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
241	2025-05-16	ASPTF: A computational tool to predict abiotic stress-responsive transcription factors in plants by employing machine learning algorithms 2024-06, Biochimica et biophysica acta. General subjects DOI:10.1016/j.bbagen.2024.130597 PMID:38490467	研究论文	开发了一个名为ASPTF的计算工具，通过机器学习算法预测植物中响应非生物胁迫的转录因子	结合了浅层学习和深度学习算法，并采用特征选择技术提高预测准确性	未提及模型在跨物种应用中的泛化能力	识别与植物非生物胁迫响应相关的转录因子，以培育抗逆作物品种	植物转录因子	机器学习	NA	机器学习算法（包括浅层学习和深度学习）	LGBM（Light-Gradient Boosting Machine）	序列数据	未明确提及具体样本数量
242	2025-05-16	Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model 2024-03-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102778 PMID:38104313	研究论文	提出了一种使用YOLOv8深度学习模型定量评估邻里物理紊乱(PD)的协议	利用YOLOv8深度学习模型构建检测模型，为不同国家和地区评估PD提供方法学基础	未提及具体样本量或数据收集范围	开发定量评估邻里物理紊乱(PD)的方法	邻里物理紊乱(PD)	计算机视觉	NA	YOLOv8深度学习模型	YOLOv8	街景图像	NA
243	2025-05-16	Protocol to investigate the neural basis for copulation posture of Drosophila using a closed-loop real-time optogenetic system 2023-12-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102623 PMID:37788165	研究论文	本文提出了一种利用闭环实时光遗传系统研究果蝇交配姿势神经基础的协议	使用深度学习分析实现高效的光遗传学操作，仅在交配期间调控神经活动	协议的具体执行细节需参考Yamanouchi等人的研究	探究果蝇交配姿势的神经基础	果蝇	神经科学	NA	光遗传学	深度学习	行为数据	NA
244	2025-05-16	Chromatin accessibility in the Drosophila embryo is determined by transcription factor pioneering and enhancer activation 2023-10-09, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2023.07.007 PMID:37557175	research paper	该研究通过深度学习模型分析果蝇胚胎中的转录因子结合和染色质可及性数据，揭示了染色质可及性的两层次机制	利用可解释的深度学习模型解析了先驱转录因子Zelda与轴模式转录因子在染色质可及性中的层级关系	研究仅基于果蝇胚胎数据，在其他生物系统中的普适性有待验证	探究染色质可及性在转录因子识别顺式调控DNA序列中的作用机制	果蝇胚胎中的转录因子结合和染色质可及性	computational biology	NA	deep learning, high-resolution TF binding and chromatin accessibility analysis	interpretable deep learning model	genomic sequencing data	果蝇胚胎数据（具体数量未说明）
245	2025-05-16	Artificial intelligence, machine learning, and deep learning in liver transplantation 2023-06, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2023.01.006 PMID:37208107	review	本文综述了人工智能、机器学习和深度学习在肝移植中的应用及其潜力	探讨了AI在肝移植前后管理中的应用，如优化移植候选决策和供受体匹配，以及预测患者和移植物生存	数据集不平衡、数据隐私问题以及缺乏实际应用中模型性能的基准研究实践	评估AI在肝移植临床决策中的潜在应用	肝移植患者的管理	machine learning	liver disease	AI, machine learning, deep learning	NA	demographic, clinical, laboratory, pathology, imaging, and omics data	NA
246	2025-05-16	Deep Learning for Smartphone-Based Malaria Parasite Detection in Thick Blood Smears 2020-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2019.2939121 PMID:31545747	研究论文	本研究开发了一种基于深度学习的智能手机应用，用于自动检测厚血涂片中的疟疾寄生虫	首次开发了能够在智能手机上运行的深度学习方法来检测厚血涂片图像中的疟疾寄生虫，并公开了一个包含1819张厚血涂片图像的数据集	研究样本量相对较小（150名患者），且仅针对厚血涂片进行验证	开发一种自动化的疟疾寄生虫检测方法，以替代传统的手动计数方法	厚血涂片图像中的疟疾寄生虫	计算机视觉	疟疾	深度学习	CNN	图像	150名患者的1819张厚血涂片图像
