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
301	2025-05-17	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	该研究利用深度学习从已灭绝生物的蛋白质组中挖掘抗菌肽，以解决抗生素耐药性问题	首次将深度学习应用于分子复活领域，从灭绝生物中挖掘出新型抗菌肽，并验证其抗菌活性	仅验证了69种预测肽的抗菌活性，占预测总量的很小比例	发现新型抗菌肽以解决抗生素耐药性问题	已灭绝生物的蛋白质组	机器学习	细菌感染	深度学习	神经网络	蛋白质序列	10,311,899条肽序列
302	2025-05-17	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781599 PMID:40039079	研究论文	该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果	研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限	提升阿尔茨海默病分类和痴呆严重程度推断的准确性	印度和北美人群的脑部MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	CNN, 3D CycleGAN	MRI图像	ADNI和NIMHANS队列的数据集
303	2025-05-17	Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782502 PMID:40039209	research paper	本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用	提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段	未提及具体的研究限制	探索PPG信号处理的新方法，提高信号分析和合成的能力	PPG信号	machine learning	NA	VAE	VAE	signal	NA
304	2025-05-17	Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-Attention 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782321 PMID:40039442	研究论文	本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性	首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能	研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据	提高胶质母细胞瘤（GBM）患者的生存预测准确性	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	RNA测序、拷贝数变异分析、DNA甲基化分析	多实例学习和共注意力机制	全切片图像和多组学数据	214例GBM患者，包括447张全切片图像和多种多组学特征
305	2025-05-17	Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781897 PMID:40039689	research paper	该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测	结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2%	NA	开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力	胸部X光片(CXR)数据	computer vision	lung cancer	deep learning, transfer learning	MobileNetV2, CNN, SVM	image	NA
306	2025-05-17	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2024-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.04.597442 PMID:38895386	研究论文	本文通过分析扩展的ENCODE TF ChIP-seq数据集和深度学习模型，创建了一个全面的核转录因子与线粒体基因组关联的汇编	利用扩展的ENCODE数据集和深度学习模型，首次全面汇编了核转录因子与线粒体基因组的关联证据	部分核转录因子的chrM占用证据在不同抗体和ChIP协议下不可重复	评估核转录因子在线粒体基因组上的占用证据	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习	深度学习模型	基因组数据	6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性TF）
307	2025-05-17	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	research paper	介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，用于提高肿瘤负荷监测的灵敏度	MRD-EDGE平台通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比提高了约300倍，并将CNV检测所需的非整倍性程度从1Gb降低到200Mb	NA	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于最小残留疾病（MRD）评估和治疗反应监测	循环肿瘤DNA（ctDNA）	machine learning	lung cancer, colorectal cancer, melanoma	plasma whole-genome sequencing (WGS)	deep learning	genomic data	NA
308	2025-05-17	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	提出了一种名为ProkDBP的新型机器学习模型，用于更精确地预测原核DNA结合蛋白	ProkDBP模型结合了浅层学习算法和进化重要特征，显著提高了预测原核DNA结合蛋白的准确性	未提及具体样本量或数据集的详细构成	开发高精度的计算模型以预测原核DNA结合蛋白，促进原核生物学研究和疾病干预治疗的发展	原核DNA结合蛋白	机器学习	NA	随机森林变量重要性测量(RF-VIM), 光梯度提升机(LGBM)	浅层学习算法和深度学习模型	蛋白质序列数据	NA
309	2025-05-17	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-May-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	本文提出了一种名为Polaris的分析流程，用于基于图像的空间转录组学数据，结合深度学习模型进行细胞分割和斑点检测，以及概率基因解码器来准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自MERFISH、seqFISH或ISS实验的空间转录组学数据，减少了手动调整分析流程的复杂性	NA	开发一个自动化、高精度的分析流程，用于基于图像的空间转录组学数据	基于图像的空间转录组学数据	数字病理学	NA	MERFISH, seqFISH, ISS	深度学习模型	图像	NA
310	2025-05-17	Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034001 PMID:38756439	research paper	提出了一种使用深度学习自动提取和标记冠状动脉树的完全自动方法	采用多分辨率图卷积神经网络结合几何和图像强度信息进行冠状动脉段标记	评估结果显示F1分数为0.74，仍有提升空间	实现冠状动脉疾病的自动全面报告	冠状动脉树	digital pathology	cardiovascular disease	CT angiography (CCTA)	graph convolutional neural networks (GCN)	image	104名患者的冠状动脉CT血管造影扫描
