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
4661	2025-03-11	AI-Driven Drug Discovery for Rare Diseases 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能（AI）在罕见病药物发现中的潜力，通过克服传统药物发现模型的挑战，加速罕见病治疗的发展	本文综合了当前知识和最新突破，提供了关于AI如何加速罕见病治疗发展的关键见解，填补了文献中的关键空白	本文主要基于现有文献和突破，缺乏实际应用案例和数据的支持	探索AI在罕见病药物发现中的应用，以加速治疗发展并改善患者预后	罕见病（RDs）及其治疗	机器学习	罕见病	机器学习（ML）和深度学习（DL）	NA	NA	NA
4662	2025-03-11	Deep Learning-Assisted Discovery of Protein Entangling Motifs 2025-Mar-10, Biomacromolecules IF:5.5Q1 DOI:10.1021/acs.biomac.4c01243 PMID:39937127	研究论文	本文开发了一种深度学习模型，用于预测同源二聚体的纠缠特征，并成功应用于筛选超嗜热古菌基因组中的纠缠基序	开发了一种基于氨基酸序列预测蛋白质纠缠特征的深度学习模型，搜索速度比AlphaFold-Multimer快数十倍，并成功应用于湿实验室合成蛋白质链环	模型的多样性和复杂性仍受限于可用纠缠基序的稀缺性	推进新型拓扑蛋白质的设计和合成	同源二聚体的纠缠特征	机器学习	NA	深度学习	深度学习模型	氨基酸序列	超嗜热古菌基因组
4663	2025-03-11	T-ALPHA: A Hierarchical Transformer-Based Deep Neural Network for Protein-Ligand Binding Affinity Prediction with Uncertainty-Aware Self-Learning for Protein-Specific Alignment 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02332 PMID:39965912	研究论文	本文介绍了一种名为T-ALPHA的新型深度学习模型，用于预测蛋白质-配体结合亲和力，并通过不确定性感知的自学习方法进行蛋白质特异性对齐	T-ALPHA模型通过整合多模态特征表示在分层Transformer框架中，显著提高了蛋白质-配体结合亲和力的预测准确性，并在使用预测结构而非晶体结构时仍保持最先进的性能	尽管T-ALPHA在预测结构上表现出色，但在实际应用中，实验确定的结构往往不可用或不完整，这可能限制了其广泛适用性	提高蛋白质-配体结合亲和力的预测准确性，以加速候选抑制剂的识别和优化	蛋白质-配体结合亲和力	机器学习	NA	深度学习	Transformer	蛋白质-配体结合数据	NA
4664	2025-03-11	Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb89c PMID:39978071	研究论文	本文提出了一种基于4DCBCT辅助的深度学习模型，用于无标记的肺肿瘤实时跟踪	提出了一种新颖的4DCBCT辅助的GT生成方法，用于患者特定的AI模型训练和验证	样本量较小，仅使用了6个患者的数据进行验证和11个患者的数据进行测试	开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于改进和验证患者特定的AI肿瘤定位模型	肺癌患者的肺肿瘤	数字病理学	肺癌	4DCBCT, Retina U-Net	Retina U-Net	CBCT投影图像	6个患者用于验证，11个患者用于测试，每个患者约40个CBCT投影
4665	2025-03-11	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并通过插值在潜在空间中选择数据点，快速识别具有复杂和大规模侧链和骨架排列的新合成构象	提出了ICoN模型，能够从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并通过插值在潜在空间中选择数据点，快速识别新合成构象	需要依赖分子动力学模拟数据进行训练，且对于未包含在训练数据中的重要相互作用的识别可能有限	研究蛋白质构象集合，特别是高度动态的蛋白质，以理解其生物学功能和疾病相关聚集	高度动态的蛋白质，特别是淀粉样β（Aβ42）单体	机器学习	NA	深度学习	ICoN	分子动力学模拟数据	NA
4666	2025-03-11	A deep learning model for inter-fraction head and neck anatomical changes in proton therapy 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adba39 PMID:39999567	研究论文	本文提出了一种基于概率深度学习的算法，用于预测头颈部患者在质子治疗中的分次间解剖变化	使用变分自编码器架构构建了一个概率性的每日解剖模型（DAM），能够生成重复CT图像及其对应掩码的变形向量场，从而预测解剖变化	数据集仅包含93名患者，样本量相对较小，可能影响模型的泛化能力	评估深度学习模型在预测头颈部患者分次间解剖变化中的性能	头颈部患者的分次间解剖变化	数字病理学	头颈部癌症	深度学习	变分自编码器（VAE）	CT图像	93名患者（315对pCT-rCT图像），其中9名患者（27对图像）用于最终测试
