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
7921	2025-02-09	Positional embeddings and zero-shot learning using BERT for molecular-property prediction 2025-Feb-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00959-9 PMID:39910649	研究论文	本研究探讨了在分子性质预测中使用BERT模型的位置嵌入（PEs）的潜力，特别是在化学文本分析任务中	探索了在BERT模型中整合位置信息的不同方法，并评估了这些方法在零样本学习分析中的潜力	研究主要集中在SMILES和DeepSMILES表示上，可能未涵盖所有分子表示方法	提高分子性质预测的准确性和泛化能力	化学结构表示和分子性质预测	自然语言处理	NA	BERT模型	BERT	文本（SMILES和DeepSMILES表示）	涉及COVID-19、生物测定数据及其他分子和生物性质的数据集
7922	2025-02-09	Deep Learning Predicts Non-Normal Transmission Distributions in High-Field Asymmetric Waveform Ion Mobility (FAIMS) Directly from Peptide Sequence 2025-Feb-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05359 PMID:39865577	研究论文	本文利用深度学习模型预测高场不对称波形离子迁移谱（FAIMS）中肽离子的非正态传输分布	首次成功建模肽离子在FAIMS中的迁移率，并采用多标签分类方案处理非正态传输分布	模型在某些情况下仍会出现错误，且需要进一步验证其在不同数据集上的泛化能力	提高基于质谱的蛋白质组学中肽离子迁移率的预测准确性，以加速检测方法开发和数据库搜索中的真阳性识别	人类肽前体	机器学习	NA	高场不对称波形离子迁移谱（FAIMS）	随机森林和长短期记忆（LSTM）神经网络	肽序列数据	超过100,000个人类肽前体，测试数据集包含近40,000个肽离子
7923	2025-02-09	Assessment of clinical feasibility:offline adaptive radiotherapy for lung cancer utilizing kV iCBCT and UNet++ based deep learning model 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14582 PMID:39611881	研究论文	本研究探讨了利用kV iCBCT和基于UNet++的深度学习模型进行肺癌离线自适应放疗的临床可行性	首次系统验证了基于UNet++深度学习模型和kV iCBCT的离线自适应放疗方案在肺癌治疗中的临床可行性	样本量相对较小，且仅针对肺癌患者进行研究，未涉及其他类型的癌症	评估基于kV iCBCT和UNet++深度学习模型的离线自适应放疗在肺癌治疗中的临床可行性	102名肺癌患者	数字病理	肺癌	kV iCBCT, 深度学习	UNet++	图像	102名肺癌患者（70名用于训练，15名用于测试，17名用于临床验证）
7924	2025-02-09	Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14602 PMID:39636019	研究论文	本文提出了一种基于频域聚合的个性化联邦学习框架（PAF-Fed），用于腹部多器官分割	PAF-Fed选择性地收集部分模型参数进行客户端间协作，保留其余参数以学习本地数据分布，并利用傅里叶变换与自注意力机制聚合参数的低频成分，促进共享知识的提取并解决统计异质性问题	NA	解决医学图像深度学习模型训练中数据隐私和标注工作量大的问题	腹部多器官分割	计算机视觉	NA	联邦学习（FL），傅里叶变换，自注意力机制	深度学习模型	磁共振成像（MRI），计算机断层扫描（CT）	CHAOS 2019数据集和私有CT数据集
7925	2025-02-09	BCDB: A dual-branch network based on transformer for predicting transcription factor binding sites 2025-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.12.006 PMID:39701486	研究论文	本文介绍了一种名为BCDB的双分支网络框架，基于Transformer，用于预测转录因子结合位点（TFBSs）	BCDB框架整合了多尺度DNA信息，采用双分支输出策略，结合DNABERT、卷积神经网络（CNN）和多头注意力机制，显著提高了预测准确性，并增强了模型的可解释性	模型在有限数据条件下的性能仍有待进一步验证	开发一种能够精确预测转录因子结合位点（TFBSs）的深度学习模型	转录因子结合位点（TFBSs）	自然语言处理	NA	深度学习	Transformer, CNN, 多头注意力机制	DNA序列数据	165个ChIP-seq数据集
7926	2025-02-09	Deepstack-ACE: A deep stacking-based ensemble learning framework for the accelerated discovery of ACE inhibitory peptides 2025-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.12.005 PMID:39709069	研究论文	本文提出了一种基于深度堆叠的集成学习框架Deepstack-ACE，用于精确识别ACE抑制肽	提出了一个新颖的深度堆叠集成学习框架，结合了多种深度学习方法和word2vec嵌入技术，显著提高了ACE抑制肽的识别准确性和鲁棒性	未提及具体的数据集大小或实验复杂性可能带来的限制	加速发现ACE抑制肽，为开发新药物提供指导	ACE抑制肽	机器学习	心血管疾病	word2vec嵌入技术	LSTM, CNN, MLP, GRU, RNN	序列数据	NA
7927	2025-02-09	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jan-29, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	研究论文	本研究探讨了生成式人工智能在医学影像中的应用，通过生成骨闪烁扫描图像来增加小规模数据集的多样性，以提高模型训练效果和泛化能力	利用生成式AI生成高质量的合成骨闪烁扫描图像，并通过增强数据集来提升深度学习模型的性能	研究仅在一个中心进行，且生成的合成数据仅代表两种特定疾病模式	解决医学影像中深度学习模型因数据有限而表现不佳的问题	骨闪烁扫描图像	医学影像	骨转移和心脏淀粉样变性	生成式AI	深度学习模型	图像	9,170名患者的99mTc骨闪烁扫描图像，以及7,472次扫描来自6,448名患者
7928	2025-02-09	Deep learning predicts DNA methylation regulatory variants in specific brain cell types and enhances fine mapping for brain disorders 2025-Jan-03, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adn1870 PMID:39742481	研究论文	本文介绍了一种基于Transformer的深度学习模型INTERACT，用于预测影响特定脑细胞类型DNA甲基化水平的调控变异	利用现有的单核DNA甲基化数据，INTERACT模型能够准确预测细胞类型特异的DNA甲基化谱，并增强对脑部疾病的精细定位	NA	研究旨在通过深度学习模型预测DNA甲基化调控变异，以增强对脑部疾病遗传基础的理解	特定脑细胞类型的DNA甲基化调控变异	机器学习	脑部疾病	单核DNA甲基化测序	Transformer	DNA甲基化数据	NA
7929	2025-02-09	Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae055 PMID:39563454	系统综述	本文总结了人工智能（AI）算法在磁共振成像（MRI）图像中用于颞下颌关节（TMJ）盘评估和TMJ内部紊乱诊断的性能的当前证据	本文首次系统综述了AI在TMJ MRI图像中的应用，特别是深度学习在TMJ结构分割和盘位置分类中的表现	研究之间存在高度异质性，特别是在患者选择方面，且需要更多多样性和多中心数据以提高模型的有效性和普适性	评估AI算法在TMJ MRI图像中用于诊断内部紊乱的性能	颞下颌关节（TMJ）的MRI图像	数字病理学	颞下颌关节紊乱	MRI	CNN	图像	13项研究
7930	2025-02-09	Physical-aware model accuracy estimation for protein complex using deep learning method 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.01.017 PMID:39916698	研究论文	本文提出了一种物理感知的深度学习方法DeepUMQA-PA，用于评估蛋白质复合物模型的残基质量	DeepUMQA-PA方法结合了Voronoi镶嵌、几何特征、蛋白质语言模型嵌入表示和基于知识的统计势特征，通过融合图神经网络和ResNet网络来估计残基模型精度	NA	准确评估蛋白质复合物模型的质量分数，独立于使用的预测方法	蛋白质复合物模型	生物信息学	NA	深度学习	图神经网络, ResNet	蛋白质结构数据	CASP15测试集
7931	2025-02-09	Vision transformer distillation for enhanced gastrointestinal abnormality recognition in wireless capsule endoscopy images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014505 PMID:39916992	研究论文	本文提出了一种利用卷积神经网络（CNN）教师模型向视觉变换器（ViT）学生模型进行知识蒸馏的深度学习方法，用于无线胶囊内窥镜（WCE）图像中的胃肠道异常识别	通过知识蒸馏（KD）从CNN教师模型到ViT学生模型，提高了胃肠道异常识别的准确性和计算效率	未提及具体的数据集局限性或模型在特定条件下的表现	开发计算机视觉辅助系统，以帮助医生更高效地诊断胃肠道异常	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	知识蒸馏（KD）	CNN, ViT	图像	Kvasir和KID数据集
7932	2025-02-09	The Role and Limitations of Artificial Intelligence in Combating Infectious Disease Outbreaks 2025-Jan, Cureus DOI:10.7759/cureus.77070 PMID:39917100	review	本文探讨了人工智能在传染病爆发管理中的多重应用及其局限性	本文综合分析了AI在疾病预测、诊断、药物发现和疫苗开发中的创新应用，并提出了克服当前局限性的途径	AI在疫情管理中的部署面临数据隐私、模型透明性和需要不断更新以适应新兴病原体等关键限制	研究AI在传染病爆发管理中的作用及其局限性	传染病爆发管理	machine learning	infectious disease	deep learning, reinforcement learning	NA	NA	NA
7933	2025-02-09	Role of Artificial Intelligence in the Assessment of Postoperative Pain in the Pediatric Population: A Systematic Review 2025-Jan, Cureus DOI:10.7759/cureus.77074 PMID:39917118	系统综述	本文系统综述了人工智能在评估儿童术后疼痛中的作用	首次系统性地评估了人工智能在儿童术后疼痛管理中的应用，填补了该领域的数据空白	现有研究多关注单一参数，且文献异质性较大，无法进行荟萃分析	探讨人工智能在预测和评估儿童术后疼痛中的应用	儿童术后疼痛	机器学习	儿科疾病	深度学习、机器学习	深度学习、机器学习	疼痛测量数据	4,470名儿科患者
