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	2025-05-04	Traffic accident risk prediction based on deep learning and spatiotemporal features of vehicle trajectories 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320656 PMID:40315419	研究论文	本文提出了一种结合CNN、LSTM和GNN的深度学习模型，用于基于车辆时空轨迹数据的交通事故风险预测	提出了一种创新的组合模型，综合考虑了时空特征和道路网络关系，显著提高了预测精度，并在多种交通场景中验证了模型的强泛化能力	NA	提高复杂交通环境下的交通事故风险预测精度	车辆时空轨迹数据	机器学习	NA	深度学习	CNN, LSTM, GNN	时空轨迹数据	NA
202	2025-05-04	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	research paper	该研究提出了一种基于灰狼优化、混合特征提取和深度学习方法增强的椎间盘突出分类方法	结合灰狼优化算法与混合特征提取及深度学习方法，提升椎间盘突出分类性能	NA	提高椎间盘突出的分类准确性	腰椎间盘突出病例	digital pathology	geriatric disease	deep learning	NA	image	NA
203	2025-05-04	Deep learning segmentation model for quantification of infarct size in pigs with myocardial ischemia/reperfusion 2024-12, Basic research in cardiology IF:7.5Q1 DOI:10.1007/s00395-024-01081-x PMID:39348000	研究论文	本研究开发了一种基于深度学习的分割模型，用于自动化量化心肌缺血/再灌注猪模型中的梗死面积	首次将动态U-Net架构应用于心肌梗死面积的自动化量化，显著提高了处理效率	在鼠心脏实验数据上的模型性能较低(DSC: 0.66)，表明模型跨物种泛化能力有待提高	开发自动化心肌梗死面积量化方法以替代传统手工测量	猪和鼠的心肌缺血/再灌注模型	数字病理	心血管疾病	TTC染色	动态U-Net	图像	390个猪心脏实验(3869张图像)和27个鼠心脏实验
204	2025-05-04	Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases 2024-Dec-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006294 PMID:38577794	研究论文	开发并测试了一种用于术中识别腹膜表面转移癌的深度学习手术引导系统原型	开发了一种深度学习手术引导系统原型，能够在术中识别腹膜表面转移癌，相比肿瘤外科医生提高了识别准确率	需要进一步的多机构临床环境验证和开发	提高术中腹膜表面转移癌的识别准确率	腹膜表面转移癌	数字病理	胃肠道腺癌	深度学习	深度学习系统	图像	132名患者的4287个可见腹膜表面病变图像和365个活检腹膜表面病变的3650个图像块
205	2025-05-04	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	提出了一种名为HIT的深度超图表示学习模型，用于预测治疗性基因靶点	使用超图结构和基于注意力的学习方法捕捉基因、本体、疾病和表型之间的复杂关系	已知治疗靶点的数量有限	预测治疗性基因靶点以开发针对疾病遗传原因的治疗方法	基因	机器学习	NA	深度超图表示学习	HIT (Hypergraph Interaction Transformer)	基因、本体、疾病和表型数据	NA
206	2025-05-04	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	research paper	开发了一种名为MiTCP的深度学习方法，用于预测小分子诱导的转录变化	利用图神经网络同时建模分子结构表示和基因共表达关系，用于预测转录变化	NA	预测小分子诱导的转录变化，以促进药物发现和筛选过程	978个标志基因的转录变化	machine learning	NA	deep learning	graph neural network	transcriptional profiles	L1000数据集
207	2025-05-04	Deep learning-based design and experimental validation of a medicine-like human antibody library 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf023 PMID:39851074	研究论文	本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域	利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库	研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体	加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间	人类抗体可变区域	机器学习	NA	深度学习	生成式深度学习模型	序列数据	训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体
208	2025-05-04	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2024-Sep-13, ArXiv PMID:39314509	研究论文	本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习精度、鲁棒性和参数效率	引入生物树突的特性到人工神经网络中，解决了传统深度学习算法参数过多、易过拟合的问题	未提及具体的应用场景限制或实验数据的局限性	提升人工神经网络的学习效率、鲁棒性和参数效率	人工神经网络（ANNs）及其学习策略	机器学习	NA	NA	dendritic ANNs	图像数据	未提及具体样本数量
209	2025-05-04	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将DPM应用于DUV图像数据增强，显著提升了乳腺癌检测的准确率	研究仅针对DUV图像，未验证在其他医学图像上的适用性	提高乳腺癌术中边缘评估的分类准确性	乳腺癌的DUV图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确说明样本数量
210	2025-05-04	Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study 2024-02-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006046 PMID:38095506	研究论文	开发了一种基于深度学习的计算机辅助检测系统，用于定位和检测便携式仰卧胸部X光片中气管插管的错位	使用DeepLabv3+和ResNeSt50、DenseNet121模型架构进行分割和分类任务，实现了对气管插管错位的高精度检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发一种计算机辅助检测系统，用于检测便携式仰卧胸部X光片中气管插管的错位	便携式仰卧胸部X光片中的气管插管	数字病理学	NA	深度学习	DeepLabv3+, ResNeSt50, DenseNet121	图像	训练数据集5767张图像，测试数据集NTUH-20 955张图像，NTUH-YB 656张图像
