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
7261	2025-02-06	Estimating time-to-total knee replacement on radiographs and MRI: a multimodal approach using self-supervised deep learning 2022-Jan-01, Radiology advances DOI:10.1093/radadv/umae030 PMID:39744045	研究论文	本文开发了一种基于自监督深度学习的多模态方法，用于预测全膝关节置换术（TKR）的时间	结合自监督深度学习特征、临床变量和图像评估测量，提高了预测TKR时间的准确性	模型的泛化能力需要进一步验证，且外部测试数据集相对较小	准确预测全膝关节置换术的时间，以帮助医生制定个性化治疗策略	来自Osteoarthritis Initiative数据集、Multi-Center Osteoarthritis Study和医院内部数据的膝关节影像和临床变量	数字病理	骨关节炎	自监督深度学习	随机生存森林模型	影像（X光和MRI）、临床变量	895例接受TKR的膝关节和786例未接受TKR的膝关节，以及来自外部测试的518例和164例样本
7262	2025-02-05	WALINET: A water and lipid identification convolutional neural network for nuisance signal removal in 1 H $$ {}^1\mathrm{H} $$ MR spectroscopic imaging 2025-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30402 PMID:39737778	研究论文	本文介绍了一种基于改进Y-NET网络的深度学习方法WALINET，用于全脑1H-MRSI中的水和脂质信号去除	WALINET是首个将监督神经网络应用于1H-MRSI处理的方法，相比传统方法显著提高了信号去除效率和代谢物信号保留效果	NA	开发一种快速有效的方法，用于高分辨率1H-MRSI中准确去除脂质和水信号，同时保留代谢物信号	全脑1H-MRSI数据	医学影像处理	NA	1H-MRSI	改进的Y-NET网络	磁共振波谱成像数据	模拟数据和体内全脑MRSI数据
7263	2025-02-05	Structure and oxygen saturation recovery of sparse photoacoustic microscopy images by deep learning 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100687 PMID:39896070	研究论文	本研究提出了一种名为Mask-enhanced U-net (MeU-net)的深度学习模型，用于恢复稀疏采样的光声显微镜（PAM）结构和功能图像	引入了自适应血管注意力掩码模块，专注于血管信息恢复，并设计了血管特定的损失函数以提高恢复精度	现有方法很少能有效恢复功能图像	提高光声显微镜成像速度和恢复精度	小鼠大脑和耳朵的稀疏采样光声显微镜图像	计算机视觉	NA	光声显微镜（PAM）	U-net	图像	小鼠大脑和耳朵的模拟数据，稀疏度为4×、8×、12×
7264	2025-02-05	Self-supervised light fluence correction network for photoacoustic tomography based on diffusion equation 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100684 PMID:39896066	研究论文	本文提出了一种基于深度学习的自监督光流校正方法，用于定量光声断层成像中的吸收系数分布估计	提出了一种自监督的QPAT网络模型SQPA-Net，通过将基于扩散方程的光流估计引入损失函数，指导模型学习光声光传输的隐式表示	缺乏真实数据用于监督网络训练	解决定量光声断层成像中吸收系数分布估计的问题	生物组织	计算机视觉	NA	深度学习	SQPA-Net	图像	模拟和小动物成像实验
7265	2025-02-04	DeepAptamer: Advancing high-affinity aptamer discovery with a hybrid deep learning model 2025-Mar-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102436 PMID:39897584	研究论文	本文提出了一种名为DeepAptamer的混合深度学习模型，用于从早期未富集的SELEX轮次中识别高亲和力的寡核苷酸适配体	DeepAptamer结合了卷积神经网络和双向长短期记忆网络，整合了序列组成和结构特征来预测适配体结合亲和力和潜在结合基序，显著提高了高亲和力适配体的发现效率	NA	解决SELEX过程中实验偏差和非特异性相互作用导致的高失败率问题，提高高亲和力适配体的发现效率	寡核苷酸适配体	机器学习	NA	SELEX	CNN, LSTM	序列数据	NA
7266	2025-02-05	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2025-Mar-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一种基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的爆发	结合时间序列分析和iTransformer模型，提高了预测精度，并通过模型注意力权重分析确定了影响藻类密度的关键因素	未来研究应探索更多环境变量以增强模型的预测能力和泛化能力	开发一种有效的早期预警系统，用于预测淡水湖中有害藻华的爆发	洞庭湖的水质数据	机器学习	NA	深度学习	iTransformer	时间序列数据	NA
7267	2025-02-05	Automated Quantitative Assessment of Retinal Vascular Tortuosity in Patients with Sickle Cell Disease 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100658 PMID:39886358	研究论文	本文使用自动化的深度学习管道定量评估镰状细胞病（SCD）和视网膜病变（SCR）患者的视网膜血管曲折度	首次使用深度学习算法自动计算镰状细胞病患者的视网膜微血管曲折度，并发现其与疾病严重程度相关	样本量相对较小，且未明确说明深度学习算法的具体架构和训练细节	评估镰状细胞病患者的视网膜血管曲折度，探索其作为疾病严重程度的潜在生物标志物	镰状细胞病（SCD）和视网膜病变（SCR）患者	数字病理学	镰状细胞病	深度学习	深度学习算法（未具体说明）	图像	64名SCD患者（119只眼）和57名年龄和种族匹配的对照组（106只眼）