4667	2025-03-11	SynthMol: A Drug Safety Prediction Framework Integrating Graph Attention and Molecular Descriptors into Pre-Trained Geometric Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01320 PMID:40000610	研究论文	本文介绍了一个名为SynthMol的深度学习框架，该框架整合了预训练的3D结构特征、图注意力网络和分子指纹，用于高精度的分子属性预测	SynthMol框架通过整合预训练的3D结构特征、图注意力网络和分子指纹，实现了在多个数据集上超越现有模型的预测精度	未明确提及具体局限性	开发一个高精度的药物安全性预测框架	药物分子及其安全性	机器学习	NA	深度学习	图注意力网络	分子数据	22个数据集，包括MoleculeNet、MolData和已发表的药物安全性数据
4668	2025-03-11	Large Model Era: Deep Learning in Osteoporosis Drug Discovery 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02264 PMID:40008920	综述	本文介绍了深度学习领域中的传统模型和大模型，系统总结了它们在药物发现各阶段的应用，并分析了它们在骨质疏松药物发现中的应用前景	大模型因其大量参数和处理复杂任务的能力，为理解疾病机制和促进药物发现提供了新方法	本文深入讨论了大模型的优势和局限性，以帮助未来的药物发现	探讨深度学习在骨质疏松药物发现中的应用	骨质疏松药物发现	机器学习	骨质疏松	深度学习	大模型	NA	NA
4669	2025-03-11	Self-supervised U-transformer network with mask reconstruction for metal artifact reduction 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbaae PMID:40010000	研究论文	本文提出了一种自监督U形Transformer网络，用于减少CT图像中的金属伪影，增强模型在金属伪影减少任务中的泛化能力	提出了一种结合自监督掩码重建预训练任务和下游任务的框架，利用Transformer的多层长程特征提取能力有效捕捉金属伪影特征，并通过跨通道自注意力机制区分金属伪影特征	尽管使用了未标记的真实伪影CT图像和标记的合成伪影CT图像进行自监督学习，但模型在真实数据上的泛化能力仍有待进一步验证	减少CT图像中的金属伪影，提高疾病诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	自监督学习	U形Transformer网络	CT图像	未标记的真实伪影CT图像和标记的合成伪影CT图像
4670	2025-03-11	GLMCyp: A Deep Learning-Based Method for CYP450-Mediated Reaction Site Prediction 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02051 PMID:40013456	研究论文	本文介绍了一种基于深度学习的CYP450介导反应位点预测方法GLMCyp	GLMCyp通过整合2D分子图特征、3D特征和CYP450蛋白特征，提高了预测的准确性和解释性	NA	提高药物发现和开发效率，准确预测CYP450介导的反应位点	小分子上的CYP450反应位点	机器学习	NA	深度学习	GLMCyp	分子图特征、3D特征、蛋白特征	EBoMD数据集
4671	2025-03-11	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Mar-10, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	本文开发了一种基于深度学习的自动化方法，用于在肝硬化患者中检测小肝细胞癌（sHCC），并利用Gd-EOB-DTPA增强MRI进行验证	本研究首次将nnU-Net应用于小肝细胞癌的自动检测，并在肝硬化患者中验证了其有效性	研究为回顾性研究，样本量相对较小，且仅使用了单一类型的MRI数据	开发一种自动化深度学习方法，用于检测肝硬化患者中的小肝细胞癌	肝硬化患者中的小肝细胞癌（sHCC）和非HCC病变	计算机视觉	肝癌	Gd-EOB-DTPA增强MRI	nnU-Net	MRI图像	120名肝硬化患者（78名sHCC患者和42名非HCC肝硬化患者）
4672	2025-03-11	Paradigms and methods of noninvasive brain-computer interfaces in motor or communication assistance and rehabilitation: a systematic review 2025-Mar-10, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03340-y PMID:40059266	系统综述	本文系统回顾了过去十年中非侵入性脑机接口（BCI）在运动或沟通辅助及康复中的范式、方法和应用的发展	本文综述了非侵入性BCI技术的最新发展，特别是EEG和fNIRS在康复和辅助设备控制中的应用，并强调了深度学习等解码方法的进步	尽管非侵入性BCI技术取得了进展，但仍面临诸多挑战，如设计更便捷的电极、提高解码准确性和效率、为特定患者设计更适用的系统等	探讨非侵入性BCI技术在运动或沟通辅助及康复中的应用和发展	非侵入性脑机接口技术及其在康复和辅助设备中的应用	脑机接口	NA	脑电图（EEG）、功能性近红外光谱（fNIRS）	深度学习	神经生理信号	223篇研究文章（自2016年起）
