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
6601	2025-02-21	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本研究利用自编码器对31,135名UK Biobank参与者的视网膜光学相干断层扫描（OCT）图像进行表型分析，通过GWAS识别出118个与视网膜结构特征显著相关的基因位点，并发现这些表型对青光眼和心血管疾病的预测模型有贡献	首次使用自编码器从OCT图像中提取视网膜结构的细微变化，并通过GWAS识别出新的基因位点，这些位点与视网膜厚度、眼科疾病和神经退行性疾病相关	研究依赖于UK Biobank的数据，可能无法完全代表其他人群	探索深度学习方法是否能检测出图像变异中更细微的模式，并识别影响视网膜形态的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	数字病理学	眼科疾病	自编码器	自编码器	图像	31,135名UK Biobank参与者
6602	2025-02-21	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其在X射线晶体学中的同等效果	冷冻电镜图的标准化和配体质量评估存在挑战	提高结构导向药物设计中的配体识别准确性	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	深度学习	3D点云处理模型	3D密度图	NA
6603	2025-02-21	AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B 2024-Dec-20, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2024.12.029 PMID:39710148	研究论文	本文开发了一种基于人工智能的预测模型，通过结合腹部CT图像的成像生物标志物和临床变量，预测慢性乙型肝炎患者的肝细胞癌风险	该模型首次将深度学习自动分割的CT图像生物标志物与临床变量结合，显著提高了预测肝细胞癌的准确性	研究依赖于特定的CT图像分割软件DeepFore，可能限制了模型的通用性	开发一种基于人工智能的预测模型，用于预测慢性乙型肝炎患者的肝细胞癌风险	慢性乙型肝炎患者	数字病理	肝细胞癌	CT成像	梯度提升机算法	CT图像和临床数据	推导队列5,585人，外部验证队列2,883人
6604	2025-02-21	Ligand Identification in CryoEM and X-ray Maps Using Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.610022 PMID:39257821	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜（cryoEM）密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其与现有X射线晶体学机器学习方法相当的性能	冷冻电镜图谱的标准化和配体质量评估仍存在挑战	提高结构导向药物设计中的配体识别准确性	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	深度学习	3D点云处理模型	3D密度图	NA
6605	2025-02-21	3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237856 PMID:39686393	研究论文	本文提出了一种轻量级的神经动力学模型3D-BCLAM，用于评估学生的学习效果	创新性地结合了双向卷积长短期记忆（BCL）和动态注意力机制，以极低的计算成本高效捕捉时间序列中的情感动态变化	NA	评估学生的学习效果，深入理解学习过程，准确诊断学习障碍，并制定有效的教学策略	学生的学习效果	机器学习	NA	NA	3D-BCLAM（结合双向卷积长短期记忆和动态注意力机制）	时间序列数据	NA
6606	2025-02-21	Deep learning in image segmentation for cancer 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.839 PMID:39503190	研究论文	本文探讨了深度学习在癌症成像中的作用，特别是其在自动图像分割中的应用	展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升	需要进一步研究以解决不同成像系统间图像质量差异的问题	研究深度学习在癌症图像分割中的应用	CT扫描和MRI图像	计算机视觉	癌症	深度学习	U-Net, CNN	图像	NA
6607	2025-02-21	Making sense of missense: challenges and opportunities in variant pathogenicity prediction 2024-Dec-01, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.052218 PMID:39676521	研究论文	本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用	介绍了不依赖已知变异分类进行训练的模型，如AlphaMissense，这些模型能克服当前临床数据库的偏差，并更好地泛化到新的未分类变异	AlphaMissense作为一个大型深度学习模型，缺乏可解释性，不评估变异的功能影响，且提供的致病性评分不是疾病特异性的	提高变异解释计算工具的可解释性和精确性，以推进临床遗传学的发展	变异致病性预测模型	机器学习	NA	深度学习	AlphaMissense, AlphaFold	功能数据和临床数据	NA
