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
6401	2025-03-01	Deep Learning-Based Drug Compounds Discovery for Gynecomastia 2025-Jan-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020262 PMID:40002676	研究论文	本研究利用基于深度学习的计算方法发现潜在的男性乳房发育症药物化合物	结合文本挖掘和人工智能在药物发现中的有效性，为男性乳房发育症提供新的治疗途径	需要进一步的实验验证和预测模型的优化以支持新药开发	发现男性乳房发育症的潜在药物化合物	男性乳房发育症相关基因和药物化合物	机器学习	男性乳房发育症	文本挖掘、生物过程探索、通路富集、蛋白质-蛋白质相互作用网络构建、药物-靶点相互作用分析	DeepPurpose	基因数据、药物数据	177个与男性乳房发育症相关的基因
6402	2025-03-01	Artificial Intelligence in the Surgery-First Approach: Harnessing Deep Learning for Enhanced Condylar Reshaping Analysis: A Retrospective Study 2025-Jan-21, Life (Basel, Switzerland) DOI:10.3390/life15020134 PMID:40003543	研究论文	本研究利用人工智能和深度学习技术，分析手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中的髁突行为，评估其效果	首次将深度学习和卷积神经网络（CNN）应用于髁突形态的快速、精确分析，显著减少了分割时间	研究为回顾性分析，样本量相对较小（77例患者），且仅在一家医院进行，可能影响结果的普遍性	评估手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中对髁突形态的影响	77名接受正颌手术的患者（18名SFA，59名SLA）	数字病理	NA	锥形束计算机断层扫描（CBCT）	卷积神经网络（CNN）	3D图像	77名患者（18名SFA，59名SLA）
6403	2025-03-01	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2025-Jan-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55267-x PMID:39747824	研究论文	本文介绍了一种基于深度学习的像差补偿策略，用于提高荧光显微镜在厚样本成像中的图像质量	该方法通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高荧光显微镜在厚样本成像中的图像信号、对比度和分辨率	厚样本的荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集，包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据
6404	2024-12-18	Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs 2025-Jan, Annals of internal medicine IF:19.6Q1 DOI:10.7326/ANNALS-24-03386 PMID:39680924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6405	2025-03-01	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	本文提出了一种基于异构图神经网络注意力机制的作者姓名消歧方法，以提高论文作者分配的准确性	提出了一种新的基于异构图神经网络注意力机制的作者姓名消歧方法，通过提取论文的语义和关系信息，并利用图卷积嵌入模块进行训练，以获得更好的特征表示	现有异构图神经网络无法学习不同类型节点和边的交互，因此需要添加多重注意力机制	解决作者姓名消歧问题，提高论文作者分配的准确性和效率	论文作者	自然语言处理	NA	图卷积神经网络（GCN）	异构图神经网络	文本	Aminer数据集
6406	2025-03-01	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本文研究了在包含线状结构（如根或血管）的MR图像中，使用未训练的感知损失（uPL）进行3D图像去噪的效果	将感知损失应用于3D数据，并通过比较未训练网络的特征图来改进网络训练，展示了uPL在去噪任务中的优越性能	研究仅限于包含线状结构的MR图像，未涉及其他类型的图像或噪声	探索未训练的感知损失在MR图像去噪中的应用，特别是针对线状结构的图像	MR图像中的线状结构（如脑部血管和植物根部）	计算机视觉	NA	深度学习	未训练的感知损失（uPL）	3D MR图像	536张植物根部MR图像和450张脑部血管MR图像
6407	2025-03-01	Unifying fragmented perspectives with additive deep learning for high-dimensional models from partial faceted datasets 2025, NPJ biological physics and mechanics DOI:10.1038/s44341-025-00009-3 PMID:40012561	研究论文	本文提出了一种机器学习方法，通过整合分面数据子集来重建系统的完整视图，使用条件分布进行建模	提出了一种结合多项式回归和神经网络模型的方法，能够从部分数据集中成功重建系统，并随着测量变量的增加提高预测准确性	方法仅在机械弹簧网络和8维生物网络的两个示例中进行了验证，尚未在更广泛的生物系统中测试	旨在通过整合分面数据子集，重建复杂生物系统的完整视图，以量化分子元素对生物功能的贡献	机械弹簧网络和涉及衰老标志物P53的8维生物网络	机器学习	NA	多项式回归和神经网络	多项式回归模型和神经网络模型	单细胞数据	NA
