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
7441	2025-02-21	Application of one-class classification using deep learning technique improves the classification of subvisible particles 2025-Feb, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.11.023 PMID:39615881	研究论文	本研究探讨了深度学习技术如何提高一类分类器在亚可见颗粒分类中的性能	首次将深度学习技术与一类分类器结合，用于亚可见颗粒的分类，显著提高了分类效果	研究仅针对特定类型的蛋白质聚集体（免疫球蛋白G和清蛋白衍生的聚集体）进行了测试，未涵盖所有可能的亚可见颗粒类型	提高亚可见颗粒分类的准确性和效率	亚可见颗粒，特别是免疫球蛋白G和清蛋白衍生的聚集体	计算机视觉	NA	深度学习	一类分类器	图像	使用了硅油（SO）和两种蛋白质聚集体（免疫球蛋白G衍生的聚集体和清蛋白衍生的聚集体）的数据集
7442	2025-02-21	Diagnosis Anthracnose of Chili Pepper Using Convolutional Neural Networks Based Deep Learning Models 2025-Feb, The plant pathology journal DOI:10.5423/PPJ.OA.11.2024.0178 PMID:39916419	研究论文	本研究应用深度学习模型（MobileNet、ResNet50v2和Xception）通过迁移学习诊断辣椒炭疽病，旨在确定准确和高效疾病诊断所需的最小数据集大小	通过迁移学习方法，评估不同数据集大小对模型性能的影响，为农业应用中的数据可用性和模型性能平衡提供实用指南	需要大量标注数据集，获取成本较高	研究辣椒炭疽病的早期和准确检测方法，以减少产量损失和市场价值下降	辣椒（Capsicum annuum L.）	计算机视觉	植物病害	迁移学习	CNN（MobileNet、ResNet50v2、Xception）	图像	500、1,000、2,000、3,000和4,000个样本
7443	2025-02-21	Lung cancer diagnosis with GAN supported deep learning models 2025-Jan-31, Bio-medical materials and engineering IF:1.0Q4 DOI:10.1177/09592989241308775 PMID:39973181	研究论文	本研究旨在通过先进的深度学习技术，包括特别开发的CNN模型，对良性、恶性和正常的肺部CT图像进行分类，以提高诊断准确性	使用GAN平衡数据集，并开发了自定义CNN模型，结合Faster R-CNN区域提议方法，显著提高了分类准确性和检测性能	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	提高肺癌诊断的准确性，探索深度学习在医学图像分析中的应用	肺部CT图像	计算机视觉	肺癌	GAN, CNN, Faster R-CNN	CNN, VGG19, AlexNet, InceptionV3, ResNet50, Faster R-CNN	图像	1097张肺部CT图像
7444	2025-02-21	MANSHIP: Mobile-based assistive notification service for hearing-impaired people using a hybrid deep learning model 2025-Jan-31, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241309702 PMID:39973861	研究论文	本研究介绍了一种结合VGG16和ResNet-50的混合深度学习模型，用于高效的声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP，以检测环境声音并提醒严重或完全听力损失的人潜在危险	结合VGG16和ResNet-50的混合深度学习模型，用于声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP	未提及具体局限性	提高听力损失者的安全性，减少事故风险	严重或完全听力损失的人	机器学习	听力损失	深度学习	VGG16, ResNet-50	声音数据	综合城市声音数据集
7445	2025-02-21	Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease 2025-Jan-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.13.25319967 PMID:39974027	研究论文	本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练	使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力	模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力	量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估	148名癌症患者的临床CT图像	数字病理学	脊柱转移性疾病	CT成像	2D nnU-Net	图像	148名癌症患者的2,009张轴向CT图像
7446	2025-02-21	DABiG: Breath pattern classification using the hybrid deep learning with optimal feature selection 2025-Jan-17, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241303368 PMID:39973879	研究论文	本文提出了一种利用陀螺仪和加速度计读数进行呼吸模式分类的综合方法，采用混合深度学习机制DABiG	引入了自适应黑猩猩优化算法（AdCO）进行特征选择，并结合双向门控循环单元（BiGRU）和时空注意力机制提升分类精度	未提及样本的具体数量及多样性，可能影响模型的泛化能力	通过呼吸模式分类反映个体的情感和身体健康状况	从个体获取的呼吸模式数据	机器学习	NA	自适应黑猩猩优化算法（AdCO），双向门控循环单元（BiGRU）	混合深度学习机制DABiG	传感器数据（陀螺仪和加速度计读数）	NA
7447	2025-02-21	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-Dec-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探讨了使用深度学习增强的跨膜肌电图（tmEMG）在睡眠呼吸暂停诊断中的应用	本文创新性地使用带有注意力机制的深度学习模型（transformer）来建模tmEMG数据，以区分来自对照组、神经源性患者和睡眠呼吸暂停患者的肌电信号	研究数据集相对较小，可能影响模型的泛化能力	研究目的是通过深度学习技术提高睡眠呼吸暂停的诊断准确性	研究对象包括健康对照组、中度至重度阻塞性睡眠呼吸暂停（OSA）患者和肌萎缩侧索硬化症（ALS）患者	机器学习	睡眠呼吸暂停	跨膜肌电图（tmEMG）	transformer	肌电信号	177例经口肌电图记录，包括6名健康对照、5名中度至重度OSA患者和5名ALS患者
7448	2025-02-21	TPepPro: a deep learning model for predicting peptide-protein interactions 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae708 PMID:39585721	研究论文	本文提出了一种基于Transformer的深度学习模型TPepPro，用于预测肽-蛋白质相互作用	TPepPro结合了局部蛋白质序列特征提取和全局蛋白质结构特征提取的策略，并优化了结构特征神经网络的架构，显著减少了计算资源的需求	NA	开发一种高效预测肽-蛋白质相互作用的模型，以支持氨基酸药物的应用	肽-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列和结构特征	19,187对肽-蛋白质复合物
7449	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
7450	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
7451	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
7452	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
7453	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
7454	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
7455	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
7456	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
7457	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
7458	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
7459	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
7460	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）