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
7761	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
7762	2025-02-16	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-Nov-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	本文提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测，旨在改进现有深度学习模型在药物设计中的应用	Interformer模型基于Graph-Transformer架构，利用交互感知的混合密度网络捕捉非共价相互作用，并引入负采样策略以校正亲和力预测中的交互分布	未明确提及具体局限性	改进蛋白质-配体对接和亲和力预测的深度学习模型，以支持基于结构的药物设计	蛋白质-配体复合物	机器学习	NA	深度学习	Graph-Transformer	分子结构数据	广泛使用的数据集和内部数据集
7763	2025-02-16	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	本文介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于基因组学中的不确定性感知模型，同时捕捉预测的平均值和变异性	未明确提及具体局限性	提高深度神经网络在基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络（DNNs）	DEGU（集成学习和知识蒸馏模型）	基因组学数据	NA
7764	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
7765	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
7766	2025-02-16	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习和生成对抗网络，对45至85岁无认知障碍个体的脑部结构变化进行分组，并探讨这些分组与遗传、生物医学指标及认知衰退轨迹的关系	首次使用生成对抗网络进行半监督聚类分析，识别出无认知障碍个体中三种不同的脑老化模式，并揭示其与遗传、心血管风险因素及未来认知衰退的关联	研究依赖于特定数据集（iSTAGING国际联盟），可能限制了结果的普适性；此外，研究未涵盖所有可能的神经病理过程	探索无认知障碍个体中脑部结构变化的异质性，以揭示神经退行性疾病早期阶段的潜在机制	45至85岁无认知障碍的个体	数字病理	老年疾病	深度学习、生成对抗网络（GAN）	GAN	脑部影像数据	27,402名无认知障碍个体
7767	2025-02-16	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型	构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络	现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题	探索三叉神经痛的病理生理学并开发有效的镇痛药物	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络（TNPAN）	图像	NA
7768	2025-02-16	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据	提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题	提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策	直肠癌患者	数字病理	直肠癌	MRI（磁共振成像）	nnUNet, MLNet, 3D ResNet10	图像	509名患者，来自9个中心
7769	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量
7770	2025-02-16	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本文开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	提出了一种新的半监督学习框架下的深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上进行了验证	模型依赖于出院摘要的质量和完整性，且需要进一步的临床验证以确保其在不同医疗环境中的普适性	开发自动化工具以评估和提高HFrEF患者的护理质量	HFrEF患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本	13,251份笔记，来自5,392名独特个体（平均年龄73±14岁，48%为女性），包括2,487名HFrEF患者（46.1%）
7771	2025-02-16	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	研究论文	本文提出了一种基于图神经网络（GNN）的深度学习方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	将缺失测量值的估算问题重新定义为预测任务，并通过图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享一些ROI测量值	解决结构MRI数据集中特定大脑区域兴趣（ROI）测量值缺失的问题，以支持机器学习模型的训练	大脑区域兴趣（ROI）的测量值	机器学习	NA	图神经网络（GNN）	GNN	MRI图像数据	ABCD数据集（N=3760，最小年龄12岁）和NCANDA数据集（N=540）
7772	2025-02-16	Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice 2022-03-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29236-1 PMID:35318318	研究论文	本文介绍了一种深度学习辅助的双光子纤维镜技术，用于在自由行为的小鼠中进行视频速率的大脑成像	开发了高速扫描器和降采样方案以提高成像速度，并引入了深度学习算法以恢复图像质量，实现了在自由行为小鼠中进行高分辨率、高速度（26 fps）的成像	目前的技术仍受限于光机械尺寸和重量的限制	提高双光子纤维镜的成像速度，以更好地理解神经活动模式与行为之间的关系	自由行为的小鼠	计算机视觉	NA	双光子纤维镜成像	深度学习算法	视频	自由行为的小鼠