6408	2025-03-01	MAEMC-NET: a hybrid self-supervised learning method for predicting the malignancy of solitary pulmonary nodules from CT images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1507258 PMID:40012977	研究论文	本文提出了一种名为MAEMC-NET的深度学习模型，用于从CT图像中预测孤立性肺结节的恶性程度	MAEMC-NET结合了生成式（Masked AutoEncoder）和对比式（Momentum Contrast）自监督学习方法，以学习CT图像中孤立性结节的内部和相互间的表示	研究仅涉及494名患者，样本量相对较小	解决肺肉芽肿性结节（PGN）与实性肺腺癌（SLA）在CT形态特征上的相似性，提高术前诊断的准确性	孤立性肺结节	计算机视觉	肺癌	CT成像	MAEMC-NET（结合Masked AutoEncoder和Momentum Contrast）	CT图像	494名患者
6409	2025-03-01	MRpoxNet: An enhanced deep learning approach for early detection of monkeypox using modified ResNet50 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251320726 PMID:40013075	研究论文	本文介绍了一种增强的深度学习模型MRpoxNet，基于改进的ResNet50架构，用于从数字皮肤病变图像中早期检测猴痘	MRpoxNet通过扩展ResNet50的层数并引入额外的卷积、ReLU、dropout和批量归一化层，提高了诊断准确性和临床可靠性	未来需要进一步扩展数据集并增强模型对多样化临床场景的多模态适应性	开发一种高效的深度学习模型，用于早期检测猴痘	数字皮肤病变图像	计算机视觉	猴痘	深度学习	改进的ResNet50	图像	初始1156张图像，增强至6116张图像，分为猴痘、非猴痘和正常皮肤三类
6410	2025-03-01	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了深度学习技术如何利用T1加权结构脑磁共振成像（sMRI）预测个体的流体智力、晶体智力和一般智力	首次使用深度学习模型预测晶体智力和一般智力，而不仅仅是流体智力，并且通过大量实验验证了T1加权sMRI在智力预测中的潜力	研究样本包括健康个体和自闭症患者，可能影响结果的普适性，且深度学习模型的复杂性增加并未显著提高预测准确性	探索深度学习技术是否能够通过sMRI预测个体的智力水平，包括流体智力、晶体智力和一般智力	850名6至64岁的健康个体和自闭症患者	计算机视觉	自闭症	T1加权结构脑磁共振成像（sMRI）	2D和3D CNN	图像	850名6至64岁的健康个体和自闭症患者
6411	2025-03-01	Prediction and design of transcriptional repressor domains with large-scale mutational scans and deep learning 2024-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.21.614253 PMID:39386603	研究论文	本文通过大规模突变扫描和深度学习模型TENet，预测和设计了转录抑制域（RDs），并实验验证了数千种设计	开发了深度学习模型TENet，整合序列、结构和生化信息，用于准确预测转录抑制活性，并应用于定向进化序列编辑框架	未明确提及模型在更广泛生物环境中的适用性或潜在的计算资源需求	研究序列变异如何影响转录抑制域的功能活性，并设计合成调控蛋白	人类细胞中的转录抑制域（RDs）及其变异序列	生物信息学	NA	大规模突变扫描、深度学习	TENet（转录效应网络）	序列数据、结构数据、生化数据	115,000种变异序列，涵盖50多个RDs
6412	2025-03-01	Discovery and characterization of novel FGFR1 inhibitors in triple-negative breast cancer via hybrid virtual screening and molecular dynamics simulations 2024-09, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2024.107553 PMID:38901279	研究论文	本研究通过混合虚拟筛选和分子动力学模拟，发现并表征了三阴性乳腺癌中的新型FGFR1抑制剂	开发了一种结合深度学习和分子对接的创新算法KarmaDock，并利用Schrödinger的残基扫描技术进行虚拟筛选，成功识别出具有显著FGFR1抑制活性的化合物6	NA	寻找有效的FGFR1抑制剂以应对三阴性乳腺癌的进展	三阴性乳腺癌细胞系	机器学习和分子动力学模拟	三阴性乳腺癌	虚拟筛选、分子动力学模拟、HTRF生物测定	深度学习与分子对接结合的KarmaDock算法	分子数据	NA
6413	2025-03-01	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	本文介绍了一种基于深度学习的像差补偿策略，旨在提高厚样本荧光显微镜成像的信号、对比度和分辨率	该方法通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高厚样本荧光显微镜成像的质量	厚样本的荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集，包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据
6414	2025-03-01	Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae034 PMID:39081946	研究论文	本研究比较了简单模型与深度学习模型在从心电图（ECG）波形中检测左心室收缩功能障碍（LVSD）的准确性	研究表明，基于标准ECG测量的简单模型在检测LVSD方面可以达到与深度学习模型相似的准确性，且更易于实施和解释	研究主要依赖于单一医疗中心的数据，外部验证数据有限，可能影响模型的广泛适用性	比较简单模型与深度学习模型在检测LVSD方面的性能	心电图（ECG）波形和经胸超声心动图	机器学习	心血管疾病	随机森林模型、逻辑回归模型、深度学习模型	随机森林、逻辑回归、深度学习	心电图波形数据	40,994对匹配的12导联心电图和经胸超声心动图
