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
4481	2025-03-14	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的效果，旨在提高痴呆诊断的准确性	通过深度学习技术分析MMSE单独使用与结合其他认知测试的效果，发现结合多种认知评估能显著提高诊断精度，特别是在年轻和受教育程度较高的人群中	研究仅基于主观认知抱怨的参与者，可能不适用于所有人群	提高痴呆诊断的准确性	2863名有主观认知抱怨的参与者	机器学习	老年疾病	随机森林模型	随机森林	认知评估数据	2863名参与者
4482	2025-03-14	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	本文介绍了一种名为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光谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，并直接接受Bruker原始质谱数据和多种搜索引擎的搜索结果	未明确提及具体局限性	提高质谱分析中蛋白质鉴定的准确性和效率，以更好地理解人类生物学、发现疾病生物标志物、识别治疗靶点和探索病原体相互作用	血浆蛋白质组学、免疫肽组学（HLA I类和II类）和宏蛋白质组学数据集	质谱分析	NA	质谱分析（MS）、离子迁移率、并行积累和串行碎片化（PASEF）	深度学习模型	质谱数据	未明确提及具体样本数量
4483	2025-03-14	EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs 2025-Mar-06, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141538 PMID:40043997	研究论文	本文提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测实验验证的长非编码RNA（lncRNA）	EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，通过创新的图构建方法和节点编码技术，将lncRNA序列转化为图形格式并进行处理，从而实现了对lncRNA序列的鲁棒特征表示	实验验证的成本较高，限制了验证的lncRNA数量	开发预测工具以优先考虑潜在功能性的lncRNA进行低通量验证	人类、小鼠和植物的lncRNA	自然语言处理	NA	高通量RNA测序（HTlncRNAs）	GCN, CNN	序列数据	NA
4484	2025-03-14	Artificial intelligence in clinical genetics 2025-Mar, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-024-01782-w PMID:39806188	review	本文综述了人工智能在临床遗传学中的应用，包括临床诊断、管理和治疗、临床支持等方面	探讨了人工智能在临床遗传学中的新兴应用，并对未来短期、中期和长期的影响进行了预测	人工智能在临床遗传学中的具体发展速度及其对患者、家庭、临床医生和研究人员的整体影响尚不明确	探讨人工智能在临床遗传学中的应用及其未来影响	临床遗传学领域	machine learning	NA	machine learning, deep learning, generative AI	NA	NA	NA
4485	2025-03-14	The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers 2025-Mar-01, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00767-0 PMID:40025245	研究论文	本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因变异之间的关系，以及可能的突变事件序列	揭示了胶质母细胞瘤突变产生的独特影像特征，并发现肿瘤位置和空间分布与基因谱相关，提供了非侵入性肿瘤分析和个性化治疗的潜在途径	研究为回顾性分析，样本量有限，且仅针对IDH野生型胶质母细胞瘤	研究胶质母细胞瘤的影像特征、空间模式与基因变异之间的关系，以改善患者管理和治疗结果	357例IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数MRI和靶向基因测序	机器学习和深度学习模型	影像和基因数据	357例IDH野生型胶质母细胞瘤患者
4486	2025-03-14	GestaltGAN: synthetic photorealistic portraits of individuals with rare genetic disorders 2025-Mar, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-025-01787-z PMID:39815041	研究论文	本文探讨了使用生成神经网络合成罕见遗传疾病患者真实感肖像的可能性，并提出了生成特定疾病平均患者肖像的技术	修改了StyleGAN架构，训练其生成多种疾病的人工条件特定肖像，并引入了一种生成清晰详细平均患者肖像的技术	训练数据中低质量和黑白图像的分辨率提升可能影响生成肖像的质量	探索生成神经网络在合成罕见遗传疾病患者真实感肖像中的应用	罕见遗传疾病患者的面部特征	计算机视觉	遗传疾病	生成对抗网络（GAN）	StyleGAN	图像	来自GestaltMatcher数据库的20种最常见疾病的图像数据，以及63位人类专家的测试
4487	2025-03-14	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	评论	本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景	文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成	文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向	研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景	研究对象是天然产物及其在药物发现中的应用	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	生物数据	NA
