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
2841	2025-03-23	Correction for Quach et al., Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis 2025-Apr, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504475122 PMID:40117323	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2842	2025-05-07	Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II) 2025-Mar-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123411 PMID:39893881	研究论文	使用神经网络区分多系统萎缩伴帕金森症和帕金森病的深度学习研究	采用基于体素的形态测量数据作为输入变量，利用神经网络区分MSA-P和PD，展示了在临床应用中足够的实用性	研究未提及样本的具体数量及多样性，可能影响模型的泛化能力	区分多系统萎缩伴帕金森症(MSA-P)和帕金森病(PD)	帕金森病(PD)和多系统萎缩伴帕金森症(MSA-P)患者	数字病理学	帕金森病	基于体素的形态测量	NN	图像	NA
2843	2025-05-07	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-Mar-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	提出了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶(ALP)活性值来高效预测植入物表面的成骨能力	NA	开发高效筛选骨科植入物表面成骨能力的方法	钛及其合金植入物表面	数字病理	骨科疾病	深度学习	OIODNet	图像	NA
2844	2025-05-07	ERNIE-ac4C: A Novel Deep Learning Model for Effectively Predicting N4-acetylcytidine Sites 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168978 PMID:39900287	research paper	提出了一种新的深度学习模型ERNIE-ac4C，用于有效预测N4-乙酰胞苷（ac4C）位点	结合ERNIE-RNA语言模型和二维卷积神经网络（CNN），利用序列特征和注意力图特征的融合来预测ac4C修饰位点	未提及具体局限性	提高ac4C修饰位点的预测准确性和效率	N4-乙酰胞苷（ac4C）修饰位点	machine learning	NA	deep learning	ERNIE-RNA, CNN	RNA序列数据	NA
2845	2025-05-07	DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168977 PMID:39900285	研究论文	开发了一种名为DOGpred的深度学习框架，用于准确识别人体O-连接苏氨酸糖基化位点	提出了一种结合CNN和RNN的深度学习框架，通过注意力机制融合特征，显著提高了预测性能	未提及模型在跨物种或其他类型糖基化位点预测中的泛化能力	开发计算工具预测O-连接苏氨酸糖基化位点，以补充实验方法并促进疾病研究	人体蛋白质的O-连接苏氨酸糖基化位点	生物信息学	NA	深度学习	CNN, RNN	蛋白质序列特征	未明确提及具体样本数量
2846	2025-05-07	Enhanced electroencephalogram signal classification: A hybrid convolutional neural network with attention-based feature selection 2025-Mar-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149484 PMID:39904453	研究论文	提出了一种基于深度学习的混合卷积神经网络与注意力机制的特征选择方法，用于提高运动想象脑电图信号的分类准确性	结合离散小波变换和共同平均参考进行降噪，使用CNN提取时域特征，并通过talking-heads注意力机制增强关键特征序列，最后利用TCN提取时空特征进行分类	未提及模型在其他数据集上的泛化能力或计算复杂度	提高运动想象脑电图信号的分类准确性，以促进脑机接口的实现	运动想象脑电图信号	机器学习	NA	离散小波变换, 共同平均参考	CNN, TCN, talking-heads注意力机制	脑电图信号	基于BCI Competition IV-2a数据集
2847	2025-05-07	TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore 2025-Mar-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00609 PMID:39915959	研究论文	介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程，专为timsTOF仪器的DDA-PASEF数据优化	结合了新的timsTOF MSPIP谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，直接支持Bruker原始质谱数据和多种搜索引擎结果	未明确提及具体限制	提高质谱数据分析的准确性和效率，以支持蛋白质组学研究	血浆蛋白质组学、免疫肽组学（HLA I类和II类）和元蛋白质组学数据集	蛋白质组学	NA	质谱技术（MS）、离子迁移技术、PASEF技术	深度学习模型	质谱数据	NA
2848	2025-05-07	DeepES: deep learning-based enzyme screening to identify orphan enzyme genes 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf053 PMID:39909853	research paper	开发了一个基于深度学习的工具DeepES，用于识别孤儿酶基因	利用深度学习技术整合二元分类器输出，针对生物合成基因簇和反应类别进行酶筛选	未提及具体性能指标或与其他工具的对比结果	解决孤儿酶基因识别问题，填补序列与酶反应关联理解的空白	蛋白质序列和生物合成基因簇	生物信息学	NA	深度学习	binary classifier	蛋白质序列	4744个宏基因组组装基因组
2849	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）
2850	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
2851	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
2852	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
2853	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）
2854	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
2855	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）
2856	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
2857	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
2858	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
2859	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
2860	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