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
6461	2025-02-20	RNA-protein interaction prediction using network-guided deep learning 2025-Feb-16, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07694-9 PMID:39956833	研究论文	本文介绍了一种名为ZHMolGraph的新方法，通过整合图神经网络和无监督大型语言模型来预测RNA-蛋白质相互作用	ZHMolGraph方法在RNA-蛋白质相互作用预测中表现出色，特别是在处理未知RNA和蛋白质时，显著提高了预测准确率	RNA的数量有限且其灵活性限制了深度学习模型在RNA-蛋白质相互作用预测中的效果	提高RNA-蛋白质相互作用预测的准确性	RNA和蛋白质的相互作用	机器学习	NA	图神经网络，无监督大型语言模型	GNN, 大型语言模型	RNA和蛋白质的相互作用数据	两个基准数据集，包括未知RNA和蛋白质的数据集
6462	2025-02-20	Helmet material design for mitigating traumatic axonal injuries through AI-driven constitutive law enhancement 2025-Feb-16, Communications engineering DOI:10.1038/s44172-025-00370-0 PMID:39956866	研究论文	本文通过AI驱动的本构定律增强，优化头盔衬里材料设计，以减少创伤性轴索损伤	利用深度学习模型预测不同衬里材料保护下假人头部的峰值旋转速度和加速度，并通过材料优化显著降低脑损伤风险	研究主要针对250至500焦耳冲击能量范围内的脑损伤风险，未涵盖所有可能的冲击条件	提高运动头盔对脑损伤的保护效率	头盔衬里材料	机器学习	脑损伤	深度学习	深度学习模型	模拟数据	NA
6463	2025-02-20	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-Feb-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	本研究利用深度学习技术开发了一种先进的预后模型，用于评估肝移植受者的长期结果，特别关注区分死者和活体供体移植	使用深度学习技术进行肝移植后的长期生存预测，并比较了死者和活体供体移植的生存预测效果	研究依赖于UNOS数据库的数据，可能受到数据质量和完整性的限制	开发一个先进的预后模型来评估肝移植受者的长期结果	肝移植受者，包括死者和活体供体移植的受者	机器学习	肝病	深度学习	Deeplearning4j Multilayer Perceptron (Dl4jMLP)	临床、人口统计和移植相关变量	353,589条记录，涵盖1998年至2023年的数据
6464	2025-02-20	Development and validation of MRI-derived deep learning score for non-invasive prediction of PD-L1 expression and prognostic stratification in head and neck squamous cell carcinoma 2025-Feb-16, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00837-5 PMID:39956910	研究论文	本研究开发并验证了一种基于MRI的深度学习评分（DLS），用于无创预测头颈部鳞状细胞癌（HNSCC）患者的PD-L1表达状态及其在免疫检查点抑制剂治疗后的预后分层	首次提出基于MRI的深度学习评分（DLS）用于无创预测HNSCC患者的PD-L1表达状态，并结合预后分层评估其潜在效率	研究依赖于手动分割肿瘤区域，可能存在主观偏差，且样本量虽大但来自两个机构，可能存在数据异质性	开发一种无创的深度学习评分方法，用于预测HNSCC患者的PD-L1表达状态及其预后分层	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	MRI成像	ResNet-101卷积神经网络	MRI图像	610名HNSCC患者
6465	2025-02-20	AlphaFold prediction of structural ensembles of disordered proteins 2025-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56572-9 PMID:39952928	研究论文	本文介绍了一种名为AlphaFold-Metainference的方法，利用AlphaFold预测的距离作为分子动力学模拟中的结构约束，构建有序和无序蛋白质的结构集合	提出了一种结合AlphaFold和分子动力学模拟的新方法，用于预测无序蛋白质的结构集合，这是对现有蛋白质结构预测技术的重要扩展	该方法依赖于AlphaFold的预测精度，且主要基于折叠蛋白质的结构数据库进行训练，可能对无序蛋白质的预测存在一定局限性	研究如何将深度学习技术应用于无序蛋白质的结构预测，以解决其异质性和动态性问题	有序和无序蛋白质	生物信息学	NA	AlphaFold, 分子动力学模拟	深度学习	蛋白质结构数据	NA
6466	2025-02-20	Global Daily Column Average CO2 at 0.1° × 0.1° Spatial Resolution Integrating OCO-3, GOSAT, CAMS with EOF and Deep Learning 2025-Feb-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04135-w PMID:39952969	研究论文	本研究通过整合CAMS、GOSAT和OCO-3卫星数据，利用DINEOF和DINCAE方法重建了高时空分辨率的全球二氧化碳柱平均浓度数据集	结合DINEOF和DINCAE两种先进的数据重建方法，填补了卫星观测数据中的缺失，生成了高分辨率、无间隙的全球二氧化碳柱平均浓度数据集	未提及具体的数据覆盖时间范围或长期稳定性验证	解决卫星观测数据中的缺失问题，生成高时空分辨率的全球二氧化碳分布数据	全球二氧化碳柱平均浓度	机器学习	NA	DINEOF, DINCAE	卷积自编码器	卫星观测数据	整合了CAMS、GOSAT和OCO-3卫星的观测数据
