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
7201	2025-02-06	RTify: Aligning Deep Neural Networks with Human Behavioral Decisions 2024-Dec-26, ArXiv PMID:39764401	研究论文	本文介绍了一种新的计算框架，通过将循环神经网络（RNN）的时间动态与人类反应时间（RTs）对齐，来模拟人类行为选择的动态	提出了一种新的计算框架，能够将RNN的时间动态与人类反应时间对齐，从而更好地模拟人类行为选择	NA	研究如何使当前的视觉模型与人类行为对齐，以更接近人类视觉的集成模型	人类行为选择和视觉处理	计算机视觉	NA	RNN, CNN	RNN, CNN	图像	NA
7202	2025-02-06	Predictive Modeling of Gene Expression and Localization of DNA Binding Site Using Deep Convolutional Neural Networks 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.629042 PMID:39763851	研究论文	本文开发了一种名为DARSI的深度卷积神经网络，用于从原始调控DNA序列预测基因表达水平，并系统识别调控区域内的转录因子结合位点	DARSI能够考虑调控序列中远距离碱基之间的可能相关性，从而在单碱基对分辨率下识别转录因子结合位点，并预测未映射的结合位点	需要进一步的实验验证来确认DARSI预测的未映射结合位点的存在及其靶向的转录因子	通过自动化并改进调控区域的注释，达到对转录控制的预测性理解	调控DNA序列及其转录因子结合位点	自然语言处理	NA	Massively Parallel Reporter Assays (MPRAs)	CNN	DNA序列	数千个调控区域的突变变体
7203	2025-02-06	A comprehensive benchmark for multiple highly efficient base editors with broad targeting scope 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628899 PMID:39763781	研究论文	本文构建了10种具有高活性和广泛靶向范围的腺嘌呤和胞嘧啶碱基编辑器（BEs），并通过34,040种BE-gRNA-靶标组合全面评估了它们的编辑特性和性能	构建了一个深度学习模型BEEP，用于预测这些BEs的编辑效率和结果，并成功验证了3,558个疾病相关单核苷酸变异（SNVs）的安装，包括20.1%通常被认为“不可编辑”的靶点	NA	评估多种高效碱基编辑器的性能，并开发预测模型以指导最佳BE和gRNA的选择	腺嘌呤和胞嘧啶碱基编辑器（BEs）及其与gRNA和靶标的组合	基因组编辑	NA	深度学习	BEEP（Base Editing Efficiency Predictor）	基因组数据	34,040种BE-gRNA-靶标组合
7204	2025-02-06	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究通过计算探索全球毒液，发现新型抗生素候选物	利用机器学习和深度学习模型APEX，从全球毒液数据集中挖掘出386个结构功能独特的抗菌肽，并通过实验验证了其抗菌活性	研究主要依赖于计算预测和实验验证，未涉及大规模临床试验	发现新型抗生素以应对抗生素耐药性问题	全球毒液中的蛋白质和肽	机器学习	抗生素耐药性感染	机器学习、深度学习	APEX（结合肽序列编码器和神经网络的深度学习模型）	蛋白质序列数据	16,123种毒液蛋白质，生成40,626,260个毒液加密肽（VEPs），其中58个VEPs进行实验验证
7205	2025-02-06	Interpretable deep learning survival predictions in sporadic Creutzfeldt-Jakob disease 2024-Dec-16, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-024-12815-1 PMID:39680177	研究论文	本研究开发了一种基于英国散发性克雅氏病（sCJD）监测数据的生存预测模型，使用人工神经网络进行多任务逻辑回归分析	使用人工神经网络进行生存分析，并采用模型无关的解释方法评估个体特征对模型结果的贡献	模型性能相较于Cox比例风险模型提升不显著，未进行临床验证	预测散发性克雅氏病（sCJD）患者的生存期，以改善预后、护理计划和临床试验分层	655例根据2017年国际共识诊断标准确诊或疑似sCJD的患者	机器学习	克雅氏病	人工神经网络，多任务逻辑回归	人工神经网络	临床数据（症状、CSF RT-QuIC、14-3-3、MRI、EEG、性别、年龄、PRNP密码子129多态性、CSF总蛋白、S100b）	655例sCJD患者