7268	2025-02-05	A Low Complexity Efficient Deep Learning Model for Automated Retinal Disease Diagnosis 2025-Mar, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00182-5 PMID:39897099	研究论文	本文提出了一种低复杂度高效的深度学习模型，用于自动视网膜疾病诊断	开发了一种轻量级优化的紧凑卷积变压器（OCCT）模型，并通过消融研究改进了初始CCT模型，用于分类视网膜疾病	NA	通过深度学习技术提高视网膜疾病的早期诊断准确率	人类视网膜OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	紧凑卷积变压器（OCCT），生成对抗网络（GAN）	图像	130,649张图像
7269	2025-02-05	Enhancing unsupervised learning in medical image registration through scale-aware context aggregation 2025-Feb-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111734 PMID:39898031	研究论文	本文介绍了一种名为ScaMorph的无监督学习模型，用于医学图像配准，通过尺度感知的上下文聚合来提高配准效果	ScaMorph模型结合了多尺度混合卷积和轻量级多尺度上下文融合，有效整合了卷积网络和视觉变换器，解决了多种配准任务	NA	提高医学图像配准的无监督学习效果	3D医学图像	计算机视觉	NA	无监督学习	卷积网络和视觉变换器	3D医学图像	五个应用场景的3D医学图像数据集
7270	2025-02-05	NIRFluor: A Deep Learning Platform for Rapid Screening of Small Molecule Near-Infrared Fluorophores with Desired Optical Properties 2025-Feb-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01953 PMID:39818744	研究论文	本文介绍了一个名为NIRFluor的深度学习平台，用于快速筛选具有所需光学特性的小分子近红外荧光团	提出了新型混合指纹（包括Morgan指纹、物理化学性质和溶剂性质），并设计了一个强大的深度学习模型MT-FinGCN，结合指纹信息和分子图结构信息，实现了对小分子近红外荧光团六种特性的准确预测	NA	加速小分子近红外荧光团的开发和设计，用于疾病诊断和生物体内各种标志物的早期检测	小分子近红外荧光团	机器学习	NA	深度学习	MT-FinGCN（多任务指纹增强图卷积网络）	实验大数据	5179个实验数据
7271	2025-02-05	Prenatal Diagnostics Using Deep Learning: A Dual Approach to Plane Localization and Cerebellum Segmentation in Ultrasound Images 2025-Feb-03, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23924 PMID:39901589	研究论文	本研究开发了深度学习技术，用于使用第五个月的超声脑图像进行神经发育障碍的产前预测	提出了两种专门的卷积神经网络（CNN）架构：用于平面定位的差分CNN和用于小脑分割的双CNN，这些架构在产前护理中对于准确诊断至关重要	研究承认存在某些局限性和挑战	开发深度学习技术以进行神经发育障碍的产前预测	第五个月的超声脑图像	计算机视觉	神经发育障碍	深度学习	CNN	图像	标注的超声图像数据集
7272	2025-02-05	The Present State and Potential Applications of Artificial Intelligence in Cancer Diagnosis and Treatment 2025-Feb-03, Recent patents on anti-cancer drug discovery IF:2.5Q3 DOI:10.2174/0115748928361472250123105507 PMID:39902536	综述	本文综述了人工智能在癌症诊断和治疗中的现状和潜在应用	探讨了人工智能在癌症管理中的多方面应用，包括早期检测、诊断、分类、分子特征分析、患者结果预测和治疗反应预测等	未提及具体的技术限制或数据限制	增强癌症的早期检测和管理	癌症患者	机器学习	癌症	深度学习	NA	医疗数据集	NA
7273	2025-02-05	Artificial Intelligence In Health And Health Care: Priorities For Action 2025-Feb, Health affairs (Project Hope) DOI:10.1377/hlthaff.2024.01003 PMID:39841940	评论	本文讨论了人工智能在健康和医疗保健领域的应用，并提出了实现安全、有效和公平使用AI的步骤	提出了在健康和医疗保健领域使用AI的四个战略领域，包括确保AI的安全、有效和可信使用，促进AI能力强的医疗保健劳动力发展，投资于支持健康科学、实践和交付的AI研究，以及促进明确AI责任的政策和程序	未具体提及研究的局限性	提供指导，确保人工智能在健康和医疗保健领域的安全、有效和公平使用	健康和医疗保健领域的人工智能应用	机器学习	NA	深度学习，生成式AI	NA	NA	NA