6415	2025-03-01	Fluorescence excitation-scanning hyperspectral imaging with scalable 2D-3D deep learning framework for colorectal cancer detection 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64917-5 PMID:38926431	研究论文	本文介绍了一种新型的荧光激发扫描高光谱成像（HSI）方法，结合可扩展的2D-3D深度学习框架，用于结直肠癌的检测	开发了一种新型的荧光激发扫描HSI方法，结合可扩展的AI框架，实现了实时HSI分类和AI决策过程的可解释性	高维度的HSI数据集在数据处理、解释性和分类方面存在挑战	提高结直肠癌病变检测的敏感性和特异性	结直肠癌病变	计算机视觉	结直肠癌	荧光激发扫描高光谱成像（HSI）	深度学习模型	图像	NA
6416	2025-03-01	Deep Learning Phenotyping of Tricuspid Regurgitation for Automated High Throughput Assessment of Transthoracic Echocardiography 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.22.24309332 PMID:38978651	研究论文	本研究开发了一种自动化深度学习流程，用于从经胸超声心动图中评估三尖瓣反流（TR）	开发了一种自动化深度学习工作流程，用于高吞吐量评估三尖瓣反流，并在两个不同的医疗系统中进行了验证	研究依赖于特定医疗中心的数据，可能在其他医疗环境中的适用性需要进一步验证	开发并验证一种自动化深度学习模型，用于从超声心动图中评估三尖瓣反流的严重程度	经胸超声心动图视频	数字病理学	心血管疾病	深度学习	深度学习模型	视频	CSMC数据集包含47,312项研究（2,079,898个视频），测试集包含2,462项研究（108,138个视频）；SHC数据集包含5,549项研究（278,377个视频）
6417	2025-03-01	Deep learning evaluation of echocardiograms to identify occult atrial fibrillation 2024-Apr-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01090-z PMID:38615104	研究论文	本研究开发了一种深度学习算法，通过分析经胸超声心动图（TTE）视频来识别隐匿性心房颤动（AF）	创新点在于使用两阶段深度学习算法，结合视频卷积神经网络模型，能够区分窦性心律和AF，并预测窦性心律患者中90天内发生AF的可能性	模型的预测性能在外部验证队列中有所下降，特别是在预测并发阵发性AF时，AUPRC较低（0.19-0.23）	研究目的是通过深度学习技术识别隐匿性AF，以促进早期治疗	研究对象为经胸超声心动图（TTE）视频	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	111,319个TTE视频用于训练，10,203个TTE视频用于外部验证
6418	2025-03-01	Automatic end-to-end VMAT treatment planning for rectal cancers 2024-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14259 PMID:38317597	研究论文	本研究开发并临床评估了一种用于直肠癌VMAT治疗的端到端自动分割和自动计划流程	首次将自动分割和自动计划结合用于直肠癌VMAT治疗的端到端流程，仅需肿瘤体积轮廓和CT扫描作为输入	大、小肠的分割具有挑战性，端到端流程的自动计划接受率有待提高	开发并评估直肠癌VMAT治疗的端到端自动分割和自动计划流程	直肠癌患者的CT扫描数据和临床靶区（CTV）轮廓	数字病理	直肠癌	VMAT（容积调强弧形治疗）	nnU-Net	CT图像	174名患者的CTV数据，18名患者的其他结构数据，20名患者的训练数据，34名患者的测试数据，16名患者的端到端流程评估数据
6419	2025-03-01	Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies 2024-Apr, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2023.101417 PMID:38435965	研究论文	本研究评估了自动轮廓绘制在基于计算机断层扫描的妇科恶性肿瘤近距离放射治疗计划中的准确性和效率	前瞻性地评估了自动轮廓绘制在临床实践中的应用，填补了该领域的研究空白	样本量相对较小，且仅在一个机构内进行，可能限制了结果的普适性	评估自动轮廓绘制在妇科恶性肿瘤近距离放射治疗计划中的临床实用性和准确性	妇科恶性肿瘤患者	数字病理	妇科恶性肿瘤	深度学习	NA	CT图像	30例自动轮廓绘制病例和31例手动轮廓绘制病例
6420	2025-03-01	Deep learning for transesophageal echocardiography view classification 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50735-8 PMID:38167849	研究论文	本研究开发了一种基于深度学习的多类别经食管超声心动图（TEE）视图分类模型，用于结构化术中和术中TEE成像数据	创新点在于开发了一个能够准确分类标准化TEE视图的深度学习模型，并进行了外部验证	研究的局限性在于仅使用了来自两个医疗中心的TEE视频数据进行训练和验证，样本来源较为单一	研究目的是通过深度学习技术对术中和术中TEE成像数据进行结构化分类	研究对象是术中和术中TEE视频数据	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	来自Cedars-Sinai Medical Center（CSMC）和Stanford University Medical Center（SUMC）的TEE视频数据