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
5441	2025-04-09	WPR-Net: A Deep Learning Protocol for Highly Accelerated NMR Spectroscopy with Faithful Weak Peak Reconstruction 2025-Apr-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04830 PMID:40067126	research paper	提出一种深度学习架构WPR-Net，用于高度加速的NMR光谱学并可靠重建弱峰	该深度学习协议能够消除欠采样伪影，并在高度稀疏采样密度或严重噪声条件下重建高质量多维NMR光谱信号	NA	加速多维NMR光谱学的实现并提高弱峰重建的准确性	多维NMR光谱信号	machine learning	NA	NMR spectroscopy	deep learning architecture (WPR-Net)	spectral data	NA
5442	2025-04-09	Deep learning assisted high-resolution microscopy image processing for phase segmentation in functional composite materials 2025-Apr-08, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13413 PMID:40195694	research paper	该研究提出了一种基于深度学习的图像处理方法，用于高分辨率显微镜图像的相位分割和成分检测	提出了一种新的基于FFT的分割工作流程，并利用训练好的U-Net模型进行相位分割，这在复合材料的相位和成分检测中是一个尚未充分探索的领域	NA	开发一种高效的高分辨率显微镜图像分析方法，用于电池研究中的相位分割和成分检测	高分辨率透射电子显微镜（TEM）图像中的复合材料的相位和成分	computer vision	NA	深度学习	U-Net	image	NA
5443	2025-04-09	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2025-Apr-08, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了一种名为MULTICOM_ligand的深度学习方法，用于预测蛋白质-配体结构和结合亲和力，并在CASP16中表现优异	提出了一个结合结构共识排序和无监督姿势排序的深度学习集成方法，以及一个新的深度生成流匹配模型，用于联合预测结构和结合亲和力	未提及具体局限性	解决蛋白质-配体结构和结合亲和力预测的基础性问题，以支持生物技术和药物发现	蛋白质-配体结构和结合亲和力	机器学习	NA	深度学习	深度学习集成和流匹配模型	蛋白质-配体结构数据	NA
5444	2025-04-09	Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests 2025-Apr-08, The journals of gerontology. Series B, Psychological sciences and social sciences DOI:10.1093/geronb/gbaf065 PMID:40197801	research paper	本研究开发了一种基于深度学习的连续时钟绘图测试(CDT)评分方法，用于提高不同人口群体的痴呆症分类准确性	使用Vision Transformer生成连续CDT评分，并针对不同人口特征设定分类阈值，提高了痴呆症筛查的适应性和包容性	研究依赖于NHATS数据集，可能无法完全代表所有人群特征	开发更精确的痴呆症筛查工具	老年人群体(特别是黑人、低教育水平和90岁以上高龄人群)	digital pathology	geriatric disease	deep learning neural network (DLNN)	Vision Transformer	image	来自国家健康与老龄化趋势研究(NHATS)的全国代表性老年人样本
5445	2025-04-09	Enhancing Herbal Medicine-Drug Interaction Prediction Using Large Language Models 2025-Apr-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3558667 PMID:40193268	研究论文	该研究提出了一种结合大型语言模型(LLMs)、独热编码和变分图自编码器(VGAEs)的草药-药物相互作用(HDI)预测模型	首次整合LLMs、独热编码和VGAEs来预测HDI，并通过区分草药-药物相似性和节点度来优化VGAE消息流	未明确提及具体的数据集规模或模型性能比较的局限性	优化草药与药物联合治疗策略，支持个性化和精准医疗	草药与药物之间的相互作用	自然语言处理	NA	LLMs, 独热编码, VGAEs	变分图自编码器(VGAE)	药物SMILES字符串, 草药多天然产物特征	NA
5446	2025-04-09	Deep learning analysis of hematoxylin and eosin-stained benign breast biopsies to predict future invasive breast cancer 2025-Apr-07, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkaf037 PMID:40193520	research paper	使用深度学习分析良性乳腺活检的H&E染色全切片图像，预测未来浸润性乳腺癌的发生	首次采用深度学习模型结合临床病理特征的多模态方法，显著提高了乳腺癌风险的预测准确性	研究样本量相对有限，未来需要更大规模的数据验证	开发基于深度学习的预测模型，评估良性乳腺疾病患者未来发展为乳腺癌的风险	946名良性乳腺疾病女性患者的活检样本	digital pathology	breast cancer	H&E染色全切片图像分析	VGG-16, AutoML, 多模态网络	image, 临床病理数据	训练集662例（331例病例，331例对照），测试集284例（142例病例，142例对照）
5447	2025-04-09	Dimensionality Reduction of Genetic Data using Contrastive Learning 2025-Apr-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyaf068 PMID:40194517	research paper	该论文介绍了一种利用对比学习进行遗传数据降维的框架，以生成类似PCA的群体可视化	定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集定制了数据增强方案	未明确提及具体局限性	开发一种适用于遗传数据的降维方法，以更好地保留局部和全局结构	狗和人类的基因型数据	machine learning	NA	对比学习	深度学习神经网络	SNP基因型数据	两个数据集（狗和人类基因型）