247	2025-05-16	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	该研究展示了深度学习可以直接从H&E组织学中预测胃肠道癌症的微卫星不稳定性（MSI）	利用深度残差学习直接从普遍可得的H&E组织学切片预测MSI，避免了额外的基因或免疫组化检测	未提及样本量或模型在广泛临床实践中的验证情况	预测胃肠道癌症患者的微卫星不稳定性以指导免疫治疗	胃肠道癌症患者的H&E组织学切片	数字病理学	胃肠道癌症	深度残差学习	深度残差网络	图像	NA
248	2025-05-15	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程	结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品	研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期	开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期	牛肝菌（Boletus bainiugan）	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR）	CNN、BPNN、DD-SIMCA、PLSR	光谱数据	831份牛肝菌样品（储存0、1和2年）
249	2025-05-15	Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification 2025-Jun, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24792 PMID:39888306	research paper	该研究提出了一种结合随机猫群优化算法和集成卷积神经网络的RCS-ECNN方法，用于皮肤癌不同阶段的分类	提出了一种新的RCS-ECNN方法，结合随机猫群优化算法和集成卷积神经网络，以提高皮肤癌分类的准确性和效率	研究中未提及方法在其他数据集上的泛化能力或实际临床应用中的可行性	优化皮肤癌的诊断方法，提高分类的准确性和效率	皮肤癌的不同阶段	computer vision	skin cancer	随机猫群优化算法(CSO), GrabCut算法	ensemble convolutional neural network (ECNN), deep neural network (DNN), Keras DNN (KDNN)	image	HAM10000和ISIC数据集
250	2025-05-15	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	研究论文	提出一种基于卷积神经网络的实时反射性晕厥检测方法，用于头高位倾斜试验中	采用端到端架构结合残差和挤压-激励块，无需手动提取特征，直接从原始血压信号中量化反射性晕厥发生概率	仅使用血压信号进行检测，可能忽略了其他生理信号提供的有用信息	开发一种实时反射性晕厥风险监测系统，提高医疗效率和患者便利性	反射性晕厥患者	数字病理学	心血管疾病	深度学习	CNN	生理信号数据	1348名患者（1291名正常，57名反射性晕厥患者）
251	2025-05-15	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	research paper	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用增强版的EfficientNet-B0和MobileNetV2模型，并与DenseNet121模型集成，开发了基于SimAM的特征融合方法，以及使用自适应权重调整策略的集成学习分类器	未提及具体的数据集局限性或模型泛化能力的详细分析	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者及认知障碍不同阶段的患者	digital pathology	geriatric disease	MRI	CNN, Ensemble Learning (EfficientNet-B0, MobileNetV2, DenseNet121)	image	ADNI数据集（ADNI-1和ADNI-2）
252	2025-05-15	Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108726 PMID:40112688	研究论文	本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析	提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像	实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞）	开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗	宫颈癌细胞和白血病细胞	数字病理学	宫颈癌、白血病	光散射成像	深度学习	图像	模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞）
253	2025-05-15	The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108722 PMID:40112687	研究论文	本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗	采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能	研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明	开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果	心房颤动患者的LGE-MRI图像	数字病理学	心血管疾病	LGE-MRI	nnU-Net, smpU-Net++, RIFE	图像	NA
254	2025-05-15	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-May-14, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	研究论文	本研究通过结合四种领域泛化技术和三种深度学习架构，系统评估了十二种方法，以提高基于脑电图（EEG）的主体独立情绪识别的性能	首次系统评估了四种领域泛化技术与三种深度学习架构的组合在主体独立EEG情绪识别中的应用，并展示了这些方法在提高分类准确性方面的潜力	研究仅使用了两个情绪EEG数据集，可能限制了结果的广泛适用性	提高基于EEG的主体独立情绪识别的模型泛化能力	情绪识别	机器学习	NA	EEG	Deep CORAL, GroupDRO, VREx, DANN, ShallowFBCSPNet, EEGNet, TSception	EEG信号	两个情绪EEG数据集
