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	2025-06-05	ProtFun: A Protein Function Prediction Model Using Graph Attention Networks with a Protein Large Language Model 2025-May-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.13.653854 PMID:40463264	研究论文	提出了一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能	结合蛋白质大型语言模型（LLM）嵌入和图注意力网络（GAT）来学习蛋白质嵌入，并与InterPro的蛋白质特征表示整合	未提及具体局限性	开发计算方法来自动预测蛋白质功能	蛋白质功能	机器学习	NA	蛋白质大型语言模型（LLM）、图注意力网络（GAT）	GAT	蛋白质序列数据	三个基准数据集
302	2025-06-05	Tracking Conditioned Fear in Pair-Housed Mice Using Deep Learning and Real-Time Cue Delivery 2025-May-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.10.653260 PMID:40463247	research paper	该研究开发了一种新型的巴甫洛夫范式，结合开源软件和深度学习姿态估计，研究配对饲养小鼠在家笼中对反复条件刺激的恐惧行为反应	提出了一种结合开源软件和深度学习的新型范式，用于在生态相关环境中长期研究小鼠的条件性防御和恐惧行为	研究仅关注小鼠模型，结果向人类PTSD的转化需要进一步验证	开发新方法来研究创伤后应激障碍(PTSD)相关的条件性恐惧行为	配对饲养的小鼠	digital pathology	PTSD	深度学习姿态估计	深度学习模型	视频	配对饲养的小鼠群体(具体数量未提及)
303	2025-06-05	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	研究论文	本研究提出了一种基于深度学习的自动化方法，用于卵巢癌的分级和分期，利用常规组织病理学图像进行预测	采用迁移学习方法，微调预训练的ResNet-101卷积神经网络，结合数据增强、加权随机采样和类别权重调整，优化模型性能	未提及模型在不同实验室或不同扫描设备获取的图像上的泛化能力	开发自动化方法来辅助卵巢癌的诊断和分期	卵巢癌组织病理学图像	数字病理学	卵巢癌	深度学习	CNN (ResNet-101)	图像	未明确提及具体样本数量
304	2025-06-05	Evaluation of data collection and annotation approaches of driver gaze dataset 2025-May-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02679-2 PMID:40369353	research paper	本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法	引入了一种新的基于移动指针的标注方法，该方法受到基于屏幕的视线数据收集的启发	手动标注和Speak2Label方法的准确性较低，需要进一步分析误分类原因	评估不同数据收集和标注方法在驾驶员视线估计中的效果	驾驶员视线数据集	computer vision	NA	eye tracker	supervised machine learning, deep learning	image	NA
305	2025-06-05	FastConformation: A Standalone ML-Based Toolkit for Modeling and Analyzing Protein Conformational Ensembles at Scale 2025-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.09.653048 PMID:40463224	研究论文	介绍了一个名为FastConformation的Python应用程序，用于建模和分析蛋白质构象集合	整合了MSA生成、AF2结构预测和构象分析，提供用户友好的GUI界面，适合非编程背景的研究人员使用	需要本地机器运行，可能对计算资源有一定要求	开发一个高效、易用的工具来预测和分析蛋白质构象集合	蛋白质构象集合，包括Abl1激酶、LAT1转运体和CCR5受体等	结构生物学	NA	AlphaFold 2 (AF2), 多序列比对(MSA)	深度学习	蛋白质序列	包括Abl1激酶、LAT1转运体和CCR5受体等多个蛋白质
306	2025-06-05	Automatic deep learning segmentation of mandibular periodontal bone topography on cone-beam computed tomography images 2025-May-13, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105813 PMID:40373868	研究论文	本研究评估了一种基于多阶段SegResNet的深度学习模型在自动分割牙周炎患者CBCT图像中的性能	提出了一种基于SegResNet的深度学习模型，用于自动分割CBCT图像，显著减少了分割时间，提高了3D诊断的可行性	模型在牙周区域颊侧的可靠性和一致性有待提高	评估深度学习模型在牙周炎患者CBCT图像自动分割中的性能	牙周炎患者的CBCT图像	数字病理	牙周炎	CBCT	SegResNet	image	70例CBCT扫描用于训练和验证，10例用于测试
