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
3641	2025-03-23	SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants 2023-01-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac584 PMID:36575831	研究论文	本文介绍了一种基于蛋白质语言模型的短框内插入和缺失变异（indel）致病性预测工具SHINE	SHINE利用预训练的蛋白质语言模型从蛋白质序列和多序列比对中构建indel及其蛋白质背景的潜在表示，并通过监督机器学习模型进行致病性预测，相比现有方法在预测性能上有显著提升	由于已知致病性变异数量有限，训练数据可能存在不足	提高短框内插入和缺失变异的致病性预测准确性	短框内插入和缺失变异	自然语言处理	NA	蛋白质语言模型	监督机器学习模型	蛋白质序列	来自ClinVar和gnomAD的训练数据，以及两个不同来源的测试数据集
3642	2025-03-23	With or without human interference for precise age estimation based on machine learning? 2022-May, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-022-02796-z PMID:35157129	研究论文	本文探讨了在基于机器学习的精确年龄估计中，有无人工干预对特征提取的影响	首次在同一图像分析任务中比较了人工干预和自主提取两种特征提取方法的效果	ADSE模型在牙龄估计中的准确性不理想，MAE仅比手动方法低0.04年	比较人工干预和自主提取特征在牙龄估计中的性能差异	牙龄估计	计算机视觉	NA	卷积神经网络（CNN）	ADSE模型和ADAE模型	图像	NA
3643	2025-03-23	MVP predicts the pathogenicity of missense variants by deep learning 2021-01-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20847-0 PMID:33479230	研究论文	本文介绍了一种名为MVP的新预测方法，利用深度残差网络和大规模训练数据集来预测错义变异的致病性	MVP方法通过深度残差网络利用大规模训练数据集和多个相关预测因子，显著提高了错义变异致病性预测的性能，特别是在对功能丧失变异耐受的基因中	文章未明确提及具体局限性	开发一种更准确的错义变异致病性预测方法，以支持遗传研究和临床诊断	错义变异	机器学习	先天性心脏病	深度残差网络	深度残差网络	基因变异数据	NA
3644	2025-03-23	Template-based prediction of protein structure with deep learning 2020-Dec-29, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-020-07249-8 PMID:33372607	研究论文	本文提出了一种名为ThreaderAI的新模板建模方法，通过深度学习提高蛋白质三级结构预测的准确性	ThreaderAI将查询序列与模板对齐的任务公式化为计算机视觉中的经典像素分类问题，并自然应用深度残差神经网络进行预测，显著提高了对远源同源蛋白质的结构预测准确性	NA	提高蛋白质三级结构预测的准确性，特别是对于只有远源同源物的蛋白质	蛋白质三级结构	计算机视觉	NA	深度学习	深度残差神经网络	序列数据	SCOPe数据和CASP13的TBM-hard数据
3645	2025-03-22	Low-speed impact localization of wind turbine blades with a single sensor utilizing multiscale feature fusion convolutional neural networks 2025-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107598 PMID:39955861	研究论文	本文提出了一种基于深度学习的单传感器冲击定位方法，用于风力涡轮机叶片的低速冲击定位	设计了一种多尺度特征融合卷积神经网络，并结合卷积块注意力模块，从单传感器信号中自适应提取特征，实现精确的区域级源定位	NA	开发一种用于评估和定位复合材料结构（如风力涡轮机叶片）冲击的方法	风力涡轮机叶片的低速冲击响应	机器学习	NA	完全集成经验模态分解与自适应噪声	多尺度特征融合卷积神经网络	声发射信号	钢球跌落实验模拟的风力涡轮机叶片翼梁低速冲击响应
3646	2025-03-22	Automated Bone Cancer Detection Using Deep Learning on X-Ray Images 2025-Apr, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506241299886 PMID:39679470	研究论文	本文提出了一种基于深度学习的自动化骨癌检测方法，使用X射线图像进行骨癌分类	提出了一种结合Golden Search优化算法和深度学习的计算机辅助诊断方法（GSODL-CADBCC），用于骨癌分类	未提及具体的数据集规模或多样性限制，也未讨论模型在其他类型医学图像上的泛化能力	开发一种自动化系统，用于从X射线图像中准确区分健康骨骼和癌变骨骼	X射线图像中的骨骼	计算机视觉	骨癌	深度学习，Golden Search优化算法，双边滤波	SqueezeNet，LSTM	X射线图像	未明确提及具体样本数量
3647	2025-03-22	Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery 2025-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.01.003 PMID:39814096	研究论文	本研究评估了多种深度学习模型在基于术前光学相干断层扫描（OCT）图像预测特发性视网膜前膜（ERM）手术术后视力结果的表现	使用深度学习模型预测ERM手术的术后视力结果，并通过Grad-CAM进行热点分析，揭示了OCT图像中观察到的现象的结构机制	研究仅基于OCT图像，未考虑其他可能影响手术结果的因素	评估深度学习模型在预测ERM手术术后视力结果中的性能	特发性视网膜前膜（ERM）手术患者	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	Inception-v3, ResNet-101, VGG-19	图像	696只眼睛的1,392张OCT图像用于内部训练和验证，76只眼睛的152张OCT图像用于外部测试
