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
6881	2025-03-08	An Earth Mover's Distance-Based Self-Supervised Framework for Cellular Dynamic Grading in Live-Cell Imaging 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0672 PMID:39618334	研究论文	本文提出了一种基于地球移动距离的自监督框架，用于活细胞成像中的细胞动态分级	提出了一种新的自监督框架，利用地球移动距离构建概率转移矩阵，并通过损失函数约束来增强模型学习时空动态的能力	依赖于细胞动态分级与细胞外观变化速度一致性的假设，可能不适用于所有细胞类型或条件	解决活细胞动态分级任务中数据收集和标注的挑战，提高深度学习模型的性能	活细胞显微视频中的细胞动态	计算机视觉	NA	自监督学习	神经网络	视频	NA
6882	2025-03-08	Deep learning based super-resolution for CBCT dose reduction in radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17557 PMID:39625126	研究论文	本文提出了一种基于深度学习的超分辨率方法，用于减少放射治疗中CBCT的剂量	首次在CBCT剂量减少的背景下探索了深度学习超分辨率的应用，并提出了在投影域和图像域中使用增强型超分辨率生成对抗网络（ESRGAN）来恢复低剂量CBCT的图像质量	图像相似性指标受噪声水平影响，未能完全反映视觉上的改进	减少CBCT成像剂量，同时保持图像质量	头颈癌患者的CBCT扫描	数字病理	头颈癌	深度学习超分辨率	ESRGAN	图像	2997个CBCT扫描
6883	2025-03-08	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个利用深度学习预测剂量分布的决策框架，以帮助选择最佳乳腺癌放射治疗技术	使用2D U-Net卷积神经网络模型预测剂量分布图，并通过外部验证展示了该框架在临床决策中的高准确性和可靠性	研究依赖于回顾性数据集，且样本量相对较小（346名患者训练，30名患者验证），可能影响模型的泛化能力	开发一个基于深度学习的决策框架，以优化乳腺癌放射治疗计划的选择	乳腺癌患者	数字病理	乳腺癌	IMRT（调强放射治疗）和3D-CRT（三维适形放射治疗）	2D U-Net CNN	CT图像和剂量分布图	346名患者用于训练和调优，30名患者用于外部验证
6884	2025-03-08	DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0807 PMID:39639802	研究论文	本文介绍了一种名为DRGAT的药物反应预测方法，结合了去噪扩散隐式模型和图注意力网络，用于提高药物反应的预测准确性	DRGAT方法结合了去噪扩散隐式模型和数据增强技术，以及高阶邻居传播的图注意力网络，显著提高了药物反应预测的准确性	生物数据集通常高维但样本量小，可能导致过拟合和泛化能力差的问题	提高基于患者基因组特征的药物反应预测准确性，推动个性化医疗的发展	药物反应预测	机器学习	NA	去噪扩散隐式模型，图注意力网络（GAT）	GAT, HO-GATs	基因表达（GE）数据	NA
6885	2025-03-08	Automatic plan selection using deep network-A prostate study 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17550 PMID:39657031	研究论文	本文介绍了一种使用深度学习框架自动选择前列腺高剂量率（HDR）近距离放射治疗计划的方法	引入了新的视觉类标准，并结合常用的剂量体积直方图（DVH）标准，训练深度学习算法来自动选择和排名治疗计划	研究仅在835名前列腺癌患者的数据集上进行训练，并在20名患者的独立队列中进行评估，样本量相对较小	开发一种自动选择最佳HDR近距离放射治疗计划的算法	前列腺癌患者的HDR近距离放射治疗计划	数字病理	前列腺癌	深度学习	深度网络	3D图像	835名前列腺癌患者用于训练，20名患者用于评估
6886	2025-03-08	A neural network to create super-resolution MR from multiple 2D brain scans of pediatric patients 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17563 PMID:39657055	研究论文	本文提出了一种基于卷积神经网络的超分辨率方法，用于从儿科患者的多平面2D低分辨率脑部扫描中重建高分辨率3D MR图像	提出了一种多级密集连接的超分辨率卷积神经网络（mDCSRN），能够从两个垂直的低分辨率扫描中重建3D高分辨率图像，并引入了运动伪影、模糊和配准误差以模拟真实情况	需要进一步验证其在其他结构分析任务中的有效性	通过深度学习技术从常规2D低分辨率扫描中重建高分辨率3D MR图像，以便于提取结构生物标志物	儿科患者的脑部MR图像	计算机视觉	儿童癌症	卷积神经网络（CNN）	mDCSRN	图像	90个高分辨率T1儿科头部扫描（ABCD研究），10个新ABCD图像，18个CBTN研究图像，6个儿科头颈癌患者的真实随访图像