6608	2025-02-21	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-11-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话	DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性	尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制	提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性	蛋白质内的翻译后修饰（PTM）交叉对话	机器学习	NA	深度学习，图神经网络，随机森林模型	深度学习分类器，图神经网络，随机森林模型	蛋白质序列和结构数据	NA
6609	2025-02-21	Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches 2024-Nov-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/45289 PMID:39565685	研究论文	本文提出了一种基于双向长短期记忆网络（Bi-LSTM）的深度学习模型，用于从韩国社交网络服务（SNS）数据中检测药物不良反应（ADR）帖子	使用Bi-LSTM模型对韩语SNS数据进行药物不良反应分类，并通过关联分析提高分类准确性	研究仅针对特定药物（酮洛芬和醋氯芬酸）进行，可能不适用于其他药物或语言的SNS数据	开发一种深度学习模型，用于自动分类和监测药物不良反应帖子	韩国SNS数据中的药物不良反应帖子	自然语言处理	NA	自然语言处理技术	Bi-LSTM	文本	2005年至2020年从NAVER收集的博客帖子、咖啡馆帖子和NAVER Q&A帖子
6610	2025-02-21	Expert-guided protein language models enable accurate and blazingly fast fitness prediction 2024-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae621 PMID:39576695	研究论文	本文介绍了一种名为VespaG的快速错义氨基酸变异效应预测工具，利用蛋白质语言模型嵌入作为最小深度学习模型的输入	VespaG通过使用蛋白质语言模型嵌入作为输入，显著提高了预测速度，并在ProteinGym基准测试中达到了与顶级方法相当的性能	实验训练数据的稀疏性是一个挑战，尽管通过使用GEMME作为伪标准来创建数据集，但仍可能影响预测的准确性	开发一种快速且准确的蛋白质变异效应预测工具，以解决实验注释的高成本和耗时问题	人类蛋白质组中的单氨基酸变异	自然语言处理	NA	蛋白质语言模型（pLM）嵌入	深度学习模型	蛋白质序列数据	3900万单氨基酸变异
6611	2025-02-21	Deep Learning-Assisted Assessing of Single Circulating Tumor Cell Viability via Cellular Morphology 2024-10-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03334 PMID:39384089	研究论文	本文提出了一种基于卷积神经网络的深度学习模型，用于通过细胞形态学评估单个循环肿瘤细胞（CTC）的活力	利用深度学习模型从细胞形态学特征中准确识别和评估单个CTC的活力，为癌症诊断、预后评估和疗效判断提供了新的非侵入性方法	由于CTC在人体血液中极为稀少，样本获取和标注可能存在挑战	开发一种高效、准确且非侵入性的方法，用于评估单个CTC的活力	循环肿瘤细胞（CTCs）	数字病理学	癌症	细胞计数试剂盒-8（CCK-8）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
6612	2025-02-21	Is cardiovascular risk profiling from UK Biobank retinal images using explicit deep learning estimates of traditional risk factors equivalent to actual risk measurements? A prospective cohort study design 2024-10-08, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-078609 PMID:39384229	研究论文	本研究旨在通过深度学习模型从视网膜图像中预测心血管疾病风险，并与基于实际风险测量的模型进行比较	使用两阶段深度学习神经网络从视网膜图像中估计10种传统心血管疾病风险因素，并预测5年主要不良心血管事件（MACE）风险	研究仅基于UK Biobank的数据，可能无法推广到其他人群	确定从视网膜图像中进行心血管风险预测模型的性能，并与实际风险测量模型进行比较	UK Biobank中的52,297条包含视网膜图像和5年MACE累积发病率的数据	计算机视觉	心血管疾病	深度学习	两阶段深度学习神经网络	图像	52,297条数据，分为训练集（31,403）、验证集（10,420）和测试集（10,474）
6613	2025-02-21	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-Oct-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本文利用深度学习模型从任务态动态功能连接中预测个体认知特征	结合多尺度卷积和长短期记忆层，预测认知分数，并展示了任务态动态功能连接比静息态动态功能连接具有更强的预测能力	去除混杂因素后预测性能显著降低，且没有特定皮层网络在预测一般和流体智力中显示出显著相关性	从神经影像数据中预测个体认知特征，如一般智力和流体智力	874名来自人类连接组计划的受试者	机器学习	NA	功能磁共振成像（fMRI）	CNN, LSTM	神经影像数据	874名受试者
