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
6521	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
6522	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
6523	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
6524	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
6525	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
6526	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
6527	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
6528	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
6529	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
6530	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
6531	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
6532	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
6533	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
6534	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
6535	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
6536	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
6537	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
6538	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
6539	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
6540	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