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
4301	2025-04-17	Bearing fault diagnosis based on efficient cross space multiscale CNN transformer parallelism 2025-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95895-x PMID:40210923	研究论文	提出了一种基于高效跨空间多尺度CNN Transformer并行性的风力涡轮机轴承故障诊断模型	采用并行分支结构同时提取时空特征，结合多尺度特征提取模块和高效多尺度注意力机制，提升了局部和全局特征提取能力	未提及模型在极端噪声环境下的表现	提高风力涡轮机轴承故障诊断的准确性和噪声鲁棒性	风力涡轮机轴承	机器学习	NA	Continuous Wavelet Transform (CWT)	CNN, Transformer, BiGRU	一维振动信号转换的二维时频图像	两个公开的轴承数据集
4302	2025-04-17	pC-SAC: A method for high-resolution 3D genome reconstruction from low-resolution Hi-C data 2025-Apr-10, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf289 PMID:40226920	研究论文	提出了一种名为pC-SAC的计算方法，用于从低分辨率Hi-C数据中重建高分辨率3D基因组	pC-SAC采用自适应重要性采样与顺序蒙特卡洛方法，生成满足低分辨率Hi-C数据物理约束的3D染色质链集合，实现了超过95%的高分辨率染色质图谱重建准确率	未提及具体样本量或实验验证的局限性	提高Hi-C数据的分辨率，以更深入地了解3D基因组组织及其在基因调控和疾病中的作用	3D基因组组织	计算生物学	NA	Hi-C技术	probabilistically Constrained Self-Avoiding Chromatin (pC-SAC)	Hi-C数据	NA
4303	2025-04-17	Tumor Bud Classification in Colorectal Cancer Using Attention-Based Deep Multiple Instance Learning and Domain-Specific Foundation Models 2025-Apr-07, Cancers IF:4.5Q1 DOI:10.3390/cancers17071245 PMID:40227783	研究论文	本文提出了一种基于深度学习和注意力机制的多实例学习方法，用于自动分类结直肠癌中的肿瘤芽	采用注意力机制的多实例学习和领域特定基础模型，提高了肿瘤芽分类的准确性和可解释性	样本量相对较小，训练集仅包含29张WSIs，测试集70张WSIs	提高结直肠癌中肿瘤芽的自动分类准确性，以改善预后评估	结直肠癌中的肿瘤芽	数字病理学	结直肠癌	深度学习，注意力机制的多实例学习（ABMIL）	Phikon-v2, UNI, CtransPath	全切片图像（WSIs）	训练集29张WSIs，测试集70张WSIs
4304	2025-04-17	Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking 2025-Apr-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.01.646705 PMID:40236190	研究论文	本文介绍了一种名为DeepBIT的无标记深度学习自动化追踪方法，用于加速发现细胞迁移调控因子	开发了DeepBIT方法，无需细胞标记即可自动检测和追踪单个细胞的迁移，显著提高了通量和效率	方法主要针对癌细胞迁移进行研究，可能不适用于其他类型细胞的迁移研究	开发高通量方法研究细胞迁移调控机制	癌细胞迁移行为	计算机视觉	癌症	深度学习、机器视觉	DeepBIT	视频	约130万个追踪细胞，840种不同条件
4305	2025-04-17	Modeling dynamic inflow effects in fMRI to quantify cerebrospinal fluid flow 2025-Apr-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.03.647027 PMID:40236215	研究论文	本文开发了一个动态模型来模拟和推断fMRI数据中的时变流速，并验证了该模型在人类和模拟数据中的有效性	开发了一个物理基础的深度学习框架来反转模型，从而能够直接使用fMRI流入数据估计流速	测量信号不是定量的，需要进一步验证和改进	定量建立脑脊液流动系统的特性	脑脊液流动	神经影像学	NA	fMRI	深度学习框架	fMRI数据	人类和模拟数据
4306	2025-04-17	Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review 2025-Apr, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2024.12.004 PMID:40087072	系统综述	本文系统评估了人工智能在基于磁共振成像的颞下颌关节紊乱检测中的应用	首次系统性地总结了AI在颞下颌关节盘位置识别中的应用及其性能指标	研究设计标准化不足和报告一致性有待提高	评估AI在MRI中识别颞下颌关节盘位置的应用效果	颞下颌关节紊乱患者和正常个体的MRI影像	数字病理	颞下颌关节紊乱	MRI	深度学习（MobileNetV2, ResNet）和机器学习	医学影像	7项研究（未明确总样本量）
4307	2025-04-17	TractCloud-FOV: Deep Learning-Based Robust Tractography Parcellation in Diffusion MRI With Incomplete Field of View 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70201 PMID:40193105	研究论文	本文介绍了一种名为TractCloud-FOV的深度学习框架，用于在不完整视野（FOV）的扩散MRI中稳健地进行纤维束成像分割	提出了一种新的训练策略FOV-Cut Augmentation（FOV-CA），通过合成切割纤维束成像来模拟现实世界中的不完整FOV场景，增强了模型的泛化能力	未提及具体局限性	解决临床扫描中因不完整FOV导致的纤维束部分成像问题，实现稳健的纤维束成像分割	扩散MRI中的纤维束成像	医学影像分析	NA	扩散MRI	深度学习框架	医学影像数据	合成切割的纤维束成像数据和两个真实世界的不完整FOV数据集