7206	2025-02-06	Machine learning and deep learning algorithms in stroke medicine: a systematic review of hemorrhagic transformation prediction models 2024-Dec-12, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-024-12810-6 PMID:39666168	系统综述	本文系统评估和比较了机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的有效性，并与传统模型进行了对比	首次系统性地比较了多种机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的表现，并发现梯度提升算法表现最佳	研究设计存在异质性，且未来研究需要解决数据扩展、影像协议标准化和模型透明度等问题	评估和比较机器学习和深度学习算法在预测急性缺血性卒中后出血性转化中的有效性	急性缺血性卒中患者	机器学习	心血管疾病	机器学习、深度学习	Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), Gradient Boosting (GB), Neural Networks, Convolutional Neural Networks (CNNs)	临床数据和影像数据	24项研究
7207	2025-02-06	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	本文提出了一种名为PixCUE的新方法，用于在MRI重建过程中进行不确定性估计，通过像素分类框架在单次前向传播中生成重建图像和不确定性图	PixCUE方法在单次前向传播中同时生成重建图像和不确定性图，显著减少了计算成本，并且与传统的蒙特卡罗方法在不确定性估计上具有相关性	NA	解决深度学习MRI重建中的不确定性估计问题	MRI图像	计算机视觉	NA	深度学习	像素分类框架	图像	NA
7208	2025-02-06	Speech-based personality prediction using deep learning with acoustic and linguistic embeddings 2024-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81047-0 PMID:39627367	研究论文	本研究提出了一种通过分析语音样本来预测大五人格特质的新方法，推动了计算人格评估领域的发展	结合预训练的卷积神经网络和基于transformer的模型，从语音样本中提取声学特征和语言内容的嵌入，并输入梯度提升树模型进行人格特质预测	NA	探索语音与人格特质之间的关系，开发基于语音的人格预测方法	2045名参与者提供的自由形式语音样本和自我报告的大五人格问卷数据	自然语言处理	NA	深度学习	卷积神经网络（CNN）、transformer模型、梯度提升树模型	语音	2045名参与者
7209	2025-02-06	Improved deep learning for automatic localisation and segmentation of rectal cancer on T2-weighted MRI 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.794 PMID:38654675	研究论文	本研究旨在比较提出的AttSEResUNet模型与其他三种模型在直肠癌T2加权MRI图像上的分割准确性，并评估自动分割模型与观察者间的一致性	提出了一种基于ResUNet和注意力机制的新型分割模型AttSEResUNet，其在直肠癌T2加权MRI图像上的分割性能优于其他三种模型	样本量较小，仅包含65名患者，且未进行外部验证	提高直肠癌在T2加权MRI图像上的自动分割准确性，减轻医生的工作负担并提高工作效率	65名接受MRI检查的直肠癌患者	数字病理学	直肠癌	MRI	AttSEResUNet, U-Net, ResUNet, AttUNet	图像	65名患者（训练集45名，验证集20名）
7210	2025-02-06	Classification-based pathway analysis using GPNet with novel P-value computation 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf039 PMID:39879387	研究论文	本文提出了一种基于深度学习的分类方法GPNet，结合新的P值计算方法，用于生物信息学中的通路分析	使用深度学习模型Gene PointNet和基于混淆矩阵的新P值计算方法，解决了传统方法在低信噪比和大样本数据集上的局限性	未提及具体局限性	提高通路分析在低信噪比和大样本数据集中的准确性和可靠性	基因表达数据	生物信息学	乳腺癌	RNA-Seq	Gene PointNet	基因表达数据	模拟数据集和The Cancer Genome Atlas乳腺癌数据集