7934	2025-02-09	De novo designed proteins neutralize lethal snake venom toxins 2024-May-17, Research square DOI:10.21203/rs.3.rs-4402792/v1 PMID:38798548	研究论文	本文利用深度学习方法设计蛋白质，以中和致命的蛇毒毒素	使用深度学习设计蛋白质，有效中和三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素，并展示了高热稳定性、高结合亲和力以及与计算模型的近原子级别一致性	实验筛选有限，需要进一步验证其广泛适用性和长期效果	开发新一代抗蛇毒疗法，以应对蛇咬伤这一被忽视的热带疾病	三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素	机器学习	蛇咬伤	深度学习	NA	蛋白质结构数据	小鼠模型
7935	2025-02-09	Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1 2024-Feb-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2023.10.039 PMID:38016472	研究论文	本文通过纵向单核RNA测序技术，研究了小鼠和人类脊髓小脑共济失调1型（SCA1）小脑组织中各细胞群在神经退行过程中的动态变化	首次定义了在Purkinje细胞丢失之前的精确转录变化，并识别了单极刷细胞和少突胶质细胞中的早期转录失调	NA	研究神经退行性疾病中不同细胞类型在疾病发生和进展中的作用	小鼠和人类SCA1小脑组织	数字病理学	神经退行性疾病	单核RNA测序	深度学习	RNA测序数据	NA
7936	2025-02-09	Ensemble Deep Learning Object Detection Fusion for Cell Tracking, Mitosis, and Lineage 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3288470 PMID:39906165	研究论文	本文提出了一种新的基于深度学习的细胞检测、跟踪和运动分析方法EDNet，用于细胞追踪、有丝分裂和谱系分析	EDNet采用集成方法进行2D细胞检测，其性能超越了单模型YOLO和FasterRCNN卷积神经网络，并在CTMCv1数据集上达到了最先进的性能	NA	提高细胞追踪和运动分析的准确性和效率，以促进生物医学研究和医学诊断的进展	细胞追踪、有丝分裂和细胞谱系	计算机视觉	NA	深度学习	EDNet, YOLO, FasterRCNN	图像	CTMCv1数据集
7937	2025-02-09	Deep learning in microbiome analysis: a comprehensive review of neural network models 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1516667 PMID:39911715	综述	本文综述了深度学习在微生物组分析中的应用，探讨了不同神经网络模型的优势、实际用途及对未来研究的影响	深度学习在微生物组研究中的创新应用，特别是在模式识别、特征提取和预测建模方面的显著能力	深度学习在微生物组研究中面临生物数据变异性的挑战，需要定制化方法以确保结果的稳健性和普适性	探讨深度学习在微生物组研究中的应用及其对健康、疾病和环境的影响	微生物组数据，包括不同类型的组学数据集	机器学习	NA	深度学习	神经网络	组学数据	NA
7938	2025-02-09	Artificial intelligence in dentistry and dental biomaterials 2024, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2024.1525505 PMID:39917699	综述	本文综述了人工智能（AI）在牙科和牙科生物材料中的应用，特别是修复牙科和修复学领域	介绍了AI在牙科诊断、治疗计划、结果预测和以患者为中心的护理中的互补作用，以及AI与数字成像和3D打印的整合	NA	概述AI及其在生物医学、牙科和牙科生物材料中的应用	牙科和牙科生物材料，特别是修复牙科和修复学	自然语言处理	NA	机器学习（ML）、深度学习（DL）、神经网络（NNs）	深度学习	图像	NA
7939	2025-02-09	Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287465 PMID:37967076	研究论文	本研究利用机器学习工具和GCMS技术，识别用于早期检测肝细胞癌和肝硬化的新型呼吸生物标志物	结合GCMS-SPME技术和创新的机器学习模型，自动从原始数据中发现挥发性有机化合物（VOCs），无需人工干预	使用气相色谱-质谱法（GC-MS）量化挥发性有机化合物（VOCs）耗时且容易出错，需要专家操作	提高肝细胞癌和肝硬化的早期诊断、治疗和生存率	肝细胞癌（HCC）、肝硬化患者和健康对照组的呼吸样本	机器学习	肝细胞癌	气相色谱-质谱法（GCMS）和固相微萃取（SPME）	深度学习模式识别	呼吸样本	35例HCC患者、35例肝硬化患者和30例健康对照组的呼吸样本
7940	2025-02-09	Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16452-1_28 PMID:39911317	研究论文	本文提出了一种新颖的上下文编码约束神经网络，用于单阶段颅骨标记和地标定位	设计并引入了一种新的上下文编码模块到U-Net架构中，并引入了一个新的辅助任务来建模不同解剖地标的相对空间配置	NA	提高颅骨分割和地标检测的准确性和效率	颅骨和颅骨地标	计算机视觉	NA	深度学习	U-Net	3D CT图像	274名儿童的3D CT图像数据集