5448	2025-04-09	Severity Classification of Pediatric Spinal Cord Injuries Using Structural MRI Measures and Deep Learning: A Comprehensive Analysis Across All Vertebral Levels 2025-Apr-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8770 PMID:40194851	research paper	本研究通过结构MRI测量和深度学习技术，对儿童脊髓损伤的严重程度进行分类	结合横截面积、前后宽度和左右宽度等结构参数与深度学习技术，首次在儿童脊髓损伤中进行全面分析	样本量较小，仅61名参与者，且仅包括慢性脊髓损伤患者	评估儿童脊髓损伤患者的结构特征，并开发基于深度学习的分类方法	20名慢性脊髓损伤儿童和41名正常发育儿童	digital pathology	spinal cord injury	MRI扫描和深度学习	CNN	MRI图像	61名儿童（20名脊髓损伤患者和41名正常发育儿童）
5449	2025-04-09	Deep learning-based generation of DSC MRI parameter maps using DCE MRI data 2025-Apr-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	本研究开发了一种基于深度学习的模型，利用DCE MRI数据生成DSC MRI参数图	使用cGAN从DCE MRI数据合成DSC参数图，避免了两次注射造影剂的需求	研究样本量较小（64名参与者），且仅针对脑肿瘤患者进行了验证	开发一种方法，通过单次造影剂注射同时获取DSC和DCE MRI参数图	脑肿瘤患者及正常对照者的MRI数据	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN	医学影像	64名参与者（包括脑肿瘤患者和正常对照者）
5450	2025-04-09	AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers 2025-Apr-07, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.14164 PMID:40195567	research paper	评估一种深度学习模型在牙科照片中检测角化牙龈（KG）的能力，并使用参考保持器进行校准以验证其临床适用性	首次提出能够可靠识别全口角化牙龈的AI模型，并通过参考保持器进行了全面验证	对后牙区域的预测需要进一步改进	评估深度学习模型在牙科照片中检测角化牙龈的准确性及其临床应用	576张来自32名受试者的牙科照片，包括碘染色、未染色和线标记保持器的照片	digital pathology	NA	深度学习	DeepLabv3 with ResNet50 backbone	image	576张牙科照片来自32名受试者
5451	2025-04-09	Noninvasive early prediction of preeclampsia in pregnancy using retinal vascular features 2025-Apr-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01582-6 PMID:40188283	research paper	该研究开发了一种名为PROMPT的AI驱动模型，利用视网膜摄影技术对妊娠期高血压疾病子痫前期（PE）进行早期无创预测	首次结合视网膜血管特征、平均动脉压和风险因素，开发了非侵入性、经济高效的子痫前期预测工具PROMPT	研究样本量相对有限（1812例妊娠），且仅在妊娠14周前进行评估	开发无创、低成本的子痫前期早期预测方法	妊娠期妇女（孕14周前）	digital pathology	cardiovascular disease	retinal photography, deep learning	machine learning	retinal images	1812 pregnancies
5452	2025-04-09	Deep-learning enabled rapid and low-cost detection of microplastics in consumer products following on-site extraction and image processing 2025-Apr-04, RSC advances IF:3.9Q2 DOI:10.1039/d4ra07991d PMID:40190644	研究论文	提出一种基于深度学习的低成本、快速检测消费品中微塑料的方法	使用低成本手机显微镜和YOLOv5深度学习模型实现微塑料的快速准确检测	仅测试了五种消费品类别，样本量相对有限	开发一种快速、准确且低成本的微塑料检测方法	盐、糖、茶包、牙膏和牙粉中的微塑料	计算机视觉	NA	密度分离技术、ATR-FTIR光谱、FE-SEM	YOLOv5	图像	2490张图像（来自五种不同产品类别）
5453	2025-04-09	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	本研究探讨了使用深度学习增强的超分辨率4D流MRI结合物理信息虚拟功-能相对压力技术来量化狭窄颅内动脉压力下降的方法	采用深度学习增强的超分辨率4D流MRI技术，结合物理信息虚拟功-能相对压力技术，显著提高了颅内动脉狭窄区域压力变化的非侵入性量化准确性	研究首先在模拟颅内环境的脉动流实验中进行验证，然后才转移到患者队列中，可能限制了直接临床应用的广泛性	开发一种非侵入性方法来量化狭窄颅内动脉的压力下降，以评估功能性狭窄的严重程度	狭窄颅内动脉及其区域血流动力学	数字病理学	心血管疾病	深度学习增强的超分辨率4D流MRI	深度学习	MRI图像	一组颅内动脉粥样硬化疾病患者队列
5454	2025-04-09	BRAFPred: A Novel Approach for Accurate Prediction of the B-Type Rapidly Accelerated Fibrosarcoma Inhibitor 2025-Apr-01, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10367 PMID:40191311	研究论文	本文提出了一种名为BRAFPred的新方法，用于准确预测B型快速加速纤维肉瘤抑制剂	采用堆叠集成学习框架，结合经典机器学习和深度学习技术，提高了预测BRAF抑制剂的准确性	未明确提及具体局限性	开发更准确的BRAF抑制剂预测方法	B型快速加速纤维肉瘤(BRAF)抑制剂	机器学习	癌症	堆叠集成学习、XGB、SVR、Chemprop、FG-BERT	随机森林回归模型	分子描述符和小分子序列特征	未明确提及具体样本数量