7211	2025-02-06	A Real-Time End-to-End Framework with a Stacked Model Using Ultrasound Video for Cardiac Septal Defect Decision-Making 2024-11-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10110280 PMID:39590744	研究论文	本文提出了一种实时端到端框架，利用超声视频进行心脏间隔缺损（CSD）决策，采用基于Yolo技术的先进实时架构，显著提高了诊断效率和准确性	首次将Yolov8l架构应用于儿科超声视频分析，实现了高精度的实时CSD决策，并在医院实时测试中表现出色	研究样本量相对较小，仅使用了222个超声视频，且仅在单一医院进行测试，可能限制了模型的泛化能力	提高心脏间隔缺损的诊断效率和准确性，优化儿科心脏病的临床决策	儿科患者的超声视频	计算机视觉	心血管疾病	深度学习	Yolov8l	视频	222个超声视频
7212	2025-02-06	An Artificial Intelligent System for Prostate Cancer Diagnosis in Whole Slide Images 2024-Oct-28, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02118-3 PMID:39466503	研究论文	本文开发并验证了一种用于前列腺癌诊断的机器学习系统，该系统能够检测神经周围浸润并测量癌症部分，以满足临床报告需求	开发了一个三阶段的机器学习系统，包括组织检测、分类和切片级别分析，用于前列腺癌的全切片图像诊断	系统在不同放大倍数下的分类准确率有所下降，特别是在20x放大倍数下	开发并验证一种用于前列腺癌诊断的计算机辅助工具	前列腺癌的全切片图像	数字病理学	前列腺癌	深度学习	NA	图像	2340张苏木精和伊红染色的切片
7213	2025-02-06	SeqDance: A Protein Language Model for Representing Protein Dynamic Properties 2024-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance，一种蛋白质语言模型，旨在直接从序列中学习蛋白质动态特性的表示	SeqDance模型能够直接从蛋白质序列中学习动态特性，补充了传统的基于进化和静态结构的方法，为蛋白质行为和功能提供了新的见解	尽管SeqDance在捕获蛋白质动态特性方面表现出色，但其预训练数据集可能限制了其在某些蛋白质上的泛化能力	研究目的是开发一种能够直接从蛋白质序列中学习动态特性的模型，以增强对蛋白质功能和突变适应性的理解	研究对象是蛋白质的动态特性，包括局部动态相互作用、共运动模式和全局构象特征	自然语言处理	NA	分子动力学轨迹和正常模式分析	蛋白质语言模型	序列数据	超过30,400个分子动力学轨迹和28,600个正常模式分析
7214	2025-02-06	Semantic Segmentation of CT Liver Structures: A Systematic Review of Recent Trends and Bibliometric Analysis : Neural Network-based Methods for Liver Semantic Segmentation 2024-Oct-14, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02115-6 PMID:39400739	综述	本文系统回顾和文献计量分析了近年来基于神经网络的肝脏结构语义分割方法，特别是深度学习在CT图像中的应用	首次提供了该科学领域的系统性和文献计量学综述，概述了算法特征方面的多个研究方向	报告的性能基准表明，在高分辨率腹部CT扫描中分割小结构仍有很大改进空间	回顾和评估AI在医学图像中肝脏结构分割的应用进展	CT图像中的肝脏结构	计算机视觉	肝脏疾病	深度学习	2D和3D混合网络，生成式方法	CT图像	NA
7215	2025-02-06	Deep learning pipeline for automated cell profiling from cyclic imaging 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74597-w PMID:39384907	研究论文	本文介绍了一种名为CycloNET的计算管道，用于分析通过循环免疫荧光获得的原始荧光图像，旨在自动化细胞分析过程	CycloNET通过预训练的神经网络快速处理大规模数据集，并在单细胞分辨率上提供见解，有助于识别罕见的免疫细胞群	NA	开发一个自动化管道，用于从循环荧光显微镜图像中分析细胞特征，以加深对组织组成、细胞间相互作用和细胞信号传导的理解	头颈部鳞状细胞癌患者的22个人类样本	数字病理学	头颈部鳞状细胞癌	循环免疫荧光	预训练的神经网络	图像	22个人类样本，每个样本17个视野和13个染色周期