211	2025-05-04	Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1442114 PMID:39835306	research paper	该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级	引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度	未提及具体的数据集规模或模型在更大规模数据集上的泛化能力	开发一种高效的自动化糖尿病视网膜病变分级方法	糖尿病视网膜病变的医学图像	digital pathology	diabetic retinopathy	vision transformer	Transformer	image	NA
212	2025-05-04	Integrating deep learning in public health: a novel approach to PICC-RVT risk assessment 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1445425 PMID:39839389	研究论文	本研究评估了七种机器学习算法（包括三种深度学习和四种传统机器学习模型）在利用时间序列数据评估PICC-RVT风险方面的有效性，并确定了关键预测因素	首次将深度学习模型应用于PICC-RVT风险评估，并比较了深度学习与传统机器学习模型的性能差异	研究为回顾性多中心队列研究，可能存在选择偏倚	评估机器学习算法在PICC-RVT风险评估中的有效性并识别关键预测因素	接受PICC置管的患者	机器学习	静脉血栓	机器学习	DeepSurv, Cox-Time等	时间序列数据	5,272名患者
213	2025-05-04	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型	研究基于回顾性数据，样本量相对有限（261例患者）	开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	CT扫描、放射组学分析	ResNet34、DNN	CT图像、临床数据	261例肺癌患者
214	2025-05-04	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	research paper	本研究提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号中预测血压，以改善远程医疗中的健康监测	提出ResNet-LSTM混合模型，结合ResNet的特征提取能力和LSTM的序列数据处理能力，提高了血压预测的准确性	计算成本较高（约4,375 FLOPs），未来需要优化云基础设施以实现实时分析	开发一种非侵入式血压预测方法，以改善心血管疾病的远程健康监测	通过智能可穿戴设备收集的生理信号（ECG和PPG）	machine learning	cardiovascular disease	deep learning	ResNet-LSTM	physiological signals (ECG, PPG)	NA
215	2025-05-04	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种名为NuFold的新型深度学习方法，用于预测RNA的三级结构	NuFold采用了一种灵活的核苷碱基中心表示方法，能够准确再现所有可能的核苷酸构象	NA	解决RNA序列数据与结构理解之间的差距，提供一种经济高效的RNA三级结构预测方法	RNA的三级结构	机器学习和计算生物学	NA	深度学习	NuFold	RNA序列数据	NA
216	2025-05-04	Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses 2023-Jul-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.13.548611 PMID:37503003	研究论文	开发了一种高通量基因标记方法，用于生成和分析内源性标记蛋白的复杂细胞池，以可视化或直接扰动蛋白质	结合高通量基因标记、荧光标记、测序和基于深度学习的图像分析，实现了蛋白质定位模式的大规模识别，并通过疏水性配体诱导蛋白质错误折叠，揭示了细胞器间的组织和直接串扰	NA	研究蛋白质组的动态、功能和稳态	内源性标记蛋白的复杂细胞池	蛋白质组学	NA	高通量基因标记、HaloTag标记、单细胞RNA测序、深度学习	深度学习	图像、RNA测序数据	NA
217	2025-05-04	Attentive Recurrent Network for Low-Latency Active Noise Control 2022-Sep, Interspeech DOI:10.21437/interspeech.2022-811 PMID:40313355	研究论文	本文提出了一种基于注意力循环网络的低延迟主动噪声控制方法	采用时间域方法和注意力循环网络，结合延迟补偿训练策略和修订的重叠相加方法，实现了低延迟甚至负延迟的主动噪声控制	NA	解决主动噪声控制(ANC)系统中的处理延迟问题	主动噪声控制系统	机器学习	NA	深度学习框架	注意力循环网络	音频信号	NA
218	2025-05-03	Robust DEEP heterogeneous ensemble and META-learning for honey authentication 2025-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144001 PMID:40184746	研究论文	本研究提出了一种结合多种分析技术和深度学习模型的新框架，用于区分纯蜂蜜与掺假蜂蜜	通过元学习整合多种分析技术和深度学习模型，扩展了输入特征空间，提高了预测性能	未提及具体的数据来源和样本采集细节	解决蜂蜜掺假问题，保障消费者健康和经济诚信	纯蜂蜜与掺假蜂蜜（蔗糖糖浆、葡萄糖浆或焦糖味冰淇淋配料）	分析化学	NA	多种分析技术	CNN, 元学习	NA	NA
219	2025-05-03	A deep learning model for structure-based bioactivity optimization and its application in the bioactivity optimization of a SARS-CoV-2 main protease inhibitor 2025-Jul-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2025.117602 PMID:40239482	研究论文	本文提出了一种基于深度学习的结构生物活性优化模型Pocket-StrMod，并应用于SARS-CoV-2主要蛋白酶抑制剂的生物活性优化	开发了Pocket-StrMod模型，采用自回归流架构，在蛋白质结合口袋内同步优化所有取代基，显著提高了生物活性优化的效率和效果	模型的应用范围可能受限于特定蛋白质结合口袋的结构特性	开发一种快速且成本效益高的生物活性优化方法，以加速药物发现的早期阶段	SARS-CoV-2主要蛋白酶抑制剂Hit1及其优化后的化合物	机器学习	COVID-19	深度学习	自回归流模型	分子结构数据	6种合成并测试生物活性的化合物
220	2025-05-03	Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton 2025-Jul, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109791 PMID:40048988	研究论文	本研究提出了一种新颖的嗅觉可视化图像数据增强方法，结合深度学习准确预测冷藏羊肉中的总挥发性盐基氮（TVB-N）含量	提出滑动窗口方法增强嗅觉可视化图像，结合深度学习模型提高TVB-N含量预测的准确性	NA	准确预测冷藏羊肉中的TVB-N含量，用于现场评估羊肉新鲜度	冷藏羊肉	计算机视觉	NA	嗅觉可视化传感器阵列	InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF	图像	NA