6614	2025-02-21	Development and validation of a deep learning algorithm for the prediction of serum creatinine in critically ill patients 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae097 PMID:39318762	研究论文	本文开发并验证了一种深度学习算法Nephrocast，用于预测重症监护病房（ICU）成年患者的次日血清肌酐（SCr）水平	利用深度学习模型预测次日SCr水平，帮助识别急性肾损伤（AKI）高风险患者，预测AKI病程，并指导肾脏清除药物的剂量调整	模型仅在单一医疗中心的数据上进行训练和验证，可能缺乏广泛适用性	开发并验证一种深度学习模型，用于预测ICU患者的次日血清肌酐水平	成年ICU患者	机器学习	急性肾损伤	深度学习	深度学习模型	电子健康记录数据	28,191次就诊，对应105,718个患者日
6615	2024-10-16	Deep Learning to Predict Functional Outcome in Acute Ischemic Stroke 2024-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.242705 PMID:39404635	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6616	2025-02-21	Patient-Specific Myocardial Infarction Risk Thresholds From AI-Enabled Coronary Plaque Analysis 2024-Oct, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.016958 PMID:39405390	研究论文	本研究利用深度学习技术自动量化冠状动脉斑块，并评估其在心肌梗死风险预测中的应用	首次提出了基于深度学习的冠状动脉斑块量化方法，并确定了年龄和性别特异性的斑块分布，用于预测心肌梗死风险	研究依赖于外部样本的验证，可能存在样本选择偏差	评估深度学习量化冠状动脉斑块在心肌梗死风险预测中的价值	2803名患者，包括956名稳定冠状动脉疾病患者和1847名外部样本患者	数字病理学	心血管疾病	深度学习	深度学习系统	CT图像	2803名患者（包括956名稳定冠状动脉疾病患者和1847名外部样本患者）
6617	2025-02-21	ERABiLNet: enhanced residual attention with bidirectional long short-term memory 2024-09-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71299-1 PMID:39232053	研究论文	本文提出了一种新的深度学习模型ERABiLNet，用于从MRI图像中早期检测阿尔茨海默病	提出了增强残差注意力与双向长短期记忆网络（ERABiLNet），通过结合残差注意力网络和注意力机制的双向LSTM，提高了阿尔茨海默病的检测性能	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	开发一种深度学习模型，用于从MRI图像中早期检测阿尔茨海默病	阿尔茨海默病患者的MRI图像	计算机视觉	老年病	深度学习	ERABiLNet（结合残差注意力网络和双向LSTM）	图像	未提及具体样本数量
6618	2025-02-21	Improving privacy-preserving multi-faceted long short-term memory for accurate evaluation of encrypted time-series MRI images in heart disease 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70593-2 PMID:39215022	研究论文	本文介绍了一种用于分析同态加密时间序列MRI数据的新方法：多面长短期记忆网络（MF-LSTM），旨在提高心脏疾病的准确评估	提出了多面长短期记忆网络（MF-LSTM），在保护患者隐私的同时，准确分类和预测心脏疾病	NA	提高心脏疾病的早期诊断和监测，同时保护患者隐私	加密时间序列MRI图像	数字病理学	心血管疾病	同态加密（HE）	MF-LSTM	时间序列MRI图像	NA
6619	2025-02-21	A Method for the Spatial Interpolation of EEG Signals Based on the Bidirectional Long Short-Term Memory Network 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165215 PMID:39204910	研究论文	本文介绍了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法，用于从邻近电极获取的EEG通道中捕捉固有特征，预测EEG数据时间序列，并促进从低密度EEG信号到高密度EEG信号的转换	使用BiLSTM网络捕捉EEG时间序列数据的依赖关系，而非传统的数学映射方法，将均方根误差有效限制在0.4μV以下，显著优于传统方法	未提及具体局限性	提高脑机接口（BCI）技术的性能，通过增加EEG通道密度来改善信号精度	EEG信号	机器学习	NA	深度学习	BiLSTM	时间序列数据	BCI Competition III 3a数据集，从18通道扩展到60通道
6620	2025-02-21	Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses 2024-08-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68586-2 PMID:39107349	研究论文	本研究开发了一种基于深度学习的眼动追踪系统，用于评估精神疾病患者的执行功能	利用眼动追踪技术和深度学习模型（LSTM+Attention）来检测精神疾病患者在视觉空间记忆编码中的执行功能受损情况	研究样本仅限于特定类型的精神疾病患者，可能无法推广到其他类型的精神疾病或神经系统疾病	开发一种快速、直接的方法来识别精神疾病患者的执行功能受损	首次发作的精神病患者、临床高风险精神病患者、强迫症患者和健康对照组	机器学习	精神疾病	眼动追踪技术	LSTM+Attention	眼动数据	96名首次发作的精神病患者、49名临床高风险精神病患者、104名强迫症患者和159名健康对照组