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
4761	2025-03-11	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2025-03-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:40029749	研究论文	本文探讨了自监督学习方法在肾小球图像特征提取和疾病分类中的应用，特别是在标注数据有限的情况下	使用无标签的自蒸馏（DINO）方法进行自监督学习，有效提取肾小球图像特征，并在标注数据有限的情况下实现优于传统方法的疾病分类性能	研究依赖于特定染色方法（PAS染色）的图像，可能限制了方法的通用性	探索自监督学习在数字肾脏病理学中的应用，以减少对大量标注数据的依赖	肾小球图像	数字病理学	肾脏疾病	自监督学习（DINO）	DINO预训练模型	图像	10,423张肾小球图像，来自384张PAS染色的肾脏活检切片
4762	2025-03-11	ResGloTBNet: An interpretable deep residual network with global long-range dependency for tuberculosis screening of sputum smear microscopy images 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104300 PMID:40057359	研究论文	本文提出了一种名为ResGloTBNet的深度学习框架，用于痰涂片显微镜图像的结核病筛查	ResGloTBNet框架结合了卷积神经网络和图卷积网络，引入了全局推理单元到ResNet的残差结构中，形成ResGloRe模块，不仅充分提取图像的局部特征，还建模图像中不同区域之间的全局关系	NA	提高结核病筛查的准确性和敏感性，减少人工筛查的时间和劳动强度	痰涂片显微镜图像	计算机视觉	结核病	卷积神经网络（CNN），图卷积网络（GCN）	ResGloTBNet	图像	公开数据集和私有数据集
4763	2025-03-11	A comparative analysis of Constant-Q Transform, gammatonegram, and Mel-spectrogram techniques for AI-aided cardiac diagnostics 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104302 PMID:40057368	研究论文	本研究比较了Constant-Q变换、gammatonegram和Mel-spectrogram技术在AI辅助心脏诊断中的应用，并设计了一种DAG-CNN架构用于自动心音分类	设计了一种新的DAG-CNN架构，并在心音分类中实现了高准确率，相比预训练的CNN模型表现出更优的性能	未提及具体的研究样本量或数据集来源，可能影响结果的普适性	通过数字信号处理和心音图分析，实现心脏异常的早期和准确检测	心音信号	数字病理学	心血管疾病	数字信号处理、心音图分析	DAG-CNN	心音信号	NA
4764	2025-03-11	Exploring the modulation of phosphorylation and SUMOylation-dependent NPR1 conformational switching on immune regulators TGA3 and WRKY70 through molecular simulation 2025-Feb-27, Plant physiology and biochemistry : PPB IF:6.1Q1 DOI:10.1016/j.plaphy.2025.109711 PMID:40056739	研究论文	本文通过分子模拟探讨了磷酸化和SUMO化依赖的NPR1构象转换对免疫调节因子TGA3和WRKY70的调控机制	利用深度学习的分子建模、对接和多纳秒模拟揭示了不同磷酸化状态如何影响NPR1的动态稳定性及其与TGA3-WRKY70的结合	研究主要依赖于计算模拟，缺乏实验验证	研究NPR1的磷酸化和SUMO化在植物免疫中的功能转换机制	NPR1蛋白及其与TGA3和WRKY70的相互作用	分子模拟	NA	深度学习、分子建模、对接、多纳秒模拟	NA	分子结构数据	总计2微秒的模拟时间
4765	2025-03-11	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-25, ArXiv PMID:38827456	研究论文	本文介绍了gRNAde，一种基于几何深度学习的3D RNA逆设计管道，旨在设计考虑结构和动力学的RNA序列	gRNAde通过多状态图神经网络和自回归解码，生成基于一个或多个3D骨架结构的候选RNA序列，显著提高了序列恢复率	尽管gRNAde在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	研究目的是开发一种能够考虑3D构象多样性的RNA序列设计方法	研究对象是RNA序列及其3D骨架结构	机器学习	NA	几何深度学习	图神经网络（GNN）	3D结构数据	14个来自PDB的RNA结构
4766	2025-03-11	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	研究论文	本研究利用人工智能技术，通过经胸超声心动图（TTE）和心电图（ECG）追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于TTE视频和ECG图像，以区分ATTR-CM与年龄/性别匹配的对照组，并在临床前阶段进行疾病风险分层	研究为回顾性分析，可能存在选择偏差，且样本主要来自两个医疗中心，可能限制结果的普适性	开发一种可扩展的策略，用于ATTR-CM的临床前监测和风险分层	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者及年龄/性别匹配的对照组	数字病理	心血管疾病	深度学习	深度学习模型	视频（TTE）、图像（ECG）	YNHHS队列984名参与者（中位年龄74岁，44.3%女性），HMH队列806名参与者（中位年龄69岁，34.5%女性）