4308	2025-04-17	Evaluating the Effectiveness of Neural Radiance Field for Noninvasive Volumetric Assessment 2025-Apr, Plastic and reconstructive surgery. Global open DOI:10.1097/GOX.0000000000006708 PMID:40230474	research paper	评估神经辐射场（NeRF）在非侵入性体积评估中的有效性，特别是在下肢淋巴水肿的治疗中	利用iPhone应用程序Luma 3D和NeRF技术进行3D场景重建，克服了传统2D成像和CT扫描的限制	研究仅基于一名88岁慢性淋巴水肿患者的12个月数据，样本量较小	评估NeRF技术在门诊环境中进行淋巴水肿体积评估的有效性	一名88岁慢性淋巴水肿女性患者	digital pathology	lymphedema	NeRF, CT扫描	NeRF	3D图像	1名患者，12个月的数据
4309	2025-04-17	Correction to: Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf028 PMID:40236682	correction	对一篇关于利用深度学习检测西班牙语推文中COVID-19疫苗接种立场的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4310	2025-04-17	Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data 2025-Mar-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17071092 PMID:40227603	research paper	该研究提出了一种启发式三阶段机制，用于优化基于EHR临床数据的乳腺癌转移未来风险预测的深度学习模型网格搜索	引入了甜点网格搜索（SSGS）和随机网格搜索（RGS）策略，以及三阶段机制来管理低预算网格搜索的运行时间，显著提高了乳腺癌转移风险预测的性能	研究未提及外部验证或模型在其他数据集上的泛化能力	优化深度学习模型在乳腺癌转移风险预测中的性能	乳腺癌患者的EHR临床数据	machine learning	breast cancer	grid search, SHAP analysis	DFNN (deep feedforward neural network)	EHR-based clinical data	NA
4311	2025-04-17	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	research paper	本研究提出了一种高分辨率多延迟动脉自旋标记（MD-ASL）协议，结合基于Transformer的自监督深度学习去噪技术，用于儿童脉络丛（CP）灌注MRI成像	首次在儿科人群中应用高分辨率MD-ASL技术，并开发了基于Transformer的深度学习模型，使用k空间加权图像平均（KWIA）去噪图像作为训练参考	研究样本仅限于21名8至17岁的正常发育儿童，未包括更广泛年龄范围或特殊人群	开发一种适用于儿童脉络丛灌注成像的高分辨率MD-ASL技术，并提高灌注参数的信噪比和可重复性	儿童脉络丛（CP）和灰质的灌注参数	医学影像处理	神经发育研究	多延迟动脉自旋标记（MD-ASL），k空间加权图像平均（KWIA）	Transformer	MRI图像	21名8至17岁的正常发育儿童
4312	2025-04-17	Carbon price prediction research based on CEEMDAN-VMD secondary decomposition and BiLSTM 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36220-x PMID:40095303	研究论文	提出了一种基于CEEMDAN-VMD二次分解和BiLSTM的碳价格预测模型	结合二次分解和深度学习网络，利用CEEMDAN和VMD提高特征提取深度，并通过BiLSTM实现碳价格序列信息的双向传输	未提及具体的数据集时间范围或模型在不同市场条件下的泛化能力	提高碳价格预测的准确性和稳定性，以支持碳市场的健康发展	欧盟排放交易体系(EU ETS)、中国碳排放权交易试点(CCETE)和英国排放交易体系(BEA)的碳价格数据	机器学习	NA	CEEMDAN, VMD, COA	BiLSTM	时间序列数据	EU ETS、CCETE和BEA碳市场的碳价格数据
4313	2025-04-17	Forecasting the concentration of the components of the particulate matter in Poland using neural networks 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36265-y PMID:40117111	research paper	该论文提出了四种基于深度学习的预测方法，用于预测波兰颗粒物浓度	引入了四种先进的深度学习预测方法（xLSTM、KAN、TCN和VAE），并在波兰八个城市的数据上验证了其高预测准确性	研究仅基于波兰八个城市的数据，可能在其他地区的适用性有限	通过预测颗粒物浓度来改善空气质量和支持公共卫生干预	波兰八个城市的颗粒物浓度数据	machine learning	NA	深度学习	xLSTM, KAN, TCN, VAE	环境监测数据	波兰八个城市的数据