307	2025-06-05	Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions 2025-May-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.12.25327223 PMID:40463551	综述	本文探讨了人工智能在门诊初级保健中的应用、挑战及未来发展方向	综述了AI在非紧急门诊初级保健中的功能、试验及整合情况，填补了该领域的研究空白	仅纳入2019年至2024年的英文文献，且未涉及提供者认知支持、工作流自动化或风险调整面板等应用	评估AI在门诊初级保健中的实施程度和应用效果	门诊初级保健中的人工智能技术	医疗人工智能	NA	机器学习、深度学习和transformer	NA	文本数据（文献）	筛选了3,203篇文献，最终纳入61篇符合条件的研究
308	2025-06-05	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2025-May-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.07.652715 PMID:40463260	研究论文	本文报告了三种计算方法的整合，用于在全蛋白质组范围内预测两个蛋白质是否可能形成二元复合物	整合了PrePPI、Topsy-Turvy和ZEPPI三种方法，显著提高了高置信度蛋白质相互作用的预测数量	方法依赖于计算预测，需要进一步的实验验证	预测大肠杆菌蛋白质相互作用组和功能网络	大肠杆菌蛋白质	计算生物学	NA	PrePPI、Topsy-Turvy、ZEPPI、AF3Complex	蛋白质语言模型	蛋白质序列和结构数据	400个蛋白质-蛋白质相互作用
309	2025-06-05	Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study 2025-May-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.08.25327250 PMID:40463538	research paper	该研究对31种计算病理学AI基础模型进行了全面基准测试，评估它们在多样组织病理学数据集和任务中的表现	首次系统比较了不同类型病理学基础模型的性能，并发现模型大小与数据规模并不总是与性能提升相关	未深入探讨影响模型性能的潜在因素，且测试数据集可能仍有限	评估和比较不同病理学基础模型在计算病理学中的表现	31种AI基础模型（包括通用视觉模型、病理专用视觉模型等）	digital pathology	NA	deep learning	foundation models (VM, VLM, Path-VM, Path-VLM)	histopathological images	41个任务的数据集（来自TCGA、CPTAC等）
310	2025-06-05	Evolution-guided protein design of IscB for persistent epigenome editing in vivo 2025-May-07, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02655-3 PMID:40335752	研究论文	通过结合进化指导和深度学习，设计了一种改进的RNA引导内切酶IscB及其引导RNA，用于体内持久性表观基因组编辑	结合直系同源筛选、结构引导的蛋白质域设计、RNA工程和深度学习结构预测，开发了改进的NovaIscB变体，其活性比野生型提高了约100倍，并提高了特异性	NA	设计具有增强活性和特异性的RNA引导内切酶，用于分子生物学应用	IscB RNA引导内切酶及其引导RNA	分子生物学	NA	直系同源筛选、结构引导的蛋白质域设计、RNA工程、深度学习结构预测	NA	蛋白质序列和结构数据	NA
311	2025-06-05	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	research paper	该研究探索了使用卷积神经网络（CNN）从静息态脑电图（EEG）数据中分类强迫症（OCD）的可行性	首次将CNN应用于最小处理的EEG时频表示，以区分OCD患者与健康对照组，并探索了临床和人口统计信息的融合效果	样本量较小（仅20名参与者），限制了结果的泛化能力	开发一种基于EEG的OCD诊断方法，超越传统机器学习方法的限制	20名未服药的参与者（10名OCD患者，10名健康对照组）	machine learning	psychiatric disorder	EEG, Morlet wavelets	CNN, SVM	EEG time-frequency representations	20名参与者（10名OCD患者，10名健康对照组）
312	2025-06-05	Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001131 PMID:39437009	research paper	研究图像重建参数和CT扫描仪制造商对Sybil算法在低剂量CT扫描中预测肺癌风险性能的影响	首次评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，证明了其在多种成像设置下的稳健性	研究仅基于美国国家肺癌筛查试验的部分参与者数据，可能无法代表所有人群	评估Sybil算法在不同图像重建参数和CT扫描仪下的预测性能	低剂量CT扫描图像	digital pathology	lung cancer	low-dose computed tomography (LDCT)	deep learning-based algorithm (Sybil)	image	1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像
313	2025-06-05	Comparison between two artificial intelligence models to discriminate cancerous cell nuclei based on confocal fluorescence imaging in hepatocellular carcinoma 2025-May, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.11.026 PMID:39674779	研究论文	比较两种人工智能模型在基于共聚焦荧光成像的肝细胞癌中区分癌细胞核的能力	首次在肝细胞癌中应用并比较了机器学习和深度学习模型对癌细胞核的自动识别能力	研究样本来自商业组织芯片，可能无法完全代表真实临床样本的多样性	开发自动识别肝细胞癌细胞核的人工智能工具	肝细胞癌细胞核和正常肝细胞核	数字病理学	肝细胞癌	共聚焦显微镜成像	机器学习(ML)和深度学习(DL)	图像	商业组织芯片中的健康肝脏和肝细胞癌样本