3648	2025-03-22	A Systematic Review of Advances in AI-Assisted Analysis of Fundus Fluorescein Angiography (FFA) Images: From Detection to Report Generation 2025-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01109-y PMID:39982648	综述	本文系统回顾了人工智能在眼底荧光血管造影（FFA）图像分析中的应用进展，从病变检测到报告生成	总结了AI在FFA图像分析中的关键突破，并探讨了其对眼科临床实践的潜在影响	需要进一步研究以提高模型透明度，并确保在不同人群中的稳健性能，数据隐私和技术基础设施仍是广泛临床应用的挑战	探讨人工智能在FFA图像分析中的应用及其对眼科临床实践的影响	眼底荧光血管造影（FFA）图像	计算机视觉	眼底疾病	深度学习，机器学习	NA	图像	23篇文章
3649	2025-03-22	Flood resilience through hybrid deep learning: Advanced forecasting for Taipei's urban drainage system 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124835 PMID:40056592	研究论文	本研究利用知识图谱整合多种数据源，结合深度学习模型，提出了一种实时城市排水预警系统，以提高台北市中山泵站的洪水管理能力	提出了结合卷积神经网络和反向传播神经网络（CNN-BP）的深度学习模型，用于多输入多输出多步预测（MIMOMS），并在台北市中山泵站的实际应用中展示了其高预测精度	研究仅限于台北市中山泵站，未在其他地区或更大范围内验证模型的普适性	提高城市排水系统的洪水管理能力，优化泵站操作，增强灾害响应能力	台北市中山泵站的排水系统	深度学习	NA	深度学习	CNN-BP（卷积神经网络结合反向传播神经网络）	水位数据	NA
3650	2025-03-22	Effect of training sample size, image resolution and epochs on filamentous and floc-forming bacteria classification using machine learning 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124803 PMID:40056595	研究论文	本研究探讨了训练样本大小、图像分辨率和训练轮数对使用机器学习分类丝状和絮状细菌的影响	通过优化人工智能分割模型，研究了训练样本大小、图像分辨率和训练轮数对模型精度和计算需求的影响，提出了在大规模实施中优先考虑多样化的训练样本和足够的样本大小的重要性	研究结果在样本大小达到一定数量（300张图像）后，精度提升不再显著，高分辨率和更多训练轮数在样本较大时影响较小	优化人工智能分割模型在污水处理厂中检测细菌生长的精度和计算需求	丝状和絮状细菌	计算机视觉	NA	深度学习	AI分割模型	图像	300和500张图像
3651	2025-03-22	Explainable deep learning models for predicting water pipe failures 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124738 PMID:40054363	研究论文	本研究提出了一种新的方法，利用深度学习算法预测水管网络的故障概率	本研究首次将深度神经网络（DNN）、卷积神经网络（CNN）和TabNet应用于水管故障预测，并通过贝叶斯优化（BO）和数据缩放优化模型，同时使用Copeland算法和SHAP值进行模型排名和解释	研究仅基于香港的水管网络数据，可能无法完全代表其他地区的情况	预测水管网络的泄漏和爆裂概率，以帮助水管网络管理	水管网络	机器学习	NA	贝叶斯优化（BO）、数据缩放、Copeland算法、SHAP值	深度神经网络（DNN）、卷积神经网络（CNN）、TabNet	水管网络数据	香港的水管网络数据
3652	2025-03-22	Bayesian uncertainty estimation of adsorption closure models in the computational simulation of contaminant transport 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124708 PMID:40054364	研究论文	本文研究了在污染物传输模型中采用现象学状态方程对污染物在多孔介质中吸附的影响，并采用嵌入式贝叶斯误差方法来理解使用吸附等温线描述污染物吸附的局限性	采用嵌入式贝叶斯误差方法评估吸附等温线在污染物传输模型中的使用限制，并提出使用深度学习替代模型来替代基于偏微分方程的地下水流和污染物传输模型	吸附项在污染物传输模型中引入较高的不确定性，且参数选择需满足特定的地球化学条件	评估现象学状态方程在污染物传输模型中的影响，并探索使用深度学习替代模型的可行性	污染物在多孔介质中的吸附过程	计算模拟	NA	嵌入式贝叶斯误差方法，深度学习	深度学习替代模型	模拟数据	NA
3653	2025-03-22	Integrating flora, fauna, and indigenous practices into spatial optimization for prescribed burning 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124833 PMID:40058039	研究论文	本研究开发了一种新的方法，通过整合火灾风险和共存能力来空间优化规定燃烧，应用于中国嘉陵江流域	提出了一种新的空间优化方法，整合火灾风险和共存能力，用于规定燃烧的区域规划	缺乏全面的框架来空间整合这些共存因素到区域尺度的规划中	开发一种新的方法，通过整合火灾风险和共存能力来空间优化规定燃烧	嘉陵江流域（中国）的火灾易发山区	机器学习	NA	机器学习和深度学习	NA	空间数据	嘉陵江流域的火灾易发山区