7274	2025-02-05	Informatics strategies for early detection and risk mitigation in pancreatic cancer patients 2025-Feb, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2025.101129 PMID:39842383	综述	本文综述了胰腺癌筛查、诊断和早期检测的现状，强调了在高风险群体中进行针对性筛查的必要性，并探讨了先进成像技术和新型生物标志物在早期检测中的应用	本文强调了AI驱动方法（如Project Felix和CancerSEEK）在通过深度学习和生物标志物发现增强早期检测中的潜力，并探讨了液体活检技术在分析循环肿瘤DNA、循环肿瘤细胞和外泌体中的新兴作用	本文主要集中于综述现有技术和方法，未涉及具体实验数据或新技术的详细验证	提高胰腺癌的早期检测和诊断水平，减少发病率和死亡率	胰腺癌患者，特别是具有家族遗传倾向和基因突变的高风险群体	数字病理学	胰腺癌	内镜超声（EUS）、对比增强谐波成像（CEH-EUS）、液体活检技术、循环肿瘤DNA（ctDNA）分析	深度学习	图像、生物标志物数据	NA
7275	2025-02-05	Deep learning methods for proteome-scale interaction prediction 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102981 PMID:39848140	综述	本文综述了深度学习在蛋白质组规模相互作用预测中的最新进展	强调了深度学习在蛋白质-蛋白质和蛋白质-配体相互作用筛选中的应用，并讨论了整合结构信息以提高预测准确性的重要性	数据质量和验证偏差仍然是挑战	理解蛋白质功能和疾病机制	蛋白质-蛋白质和蛋白质-配体相互作用	机器学习	NA	深度学习	NA	蛋白质相互作用数据	NA
7276	2025-02-05	Challenges and compromises: Predicting unbound antibody structures with deep learning 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102983 PMID:39862761	研究论文	本文讨论了在抗体开发流程中预测未结合抗体结构的重要性，并探讨了最新一代结构预测工具如何提供新见解	提出了生成模型可能解决未结合抗体结构预测中的一些问题，特别是针对CDRH3环的建模挑战	由于结构数据偏向于抗体-抗原复合物，深度学习模型在未结合形式上的泛化能力可能受限	提高未结合抗体结构的预测准确性，以改进抗体开发流程	未结合抗体，特别是CDRH3环	机器学习	NA	深度学习	生成模型	结构数据	NA
7277	2025-02-05	Major advances in protein function assignment by remote homolog detection with protein language models - A review 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102984 PMID:39864241	review	本文综述了使用蛋白质语言模型（pLM）进行远程同源检测以分配蛋白质功能的主要进展	介绍了基于transformer架构的深度学习方法在蛋白质同源检测中的突破性表现，特别是蛋白质语言模型的应用	NA	提高蛋白质同源检测的准确性和效率，以更好地理解蛋白质功能和进化关系	蛋白质同源体	自然语言处理	NA	蛋白质语言模型（pLM）	transformer	蛋白质序列	NA
7278	2025-02-05	HEDDI-Net: heterogeneous network embedding for drug-disease association prediction and drug repurposing, with application to Alzheimer's disease 2025-Feb-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05938-6 PMID:39891114	研究论文	本文介绍了一种名为HEDDI-Net的异质网络嵌入架构，用于预测药物-疾病关联和药物再利用，特别是在阿尔茨海默病中的应用	HEDDI-Net能够直接应用于新的疾病和药物，无需重新训练，这是大多数基于GCN的方法所不具备的。此外，HEDDI-Net提供了详细的亲和力模式，有助于理解候选药物的生理效应	尽管HEDDI-Net在预测药物-疾病关联方面表现出色，但其在稀疏网络中的表现仍需进一步验证	开发一种能够准确预测药物-疾病关联并保持生物机制可解释性的方法，以支持药物再利用	药物和疾病，特别是阿尔茨海默病	机器学习	阿尔茨海默病	图神经网络（GCN）和浅层学习技术	多层感知机（MLP）	网络数据	NA
7279	2025-02-05	Investigating the Quality of DermaMNIST and Fitzpatrick17k Dermatological Image Datasets 2025-Feb-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04382-5 PMID:39893183	研究论文	本文对DermaMNIST、HAM10000和Fitzpatrick17k三个流行的皮肤病图像数据集进行了详细分析，揭示了数据质量问题，并提出了修正建议	揭示了皮肤病图像数据集中的数据质量问题，并提出了修正建议，同时公开了分析管道和代码以促进类似探索	仅分析了三个数据集，可能无法涵盖所有皮肤病图像数据集的质量问题	评估皮肤病图像数据集的质量，并修正其中的问题以提高深度学习模型的可靠性	DermaMNIST、HAM10000和Fitzpatrick17k数据集	计算机视觉	皮肤病	NA	NA	图像	三个数据集（DermaMNIST、HAM10000和Fitzpatrick17k）
7280	2025-02-05	Predicting carbon dioxide emissions using deep learning and Ninja metaheuristic optimization algorithm 2025-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86251-0 PMID:39893234	研究论文	本文提出了一种基于深度学习和Ninja元启发式优化算法的高精度预测二氧化碳排放的新方法	使用DPRNNs模型结合NiOA优化算法，能够有效捕捉数据中的短期和长期时间依赖性，并通过PCA和BSS技术进行数据预处理以提高预测精度	研究仅针对二氧化碳排放，未涵盖其他温室气体，且未实现实时跟踪	开发一种高精度的二氧化碳排放预测方法	二氧化碳排放数据	机器学习	NA	PCA, BSS, NiOA	DPRNNs	时间序列数据	NA