6467	2025-02-20	Predicting early recurrence in locally advanced gastric cancer after gastrectomy using CT-based deep learning model: a multicenter study 2025-Feb-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002184 PMID:39715142	研究论文	本研究开发了一种基于术前多期CT图像的深度学习模型（DLER MLP），用于预测局部晚期胃癌（LAGC）患者的早期复发，并探讨了该模型的生物学基础	结合DenseNet169和多期2.5D CT图像开发了DLER模型，并整合临床因素构建了DLER MLP分类器，显著提高了早期复发的预测性能	研究为回顾性设计，可能存在选择偏倚，且样本来源仅限于三个医疗中心和TCIA数据库	开发一种基于CT图像的深度学习模型，用于预测局部晚期胃癌患者的早期复发，并优化治疗策略	局部晚期胃癌（LAGC）患者	数字病理学	胃癌	RNA测序	DenseNet169, 多层感知器（MLP）	CT图像	620名LAGC患者，来自三个医疗中心和TCIA数据库
6468	2025-02-20	Complex conjugate removal in optical coherence tomography using phase aware generative adversarial network 2025-Feb, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.2.026001 PMID:39963188	研究论文	本文提出了一种基于生成对抗网络的深度学习方法来消除光学相干断层扫描中的复共轭伪影	利用生成对抗网络结合OCT扫描的强度图像和相位图像，无需额外硬件即可有效去除复共轭伪影	NA	开发一种无需额外硬件的深度学习方法来消除OCT扫描中的复共轭伪影	光学相干断层扫描中的复共轭伪影	计算机视觉	NA	光学相干断层扫描	生成对抗网络	图像	包括体模、人体皮肤和活体小鼠眼睛在内的多种样本
6469	2025-02-20	Necessity and impact of specialization of large foundation model for medical segmentation tasks 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17470 PMID:39431952	研究论文	本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现	通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升	现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限	评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力	盆腔MR图像中的解剖结构	计算机视觉	NA	深度学习	MedSAM, LiteMedSAM, nnU-Net	图像	589张盆腔MR图像，80%用于训练，20%用于测试
6470	2025-02-20	Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S492163 PMID:39963324	研究论文	本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性	首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力	研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小	评估GANs在减少CMR电影序列中运动伪影方面的有效性	心脏磁共振（CMR）电影序列中的运动伪影	计算机视觉	心血管疾病	深度学习	GAN	图像	2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估
6471	2025-02-20	Quantitative analysis of the dexamethasone side effect on human-derived young and aged skeletal muscle by myotube and nuclei segmentation using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae658 PMID:39752317	研究论文	本文提出了一种使用深度学习和后处理技术对人类来源的年轻和老年骨骼肌中地塞米松副作用进行定量分析的新方法	通过同时进行肌管和细胞核分割，结合后处理技术，提高了分析的准确性和一致性	NA	定量分析地塞米松对人类来源的年轻和老年骨骼肌的副作用	人类来源的年轻和老年骨骼肌细胞	计算机视觉	NA	深度学习	NA	图像	NA
6472	2025-02-20	Transcription factor prediction using protein 3D secondary structures 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae762 PMID:39786868	研究论文	本文提出了一种基于深度学习的转录因子预测方法StrucTFactor，首次利用蛋白质的三维二级结构信息进行预测	首次利用蛋白质的三维二级结构信息进行转录因子预测，显著提高了预测准确性	NA	提高转录因子的预测准确性，特别是针对不包含已知DNA结合域的新型转录因子	蛋白质的三维二级结构	生物信息学	NA	深度学习	深度学习模型	蛋白质三维结构数据	约525,000个蛋白质，涵盖12个数据集