6887	2025-03-08	An automated treatment planning portfolio for whole breast radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17588 PMID:39699058	研究论文	本研究开发了一套完整的自动化放射治疗计划组合，用于全乳放疗，适应不同的患者因素、临床方法和可用资源	提出了一个全面的、端到端的自动化放疗解决方案，结合了多种治疗方法和深度学习模型，适应不同的患者和治疗需求	研究中使用的样本量相对较小，且主要来自特定机构，可能限制了结果的普遍性	开发一套自动化放疗计划组合，以适应不同的患者因素和临床需求	全乳放疗患者	数字病理	乳腺癌	深度学习模型（nnU-net）、RapidPlan模型	nnU-net	放疗计划数据	15名内部患者（150个计划）和40名来自瑞士、阿根廷、伊朗和美国的外部患者（360个计划）
6888	2025-02-10	A 2.5D transfer deep learning model based on artificial intelligence for differentiating lymphoma and tuberculous lymphadenitis in HIV/AIDS patients 2025-Mar, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2025.106439 PMID:39922386	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6889	2025-03-08	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636130 PMID:39974895	研究论文	本文探讨了使用合成调控基因组学迭代改进深度学习模型的方法，特别是Enformer模型在预测DNA可及性方面的应用	通过合成调控基因组学数据对Enformer模型进行微调，显著减少了预测误差，并保持了在其他轨迹上的强预测性能	模型在序列与参考基因组差异较大时（如DHS顺序或方向的重排）预测能力较差	提高深度学习模型在预测与参考基因组序列不同的DNA可及性方面的性能	DNA可及性预测，特别是与疾病和性状相关的变异或工程序列	机器学习	NA	合成调控基因组学	Enformer	基因组序列数据	数十个DNase I超敏感位点（DHSs）的删除、倒置和重排
6890	2025-03-08	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	本文通过深度学习模型预测了1500万种非编码变异在132种成人和胎儿大脑及心脏细胞环境中的影响，并开发了FLARE模型来优先考虑具有极端调控效应的突变	结合单细胞图谱、群体遗传学和基于深度学习的变异效应预测，揭示了发育和疾病的机制，特别是神经发育障碍的遗传贡献主要是罕见的	NA	优先考虑人类疾病中的因果常见和罕见非编码变异，并理解选择压力如何塑造非编码基因组	成人和胎儿大脑及心脏中的非编码变异	生物信息学	神经发育障碍	单细胞ATAC-seq, 深度学习	深度学习模型, FLARE	基因组数据	1500万种非编码变异，132种细胞环境
6891	2025-03-08	Deep5mC: Predicting 5-methylcytosine (5mC) methylation status using a deep learning transformer approach 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.007 PMID:40041569	研究论文	本文介绍了一种基于深度学习Transformer的方法Deep5mC，用于预测5-甲基胞嘧啶（5mC）的甲基化状态	Deep5mC利用基因组序列中的长程依赖性来预测5mC甲基化，显著优于现有方法，并揭示了长程序列上下文对5mC预测的影响	现有方法大多关注特定基因组区域，而Deep5mC虽然考虑了长程依赖性，但仍需进一步验证其在跨物种和人类疾病中的适用性	研究5mC甲基化状态与基因组序列的依赖性，并开发一种高效的预测方法	5-甲基胞嘧啶（5mC）的甲基化状态	机器学习	NA	深度学习	Transformer	DNA序列	NA
6892	2025-03-08	Retraction: Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319589 PMID:40043015	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6893	2025-03-08	XAI-MRI: an ensemble dual-modality approach for 3D brain tumor segmentation using magnetic resonance imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1525240 PMID:40046502	研究论文	本文提出了一种新颖的集成双模态方法，用于使用磁共振成像（MRI）进行3D脑肿瘤分割	提出了一种集成双模态方法，结合了表现最佳的双模态预训练模型，以提高分割性能，并引入了Grad-CAM可视化技术，生成热图以突出肿瘤区域，为临床医生提供模型决策的有用信息	未明确提及具体限制	提高脑肿瘤分割的准确性和可靠性，以支持有效的肿瘤分级和治疗计划	脑肿瘤	计算机视觉	脑肿瘤	MRI	U-Net, 集成模型	3D MRI图像	未明确提及具体样本数量
