribution maps with regularized contrastive learning 2025-Feb-17, ArXiv PMID:40034132	研究论文	提出了一种具有可识别性保证的时间序列归因图生成方法，结合正则化对比学习算法和新的归因方法Inverted Neuron Gradient（统称为CEBRA）	首次提出了具有可识别性保证的时间序列归因图生成方法，并通过理论和实证验证了其优越性	未提及具体的数据集规模或实际应用场景的限制	提高深度学习模型决策解释的可识别性和准确性	时间序列数据和深度学习模型的归因图	机器学习	NA	正则化对比学习算法	CEBRA（结合Inverted Neuron Gradient）	时间序列数据	NA
214	2025-05-08	Extended Technical and Clinical Validation of Deep Learning-Based Brainstem Segmentation for Application in Neurodegenerative Diseases 2025-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70141 PMID:39936343	研究论文	本研究优化并验证了基于深度学习的脑干分割方法，应用于神经退行性疾病的研究	优化了深度学习脑干分割方法，适用于多种病理和T1加权图像采集参数，并进行了系统和临床验证	研究样本量相对较小，且仅针对特定神经退行性疾病进行了验证	优化和验证深度学习脑干分割方法，以评估脑干体积作为神经退行性变的候选生物标志物	脑干结构和神经退行性疾病患者	数字病理	神经退行性疾病	T1加权图像采集	MD-GRU, nnU-Net	医学影像	257例训练数据，46例扫描重复性验证，20例跨扫描仪验证，16例多系统萎缩患者随访数据，23例多发性硬化患者
215	2025-05-08	Multiple model visual feature embedding and selection method for an efficient oncular disease classification 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84922-y PMID:39934192	研究论文	本研究提出了一种基于深度学习的自动化眼疾分类系统，旨在提高诊断精度并支持临床工作流程	引入了一种新颖的两级特征选择框架，结合LDA和先进的神经网络分类器（DNN、LSTM和BiLSTM），显著降低了计算复杂度并提高了分类准确率	研究仅基于ODIR数据集，可能无法涵盖所有眼疾类型或临床场景	开发一个高效、可扩展的眼疾自动检测系统，以支持临床决策	眼疾患者的眼底图像	计算机视觉	眼疾	深度学习	DenseNet201, EfficientNetB3, InceptionResNetV2, DNN, LSTM, BiLSTM	图像	5000张患者眼底图像，分为八类眼疾
216	2025-05-08	Deep Learning Radiomics for Survival Prediction in Non-Small-Cell Lung Cancer Patients from CT Images 2025-Feb-11, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02156-5 PMID:39930275	research paper	本研究旨在应用深度学习方法的多模态策略，通过基于CT的放射组学预测非小细胞肺癌（NSCLC）患者的生存期	结合传统放射组学、深度放射组学特征和临床参数，使用DeepSurv神经网络进行生存预测，相比Cox-PH模型有更高的预测效率	研究依赖于公开数据集，可能无法涵盖所有NSCLC患者的临床多样性	提高非小细胞肺癌患者生存预测的准确性	非小细胞肺癌患者	digital pathology	lung cancer	CT-based radiomics	3D CNN, DeepSurv neural network	CT images	420名患者用于训练（Lung 1数据集），516名患者用于测试（Lung 2数据集）
217	2025-05-08	Deliod a lightweight detection model for intestinal organoids based on deep learning 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89409-y PMID:39934224	研究论文	本文提出了一种基于深度学习的轻量级肠道类器官检测模型Deliod，用于自动化识别类器官形态	Deliod模型基于YOLOv8设计，解决了现有技术中组织重叠和小目标导致的高错误率和有限适用性问题	NA	开发一种高效准确的肠道类器官形态识别方法	肠道类器官	计算机视觉	肠道疾病	深度学习	YOLOv8	图像	NA
218	2025-05-08	MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89096-9 PMID:39934248	研究论文	提出了一种名为MedFuseNet的新型编码器-解码器架构，通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割	设计了混合注意力机制，结合四种不同的注意力模块，以融合和增强局部与全局特征	未提及具体局限性	提高医学图像分割的性能	医学图像	数字病理	NA	深度学习	CNN, Swin-Transformer	图像	公共ACDC和Synapse数据集
219	2025-05-08	A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89693-8 PMID:39934265	研究论文	提出了一种基于AI的超分辨率图像重建技术，用于皮肤癌的早期诊断	提出了一种名为MELIIGAN的新型生成对抗网络框架，用于加速中间皮肤病变的诊断，并设计了处理更大缩放因子和重建细粒度细节的堆叠残差块	未提及具体的数据集规模或多样性限制	开发一种非侵入性方法，通过超分辨率图像重建技术提高皮肤病变图像质量，以实现早期诊断	中间或可疑的皮肤病变	计算机视觉	皮肤癌	超分辨率图像重建	GAN（生成对抗网络）	图像	未提及具体样本数量
220	2025-05-08	Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89646-1 PMID:39934290	研究论文	本文开发了一种结合深度学习和可解释人工智能的多视图图级表示学习框架，用于研究衰老的分子机制	提出了一个先进的MGRL框架，整合了先验生物网络信息，构建了细胞类型分辨率的分子衰老时钟，并通过XAI进行解释	未提及具体的样本限制或技术局限性	研究衰老的分子机制	单细胞转录组数据和DNA甲基化数据	机器学习	老年疾病	单细胞转录组测序、DNA甲基化测序	MGRL（多视图图级表示学习框架）	单细胞转录组数据、DNA甲基化数据	来自981名捐赠者的超过一百万免疫细胞