311	2025-05-17	Efficacy of artificial intelligence in reducing miss rates of GI adenomas, polyps, and sessile serrated lesions: a meta-analysis of randomized controlled trials 2024-May, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.01.004 PMID:38184117	meta-analysis	该研究通过荟萃分析评估人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的效果	首次通过荟萃分析全面评估AI在多种胃肠道病变检测中的效果，证实AI可显著降低漏诊率	未观察到AI对晚期腺瘤检测效果的显著改善，且纳入研究数量有限(仅7项随机对照试验)	评估人工智能在胃肠道内窥镜检查中对病变检出率的改善效果	胃肠道腺瘤、息肉和无蒂锯齿状病变	digital pathology	gastrointestinal disease	AI-assisted endoscopic image analysis	CNN	endoscopic images	7项随机对照试验的汇总数据
312	2025-05-17	Geriatric depression and anxiety screening via deep learning using activity tracking and sleep data 2024-02, International journal of geriatric psychiatry IF:3.6Q1 DOI:10.1002/gps.6071 PMID:38372966	研究论文	本研究探讨了使用深度学习模型通过活动追踪和睡眠数据筛查老年抑郁和焦虑的可行性	首次开发了基于活动追踪数据的混合输入深度学习模型，用于老年抑郁和焦虑的多标签识别	研究依赖于消费级腕戴活动追踪器的数据，可能存在数据质量和一致性问题	探索使用深度学习模型通过活动追踪数据识别老年抑郁和焦虑的可行性	老年抑郁和焦虑患者	机器学习	老年疾病	深度学习	CNN, LSTM, ResNet	时间序列数据（步数和睡眠阶段）和非时间序列数据（抑郁和焦虑评估分数）	NA
313	2025-05-17	Multi-scale Multi-site Renal Microvascular Structures Segmentation for Whole Slide Imaging in Renal Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering PMID:40375952	research paper	提出了一种名为Omni-Seg的新型动态网络方法，用于从人类肾脏全切片图像中分割微血管结构	利用多站点、多尺度的训练数据，以及部分标记的图像进行微血管结构分割	虽然提出了新的方法，但未提及在更广泛数据集上的泛化能力	开发一种自动分割肾脏微血管结构的计算方法	人类肾脏全切片图像中的微血管结构（如小动脉、小静脉和毛细血管）	digital pathology	肾脏疾病	深度学习	动态网络	image	使用来自HuBMAP和NEPTUNE两个数据集的图像，不同放大倍数（40×、20×、10×和5×）
314	2025-05-17	Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis 2024, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2024/6621199 PMID:40303156	综述	本文对深度学习技术在利什曼病的诊断、药物发现和疫苗开发中的应用进行了范围综述	首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的研究空白	仅对现有文献进行了分析，未进行新的实验验证	探讨深度学习技术在利什曼病领域的应用现状和未来发展方向	利什曼病的诊断、药物发现和疫苗开发	机器学习	利什曼病	深度学习	NA	NA	NA
315	2025-05-17	Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia 2023-Nov-15, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.10.011 PMID:37977969	研究论文	本文开发了一种基于深度学习的自动化方法，用于测量声门攻击时间（GAT）和声门偏移时间（GOT），以辅助内收型喉肌张力障碍（AdLD）的诊断	首次使用深度学习框架自动分割声门区域并检测声带边缘，实现GAT和GOT的自动化测量	自动化测量与手动分析结果相比存在微小但不显著的差异	开发自动化测量方法以辅助AdLD的诊断	声带正常成年人和AdLD患者	数字病理学	喉肌张力障碍	高速视频内窥镜（HSV）	深度学习框架	视频	声带正常成年人和AdLD患者的HSV数据
316	2025-05-17	Applications of Artificial Intelligence in Choroid Visualization for Myopia: A Comprehensive Scoping Review 2023 Oct-Dec, Middle East African journal of ophthalmology IF:0.5Q4 DOI:10.4103/meajo.meajo_154_24 PMID:39959595	综述	本文综述了人工智能在近视患者脉络膜可视化中的应用，特别是深度学习技术在光学相干断层扫描（OCT）图像中分割脉络膜的效果和角色	综合评估了多种AI模型在脉络膜分割中的诊断准确性，并探讨了其在近视诊断和管理中的潜力	需要进一步标准化AI方法，并扩大其在更广泛临床环境中的应用	评估人工智能在近视患者脉络膜可视化中的应用效果	近视患者	数字病理	近视	光学相干断层扫描（OCT）	U-Net, LASSO回归, Attention-based Dense U-Net, ResNeSt101, Mask R-CNN	图像	12项研究，涉及不同近视程度的患者
317	2025-05-17	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	research paper	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厚血涂片疟疾寄生虫检测深度学习方法，并公开了一个包含1819张厚血涂片图像的数据集	研究仅基于150名患者的数据集，可能需要更大规模的验证	开发智能手机上的自动疟疾寄生虫检测方法，以替代人工计数	厚血涂片中的疟疾寄生虫	digital pathology	malaria	deep learning	CNN	image	1819张厚血涂片图像来自150名患者
318	2025-05-17	A Systematic Review of Detecting Sleep Apnea Using Deep Learning 2019-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s19224934 PMID:31726771	系统综述	本文系统回顾了过去十年中利用深度学习检测睡眠呼吸暂停的研究	总结了深度学习在睡眠呼吸暂停检测中的应用，包括不同深度网络的实现方式、预处理或特征提取的需求，以及各类网络的优缺点	仅涵盖了2008年至2018年的研究，可能未包括最新的技术进展	分析过去十年中发表的关于使用深度学习检测睡眠呼吸暂停的研究，回答如何实现不同的深度网络、需要何种预处理或特征提取，以及各类网络的优缺点等问题	睡眠呼吸暂停检测的深度学习研究	机器学习	睡眠呼吸暂停	深度学习	深度网络	生理信号数据	255篇论文中筛选出21篇符合标准的研究
319	2025-05-16	Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence 2025-Jun-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003248 PMID:39508594	研究论文	本研究通过人工智能技术识别用于诊断成人脑积水的关键神经影像生物标志物，旨在开发实用且准确的诊断工具	利用SHAP特征重要性分析确定了关键的一维神经影像生物标志物，并阐明了这些参数与脑室体积之间的关系	研究样本量较小，且仅针对非正常压力脑积水患者	开发基于人工智能的脑积水诊断工具	成人非正常压力脑积水患者和健康受试者	数字病理学	脑积水	人工图像处理，机器学习分类器	Gradient Boosting, 深度学习分类器	神经影像数据	NA
320	2025-05-16	Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11212-6 PMID:39613960	research paper	本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果	首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响	研究为单中心回顾性分析，可能存在选择偏倚	评估DLR技术对CT检查辐射剂量和癌症风险的降低效果	接受全身CT检查的成年患者	medical imaging	radiation-induced cancer	deep learning reconstruction (DLR)	NA	CT scan data	5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR)