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
7781	2025-02-14	Simpler Protein Domain Identification Using Spectral Clustering 2025-Feb-13, Proteins IF:3.2Q2 DOI:10.1002/prot.26808 PMID:39945423	研究论文	本文介绍了一种名为SPECTRALDOM的新方法，用于简化蛋白质域识别，通过改进SPECTRUS算法，提高了单结构和同源结构集的分割质量	SPECTRALDOM在SPECTRUS算法的基础上增加了三个改进：1) 对于单结构，使用成对相互作用图拉普拉斯矩阵进行高质量分割；2) 对于同源结构集，引入多序列比对模式，结合序列和几何信息；3) 使用家族匹配算法分析聚类/域，处理碎片化问题	未明确提及具体局限性	改进蛋白质域识别方法，提高分割质量	蛋白质域	结构生物信息学	NA	谱聚类，弹性网络模型，多序列比对	NA	蛋白质结构数据	未明确提及具体样本数量
7782	2025-02-14	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2025-Feb-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	本文综述了化学计量学在食品微生物研究中的应用、原理及挑战，并探讨了其与多组学和生物信息学结合的未来发展	强调了化学计量学在食品微生物组学研究中的潜力，并提出了整合深度学习和人工智能算法以提高分析能力和预测精度的迫切需求	选择合适的化学计量工具并进行多组学数据融合分析仍是一个巨大挑战	揭示食品微生物在营养和安全中的功能属性和机制	食品微生物组	生物信息学	NA	多组学技术	深度学习（DL）和人工智能算法	多组学数据	NA
7783	2025-02-14	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-Feb-13, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	本文提出了一种新的方法，通过社交媒体检测抑郁和自杀倾向，解决了现有方法在变异性和模型泛化方面的挑战	提出了一种改进的Dwarf Updated Pelican优化算法（DU-POA），用于优化模型权重，显著提高了检测准确率	NA	通过社交媒体数据检测抑郁和自杀倾向	社交媒体数据	自然语言处理	精神疾病	TF-IDF, word2vec, 改进的LSTM	RNN, DBN, LSTM, 集成模型	文本	NA
7784	2025-02-14	A hitchhiker's guide to deep chemical language processing for bioactivity prediction 2025-Feb-12, Digital discovery IF:6.2Q1 DOI:10.1039/d4dd00311j PMID:39726698	研究论文	本文分析了化学语言处理（CLP）的关键要素，并为新人和专家提供了指导	提供了关于神经网络架构、分子表示和超参数优化的实用建议，强调了方法决策的重要性	NA	加速药物发现，特别是通过化学语言处理进行生物活性预测	分子字符串表示（如SMILES和SELFIES）	自然语言处理	NA	化学语言处理（CLP）	神经网络	分子字符串	十个生物活性数据集
7785	2025-02-14	Biophysics-guided uncertainty-aware deep learning uncovers high-affinity plastic-binding peptides 2025-Feb-12, Digital discovery IF:6.2Q1 DOI:10.1039/d4dd00219a PMID:39882101	研究论文	本文提出了一种结合生物物理建模、证据深度学习和元启发式搜索方法的新型框架，用于发现高亲和力的塑料结合肽，以应对微塑料污染问题	结合生物物理建模数据、证据深度学习的预测能力和不确定性量化，以及元启发式搜索方法，显著提高了塑料结合肽的发现效率和准确性	深度学习的预测并非总是准确，可能导致合成和评估假阳性肽的时间和金钱浪费	开发一种高效、低成本的方法来发现高亲和力的塑料结合肽，以解决微塑料污染问题	塑料结合肽（PBPs）	机器学习	NA	分子动力学模拟、证据深度学习、元启发式搜索方法	深度学习	实验数据、生物物理数据	超过10^12种12-mer肽的组合空间
7786	2025-02-14	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2025-Feb-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	本文提出了一种深度学习框架，用于从临床实践中获取的喉镜视频帧中估计声带姿态，以辅助诊断喉部疾病	该框架通过热图回归依赖三个解剖学相关的关键点作为前声门角度（AGA）计算的先验，克服了现有算法在病理图像、噪声和遮挡等挑战性图像中的缺点	NA	开发一种深度学习框架，用于从喉镜视频帧中准确估计声带姿态，以辅助诊断喉部疾病	声带姿态估计	计算机视觉	喉部疾病	深度学习	热图回归	视频帧	124名患者的471张喉镜帧，其中28名患者患有癌症
7787	2025-02-14	Multifactor prediction model for stock market analysis based on deep learning techniques 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88734-6 PMID:39934296	研究论文	本文提出了一种基于深度学习的多因素预测模型，用于分析股票市场的稳定性	使用sigmoid深度学习范式构建了一个基于矛盾因素的稳定性预测模型，能够识别不同影响因素对股票市场稳定性的影响	未提及具体的数据集或实验验证结果，可能缺乏实际应用的验证	研究股票市场的稳定性预测，以提高预测精度和识别市场突变	股票市场的稳定性及其影响因素	机器学习	NA	深度学习	sigmoid深度学习模型	股票市场数据	未提及具体样本数量
7788	2025-02-14	Deep-learning-ready RGB-depth images of seedling development 2025-Feb-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01334-3 PMID:39934882	研究论文	本文提出了一个独特的幼苗出苗动力学注释数据集，包含近70,000个RGB深度帧和超过700,000个植物注释	提供了一个独特的RGB深度图像数据集，用于训练深度学习模型并进行高通量表型分析，展示了该数据集在多种物种上的泛化能力并超越现有技术	讨论了该数据集在植物表型分析中引发的新问题，但未详细说明具体问题	旨在通过提供高质量的注释数据集，推动机器学习驱动的植物成像研究	幼苗出苗动力学	计算机视觉	NA	NA	深度学习模型	RGB深度图像	近70,000个RGB深度帧和超过700,000个植物注释
7789	2025-02-14	Chemically Informed Deep Learning for Interpretable Radical Reaction Prediction 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01901 PMID:39871741	研究论文	本文开发了一个基于分子轨道相互作用的预测框架，用于解释自由基反应的机制	提出了一个化学感知的深度学习模型，能够提供不同层次的解释性预测，并在自由基反应预测中达到了96%的准确率	模型依赖于RMechDB数据库，可能受限于数据库的覆盖范围和准确性	开发一个能够预测和解释自由基反应的深度学习框架	自由基反应的机制和产物	化学信息学	NA	深度学习	深度学习模型	化学反应数据	RMechDB数据库中的自由基反应步骤
7790	2025-02-14	Can Focusing on One Deep Learning Architecture Improve Fault Diagnosis Performance? 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02060 PMID:39883649	研究论文	本研究专注于单一深度学习架构，以评估其在故障诊断中的性能提升	通过专注于单一深度学习架构，而不是广泛评估多种模型，探索了深度学习方法在故障诊断中的潜力	研究仅基于Tennessee Eastman Process数据集，未在其他数据集上验证	评估专注于单一深度学习架构是否能够提升故障诊断的性能	Tennessee Eastman Process数据集	机器学习	NA	深度学习	卷积神经网络（CNN）	过程数据	NA
7791	2025-02-14	Robust pose estimation for non-cooperative space objects based on multichannel matching method 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89544-6 PMID:39930024	研究论文	本文提出了一种基于多通道匹配方法的非合作空间物体姿态估计框架，该框架不依赖于3D模型，适用于实例和类别级别的场景	提出了一种不依赖于3D模型的通用姿态估计流程，并设计了一个多通道匹配网络和三重损失函数来获取关键点匹配对，同时引入了动态关键帧池的姿态图优化算法以减少长期漂移误差	NA	提高非合作空间物体姿态估计的准确性和鲁棒性，以支持3D重建、卫星导航、交会对接和碰撞避免等空间任务	非合作空间物体	计算机视觉	NA	深度学习	多通道匹配网络	图像	包含9种不同类型的非合作目标的11,565个样本
7792	2025-02-14	AI-assisted computational screening and docking simulation prioritize marine natural products for small-molecule PCSK9 inhibition 2025-Feb-04, Current research in translational medicine IF:3.2Q2 DOI:10.1016/j.retram.2025.103498 PMID:39938184	研究论文	本文开发了一种基于AI的虚拟筛选管道，用于识别新型人类PCSK9抑制剂，以应对与Covid-19相关的心血管和中枢神经系统并发症	结合卷积神经网络深度学习模型、分子对接和分子动力学模拟，提出了一种多步骤的计算机筛选方法，用于发现新型PCSK9抑制剂	研究主要依赖于计算机模拟，缺乏实验验证	识别新型人类PCSK9抑制剂，以应对与Covid-19相关的心血管和中枢神经系统并发症	海洋天然产物	机器学习	心血管疾病	卷积神经网络、分子对接、分子动力学模拟	CNN	化学数据库	CMNPD数据库中的已知中枢神经系统、心血管和抗炎药物
7793	2024-08-07	Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01160-4 PMID:38864948	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7794	2025-02-14	STCNet: Spatio-Temporal Cross Network with subject-aware contrastive learning for hand gesture recognition in surface EMG 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109525 PMID:39674068	研究论文	本文介绍了一种名为STCNet的新型深度学习架构，专门用于跨多个受试者的表面肌电图（sEMG）中的手势识别，解决了受试者间变异性和环境因素（如电极移位和肌肉疲劳）带来的挑战	STCNet结合了卷积-循环架构和时空块，增强了空间和时间分析，并引入了滚动卷积技术以更有效地捕捉sEMG测量设备的固有空间关系，同时提出了基于受试者和手势标签信息的对比学习框架	未明确提及具体限制	提高跨多个受试者的表面肌电图手势识别的鲁棒性	表面肌电图（sEMG）数据	机器学习	NA	深度学习	卷积-循环架构（CNN-RNN）	表面肌电图（sEMG）信号	未明确提及具体样本数量
7795	2025-02-14	LeafDNet: Transforming Leaf Disease Diagnosis Through Deep Transfer Learning 2025-Feb, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70047 PMID:39943923	研究论文	本文介绍了一种创新的深度迁移学习方法，利用改进的Xception架构，专门用于识别玫瑰、芒果和番茄的植物病害	在基础Xception架构后增加了额外的卷积层，并结合多个可训练的密集层，采用先进的正则化和dropout技术，以优化特征提取和分类	NA	开发一种高效、准确的早期植物病害检测方法，以支持可持续农业实践	玫瑰、芒果和番茄的植物叶片	计算机视觉	植物病害	深度迁移学习	改进的Xception架构	图像	5491张图像，涵盖四种不同的病害类别
7796	2025-02-14	Spatial-temporal activity-informed diarization and separation 2025-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0035830 PMID:39945646	研究论文	本文提出了一种利用说话者时空活动的鲁棒多通道说话者分离和识别系统	系统采用混合架构，结合阵列信号处理单元和深度学习单元，提出了一种基于空间一致性矩阵的说话者识别方法和一种全局与局部活动驱动的说话者提取网络	未明确提及具体局限性	开发一种鲁棒的多通道说话者分离和识别系统	多通道音频信号中的说话者	自然语言处理	NA	深度学习，阵列信号处理	Encoder-Decoder-based Attractor network, Global and Local Activity-driven Speaker Extraction network	音频信号	未明确提及具体样本数量
7797	2025-02-14	Use of artificial intelligence to detect dental caries on intraoral photos 2025-Jan-30, Quintessence international (Berlin, Germany : 1985) DOI:10.3290/j.qi.b5857664 PMID:39601186	研究论文	本研究开发了一种基于多阶段深度学习的人工智能算法管道，用于定位单个牙齿并将每颗牙齿分类为不同龋齿等级	利用深度学习技术，首次在非临床环境中实现龋齿的早期检测，具有成本效益	后牙白斑位置的高变异性增加了检测难度，可能影响算法的准确性	开发一种成本效益高的人工智能工具，用于早期龋齿检测	龋齿	计算机视觉	龋齿	深度学习	多阶段深度学习管道	图像	50,179张口腔内牙齿照片
7798	2025-02-14	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jan-09, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	研究论文	本研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	首次在澳大利亚和新西兰的大规模多中心1型糖尿病患者数据上应用多种机器学习模型进行DKA和HbA1c>7%的预测，并评估了模型性能	研究仅基于澳大利亚和新西兰的数据，可能无法推广到其他地区的人群	预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	1型糖尿病患者	机器学习	糖尿病	机器学习	深度学习（DL）、支持向量机（SVM）	临床和人口统计学数据	13761名1型糖尿病患者
7799	2025-02-14	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	本文提出了一种名为MUsculo-Skeleton-Aware (MUSA)的深度学习框架，用于头颈部CT图像的可变形配准，通过利用多分辨率策略和骨骼结构与软组织之间的不均匀变形约束来引导配准	MUSA框架通过分解复杂变形为整体姿势变化和残余精细变形，解决了头颈部区域多尺度肌肉骨骼运动和软组织变形的挑战，提高了配准的准确性和变形的合理性	尽管MUSA框架在头颈部CT图像的配准中表现出色，但其在其他解剖部位或不同类型图像上的适用性尚未验证	研究目的是提高头颈部CT图像的可变形配准的准确性和变形的合理性	头颈部CT图像	计算机视觉	NA	深度学习	NA	CT图像	NA
7800	2025-02-14	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2025-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究通过使用合成的脑磁共振成像数据，系统地研究了卷积神经网络中层次偏差编码的机制，旨在理解医学图像分析模型中偏差的来源和影响	首次系统地研究了卷积神经网络中层次偏差编码的机制，并利用已知疾病和偏差效应的合成数据，量化了疾病相关信息和基于形态及强度的偏差在模型学习特征中的表现	研究依赖于合成数据，可能无法完全反映真实世界医学图像中的复杂偏差	理解医学图像分析模型中偏差的来源和影响，特别是卷积神经网络中的偏差编码机制	卷积神经网络在疾病分类中的应用	计算机视觉	NA	脑磁共振成像	卷积神经网络 (CNN)	图像	合成脑磁共振成像数据