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
6141	2025-02-23	The gene expression signature of electrical stimulation in the human brain 2024-Oct-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558812 PMID:37790527	研究论文	本文通过先进的转录组和表观基因组测序技术，研究了人类大脑前颞叶直接电刺激后的分子变化，揭示了电刺激对微胶质细胞特异性细胞因子活性相关基因表达的显著影响	挑战了临床常用电刺激主要影响神经元基因表达的观点，揭示了微胶质细胞对电刺激的强烈反应及其对神经元回路活动的塑造作用	研究样本仅限于接受神经外科手术的患者，可能限制了结果的普遍性	探索电刺激对人类大脑的分子影响	人类大脑前颞叶	神经科学	NA	转录组和表观基因组测序	深度学习计算工具	基因表达数据	接受神经外科手术的患者
6142	2025-02-23	Generating multi-pathological and multi-modal images and labels for brain MRI 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103278 PMID:39059240	研究论文	本文提出了一种两阶段生成模型，能够生成2D和3D语义标签图及对应的多模态图像，用于增强真实数据集并支持下游分割任务	提出了一种结合潜在扩散模型和VAE-GAN的两阶段生成模型，能够生成成对的图像和分割样本，填补了该领域的空白	未明确提及模型在特定病理条件下的生成效果或对复杂病理的适应性	开发一种生成模型，用于生成多病理和多模态的脑MRI图像及标签，以增强数据集并支持下游分割任务	脑MRI图像及语义标签图	计算机视觉	NA	潜在扩散模型、VAE-GAN	生成模型（潜在扩散模型、VAE-GAN）	图像（2D和3D脑MRI图像）	未明确提及具体样本数量
6143	2025-02-23	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-Sep-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种三维深度学习模型在真实世界环境中检测和定位脑微出血（CMBs）的性能	该研究不仅检测CMBs，还识别其解剖位置，且在真实世界环境中验证了模型性能	需要更大规模和更多样化的人群研究以确立临床实用性	验证三维深度学习模型在检测和定位脑微出血中的性能	脑微出血（CMBs）	数字病理学	脑血管疾病	三维深度学习	3D深度学习模型	图像	33名患者（21名有116个CMBs，12名无CMBs）
6144	2025-02-23	Deep learning-based video-analysis of instrument motion in microvascular anastomosis training 2024-Jan-12, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05896-4 PMID:38214753	研究论文	本研究开发了一种基于深度学习的自动化器械尖端检测算法，并验证了其在微血管吻合训练中的性能	使用深度学习算法自动检测和跟踪手术器械尖端，提供了一种客观评估显微手术技能的新方法	研究主要基于模拟训练视频，临床实际应用效果需进一步验证	开发并验证一种基于深度学习的自动化器械尖端检测算法，以客观评估显微手术技能	显微手术器械的运动分析	计算机视觉	NA	深度学习	YOLOv2	视频	临床显微手术视频和微血管吻合练习视频
6145	2025-02-23	ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES 2024-Jan-01, Shock (Augusta, Ga.) DOI:10.1097/SHK.0000000000002227 PMID:37752080	研究论文	本研究探讨了机器学习技术在结合临床数据和基因表达信息以更好地预测和理解脓毒症方面的潜力	利用机器学习模型，特别是神经网络、深度学习和集成方法，填补脓毒症研究中的关键证据空白，并通过基因转录信息提供对脓毒症病理生理学和生物标志物识别的见解	机器学习模型在解释性和偏见方面存在挑战	提高脓毒症患者预后，推进精准医学方法	脓毒症患者	机器学习	脓毒症	基因表达分析	神经网络, 深度学习, 集成方法	基因表达数据, 临床数据	NA
6146	2025-02-23	Adaptive spatial-channel feature fusion and self-calibrated convolution for early maize seedlings counting in UAV images 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1496801 PMID:39980762	研究论文	本文提出了一种基于DINO的深度学习方法RC-Dino，用于提高无人机图像中早期玉米幼苗计数的准确性	引入了两种创新组件：自校准卷积层RSCconv和自适应空间特征融合模块ASCFF，以提高早期玉米幼苗在特征图中的表示和区分能力	未提及具体局限性	提高无人机图像中早期玉米幼苗计数的准确性	早期玉米幼苗	计算机视觉	NA	深度学习	DINO, Faster R-CNN, RetinaNet, YOLOX, Deformable DETR	图像	1,233张标注图像，共83,404个标注
6147	2025-02-23	Efficient and accurate identification of maize rust disease using deep learning model 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1490026 PMID:39980760	研究论文	本文开发了一种名为Maize-Rust的深度学习模型，用于高效准确地识别玉米锈病	该模型在YOLOv8s骨干网络中集成了SimAM模块和BiFPN进行尺度融合，并使用DWConv简化检测流程，显著提高了分类准确率和检测速度	未提及模型在其他作物病害上的泛化能力	提高玉米锈病的识别准确率和检测效率，以支持大规模田间锈病的有效检测和管理	玉米锈病（普通玉米锈病和南方玉米锈病）	计算机视觉	NA	深度学习	YOLOv8s, Faster-RCNN, SSD	图像	未提及具体样本数量
6148	2025-02-23	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	研究论文	本文提出了一种使用多模态深度神经网络预测多发性硬化症（MS）疾病严重程度的方法	首次整合结构化电子健康记录（EHR）数据、神经影像数据和临床笔记，构建多模态深度学习框架来预测MS严重程度，相比单模态数据模型，AUROC提高了19%	未明确提及具体局限性	通过早期和准确的MS疾病严重程度分类，减缓或预防疾病进展	多发性硬化症（MS）患者	机器学习	多发性硬化症	深度学习	多模态深度神经网络	结构化EHR数据、神经影像数据、临床笔记	未明确提及样本数量
6149	2025-02-23	Automated classification of fat-infiltrated axillary lymph nodes on screening mammograms 2023-Nov, The British journal of radiology DOI:10.1259/bjr.20220835 PMID:37751215	研究论文	本文开发了一种基于深度学习的自动化管道，用于在筛查性乳腺X光片上分类脂肪浸润的腋窝淋巴结状态	首次使用自动化深度学习方法对脂肪浸润的腋窝淋巴结进行分类	需要大规模研究来确认脂肪浸润淋巴结与肥胖相关疾病之间的相关性，但受限于标记数据的稀缺	开发一种快速且可推广的工具，以辅助数据标记，并评估脂肪浸润淋巴结作为肥胖相关病理的影像生物标志物的作用	脂肪浸润的腋窝淋巴结	数字病理	肥胖相关疾病	深度学习	DL模型	图像	886张乳腺X光片（内部数据集）和70张乳腺X光片（外部测试集）
6150	2025-02-23	Using ensembles and distillation to optimize the deployment of deep learning models for the classification of electronic cancer pathology reports 2022-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac075 PMID:36110150	研究论文	本文通过集成和蒸馏技术优化深度学习模型在电子癌症病理报告分类中的部署	通过将集成模型的软标签知识蒸馏到单一模型中，减少过拟合和模型过度自信	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	优化深度学习模型在癌症病理报告分类中的部署，减少过拟合和模型过度自信	电子癌症病理报告	自然语言处理	癌症	知识蒸馏	多任务卷积神经网络（MtCNN）	文本	未提及具体样本数量
6151	2025-02-23	Deep learning on resting electrocardiogram to identify impaired heart rate recovery 2022-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.06.001 PMID:36046430	研究论文	本研究利用深度学习模型通过静息心电图预测心率恢复（HRR），并探讨其与心血管疾病风险的关系	首次使用深度学习模型从静息心电图中推断心率恢复，并验证其与未来临床结果（如糖尿病和全因死亡率）的独立关联	研究依赖于UK Biobank的数据，样本可能不具有普遍代表性，且未探讨模型在其他人群中的适用性	探索静息心电图通过深度学习预测心率恢复的可行性及其与心血管疾病风险的关联	UK Biobank参与者，共56,793人	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图波形	56,793人（平均年龄57岁，51%为女性）