6894	2025-03-08	The prognostic value of pathologic lymph node imaging using deep learning-based outcome prediction in oropharyngeal cancer patients 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100733 PMID:40046573	研究论文	本研究探讨了在口咽癌患者中，结合病理淋巴结空间信息与深度学习模型对局部控制、区域控制、远处无转移生存和总生存的预测效果	首次在深度学习模型中结合病理淋巴结空间信息，以提高口咽癌患者的预后预测性能	研究仅基于单一机构的患者数据，可能限制了模型的泛化能力	探索结合病理淋巴结空间信息对深度学习模型预测口咽癌患者预后的潜在益处	口咽癌患者	数字病理	口咽癌	深度学习	深度学习模型	PET/CT扫描图像	409名口咽癌患者
6895	2025-03-08	Deep learning combining imaging, dose and clinical data for predicting bowel toxicity after pelvic radiotherapy 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100710 PMID:40046574	研究论文	本研究提出了一种深度学习模型，用于同时分析计算机断层扫描、剂量分布和临床元数据，以预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	开发了一种基于多实例学习、特征级融合和注意力的深度模型，能够同时分析3D成像和临床数据，识别潜在风险因素和关键解剖区域	数据集来自313名患者，虽然样本量较大，但患者群体的异质性（剂量、体积、分割、伴随治疗和随访期）可能影响模型的泛化能力	预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响	313名接受3D适形放疗和容积调强弧形放疗的患者	数字病理	NA	深度学习	多实例学习模型	3D计算机断层扫描、计划剂量分布、临床数据	313名患者
6896	2025-03-08	Leveraging automated time-lapse microscopy coupled with deep learning to automate colony forming assay 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1520972 PMID:40046624	研究论文	本文介绍了一种结合延时显微镜和深度学习的人工智能辅助自动化集落形成实验（CFA）平台，用于实时跟踪集落形成并评估药物疗效	开发了一种基于深度学习和多目标跟踪的自动化集落计数平台，显著减少了人工操作并提高了准确性，同时支持长期细胞间相互作用和治疗反应的详细研究	未来需要与基于灌注的药物筛选系统集成以进一步增强个性化癌症治疗	开发一种自动化、高通量的集落形成实验平台，用于评估单癌细胞的克隆扩展能力和药物疗效	B-急性淋巴细胞白血病（B-ALL）细胞	数字病理学	白血病	延时显微镜、深度学习	YOLOv8	图像	E2A-PBX1小鼠模型中的B-ALL细胞
6897	2025-03-08	Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527972 PMID:39421774	研究论文	本文提出了一种基于机器学习的自动化评分框架，用于评估小鼠肺损伤模型中的肺胶原含量	利用预训练的VGG16模型和统计特征结合的方法，以及采用无监督技术进行图像分析，提高了肺胶原含量评估的准确性和效率	研究依赖于小鼠模型，可能无法完全反映人类肺疾病的情况	开发自动化评分系统以提高肺胶原含量评估的准确性和一致性	成年雌性小鼠的肺切片图像	数字病理学	肺癌	SHG显微镜	VGG16, SVM	图像	NA
6898	2025-03-08	DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae409 PMID:39162313	研究论文	本文介绍了一种名为DeepEnzyme的深度学习模型，该模型结合了Transformer和图卷积网络（GCN），用于提高酶周转数（kcat）的预测准确性	DeepEnzyme模型通过整合蛋白质序列和3D结构特征，显著提高了对低序列相似性酶的预测准确性和鲁棒性，并能够评估点突变对酶催化活性的影响	NA	提高酶周转数（kcat）的预测准确性和鲁棒性，以促进蛋白质工程和合成生物学领域的研究	酶的周转数（kcat）	机器学习	NA	深度学习	Transformer, GCN	蛋白质序列和3D结构数据	NA
6899	2025-03-08	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法进行膝关节成像，并与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的检测准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和分级关节病变方面的性能	25名有症状的膝关节内部紊乱患者	医学影像	膝关节疾病	MRI, 深度学习图像重建算法	NA	图像	25名患者
6900	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者