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
7341	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
7342	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
7343	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
7344	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
7345	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
7346	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
7347	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
7348	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
7349	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
7350	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
7351	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
7352	2025-03-08	COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3339700 PMID:38051612	研究论文	本文介绍了一种基于深度学习的方法，通过分析咳嗽或呼吸声音的录音来区分COVID-19患者和健康对照组	提出了一种新颖的分层频谱图变换器（HST），利用自注意力机制在频谱图的局部窗口上操作，并逐步扩大窗口大小以捕捉从局部到全局的上下文	NA	开发一种远程监测方法，用于早期评估主要影响下呼吸道的COVID-19	COVID-19患者和健康对照组的呼吸声音录音	自然语言处理	COVID-19	深度学习	分层频谱图变换器（HST）	音频	多国众包数据集
7353	2025-03-08	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	本文提出了一种新的集成深度学习网络模型（EDLNet），用于自动脑肿瘤分类和分割	提出了一种新的集成深度学习网络模型（EDLNet），结合了改进的Faster RCNN方法和深度循环卷积神经网络（DRCNN），用于脑肿瘤的早期分类和分割	未提及具体局限性	开发一种高效的深度学习模型，用于脑肿瘤的自动分类和分割	脑MRI扫描图像	数字病理学	脑肿瘤	深度学习	EDLNet（集成深度学习网络模型），改进的Faster RCNN，DRCNN（深度循环卷积神经网络）	图像（MRI扫描图像）	两个公开数据集（D1和D2），具体样本数量未提及
7354	2025-03-08	Intelligent deep learning-based disease monitoring system in 5G network using multi-disease big data 2024-Feb-09, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2310785 PMID:38334127	研究论文	本文提出了一种基于深度学习的智能疾病监测系统，利用5G网络和多疾病大数据进行疾病预测和分类	提出了一种改进的基于捕食者存在概率的松鼠搜索-萤火虫群优化算法（MPPP-SSGSO）来优化模型参数，并采用集成增强模型和模糊分类器进行疾病预测和分类	未提及具体的数据来源和样本多样性，可能限制了模型的泛化能力	开发一种高效的疾病监测系统，以降低死亡率并提高疾病预测的准确性	患者的多疾病大数据	机器学习	多疾病	1D-CNN, AdaBoost, XGBoost, CatBoost, 模糊分类器	1D-CNN, 集成增强模型, 模糊分类器	多疾病大数据	未明确提及样本数量
7355	2025-03-08	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文探讨了机器学习和深度学习技术在解决攀岩路线难度评定主观性问题中的应用	提出了使用机器学习和深度学习技术来标准化攀岩路线难度评定的方法，特别是通过自然语言处理和循环神经网络算法	现有方法主要集中在路线中心、攀岩者中心和路径查找与生成三种方法，仍需进一步研究以提高准确性和适用性	研究目的是通过机器学习和深度学习技术标准化攀岩路线难度的评定	攀岩路线的难度评定	自然语言处理	NA	机器学习和深度学习	循环神经网络（RNN）	文本	NA
7356	2025-03-08	Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230733 PMID:38277290	研究论文	本研究探讨了基于人工智能深度学习和循证医学的MRI海马体积测量在预测阿尔茨海默病发生和进展中的价值	结合人工智能深度学习和循证医学方法，利用MRI海马体积测量进行阿尔茨海默病的早期诊断和干预	研究依赖于特定数据库（ADNI和OASIS-brains）的数据，可能限制了结果的普适性	研究MRI海马体积测量在预测阿尔茨海默病发生和进展中的能力	483名阿尔茨海默病患者、756名轻度认知障碍患者和968名正常对照者	数字病理学	老年病	MRI	CNN（InceptionResNetv2, Densenet169, SEResNet50）	图像	483名AD患者、756名MCI患者和968名NC
7357	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
7358	2025-03-07	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-Mar-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究利用3D电子显微镜和深度学习技术，开发了半自动方法重建秀丽隐杆线虫的线粒体，并收集了正常生殖阶段和dauer阶段的线粒体重建数据，以比较神经肌肉系统中线粒体结构的发育变化	首次使用3D电子显微镜和深度学习技术半自动重建线粒体，揭示了神经肌肉系统中线粒体结构的发育变化及其与突触连接的相关性	研究主要基于秀丽隐杆线虫模型，可能不直接适用于其他生物体	探究神经肌肉系统中线粒体结构的发育变化及其功能意义	秀丽隐杆线虫的神经肌肉系统	数字病理学	NA	3D电子显微镜, 深度学习	NA	图像	秀丽隐杆线虫的正常生殖阶段和dauer阶段的线粒体重建数据
7359	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
7360	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者