4767	2025-03-11	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文介绍了一种名为ralphi的深度强化学习框架，用于单倍型组装，该框架结合了深度学习的表示能力和强化学习，以准确地将读取片段分配到各自的单倍型集合中	ralphi框架首次将深度学习和强化学习结合用于单倍型组装，通过片段图的经典问题简化来设定强化学习的奖励目标	NA	研究目的是开发一种新的方法，以更准确地组装个体二倍体基因组的单倍型	个体二倍体基因组的单倍型	机器学习	NA	ONT读取	深度强化学习	基因读取数据	来自1000 Genomes Project的基因组数据
4768	2025-03-11	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习技术分析颈动脉斑块长期进展及斑块内出血（IPH）的作用	首次使用深度学习分割管道在长期随访中识别IPH、量化IPH体积，并测量其对颈动脉斑块负担的影响	样本量较小（28名无症状颈动脉粥样硬化患者），且仅针对无症状患者进行研究	评估IPH对颈动脉斑块负担长期进展的影响	无症状颈动脉粥样硬化患者	数字病理	心血管疾病	多对比磁共振血管壁成像（VWI）	深度学习分割管道	图像	28名无症状颈动脉粥样硬化患者，共50条动脉
4769	2025-03-11	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜数据集	VASCilia是首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具，提供了五种深度学习模型和自动化计算工具，支持高通量图像定量分析	NA	开发一个自动化工具，用于分析耳蜗毛细胞立体纤毛束的3D形态，以促进耳蜗毛细胞发育和功能的研究	耳蜗毛细胞立体纤毛束	计算机视觉	NA	深度学习	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具	3D共聚焦显微镜图像	55个3D图像堆栈，包含502个内毛细胞和1,703个外毛细胞束的3D注释
4770	2025-03-11	Global Deep Forecasting with Patient-Specific Pharmacokinetics 2025-Feb-12, ArXiv PMID:37965077	研究论文	本文提出了一种新颖的混合全局-局部架构和药代动力学编码器，用于预测医疗时间序列数据，特别是在血糖预测任务中展示了其有效性	提出了一种混合全局-局部架构和药代动力学编码器，能够为深度学习模型提供患者特定的治疗效果信息	未明确提及具体局限性	提高医疗时间序列数据预测的准确性，特别是在患者特定药代动力学影响下的血糖预测	医疗时间序列数据，特别是血糖数据	机器学习	糖尿病	深度学习	混合全局-局部架构	时间序列数据	模拟数据和真实世界数据
4771	2025-03-11	Smart IoT-based snake trapping device for automated snake capture and identification 2025-Feb-10, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13722-2 PMID:39928180	研究论文	本文介绍了一种基于物联网（IoT）的智能捕蛇设备，旨在自动捕捉和识别蛇类，以减少蛇咬伤的风险	结合人工智能（AI）和物联网（IoT）技术，提出了一种非侵入性的解决方案，能够自动捕捉和识别蛇类，并通过深度学习算法实时分类蛇的毒性	设备的准确率为91.3%，仍有提升空间，且未提及设备在不同环境下的适用性	开发一种智能捕蛇设备，以减少蛇咬伤的风险并提高捕蛇的安全性和效率	蛇类，特别是热带和亚热带地区的蛇类	物联网	NA	深度学习，卷积神经网络（CNN）	CNN	图像	使用蛇类图像进行训练
4772	2025-03-11	gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4079-1_8 PMID:39312140	研究论文	本文介绍了一种名为gRNAde的几何深度学习管道，用于3D RNA逆向设计，该管道考虑了RNA的3D结构和动态性	gRNAde采用图神经网络和SE(3)等变编码-解码框架，首次在RNA设计中明确考虑3D几何和构象多样性	NA	开发一种能够基于RNA的3D骨架结构设计RNA序列的计算工具	RNA的3D骨架结构	机器学习	NA	几何深度学习	图神经网络	3D RNA骨架结构	来自PDB的现有RNA结构，包括核糖开关、适配体和核酶
4773	2025-03-11	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3547616 PMID:40031716	研究论文	本研究首次全面评估了EEG预处理在深度学习应用中的影响，并提出了未来研究的指导方针	首次系统性地研究了不同预处理水平对深度学习模型性能的影响，并提出了针对EEG数据预处理的建议	研究结果可能受限于所选的分类任务和EEG架构，未涵盖所有可能的预处理方法和模型类型	评估EEG预处理对深度学习应用的影响，确定最佳预处理策略	EEG数据	机器学习	帕金森病、阿尔茨海默病、睡眠剥夺、首次发作精神病	EEG数据预处理	深度学习模型	EEG数据	4800个训练模型