4488	2025-03-14	Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data 2025-Feb-19, ArXiv PMID:40034133	研究论文	本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建	RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题	尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制	研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法	研究对象是MRI图像，特别是低场输入下的图像重建	计算机视觉	NA	神经风格迁移（NST）	NA	图像	NA
4489	2025-03-14	PhysioEx: a new Python library for explainable sleep staging through deep learning 2025-Feb-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adaf73 PMID:39874654	研究论文	本文介绍了一个名为PhysioEx的Python库，旨在通过深度学习和可解释AI支持睡眠分期分析	PhysioEx提供了一个可扩展和模块化的API，用于标准化和自动化睡眠分期流程，并支持低资源设备和高性能计算集群	未明确提及具体局限性	开发一个标准化的平台，结合深度学习和可解释AI进行睡眠分期分析	睡眠分期	机器学习	睡眠障碍	深度学习（DL）和可解释AI（XAI）	预训练模型	单通道EEG和多通道EEG-EOG-EMG配置	基于Sleep Heart Health Study数据集的预训练模型
4490	2025-03-14	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Feb-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散概率模型的全身PET图像去噪方法，该方法在多种扫描仪、示踪剂和剂量水平下表现出色	提出了3D Denoising Diffusion Probabilistic Model (3D DDPM)作为全身PET图像去噪的通用解决方案，相比传统方法在多样化的PET协议下表现更优	NA	提高全身PET图像的质量，解决传统深度学习方法在处理多样化PET协议时的不足	全身PET图像	计算机视觉	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	图像	来自四种扫描仪、四种示踪剂类型和六种剂量水平的数据集
4491	2025-03-14	Performance and clinical implications of machine learning models for detecting cervical ossification of the posterior longitudinal ligament: a systematic review 2025-Feb, Asian spine journal IF:2.3Q2 DOI:10.31616/asj.2024.0452 PMID:39829182	系统综述	本文系统评估了机器学习和深度学习模型在检测颈椎后纵韧带骨化症（OPLL）中的诊断性能和临床意义	首次系统综述了机器学习和深度学习模型在OPLL检测中的应用，并分析了其诊断性能和临床意义	研究存在中等程度的偏倚风险，主要与参与者选择和缺失数据有关	评估机器学习和深度学习模型在OPLL检测中的诊断性能和临床意义	颈椎后纵韧带骨化症（OPLL）患者	医学影像分析	颈椎后纵韧带骨化症	机器学习和深度学习	卷积神经网络（CNN）和随机森林模型	影像数据	6,031名患者
4492	2025-03-14	Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture 2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-05202-9 PMID:40070749	研究论文	本研究提出了一种利用ResNet-50 CNN架构对喉部图像进行二分类的新方法，旨在通过分析内窥镜图像来早期检测喉癌	使用ResNet-50 CNN架构对喉部图像进行二分类，结合深度学习和图像处理技术，提高了喉癌早期检测的准确性	由于数据稀缺，研究将数据分为癌症和非癌症两类，未能涵盖所有九种形态类别	早期检测和分类喉癌	喉部内窥镜图像	计算机视觉	喉癌	深度学习，图像处理	ResNet-50 CNN	图像	1978张内窥镜图像，来自960名患者
4493	2025-03-14	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	研究论文	本文提出了一种新的特征解缠自编码器（FDAE），用于生成心电图（ECG）信号，特别是针对稀有类别的心电图数据	FDAE通过将潜在空间划分为三个不同的表示来捕捉各种生成因素，使用对比损失函数提高特征解缠能力，并结合额外的分类器和判别器来增强表示学习和信号合成的真实性	NA	解决深度学习在心电图信号研究中稀有类别数据不足的问题	心电图（ECG）信号	机器学习	心血管疾病	对比学习框架	自编码器（FDAE）	心电图信号	MIT-BIH心律失常数据库和Icentia11K数据集
4494	2025-03-14	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	系统综述	本文综述了2011年至2023年间使用ECG信号自动预测心脏性猝死（SCD）的研究进展	本文综合分析了多种机器学习和深度学习算法在SCD预测中的应用，并指出了当前研究的局限性和未来研究方向	大多数预测模型依赖于小规模数据库，限制了其在现实世界中的适用性，且主要使用ECG和HRV信号，忽略了其他生理信号的潜在贡献	探讨自动化预测心脏性猝死（SCD）的方法和技术	心脏性猝死（SCD）患者	机器学习	心血管疾病	ECG信号分析，HRV信号分析	K近邻，支持向量机，决策树，随机森林，朴素贝叶斯，卷积神经网络	ECG信号，HRV信号	使用MIT-BIH SCD Holter和Normal Sinus Rhythm等公开数据库中的24小时记录数据