7216	2025-02-06	Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03429-5 PMID:39014270	研究论文	本研究评估了nnU-net在多序列MRI上自动分割和体积测量眼附属器淋巴瘤（OAL）的性能	使用nnU-net深度学习框架进行自动分割和体积测量，特别是在T2_FS图像上表现出色	Model 2未能检测到19例T1c病例，且T1_nFS的分割性能较差	评估nnU-net在OAL多序列MRI上的自动分割和体积测量性能	眼附属器淋巴瘤（OAL）患者	数字病理	淋巴瘤	深度学习	nnU-net	MRI图像	147名患者作为训练集，33名患者作为测试集
7217	2025-02-06	Predicting metabolite response to dietary intervention using deep learning 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.14.532589 PMID:36993761	研究论文	本文开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应	McMLP方法填补了现有预测方法在深度学习方法上的空白，并在合成数据和真实数据上均优于现有方法	NA	开发一种能够基于个体肠道微生物组成准确预测代谢物对饮食干预反应的方法，以实现精准营养	个体对饮食干预的代谢物反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据	来自六项饮食干预研究的真实数据
7218	2025-02-06	Global Genotype by Environment Prediction Competition Reveals That Diverse Modeling Strategies Can Deliver Satisfactory Maize Yield Estimates 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.13.612969 PMID:39345633	研究论文	本文介绍了2022年和2023年首次公开的Genomes to Fields (G2F)计划的基因型与环境(GxE)预测竞赛，展示了多种建模策略在预测玉米产量方面的有效性	首次公开的GxE预测竞赛，结合了基因组变异、表型、天气测量和田间管理数据，展示了多种建模策略的有效性	竞赛结果仅基于特定数据集，可能无法推广到其他环境或作物	通过结合遗传和环境因素预测表型，以提高作物产量预测的准确性	玉米	计算生物学	NA	机器学习、传统育种工具、定量遗传学、经典机器学习/深度学习、机械模型、模型集成	Random Forest, Ridge Regression, Least-squares, 定量遗传学, 经典机器学习/深度学习, 机械模型, 模型集成	基因组变异、表型、天气测量、田间管理数据	九年的数据收集
7219	2025-02-06	Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review 2024-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02105-8 PMID:39264388	综述	本文对医学图像分析领域中视觉变换器（ViTs）和卷积神经网络（CNNs）进行了系统比较	系统性地比较了ViTs和CNNs在医学图像分析中的表现，特别是强调了ViTs在多种医学成像任务中的潜力	综述基于36项研究，可能未涵盖所有相关研究，且未进行新的实验验证	比较ViTs和CNNs在医学图像分析中的表现，帮助研究者和从业者选择最合适的模型	视觉变换器（ViTs）和卷积神经网络（CNNs）	医学图像分析	NA	深度学习	ViTs, CNNs	医学图像	36项研究
7220	2025-02-06	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本文提出了一种新的数字病理数据源——体积核心，通过使用深度学习方法改进前列腺癌的Gleason分级	提出了一种新的数字病理数据源——体积核心，并开发了一种基于注意力机制的多实例学习框架来处理体积数据，显著优于现有的2D基线方法	研究中使用的数据集可能有限，且未提及外部验证的结果	改进前列腺癌的Gleason分级，提高诊断准确性	前列腺癌活检组织	数字病理	前列腺癌	深度特征提取，自监督学习	注意力机制的多实例学习框架（ABMIL），视频变换器	3D活检组织体积数据	10,210个体积核心，其中30%用于预训练