6473	2025-02-20	DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf019 PMID:39799516	研究论文	本文介绍了一种名为DDGemb的新方法，结合蛋白质语言模型嵌入和Transformer架构，预测单点和多点变异下的蛋白质ΔΔG	DDGemb结合蛋白质语言模型嵌入和Transformer架构，能够同时预测单点和多点变异下的蛋白质稳定性变化	NA	开发一种计算方法来预测蛋白质在单点和多点变异下的稳定性变化，以辅助功能性蛋白质设计和理解蛋白质变异如何促进疾病发生	蛋白质稳定性变化	机器学习	NA	蛋白质语言模型嵌入，Transformer架构	Transformer	蛋白质序列数据	高质量文献数据集和可用的基准数据集
6474	2025-02-20	EnrichRBP: an automated and interpretable computational platform for predicting and analysing RNA-binding protein events 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf018 PMID:39804669	研究论文	本文介绍了EnrichRBP，一个自动化和可解释的计算平台，用于预测和分析RNA结合蛋白（RBP）事件	EnrichRBP平台集成了70种深度学习算法，支持特征表示、选择、模型训练、比较、优化和评估，提供全面的可视化和模型解释性，增强了RBP相互作用的功能分析	NA	预测和分析RNA结合蛋白（RBP）事件，以理解转录后调控机制	RNA结合蛋白（RBP）	自然语言处理	NA	深度学习，机器学习	深度学习算法	RNA序列数据	NA
6475	2025-02-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	本文开发了一种深度学习算法，用于量化炎症性肠病中潘氏细胞密度，以作为疾病预后的生物标志物	创新点在于使用深度学习技术自动量化潘氏细胞密度，显著提高了量化效率和准确性	研究的局限性在于样本量相对较小，且仅基于回顾性数据，需要进一步的前瞻性研究验证	研究目的是开发一种深度学习工具，用于量化潘氏细胞密度，作为炎症性肠病的预测生物标志物	研究对象为患有或不患有炎症性肠病的患者的回肠组织样本	数字病理学	炎症性肠病	深度学习	U-net	图像	190例患者（142例克罗恩病患者和48例非炎症性肠病患者）
6476	2025-02-20	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本研究开发并验证了一种全自动深度学习系统，用于在冠状动脉CT血管造影（CCTA）上评估狭窄程度和高风险斑块（HRP）	提出了一种全自动无监督的深度学习系统，能够快速评估狭窄程度和HRP，具有很好的诊断性能	需要进一步验证在更大样本和更多中心的应用效果	开发并验证一种全自动深度学习系统，用于评估冠状动脉狭窄和高风险斑块	冠状动脉狭窄和高风险斑块	数字病理	心血管疾病	CCTA	深度学习	图像	570名患者用于训练，769名患者（3,012条血管）用于狭窄程度测试，45名患者（325条血管）用于HRP测试
6477	2025-02-20	CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis 2024-08-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02617 PMID:39092917	研究论文	本文开发了一种新型CRISPR/Cas13a增强的光电流极性转换光电化学（PEC）生物传感器，用于联合检测双长链非编码RNA（lncRNA），并结合深度学习（DL）辅助癌症诊断	结合CRISPR/Cas13a技术和深度学习，开发了一种新型光电化学生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	未提及具体局限性	开发一种新型生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	长链非编码RNA（lncRNA）	生物传感器	癌症	CRISPR/Cas13a技术，光电化学（PEC）技术，深度学习（DL）	深度学习模型	光电化学数据	全血样本
6478	2025-02-20	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	本文对六种基于深度学习的肽段碎片强度预测方法进行了全面评估	首次系统评估了六种深度学习方法在预测肽段碎片强度方面的表现，并考虑了多种实验条件的影响	研究仅限于六种方法，可能未涵盖所有相关的最新方法	评估和比较不同深度学习方法在预测肽段碎片强度方面的准确性和速度	肽段碎片强度预测方法	机器学习	NA	质谱分析	深度学习	质谱数据	近170万前体（包括胰蛋白酶肽和HLA肽）对应的超过1800万实验光谱，来自40个独立的PRIDE库提交
6479	2025-02-20	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个用于酶命名实体识别（NER）的注释管道和四种深度学习算法，旨在提高生物医学文献的自动化处理效率	首次开发了酶NER算法，结合了字典匹配和基于规则的关键词搜索的自动化注释管道，并评估了四种不同词汇和架构的深度学习模型	尽管注释管道在精度上表现优异，但在1-score和召回率上被微调的transformer模型超越，表明其在训练数据之外的泛化能力有限	开发并评估用于酶命名实体识别的自动化注释管道和深度学习模型，以提高生物医学文献的自动化处理效率	酶命名实体识别	自然语言处理	NA	深度学习	BiLSTM, transformer	文本	超过4800篇全文出版物，其中526篇为手动注释
6480	2025-02-20	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本文探讨了在有限数据集上优化X射线分类的数据增强和预处理技术，以坏死性小肠结肠炎（NEC）为例	提出了两种基于颜色对比和边缘增强的优化管道，以提高在有限数据集上开发可靠计算机辅助诊断模型的性能	研究仅限于NEC数据集，可能不适用于其他疾病或更大规模的数据集	优化X射线分类在有限数据集上的性能，特别是针对坏死性小肠结肠炎的诊断	364名患者的1090张腹部X射线图像	计算机视觉	坏死性小肠结肠炎	数据增强和预处理技术	ResNet-50	图像	1090张腹部X射线图像，来自364名患者