4774	2025-03-11	Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study 2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2025_92-112 PMID:40058838	研究论文	本研究探讨了在肾功能不全患者中使用深度学习图像重建（DLIR）进行半碘负荷对比增强CT（CECT）的薄层虚拟单色成像（VMI）的图像质量	结合40 keV和DLIR，为半碘负荷CECT的薄层VMI提供了最大的对比噪声比（CNR）和主观可接受的图像质量	样本量较小（28名患者），且为回顾性研究	评估半碘负荷CECT的薄层VMI图像质量	中度至重度肾功能不全的肿瘤患者	医学影像	肾功能不全	双能CT（DECT）和深度学习图像重建（DLIR）	深度学习图像重建（DLIR）	CT图像	28名中度至重度肾功能不全的肿瘤患者
4775	2025-03-11	Comparison of Vendor-Pretrained and Custom-Trained Deep Learning Segmentation Models for Head-and-Neck, Breast, and Prostate Cancers 2024-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242851 PMID:39767212	研究论文	本文评估了本地患者和临床特征对商业深度学习分割模型在头颈、乳腺和前列腺癌症中性能的影响	比较了供应商预训练和自定义训练的深度学习分割模型，并展示了自定义模型在多个器官风险区域（OARs）上的显著改进	研究样本量相对较小，且仅针对头颈、乳腺和前列腺癌症	评估本地数据和临床特征对商业深度学习分割模型性能的影响	头颈、乳腺和前列腺癌症患者	数字病理	头颈癌、乳腺癌、前列腺癌	深度学习分割模型	深度学习模型	CT扫描图像	210名患者（53名头颈癌、49名左乳腺癌、55名右乳腺癌、53名前列腺癌）
4776	2025-03-11	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592587 PMID:38979147	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，并应用于高度动态的蛋白质构象采样	提出了一种新的深度学习模型ICoN，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，并生成新的合成构象，揭示了实验未观察到的原子级细节	模型的训练依赖于分子动力学模拟数据，可能受限于模拟的准确性和计算资源	研究高度动态蛋白质的构象集合，以理解其功能调控和疾病相关聚集	高度动态的蛋白质，特别是内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟（MD）	深度学习模型（ICoN）	分子动力学模拟数据	NA
4777	2025-03-11	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4301803/v1 PMID:38978607	研究论文	本文开发了一种基于无监督深度学习的模型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，并生成新的合成构象，揭示了实验发现中未包含的重要原子细节	方法的普适性依赖于可用训练数据的质量和数量，且需要进一步的实验验证来确认生成构象的生物学相关性	研究蛋白质构象集合，特别是高度动态蛋白质的构象变化，以理解其功能调控和疾病相关聚集	高度动态的淀粉样β（Aβ42）单体	机器学习	NA	分子动力学（MD）模拟	ICoN（Internal Coordinate Net）	分子动力学模拟数据	NA
4778	2025-03-11	A novel deep learning model for diabetic retinopathy detection in retinal fundus images using pre-trained CNN and HWBLSTM 2024-Feb-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2314269 PMID:38373067	研究论文	本文提出了一种新的深度学习模型，用于通过视网膜眼底图像检测糖尿病视网膜病变，结合了预训练的CNN和HWBLSTM	创新点在于结合了He加权双向长短期记忆网络（HWBLSTM）和有效的迁移学习技术，用于从视网膜眼底图像中检测糖尿病视网膜病变	未明确提及研究的局限性	研究目的是开发一种深度学习方法来准确检测和分类糖尿病视网膜病变	研究对象是糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习、迁移学习、图像预处理、图像分割、特征提取、降维	CNN、HWBLSTM	图像	使用了APTOS和MESSIDOR数据集
4779	2025-03-11	Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315762 PMID:39715201	研究论文	本文提出了一种改进的物理信息神经网络（PINN）框架，用于解决蚊子种群动态建模中的ODE优化问题	提出了一种改进的PINN框架，解决了梯度不平衡和刚性ODE问题，并通过逐步扩展训练时间域来解决时间因果关系问题	当前PINN框架在现实世界的ODE系统中还不够成熟，尤其是在具有极端多尺度行为的系统中	改进物理信息神经网络在ODE系统中的应用，特别是用于蚊子种群动态建模	蚊子种群动态建模	机器学习	NA	物理信息神经网络（PINN）	PINN	模拟数据	NA
4780	2025-03-11	Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis 2023-10, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-020218 PMID:37258226	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA