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
6161	2025-02-22	A comparative analysis of deep learning architectures with data augmentation and multichannel input for locoregional breast cancer radiotherapy 2025-Feb-20, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70047 PMID:39980269	研究论文	本文比较了2D和3D U-Net模型在局部乳腺癌放疗中的剂量预测效果，评估了使用计算量较小的模型的适用性	比较了2D和3D U-Net模型在局部乳腺癌放疗中的剂量预测效果，并评估了数据增强和多通道输入对模型性能的影响	3D模型的训练时间显著增加，且2D Attention U-Net的准确性未达到其他模型的水平	评估在局部乳腺癌放疗中使用计算量较小的2D模型是否可以达到与3D模型和临床计划相当的效果	89名局部乳腺癌患者的放疗数据	数字病理学	乳腺癌	深度学习	2D Attention U-Net, 2D HD U-Net, 3D U-Net	图像	89名局部乳腺癌患者
6162	2025-02-22	KaMLs for Predicting Protein pKa Values and Ionization States: Are Trees All You Need? 2025-Feb-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01602 PMID:39882632	研究论文	本文介绍了基于决策树和图注意力网络（GAT）的KaML模型，用于预测蛋白质pKa值和电离状态，并展示了其在预测性能上的显著优势	KaML模型通过创新方法如酸和碱的分别处理、使用AlphaFold结构进行数据增强、以及在理论p数据库上进行模型预训练，显著提升了预测性能，特别是在去质子化半胱氨酸和赖氨酸的预测上	机器学习方法受限于实验数据的稀缺性，尽管KaML模型在现有数据上表现出色，但其泛化能力仍需进一步验证	开发更准确的蛋白质电离状态预测模型，以促进生物学理解和计算机辅助药物发现	蛋白质的电离状态	机器学习	NA	决策树、图注意力网络（GAT）	KaML-CBtree、GAT	实验数据、理论p数据库	PKAD-3数据库中的蛋白质数据
6163	2025-02-22	Discovery of anticancer peptides from natural and generated sequences using deep learning 2025-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.138880 PMID:39706427	研究论文	本研究提出了一种基于三通道深度学习架构的CNBT-ACPred模型，用于预测抗癌肽（ACPs），并通过大量体外和体内实验验证其有效性	CNBT-ACPred模型在准确性和MCC指标上显著优于现有模型，并通过实验验证了其预测的候选肽的抗癌活性	尽管模型表现优异，但缺乏更多湿实验验证可能限制了其进一步应用	开发一种高效的抗癌肽预测模型，并验证其预测结果的有效性	抗癌肽（ACPs）及其在癌症治疗中的应用	机器学习	癌症	深度学习	CNN	序列数据	超过3.8百万条Uniprot序列和10万条生成序列，最终验证了41条候选肽中的37条
6164	2025-02-22	Deep proximal gradient network for absorption coefficient recovery in photoacoustic tomography 2025-Jan-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada868 PMID:39788080	研究论文	本文提出了一种基于深度学习的近端梯度下降方法，用于从光声压力测量中恢复空间变化的光学吸收系数	提出了一种新颖的学习迭代方法，通过近端梯度下降机制实现光学反演，显著提高了定量光声层析成像的准确性和效率	NA	解决传统方法在计算需求、正则化需求以及对前向模型准确性和测量数据完整性的敏感性方面的挑战	生物组织的光学吸收特性	医学成像	NA	深度学习	近端梯度下降网络	光声压力测量数据	模拟、体模实验和体内研究
6165	2025-02-22	Augmenting cybersecurity through attention based stacked autoencoder with optimization algorithm for detection and mitigation of attacks on IoT assisted networks 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81162-y PMID:39730515	研究论文	本文提出了一种基于注意力机制的堆叠自编码器与鹈鹕优化算法相结合的网络安全方法（CASAE-POADMA），用于检测和缓解物联网（IoT）辅助网络中的攻击	提出了结合注意力机制的堆叠自编码器（ASAE）和鹈鹕优化算法（POA）的新型网络安全方法，显著提高了攻击检测的准确性	方法仅在基准数据库上进行了验证，未在实际IoT网络环境中进行大规模测试	提高物联网网络的安全性，检测和缓解网络攻击	物联网（IoT）辅助网络	网络安全	NA	机器学习（ML）、深度学习（DL）	注意力机制的堆叠自编码器（ASAE）	网络数据	基准数据库
6166	2025-02-22	Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging 2024-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06649-2 PMID:38383744	研究论文	本研究旨在开发深度学习技术，以提高无镇静儿科PET成像的可行性	开发了一种基于245名成年受试者的可变形3D U-Net模型，用于增强模拟快速成像的质量，并在无镇静的儿科患者中进行了前瞻性测试	样本量相对较小，仅包括16名儿童进行回顾性测试和5名儿童进行前瞻性测试	提高无镇静儿科PET成像的可行性	儿童患者	数字病理	NA	深度学习	3D U-Net	PET图像	245名成年受试者，16名儿童进行回顾性测试，5名儿童进行前瞻性测试
6167	2025-02-22	Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00261 PMID:38545680	研究论文	本研究介绍了一种基于深度神经网络的新型计算框架DeepEpiTEX，用于从表观遗传数据推断肿瘤微环境中耗竭T细胞的发育层次和功能状态	开发了DeepEpiTEX框架，首次利用多模态表观遗传数据（DNA甲基化、microRNA表达、长链非编码RNA表达）来推断耗竭T细胞的功能状态和发育层次，并发现了与免疫检查点阻断疗法反应的潜在关系	研究主要基于TCGA泛癌队列数据，虽然进行了外部验证，但仍需进一步在更大规模和多样化的数据集中验证其普适性	研究旨在通过表观遗传数据推断耗竭T细胞的功能状态和发育层次，以更好地理解肿瘤微环境中的T细胞异质性，并为个体化免疫治疗策略提供依据	耗竭T细胞（TEX）	机器学习	癌症	DNA甲基化测序、microRNA表达分析、长链非编码RNA表达分析	深度神经网络	表观遗传数据	TCGA泛癌队列中的30种实体瘤类型
6168	2025-02-22	Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00212 PMID:38602938	研究论文	本文介绍了一种基于结构的快速计算模型GoCa，用于模拟大型多蛋白复合物的组装过程	GoCa模型区分了亚基内和亚基间的相互作用，允许包含耦合折叠和结合，并自动处理复合物中相同亚基的排列，同时允许定义多个最小（天然）结构	模型依赖于已知的天然结构，可能不适用于未知结构的复合物	研究大型多蛋白复合物的组装过程	多蛋白复合物	计算生物学	NA	基于结构的计算模型	GoCa	蛋白质结构数据	多个多蛋白复合物
6169	2025-02-22	Spatial and Compositional Biomarkers in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2023-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.18.572234 PMID:38187696	研究论文	本文通过成像质谱流式细胞术和计算算法，研究了三阴性乳腺癌肿瘤微环境的空间和组成特征，以预测临床结果	首次在单细胞分辨率下量化三阴性乳腺癌肿瘤微环境的细胞分布模式和空间组织，并利用深度学习模型预测患者对治疗的反应	样本量较小（58例患者），且仅针对三阴性乳腺癌，可能限制了结果的普适性	探索三阴性乳腺癌肿瘤微环境的特征及其与临床结果的关系，以发现新的治疗靶点	三阴性乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	成像质谱流式细胞术，深度学习	深度学习模型	图像数据	58例三阴性乳腺癌患者样本
6170	2025-02-21	Multi-region nomogram for predicting central lymph node metastasis in papillary thyroid carcinoma using multimodal imaging: A multicenter study 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108608 PMID:39827707	研究论文	本研究旨在整合基于超声图像的甲状腺乳头状癌深度学习特征、基于CT图像的脂肪放射组学特征和临床特征，构建多模态多区域列线图（MMRN）以预测甲状腺乳头状癌的中央淋巴结转移	首次整合了超声图像深度学习特征、CT图像脂肪放射组学特征和临床特征，构建了多模态多区域列线图（MMRN）用于预测甲状腺乳头状癌的中央淋巴结转移	研究样本来自两个独立中心，可能存在样本选择偏差	预测甲状腺乳头状癌的中央淋巴结转移	甲状腺乳头状癌患者	数字病理学	甲状腺癌	深度学习、放射组学特征提取	Resnet50	超声图像、CT图像	661名甲状腺乳头状癌患者
6171	2025-02-21	Multiscale feature enhanced gating network for atrial fibrillation detection 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108606 PMID:39847993	研究论文	本文提出了一种新颖的多尺度特征增强门控网络（MFEG Net），用于心房颤动（AF）的诊断	该网络集成了多尺度卷积、自适应特征增强和动态时间处理，能够有效捕捉全局和局部信息，消除冗余特征并强调有效特征，增强了对噪声和无关信息的鲁棒性和准确性	NA	提高心房颤动（AF）的自动诊断准确性和鲁棒性	心电图（ECG）信号	机器学习	心血管疾病	深度学习	多尺度特征增强门控网络（MFEG Net）	心电图信号	PhysioNet Challenge 2017数据集、CinC2017数据库、CPSC2018数据库和AFDB数据库
6172	2025-02-21	Severity grading of hypertensive retinopathy using hybrid deep learning architecture 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108585 PMID:39862474	研究论文	本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级	引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题	缺乏公开可用的HR分级数据集，且存在高类别不平衡问题	开发一种准确的高血压视网膜病变严重程度分级方法	高血压视网膜病变（HR）的严重程度分级	计算机视觉	高血压视网膜病变	深度学习	混合模型（ResNet-50 + 修改后的Vision Transformer）	图像	NA
6173	2025-02-21	Towards practical and privacy-preserving CNN inference service for cloud-based medical imaging analysis: A homomorphic encryption-based approach 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108599 PMID:39874935	研究论文	本文提出了一种基于同态加密的实用且保护隐私的CNN推理框架PPCNN，用于云端医学影像分析	PPCNN框架结合了低扩展同态加密方案和基于噪声的掩码方法，通过优化计算成本、引入系数感知打包方法和数据掩码技术，显著提高了响应时间和降低了使用成本	现有隐私保护解决方案因卷积层内积操作的计算复杂性和非线性激活函数评估的高通信成本而存在显著的延迟问题，使得当前解决方案在实际应用中不切实际	解决移动云端医学影像分析中的隐私保护问题，确保用户在使用云端CNN模型分类私人放射影像时的数据隐私	私人身体相关的放射影像	数字病理	NA	同态加密	CNN	图像	三个真实世界的放射影像数据集
6174	2025-02-21	A bio-lattice deep learning framework for modeling discrete biological materials 2025-Apr, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为	提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架	未明确提及具体局限性	研究离散、空间异质材料的力学行为	生物组织的微观结构和宏观材料行为	机器学习	NA	深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM）	深度神经网络（DNNs）	微观结构数据	NA
6175	2025-02-21	Antimicrobial resistance recommendations via electronic health records with graph representation and patient population modeling 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108616 PMID:39913994	研究论文	本研究提出了一种基于电子健康记录（EHR）的深度学习框架，用于生成抗菌素耐药性（AMR）推荐	该框架首次结合了深度图神经网络、患者群体建模和多任务学习策略，以增强AMR推荐的准确性和效率	研究主要针对尿路感染患者，可能不适用于其他类型的感染	开发一种能够利用EHR数据生成AMR推荐的深度学习框架	超过110,000名尿路感染患者的EHR数据	机器学习	尿路感染	深度图神经网络	图神经网络（GNN）	电子健康记录（EHR）	超过110,000名尿路感染患者
6176	2025-02-21	Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108634 PMID:39913993	研究论文	本文探讨了在医学深度学习中使用领域内预训练模型与跨领域预训练模型的效能差异	研究表明，在CT图像任务中，使用领域内（RadNet）预训练模型相比跨领域（ImageNet）预训练模型具有优势，尤其是在CT图像领域内	研究结果仅适用于CT图像领域，对于其他医学影像模态，ImageNet预训练模型表现更好	比较领域内预训练与跨领域预训练在医学深度学习任务中的效能	CT图像数据集（RadNet-12M、RadNet-1.28M）和自然图像数据集	计算机视觉	NA	自监督对比预训练	深度学习模型	图像	超过12百万/1.28百万CT图像切片，来自90,663次扫描
6177	2025-02-21	DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108592 PMID:39813937	研究论文	本研究提出了一种用于单源域泛化的领域不变特征学习框架（DIFLF），旨在提高深度学习模型在乳腺癌筛查中的临床应用	提出了风格增强模块（SAM）和内容-风格解耦模块（CSDM），通过增加源域特征多样性和解耦领域不变特征来减少领域偏移的影响	仅使用一个源数据集进行训练，可能限制了模型在其他数据集上的泛化能力	提高深度学习模型在乳腺癌筛查中的跨机构泛化能力	乳腺X光片	计算机视觉	乳腺癌	深度学习	DIFLF（包含SAM和CSDM）	图像	一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试
6178	2025-02-21	Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108594 PMID:39813939	研究论文	本文提出了一种基于去噪扩散概率模型（DDPM）和高斯噪声添加的EEG-fNIRS数据增强框架（EFDA-CDG），用于提升混合脑机接口（BCI）系统的性能	结合DDPM生成模型和传统的高斯噪声添加方法，为分类器提供更丰富的训练数据，并通过EEG特征注意力和fNIRS地形注意力提高分类准确率	数据增强的效果依赖于手动提取特征和空间映射插值的质量，且实验验证仅限于特定任务和数据库	提升混合脑机接口系统的性能	EEG和fNIRS信号	脑机接口	NA	去噪扩散概率模型（DDPM），高斯噪声添加	DDPM	EEG和fNIRS信号	三个公开数据库和一个自收集数据库
6179	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
6180	2025-02-21	Artificial intelligence in in-vitro fertilization (IVF): A new era of precision and personalization in fertility treatments 2025-Mar, Journal of gynecology obstetrics and human reproduction IF:1.7Q3 DOI:10.1016/j.jogoh.2024.102903 PMID:39733809	综述	本文探讨了人工智能（AI）、机器学习（ML）和深度学习（DL）在体外受精（IVF）过程中各个阶段的潜在应用，以提高IVF的成功率	AI在IVF中的应用，包括个性化卵巢刺激方案、配子选择、胚胎注释和选择等关键领域，以及AI在提高实验室质量控制和工作流程优化方面的潜力	AI在改善临床结果方面的作用仍需通过大规模、设计良好的临床试验来确认，且需解决数据隐私、算法偏见和公平性等伦理问题	探索AI在IVF中的应用潜力，以提高IVF的成功率和患者护理水平	体外受精（IVF）过程中的各个阶段，包括卵巢刺激、配子选择、胚胎选择等	机器学习	生殖健康	AI, ML, DL	NA	图像数据、形态学数据	NA