4314	2025-04-17	Role of Artificial Intelligence in Congenital Heart Disease and Interventions 2025-Mar, Journal of the Society for Cardiovascular Angiography & Interventions DOI:10.1016/j.jscai.2025.102567 PMID:40230672	review	本文探讨了人工智能在先天性心脏病及其干预措施中的作用，特别是在心脏成像、电生理学、介入手术和重症监护监测方面的应用	人工智能算法通过提高成像分割和处理能力以及诊断准确性，显著改善了复杂先天性心脏病的解剖诊断、心脏功能评估和长期预后预测	人工智能算法仍面临数据标准化、算法验证、漂移和可解释性等障碍	研究人工智能在先天性心脏病诊断、治疗和监护中的应用及其潜在影响	儿童和成人先天性心脏病患者	digital pathology	cardiovascular disease	machine learning, deep learning	deep learning models	image, electrocardiogram signals, intensive care data	NA
4315	2025-04-17	Depression diagnosis: EEG-based cognitive biomarkers and machine learning 2025-02-26, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.115325 PMID:39515528	综述	本文综述了抑郁症诊断中的EEG认知生物标志物及机器学习应用	探讨了EEG生物标志物在抑郁症诊断中的潜力，并整合了机器学习和深度学习模型以提高诊断准确性	未提及具体实验数据或样本量，可能缺乏实证支持	研究抑郁症诊断的新方法及其神经生理学基础	抑郁症患者及其EEG数据	机器学习	抑郁症	EEG数据分析	机器学习和深度学习模型	EEG数据	NA
4316	2025-04-17	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文介绍了一个新的数据集TB-Portals SIFT，用于胸部X光片中结核病(TB)病灶的语义分割，并评估了多种语义分割模型的性能	提出了一个新的TB病灶语义分割数据集，并比较了基于分割的方法与传统分类方法在泛化性能上的差异	数据集中的病灶实例使用的是伪标签，可能影响模型性能	开发能够解释决策过程的TB自动诊断系统	胸部X光片中的TB病灶	计算机视觉	结核病	深度学习	UNet, YOLOv8-seg, DenseNet121	图像	6,328张胸部X光片，包含10,435个伪标签病灶实例
4317	2025-04-17	Residue-Level Multiview Deep Learning for ATP Binding Site Prediction and Applications in Kinase Inhibitors 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01255 PMID:39690486	research paper	该论文介绍了一种名为Multiview-ATPBind的深度学习模型和ResiBoost算法，用于准确预测ATP结合位点，并应用于激酶抑制剂的药物发现	提出了Multiview-ATPBind模型，整合1D序列和3D结构信息进行快速精确的残基水平口袋-配体相互作用预测，以及ResiBoost算法用于缓解数据不平衡问题	未提及具体局限性	提高ATP结合位点的预测准确性，并应用于激酶抑制剂的药物发现	ATP结合位点及激酶抑制剂（如伊马替尼和达沙替尼）	machine learning	cancer	deep learning	Multiview-ATPBind, ResiBoost	1D序列数据, 3D结构数据	NA
4318	2025-04-17	MGT: Machine Learning Accelerates Performance Prediction of Alloy Catalytic Materials 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01065 PMID:39698829	研究论文	本文提出了一种名为MGT的机器学习方法，用于加速合金催化材料在氢析出反应中的性能预测	引入了掩码图Transformer网络（MGT）和非线性消息传递机制，增强模型对催化反应中关键位点的识别能力	当前深度学习方法未充分关注活性原子和吸附物的重要性，而更侧重于催化材料的整体结构	提高合金催化材料在氢析出反应中吸附能预测的准确性	合金催化材料	机器学习	NA	深度学习	Transformer, MPNN	分子图数据	小数据集OC20-Ni
4319	2025-04-17	Deep Learning-Driven Insights into Enzyme-Substrate Interaction Discovery 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01801 PMID:39721977	研究论文	介绍了一种名为MEI的新型机器学习框架，用于高精度预测分子是否为特定酶的底物	MEI模型通过先进的注意力机制在分层神经网络中结合原子环境数据和氨基酸序列特征，显著提高了预测准确性	虽然模型表现出色，但对于某些特定酶或分子的预测可能仍需进一步验证	开发高精度的计算模型来预测分子与酶之间的相互作用	酶与分子之间的相互作用	机器学习	NA	机器学习	分层神经网络	酶反应数据和酶序列数据	包含广泛酶反应和酶序列信息的综合数据集
4320	2025-04-17	Evaluations of the Perturbation Resistance of the Deep-Learning-Based Ligand Conformation Optimization Algorithm 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01096 PMID:39724561	研究论文	评估基于深度学习的配体构象优化算法（DeepRMSD+Vina）在输入扰动下的鲁棒性	与传统优化算法（如Prime MM-GBSA和Vina优化）相比，DeepRMSD+Vina在处理不同蛋白-配体案例时表现出更高的性能，并且在输入结构存在扰动（高达3 Å）时仍能生成正确的结合结构	对于大扰动（RMSD在3-4 Å之间），成功率显著下降至11%	评估基于深度学习的配体构象优化算法的鲁棒性	蛋白-配体结合构象	机器学习	NA	深度学习	DeepRMSD+Vina	蛋白-配体结合构象数据	NA