3654	2025-03-22	Enhancing short-term algal bloom forecasting through an anti-mimicking hybrid deep learning method 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124832 PMID:40068506	研究论文	本文提出了一种混合深度学习模型（TAB），用于提高短期藻华预测的准确性	结合了Temporal Convolutional Network (TCN)、注意力机制和Bidirectional Long Short-Term Memory (BiLSTM)网络，并采用了新型的失真损失函数DILATE，以增强模型的预测鲁棒性	模型在数据复制问题上仍有改进空间，特别是在突变情况下的预测准确性	提高藻华预测的准确性，特别是在高频波动和噪声数据的情况下	藻华数据，特别是叶绿素a的动态变化	机器学习	NA	深度学习	Temporal Convolutional Network (TCN), Bidirectional Long Short-Term Memory (BiLSTM), 注意力机制	时间序列数据	中国九龙江东水库的现场藻华数据
3655	2025-03-22	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-Mar-21, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	本文介绍了一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器PCANN，它结合了ESM-2语言模型和图注意力网络（GAT）来预测蛋白质结合界面的信息	PCANN预测器结合了ESM-2语言模型和图注意力网络（GAT），在预测蛋白质-蛋白质复合物亲和力方面表现优于现有的最佳公开预测器BindPPI	开发基于深度学习模型的预测器面临两个问题：实验数据量有限且数据准确性不高，缺乏内部一致性	开发一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器	蛋白质-蛋白质复合物	自然语言处理	NA	ESM-2语言模型，图注意力网络（GAT）	神经网络	蛋白质结构数据	两个文献提取的数据集
3656	2025-03-22	Deep learning analysis of magnetic resonance imaging accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis 2025-Mar-20, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001314 PMID:40112296	研究论文	本研究开发了一种深度学习模型，通过分析磁共振成像（MRI）来检测原发性硬化性胆管炎（PSC）患者的早期肝门部胆管癌（pCCA），并与放射科专家的诊断性能进行比较	使用3D DenseNet-121模型分析MRI图像，显著提高了早期pCCA的检测灵敏度，尤其是在无肿块的情况下	研究为回顾性队列研究，可能存在选择偏差，且样本量相对较小	开发一种深度学习模型，用于早期检测PSC患者的pCCA	原发性硬化性胆管炎（PSC）患者	数字病理	胆管癌	MRI	3D DenseNet-121	图像	398名患者（训练队列150名，测试队列248名）
3657	2025-03-22	Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning 2025-Mar-20, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26071 PMID:40113341	研究论文	本文介绍了一种基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹，以提高软骨损伤早期检测的效率和准确性	首次将YOLOv8深度学习模型应用于软骨微裂纹的自动检测，显著提高了检测的准确性和可重复性，同时减少了人工劳动需求	模型在微裂纹长度和宽度的预测上表现精确，但在方向估计上存在中等程度的变异性	开发一种自动化工具，用于软骨微裂纹的检测和分析，以促进软骨损伤的早期发现和骨关节炎的预防	软骨微裂纹	计算机视觉	骨关节炎	深度学习	YOLOv8	图像	未明确提及具体样本数量
3658	2025-03-22	Deep Learning Neural Network Based on PSO for Leukemia Cell Disease Diagnosis from Microscope Images 2025-Mar-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01474-x PMID:40113730	研究论文	本文提出了一种基于粒子群优化（PSO）的深度学习神经网络方法，用于从显微镜图像中诊断白血病细胞疾病	结合深度学习和PSO方法进行特征提取和优化，使用多种机器学习算法进行分析，提高了白血病细胞诊断的准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高白血病细胞疾病的诊断准确性	显微镜图像中的白血病细胞	计算机视觉	白血病	深度学习，粒子群优化（PSO）	GoogLeNet, ResNet-50, 决策树（DT）, 支持向量机（SVM）, K近邻（K-NN）	图像	NA
3659	2025-03-22	Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101242 PMID:40112776	评论	本文是对De Vries等人关于3D细胞形状分析的深度学习方法的同行评审过程的评价	NA	NA	评估De Vries等人的研究，探讨细胞形状与其反应之间的关系	3D细胞形状	数字病理学	NA	深度学习	NA	3D图像	NA
3660	2025-03-22	Geometric deep learning and multiple-instance learning for 3D cell-shape profiling 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101229 PMID:40112779	研究论文	本研究利用深度学习技术，结合几何深度学习和基于注意力的多实例学习，开发了MorphoMIL计算流程，用于分析3D细胞和核形态	引入了MorphoMIL，一种结合几何深度学习和注意力机制的多实例学习计算流程，用于3D细胞形态分析	NA	通过深度学习发现细胞形态表示并理解细胞状态	超过95,000个经过临床相关和细胞骨架调节化学及遗传扰动的黑色素瘤细胞	计算机视觉	黑色素瘤	深度学习	几何深度学习，多实例学习	3D点云数据	超过95,000个黑色素瘤细胞