314	2025-06-05	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	research paper	本研究比较了在脑MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像在转移瘤检测中的敏感性和精确度	使用深度学习从低剂量图像合成T1加权图像，并与真实对比增强图像在转移瘤检测中的表现进行比较	研究样本量较小（40名参与者），且两位放射科医生的检测结果存在差异	评估低剂量对比剂MRI在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部发现的参与者	digital pathology	brain metastasis	MRI, deep learning	NA	image	40名参与者（24名男性，平均年龄54.3±15.1岁），共917名参与者接受扫描
315	2025-06-05	Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107152 PMID:39874821	研究论文	本研究提出了一种新颖的音频-视觉语音增强系统（AVSE），通过动态调整音频和视觉端点信息权重，基于环境噪声水平优化语音清晰度	利用基于SNR估计的注意力技术动态调整音频和视觉端点信息权重，提出端点感知网络（EANet）以优化多模态信息融合效果	未提及具体的数据集规模或实验条件的局限性	提高在广泛SNR范围内音频-视觉语音增强系统的性能	音频和视觉语音信号	语音增强	NA	SNR估计，注意力机制	EANet	音频和视频数据	使用基准数据集进行实验，具体样本量未提及
316	2025-06-05	A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.014 PMID:39952824	研究论文	开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割	提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小（232例患者）	开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的准确分割	肝脏局灶性病变（FLL）患者	数字病理学	肝脏疾病	动态对比增强超声（CEUS）	BTS-Net	视频	232例患者（160名男性，中位年龄56岁）
317	2025-06-05	SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.013 PMID:39979183	research paper	该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿童髋关节超声体积图像分割的鲁棒性	提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性	当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中	提高儿童髋关节发育不良(DDH)超声图像分割的准确性和鲁棒性	儿童髋关节的3D超声图像	digital pathology	geriatric disease	3D US imaging, deep learning	SegFormer3D, CNN, vision transformer	3D ultrasound image	临床数据来自儿科患者的测试集
318	2025-06-05	Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240303 PMID:40008976	研究论文	开发一种基于深度学习的对齐应变模型，用于从非对比心脏MRI中预测杜氏肌营养不良症患者的心肌纤维化	提出的对齐应变技术能够基于运动检测心肌功能障碍，显著提高了心肌纤维化检测的特异性和准确性	研究为回顾性单中心研究，样本量有限（139名患者）	开发深度学习模型以预测杜氏肌营养不良症患者的心肌纤维化	杜氏肌营养不良症患者	数字病理学	杜氏肌营养不良症	心脏MRI	CNN	图像	139名男性患者（其中57名用于评估有效性，82名用于评估可重复性）
319	2025-06-05	Artificial Intelligence for the Detection of Patient-Ventilator Asynchrony 2025-05, Respiratory care IF:2.4Q2 DOI:10.1089/respcare.12540 PMID:40178919	综述	本文综述了人工智能在检测患者-呼吸机不同步（PVA）中的应用	展示了人工智能在PVA检测中的高准确性和潜在变革性解决方案	需要在更多临床环境和患者群体中进行模型验证	评估人工智能在检测和量化患者-呼吸机不同步中的应用	患者-呼吸机不同步（PVA）	机器学习	呼吸系统疾病	机器学习和深度学习技术	ML和深度学习模型	呼吸数据	13项研究，332名参与者，分析超过580万次呼吸
320	2025-06-05	Large-scale information retrieval and correction of noisy pharmacogenomic datasets through residual thresholded deep matrix factorization 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf226 PMID:40420482	研究论文	本文提出了一种名为残差阈值深度矩阵分解（RT-DMF）的鲁棒且可扩展的深度学习框架，用于校正和填补药物敏感性数据中的噪声和缺失值	RT-DMF通过深度矩阵分解（DMF）揭示数据中的复杂隐藏模式，并结合迭代残差阈值程序保留具有治疗重要性的信号	未明确提及具体局限性	解决药物敏感性数据中的噪声问题，提高数据质量和下游分析的准确性	药物敏感性数据集	机器学习	癌症	深度矩阵分解（DMF）	RT-DMF	药物敏感性数据矩阵	未明确提及具体样本量