4495	2025-03-14	Mitochondrial segmentation and function prediction in live-cell images with deep learning 2025-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-55825-x PMID:39820041	研究论文	本文介绍了一种名为MoDL的深度学习算法，用于线粒体图像分割和功能预测	MoDL算法通过集成学习策略，利用超过10万张超分辨率图像和生化测定数据，能够精确预测未知细胞类型中线粒体的功能	NA	研究线粒体形态与功能之间的关系，并开发一种能够预测线粒体功能的深度学习算法	线粒体	计算机视觉	NA	深度学习	集成学习	图像	20,000个手动标记的线粒体和超过100,000张超分辨率图像
4496	2025-03-14	AI-enhanced PET/CT image synthesis using CycleGAN for improved ovarian cancer imaging 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/196804 PMID:40070416	研究论文	本研究利用CycleGAN进行PET图像的衰减校正，旨在提高卵巢癌成像的质量	使用生成对抗网络（GANs）进行PET图像衰减校正，避免了额外的CT成像	需要进一步优化和临床验证以实现全面的临床应用	提高卵巢癌成像的质量，减少辐射暴露	55名卵巢癌患者的PET/CT数据	计算机视觉	卵巢癌	生成对抗网络（GANs）	CycleGAN	图像	55名卵巢癌患者的PET/CT数据
4497	2025-03-14	Unsupervised semantic label generation in agricultural fields 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1548143 PMID:40070454	研究论文	本文提出了一种用于农业领域中作物-杂草语义图像分割的自动标注管道，旨在减少深度学习模型训练对手动标注数据的依赖	提出了一种利用无人机或地面机器人记录的RGB图像，结合田间行结构进行空间一致性标注的自动化标注系统，并采用证据深度学习来提供预测不确定性估计，以改进语义预测	尽管在作物上的IoU表现优于完全监督方法，但在杂草上的IoU表现仍较低（22.7% vs 33.5%）	减少农业领域中深度学习模型训练对手动标注数据的依赖，提升作物-杂草语义分割的自动化水平	农业领域中的作物和杂草	计算机视觉	NA	证据深度学习	深度学习模型	RGB图像	多个田地和作物种类
4498	2025-03-14	MMRT: MultiMut Recursive Tree for predicting functional effects of high-order protein variants from low-order variants 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.012 PMID:40070521	研究论文	本文介绍了一种名为MMRT的新型深度学习模型，用于预测高阶蛋白质变体的功能效应	MMRT模型结合深度学习和递归树框架，利用低阶变体的信息来预测高阶变体的功能效应	研究仍受限于高阶变体组合数量庞大，难以全面扫描	预测高阶蛋白质变体的功能效应，以理解复杂疾病的发病机制、推进蛋白质工程和精准医学	蛋白质序列及其变体	机器学习	复杂疾病	深度学习	MMRT（MultiMut Recursive Tree）	蛋白质序列数据	685,593个高阶变体
4499	2025-03-14	Advancements in the application of artificial intelligence in the field of colorectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1499223 PMID:40071094	研究论文	本文探讨了人工智能在结直肠癌领域的应用进展	利用机器学习和深度学习算法，提高结直肠癌的早期检测、诊断和治疗效果	未具体提及研究的局限性	探索人工智能在结直肠癌管理中的潜力	结直肠癌患者	机器学习	结直肠癌	机器学习和深度学习算法	深度学习（DL）	医疗数据	NA
4500	2025-03-14	Deep learning model for the early prediction of pathologic response following neoadjuvant chemotherapy in breast cancer patients using dynamic contrast-enhanced MRI 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1491843 PMID:40071096	研究论文	本研究旨在探讨不同深度学习方法在DCE-MRI上的诊断准确性，为预测乳腺癌患者新辅助化疗（NAC）后的病理反应提供一个简单易用的工具	利用多种深度学习框架进行迁移学习，结合多种机器学习技术构建分类模型，成功开发出性能最佳的DLR模型，用于预测乳腺癌患者NAC后的病理反应	研究样本量有限，仅包括313名乳腺癌患者，且所有患者均来自单一机构，可能影响模型的泛化能力	开发一个基于DCE-MRI的深度学习模型，用于早期预测乳腺癌患者NAC后的病理反应	313名乳腺癌患者	计算机视觉	乳腺癌	DCE-MRI	ViT, VGG16, ShuffleNet_v2, ResNet18, MobileNet_v2, MnasNet-0.5, GoogleNet, DenseNet121, AlexNet, SVM, KNN, RandomForest, ExtraTrees, XGBoost, LightGBM, MLP	图像	313名乳腺癌患者