255	2025-05-15	Three pillars of artificial intelligence research in anesthesiology: welcoming address to the Korean Journal of Anesthesiology's new guidelines for machine learning and deep learning research 2025-May-14, Korean journal of anesthesiology IF:4.2Q1 DOI:10.4097/kja.25318 PMID:40364621	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
256	2025-05-15	The state of modelling face processing in humans with deep learning 2025-May-14, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	review	本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现	揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息	未提及具体的技术限制或数据限制	比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式	人类面部处理系统和深度学习模型	computer vision	NA	深度学习	深度学习模型	面部图像	NA
257	2025-05-15	Detection of Hypertrophic Cardiomyopathy on Electrocardiogram Using Artificial Intelligence 2025-May-14, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.124.012667 PMID:40365710	研究论文	本研究评估了一种基于人工智能的设备（viz HCM）在12导联心电图中检测肥厚型心肌病（HCM）的准确性	开发了一种基于深度学习的AI设备，用于从心电图中检测HCM，具有较高的特异性和曲线下面积	敏感性为68.4%，阳性预测值较低（13.7%），在人群中的实际应用可能存在限制	提高肥厚型心肌病的筛查和早期诊断能力	肥厚型心肌病患者和非患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	293例HCM阳性和2912例HCM阴性病例
258	2025-05-15	DEMO-EMol: modeling protein-nucleic acid complex structures from cryo-EM maps by coupling chain assembly with map segmentation 2025-May-14, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf416 PMID:40366028	research paper	本文介绍了一种名为DEMO-EMol的改进服务器，通过结合深度学习图像分割和链拟合技术，从冷冻电镜密度图中准确组装蛋白质-核酸复合物结构	DEMO-EMol整合了深度学习图像分割和链拟合技术，显著提高了蛋白质-核酸复合物结构建模的准确性	NA	提高从冷冻电镜密度图中组装蛋白质-核酸复合物结构的准确性和效率	蛋白质-核酸复合物结构	computational biology	NA	cryo-EM, deep learning	deep learning-based model	cryo-EM density maps	综合基准测试集，分辨率范围1.96至12.77 Å
259	2025-05-15	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-May-13, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究探索了基于AI的实时胆囊放射性追踪方法在胆囊排空分数计算中的应用	首次在核医学实践中探索了整合实时图像处理和器官功能计算的AI驱动工作流程	AI在患者移动或低计数活动情况下容易出错，且样本量较小(仅20例)	开发AI驱动的实时胆囊追踪和功能评估系统	胆囊放射性追踪和胆囊排空分数(GBEF)计算	数字病理	胆囊功能障碍	胆囊闪烁扫描术(SSC)	U-Net	医学影像	20例胆囊闪烁扫描检查(10例简单病例和10例挑战性病例)
260	2025-05-15	Multiple-Basin Go̅-Martini for Investigating Conformational Transitions and Environmental Interactions of Proteins 2025-May-13, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00256 PMID:40359486	研究论文	提出了一种名为Multiple-basin Go̅-Martini的新方法，用于研究蛋白质在显式环境中的构象转变及其与环境相互作用	结合Go̅-Martini模型和指数混合方案，能够在显式环境中模拟蛋白质的自发构象转变	未明确提及具体局限性	研究蛋白质构象转变及其与环境相互作用	蛋白质（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）	计算生物学	NA	分子动力学模拟（MD）、Multiple-basin Go̅-Martini方法	Go̅-Martini模型	分子动力学模拟数据	五个案例研究（GlnBP、Arc、Hinge、SemiSWEET和TRAAK）