6152	2025-02-22	Increase Docking Score Screening Power by Simple Fusion With CNNscore 2025-Mar-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70060 PMID:39981784	研究论文	本文提出了一种将GNINA的卷积神经网络（CNN）生成的姿态评分与传统对接评分相结合的对接评分融合策略，以提高分子对接的筛选能力	通过将Watvina对接评分与CNNscore相乘，展示了最先进的筛选能力，并将该技术应用于虚拟筛选工作流中，成功识别出TYK2靶点的抑制剂	NA	提高分子对接的筛选能力，特别是在虚拟筛选中识别具有挑战性的靶点抑制剂	蛋白质-配体（PL）相互作用	机器学习	NA	卷积神经网络（CNN）	CNN	分子对接数据	近120亿个分子
6153	2025-02-22	MicroRNA signature for early prediction of knee osteoarthritis structural progression using integrated machine and deep learning approaches 2025-Mar, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.11.008 PMID:39617204	研究论文	本研究旨在开发一种基于miRNA的预后模型，用于识别膝关节骨关节炎（OA）结构进展者/非进展者，采用集成机器学习和深度学习工具	引入了一种新的miRNA预后模型，用于预测膝关节OA结构进展，结合了机器学习和深度学习技术	模型验证样本量较小（30个样本），可能需要更大规模的研究来进一步验证其泛化能力	开发一种基于miRNA的预后模型，用于预测膝关节OA的结构进展	膝关节OA患者	机器学习	骨关节炎	miRNA测序	人工神经网络（ANN）	血清miRNA数据、磁共振成像（MRI）和X射线数据	152名OAI参与者（91名进展者，61名非进展者）用于模型开发，30名独立参与者（14名进展者，16名非进展者）用于模型验证
6154	2025-02-22	Metastatic Lung Lesion Changes in Follow-up Chest CT: The Advantage of Deep Learning Simultaneous Analysis of Prior and Current Scans With SimU-Net 2025-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000808 PMID:39808543	研究论文	本文评估了SimU-Net，一种用于自动分析转移性肺病变及其在胸部CT扫描对中时间变化的新型深度学习方法	SimU-Net是一种同时多通道3D U-Net模型，能够在患者的前后扫描对中进行自动检测、分割、匹配和分类转移性肺病变	研究中使用的数据集相对较小，仅包含79名患者的344对扫描	评估SimU-Net在自动分析转移性肺病变及其时间变化中的性能	转移性肺病变	数字病理学	肺癌	深度学习	SimU-Net, 3D U-Net	胸部CT扫描图像	79名患者的344对扫描，共5040个转移性肺病变
6155	2025-02-22	De Novo Synthesis of Reticuline and Taxifolin Using Re-engineered Homologous Recombination in Yarrowia lipolytica 2025-Feb-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00853 PMID:39899813	研究论文	本文通过重新设计Yarrowia lipolytica的同源重组系统，提高了基因编辑效率，并开发了用于gRNA活性预测的深度学习模型，成功合成了()-reticuline和(2)-taxifolin	通过融合hBrex27序列到Cas9的C端，显著提高了同源重组效率，并开发了深度学习模型预测gRNA活性	未提及具体局限性	提高Yarrowia lipolytica的基因编辑效率，并将其转化为易于操作的模型细胞工厂	Yarrowia lipolytica	合成生物学	NA	Cas9系统，深度学习模型	深度学习模型	基因序列数据	未提及具体样本数量
6156	2025-02-22	Harnessing omics data for drug discovery and development in ovarian aging 2025-Feb-20, Human reproduction update IF:14.8Q1 DOI:10.1093/humupd/dmaf002 PMID:39977580	review	本文综述了多组学数据在卵巢衰老药物发现和开发中的应用	结合创新的计算工具，利用多组学数据资源深入理解卵巢衰老的分子复杂性，为药物发现和开发提供新机会	主要依赖于已发表的文献，可能存在数据选择和解释的偏差	合成与卵巢衰老相关的多组学数据，探索如何利用这些数据识别新的药物靶点并指导治疗策略	卵巢衰老的分子机制和药物靶点	生物信息学	卵巢衰老	基因组学、转录组学、蛋白质组学、代谢组学、微生物组学、单细胞技术、空间转录组学	机器学习、人工智能、深度学习	多组学数据	NA
6157	2025-02-22	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-Feb-20, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究旨在验证基于活动记录仪的睡眠-觉醒预测算法在疑似特发性嗜睡症患者中的有效性，并与商业算法进行比较	使用深度学习中的序列到序列长短期记忆网络（S2S）进行睡眠-觉醒参数预测，并发现其优于现有的商业算法	研究样本仅限于疑似特发性嗜睡症患者，且未探讨算法在其他类型睡眠障碍中的表现	验证活动记录仪在嗜睡症患者中的有效性，并开发更准确的睡眠-觉醒预测算法	疑似特发性嗜睡症患者	机器学习	嗜睡症	活动记录仪（Actigraphy）和多导睡眠图（Polysomnography）	序列到序列长短期记忆网络（S2S LSTM）	时间序列数据	206名嗜睡症患者，其中126名患者的数据被用于分析
6158	2025-02-22	Automated Coronary Artery Segmentation with 3D PSPNET using Global Processing and Patch Based Methods on CCTA Images 2025-Feb-20, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00775-0 PMID:39979546	研究论文	本文提出了一种使用3D PSPNET进行冠状动脉自动分割的方法，应用于3D冠状动脉计算机断层扫描血管造影（CCTA）图像	将2D PSPNet改进为3D PSPNet，并采用全局处理和基于补丁的处理方法来评估网络性能	仅使用了200张ImageCAS数据集的图像进行实验，样本量较小	提高冠状动脉疾病（CAD）的诊断和治疗准确性，如狭窄检测和斑块分析	冠状动脉	计算机视觉	心血管疾病	3D PSPNet	3D PSPNet	3D CCTA图像	200张ImageCAS数据集的图像
6159	2025-02-22	Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer 2025-Feb-20, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01990-w PMID:39979579	研究论文	本研究旨在利用先进的放射组学和深度学习策略，创建一个新的框架来识别结直肠癌中的微卫星不稳定性（MSI）状态，以增强临床决策并改善肿瘤患者的预后	结合放射组学和混合量子-经典卷积网络，提出了一种新的非侵入性检测结直肠癌MSI状态的方法	NA	提高结直肠癌MSI状态的识别准确性，以改善临床决策和患者预后	结直肠癌患者	数字病理学	结直肠癌	放射组学、深度学习	混合量子-经典卷积网络	图像	NCT-CRC-HE-100K和PAIP 2020数据库中的组织病理学切片图像
6160	2025-02-22	A New Method Using Deep Learning to Predict the Response to Cardiac Resynchronization Therapy 2025-Feb-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01380-8 PMID:39979759	研究论文	本研究提出了一种结合临床变量、心电图特征和心脏功能评估参数与门控SPECT MPI极坐标图的深度学习方法，用于预测心脏再同步化治疗（CRT）的响应	通过结合预训练的VGG16模型和多层感知器，利用SPECT MPI极坐标图和临床特征、心电图参数、SPECT-MPI衍生参数等表格数据，提高了CRT响应预测的准确性	研究样本量较小（218例患者），且仅基于单一中心的患者数据，可能影响模型的泛化能力	提高心脏再同步化治疗（CRT）响应预测的准确性	218例接受CRT植入的患者	机器学习	心血管疾病	门控单光子发射计算机断层扫描心肌灌注成像（SPECT MPI）	VGG16模型和多层感知器	图像和表格数据	218例患者