5455	2025-04-09	Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery 2025-Mar-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.24.25324556 PMID:40196278	research paper	该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物	提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化	研究仅针对血液细胞群体，未涉及其他组织或细胞类型	利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物	循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据	machine learning	sepsis, heart disease, diabetes	single-cell measurement	Transformer (MIST), FastShap	single-cell clinical data	大量常规临床数据（具体数量未提及）
5456	2025-04-09	Diagnostic accuracy of artificial intelligence in the detection of maxillary sinus pathology using computed tomography: A concise systematic review 2025-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240139 PMID:40191392	系统性综述	评估人工智能在利用CT/CBCT影像检测上颌窦病变中的表现和准确性	总结了多种深度学习模型在上颌窦病变检测中的应用及其性能	需要进一步提高准确性和一致性	评估人工智能在上颌窦病变检测中的诊断准确性	上颌窦病变	数字病理学	上颌窦炎	CT/CBCT成像	CNN, ResNet, DenseNet, YOLO, U-Net	影像	3,349名患者（7,358张影像）
5457	2025-04-09	Synthetic Diffusion Tensor Imaging Maps Generated by 2D and 3D Probabilistic Diffusion Models: Evaluation and Applications 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639511 PMID:40060678	research paper	评估和比较2D和3D概率扩散模型生成的合成扩散张量成像（DTI）图的质量及其在下游任务中的应用	首次评估和比较2D和3D DDPMs生成的合成DTI图的质量及其在下游任务中的表现，并展示3D合成优于2D切片生成	研究仅评估了MD图，未涵盖DTI所有参数；下游任务仅涉及性别分类和痴呆分类	解决DTI数据稀缺和隐私问题，并通过合成数据增强深度学习方法的训练数据	合成DTI MD图及其在性别分类和痴呆分类任务中的应用	digital pathology	dementia	denoising diffusion probabilistic models (DDPMs)	2D和3D CNNs	image	NA
5458	2025-04-09	CellSAM: A Foundation Model for Cell Segmentation 2025-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.17.567630 PMID:38045277	research paper	提出了一种名为CellSAM的通用细胞分割模型，能够跨多种细胞成像数据进行泛化	基于Segment Anything Model (SAM)开发了一种提示工程方法，用于掩模生成，并训练了一个名为CellFinder的对象检测器来自动检测细胞并提示SAM生成分割	未提及具体限制	开发一个能够跨多种细胞成像数据泛化的通用细胞分割模型	哺乳动物细胞、酵母和细菌的成像数据	digital pathology	NA	deep learning, prompt engineering	SAM, object detector (CellFinder)	image	多种成像模态下的哺乳动物细胞、酵母和细菌图像
5459	2025-04-09	Deep learning-based hyperspectral technique identifies metastatic lymph nodes in oral squamous cell carcinoma-A pilot study 2025-Feb, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15067 PMID:39005220	研究论文	本研究基于高光谱成像和深度学习技术，开发了一种用于检测口腔鳞状细胞癌转移淋巴结中癌细胞的系统	采用改进的ResUNet算法分析癌细胞与淋巴细胞以及肿瘤组织与正常组织之间的光谱曲线差异	研究样本量较小，仅为45例口腔鳞状细胞癌患者的转移淋巴结	建立一种高精度、高效率的病理诊断方法，用于识别口腔鳞状细胞癌转移淋巴结中的肿瘤组织	45例口腔鳞状细胞癌(OSCC)患者的转移淋巴结连续切片	数字病理	口腔鳞状细胞癌	高光谱成像	改进的ResUNet	高光谱图像	45例OSCC患者的转移淋巴结
5460	2025-04-09	Computational Stabilization of a Non-Heme Iron Enzyme Enables Efficient Evolution of New Function 2025-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202414705 PMID:39394803	research paper	本文展示了使用深度学习工具ProteinMPNN对Fe(II)/αKG超家族酶进行重新设计，以提高其稳定性、溶解性和表达，同时保留其天然活性和工业相关的非天然功能	利用深度学习工具ProteinMPNN进行酶设计，首次实现了对Fe(II)/αKG超家族酶的稳定化改造，并成功应用于定向进化，显著提高了非天然反应的催化效率	研究仅针对Fe(II)/αKG超家族酶，其通用性需要进一步验证	评估深度学习工具在酶工程工作流程中的有效性，开发新型生物催化剂	Fe(II)/αKG超家族酶	machine learning	NA	ProteinMPNN, directed evolution	deep learning	protein sequence and structure	多个Fe(II)/αKG酶变体