7773	2025-02-16	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织	开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像	研究为回顾性研究，样本量相对较小（62名患者）	开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔	62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI	计算机视觉	癫痫	MRI	U-Net	图像	62名颞叶癫痫患者和40名对照受试者
7774	2025-02-16	Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions? 2021-10-19, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000012696 PMID:34521690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7775	2025-02-15	A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R 2025-Feb-14, Multivariate behavioral research IF:5.3Q1 DOI:10.1080/00273171.2025.2455497 PMID:39949325	教程	本教程介绍了三种基于人工智能的面部情绪识别工具，并提供了示例代码，帮助研究人员设计、收集和分析情绪数据	提供了三种流行的人工智能情绪检测程序的详细比较和示例代码，旨在提高社会和行为科学文献中可解释人工智能的普及度	教程内容较为基础，可能不适合高级研究人员	介绍和比较三种基于人工智能的面部情绪识别工具，帮助研究人员快速上手	面部情绪识别工具	计算机视觉	NA	NA	深度学习, 机器学习	图像	NA
7776	2025-02-15	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Feb-14, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述和元分析	本文系统回顾并元分析了眼动追踪与人工智能在痴呆检测中的交叉应用	结合眼动追踪和人工智能技术进行痴呆检测，展示了高准确率、敏感性和特异性	样本量较小，缺乏标准化指南，且未涵盖所有痴呆类型	探讨眼动追踪与人工智能在痴呆检测中的应用效果	痴呆患者	人工智能	老年疾病	眼动追踪	机器学习和深度学习	眼动数据	57至583名参与者
7777	2025-02-15	Comparison of Deep Learning Models for Voice Disorder Classification Using Kymographic Images 2025-Feb-12, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.01.001 PMID:39947969	研究论文	本研究提出了一种基于深度学习的声门振动图分类方法，用于自动化分析声门振动模式中的细微变化	首次将深度学习模型应用于声门振动图的分类，以自动化分析声门振动模式中的病理变化	研究仅使用了BAGLS数据集，样本来源有限，可能影响模型的泛化能力	开发一种自动化工具，辅助临床医生诊断声音障碍	声门振动图	计算机视觉	声音障碍	深度学习	AlexNet, DenseNet121, Xception, Inceptionv3, ResNet50v2	图像	BAGLS数据集中的高速视频记录
7778	2025-02-15	Deep learning-based clustering for endotyping and post-arthroplasty response classification using knee osteoarthritis multiomic data 2025-Feb-12, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.01.012 PMID:39948003	研究论文	本文开发了一种基于多模态深度学习的框架，用于聚类来自三种生物流体的多组学数据，以识别不同的膝骨关节炎内型并分类全膝关节置换术后的疼痛/功能反应	创新点在于使用多模态深度学习框架整合多组学数据，识别膝骨关节炎的不同内型，并提高全膝关节置换术后反应的分类性能	研究样本量相对较小，且仅针对膝骨关节炎患者，可能限制了结果的普适性	研究目的是通过多模态深度学习聚类多组学数据，识别膝骨关节炎的不同内型，并分类全膝关节置换术后的疼痛/功能反应	研究对象为414名膝骨关节炎患者	机器学习	膝骨关节炎	microRNA测序和代谢组学	变分自编码器（VAE）与K-means聚类	多组学数据（代谢物和microRNA）	414名膝骨关节炎患者的血浆、滑液和尿液样本
7779	2025-02-14	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Feb-13, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中的噪声和运动伪影的方法	通过深度学习模型独立处理T1W、T2W和FLAIR序列，有效去除噪声和运动伪影，且不受成像方向和伪影方向的影响	研究仅基于20名健康志愿者的数据，样本量较小，且未涉及真实患者数据	提高脑部MRI的临床实用性，通过减少噪声和运动伪影来改善图像质量	脑部MRI图像（T1W、T2W和FLAIR序列）	计算机视觉	NA	深度学习	深度学习模型	图像	20名健康志愿者的脑部MRI图像，模拟生成的115200对图像用于训练、验证和测试
7780	2025-02-14	Improved segmentation of hepatic vascular networks in ultrasound volumes using 3D U-Net with intensity transformation-based data augmentation 2025-Feb-13, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03320-2 PMID:39939404	研究论文	本研究通过引入基于强度变换的数据增强方法，改进了使用3D U-Net进行肝脏血管网络的三维分割	提出了基于高对比度和低对比度强度变换的数据增强方法，显著提高了3D U-Net在肝脏血管网络分割中的性能	高对比度强度变换的数据增强方法降低了分割准确性，需要进一步优化	改进肝脏血管网络的三维分割，以支持超声介导的肝脏疾病诊疗	肝脏血管网络	计算机视觉	肝脏疾病	3D U-Net	3D U-Net	超声体积数据	78个超声体积数据