4673	2025-03-11	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-Mar-08, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	研究论文	本研究探讨了基于深度学习结合超声和CT成像技术对甲状腺TI-RADS 3-5类结节进行良恶性分类的诊断价值	首次将深度学习与超声和CT成像结合，用于甲状腺TI-RADS 3-5类结节的自动分类，相比单一成像方式显著提高了诊断准确性	研究仅针对TI-RADS 3-5类结节，未涵盖所有甲状腺结节类型	探索一种无需活检即可准确区分甲状腺TI-RADS 3-5类结节良恶性的方法	甲状腺TI-RADS 3-5类结节	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	768例甲状腺结节（499例恶性，269例良性）
4674	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
4675	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
4676	2025-03-11	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Mar-07, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种在头颈部自适应放射治疗中，利用患者治疗前影像进行自动分割的通用模型	研究探讨了在推理阶段加入治疗前数据对模型性能的影响，避免了新患者群体所需的昂贵模型再训练	刚性配准方法在GTVp和大多数OARs上表现与自适应DL模型相似，可能限制了GAM的广泛应用	提高头颈部自适应放射治疗中自动分割的准确性，特别是对于高变异性或低对比度的结构	头颈部癌症患者	数字病理	头颈部癌症	深度学习	通用自适应模型（GAM）	计算机断层扫描图像	110名接受头颈部癌症自适应放射治疗的患者
4677	2025-03-11	Multimodal optimal matching and augmentation method for small sample gesture recognition 2025-Mar-06, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01370 PMID:39864830	研究论文	本文提出了一种多模态最优匹配和增强方法，用于小样本手势识别，通过引入运动信息到基于表面肌电图的识别中，实现了每个手势仅需一次采集的高效识别	引入运动信息到基于表面肌电图的识别中，提出了一种多模态最优匹配和增强方法，显著减少了数据采集的负担	方法在非健康用户中的应用效果需要进一步验证，且数据集的多样性可能仍然有限	提高小样本手势识别模型的准确性，减少数据采集的负担	手势识别，特别是基于表面肌电图的手势识别	机器学习	中风	数据增强，迁移学习	深度学习模型	生理信号数据，运动信息数据	自收集的中风患者数据集，Ninapro DB1数据集和Ninapro DB5数据集
4678	2025-03-11	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Mar-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	研究论文	本文研究了一种基于CT的多参数深度学习-放射组学模型（DLRM），用于预测直肠癌患者术前肿瘤萌芽（TB）等级	结合深度学习和手工放射组学特征，构建了预测直肠癌TB等级的多参数模型，并验证了其优于单独的深度学习和放射组学特征	研究为回顾性设计，样本量相对较小（135例患者），可能影响模型的泛化能力	预测直肠癌患者术前肿瘤萌芽（TB）等级，以支持临床治疗决策	135例经组织学确诊的直肠癌患者	数字病理	直肠癌	CT成像，深度学习，放射组学	深度学习-放射组学模型（DLRM）	CT图像	135例直肠癌患者（85例Bd1+2组，50例Bd3组）
4679	2025-03-11	Unraveling the three-dimensional genome structure using machine learning 2025-Mar-05, BMB reports IF:2.9Q3 PMID:40058875	综述	本文综述了利用机器学习技术研究三维基因组结构的方法	介绍了机器学习特别是深度学习在检测和分析染色体结构信息中的应用	指出了Hi-C数据的局限性，并提出了提高染色体接触频率图分辨率的进展	研究三维基因组结构及其调控机制	染色质相互作用和层次结构	机器学习	NA	Hi-C测序	深度学习	基因组数据	NA
4680	2025-03-11	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用	MetAssimulo 2.0在1.0版本的基础上进行了全面升级，增加了对尿液、血液和脑脊液的光谱模拟功能，并引入了2D J-resolved和Correlation Spectroscopy光谱的模拟能力	尽管MetAssimulo 2.0提高了光谱模拟的真实性，但其模拟结果与真实光谱的Pearson相关系数约为0.82，仍有改进空间	开发一个工具以支持深度学习与代谢组学交叉领域的研究	1D和2D代谢组学1H NMR光谱	代谢组学	NA	核磁共振（NMR）光谱	NA	光谱数据	NA