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
8301	2025-02-05	Development of a deep learning-based 1D convolutional neural network model for cross-species natural killer T cell identification using peripheral blood mononuclear cell single-cell RNA sequencing data 2024-Dec, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2024.2846-2857 PMID:39897371	研究论文	本研究开发了一种基于一维卷积神经网络（1DCNN）的模型，用于跨物种识别自然杀伤T细胞（NKT细胞），并利用单细胞RNA测序数据验证了其有效性	首次将1DCNN模型应用于跨物种NKT细胞的识别，并成功识别了人类、犬类和猪类PBMC数据集中的NKT细胞	需要进一步的研究来验证这些发现，并且模型的泛化能力尚未在其他细胞类型上得到验证	开发一种能够跨物种识别NKT细胞的深度学习模型，并探索其在不同物种中的免疫功能基因	人类、犬类和猪类的外周血单核细胞（PBMC）中的NKT细胞	机器学习	NA	单细胞RNA测序（scRNA-Seq）	1DCNN	RNA测序数据	人类、犬类和猪类的PBMC数据集
8302	2025-02-05	Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data 2024-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.05.606654 PMID:39149252	研究论文	本文提出了一种利用空间分辨转录组数据注释病理图像的新方法，并开发了一个名为STpath的迁移学习神经网络模型，用于预测细胞类型比例或分类肿瘤微环境	利用空间分辨转录组数据注释病理图像，开发了STpath模型，解决了病理图像标注数据稀缺的问题	训练数据有限，可能影响模型的泛化能力	提高病理图像分析的准确性和效率，辅助病理学家进行诊断	乳腺癌数据集中的病理图像和空间分辨转录组数据	数字病理学	乳腺癌	空间分辨转录组数据	迁移学习神经网络模型（STpath）	图像和转录组数据	三个不同的乳腺癌数据集
8303	2025-02-05	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文介绍了一种使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像的方法，简化了厚样本（如整个哺乳动物细胞）的成像和分析流程	提出了使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像，避免了传统方法中需要多片层采集和后处理拼接的复杂性	尽管该方法简化了成像和分析流程，但在厚样本中的应用仍需进一步验证其分辨率和成像速度的优化	研究目的是开发一种简化3D超分辨率成像的方法，以获取厚样本（如整个哺乳动物细胞）的纳米级结构信息	研究对象包括荧光珠和哺乳动物细胞（U-2 OS细胞）中的核层蛋白lamin B1	生物医学成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像	深度学习算法	图像	荧光珠和U-2 OS细胞
8304	2025-02-05	A Systematic Review of Artificial Intelligence Models for Time-to-Event Outcome Applied in Cardiovascular Disease Risk Prediction 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02087-7 PMID:39028429	系统综述	本文系统综述了人工智能模型在心血管疾病风险预测中的应用，特别是针对时间到事件结果的处理	首次系统评估了处理右删失数据的人工智能模型在心血管疾病风险预测中的应用，并强调了社会健康决定因素和性别分层的重要性	只有少数研究纳入了广泛的社会健康决定因素，且仅五分之一的研究进行了性别分层分析	评估和比较机器学习和深度学习模型在心血管疾病风险预测中的效果	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	随机生存森林（RSF）、生存梯度提升模型、惩罚Cox模型、DeepSurv	生存数据	33项研究
8305	2025-02-05	Artificial intelligence in suicide prevention: Utilizing deep learning approach for early detection 2024 Jul-Dec, Industrial psychiatry journal DOI:10.4103/ipj.ipj_20_24 PMID:39898082	研究论文	本文介绍了一种利用人工神经网络（ANN）架构的人工智能模型，用于预测有自杀倾向的学生，旨在通过技术手段早期识别并干预	首次将人工神经网络应用于学生自杀风险的早期预测，并通过严格的超参数优化和统计指标评估模型性能	模型训练和测试数据为虚构和模拟的，未来需要真实世界的数据验证和模型优化	构建一个AI模型，用于早期识别有自杀倾向的学生，以便及时干预	面临考试压力的学生	机器学习	心理健康	人工神经网络（ANN）	ANN	虚构和模拟的学生档案数据	NA
8306	2025-02-05	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文提出了一种结合数学模型和深度强化学习（DRL）的个性化自适应治疗策略，用于优化前列腺癌的治疗方案	创新点在于将深度强化学习应用于自适应药物调度，并展示了其在数学模型校准的前列腺癌动态中优于现有自适应协议的表现	本文的局限性在于未明确提及在实际临床环境中的验证情况，且未详细讨论模型的泛化能力	研究目的是通过深度强化学习优化自适应治疗策略，以延迟或预防肿瘤进展	研究对象为前列腺癌患者及其肿瘤动态	机器学习	前列腺癌	深度强化学习（DRL）	DRL	数学模型数据	未明确提及样本量
8307	2025-02-05	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	本文提出了一种基于深度学习的计算方法，用于重建无标记和荧光标记的光谱单分子定位显微镜（sSMLM）成像数据	开发了一种名为DsSMLM的双网络模型深度学习算法，用于重建sSMLM数据，并在多种样本上进行了验证	未明确提及具体局限性	开发一种新的计算方法，利用深度学习重建sSMLM成像数据，以实现纳米级的亚细胞结构可视化	无标记的单链DNA纤维、荧光标记的组蛋白标记物、COS-7和U2OS细胞、合成DNA折纸纳米尺	计算机视觉	NA	光谱单分子定位显微镜（sSMLM）	深度学习（双网络模型）	图像	多种样本，包括单链DNA纤维、COS-7和U2OS细胞、合成DNA折纸纳米尺
8308	2025-02-05	Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250490 PMID:37028335	研究论文	本文提出了一种名为ME-Mixer的新型特征探索网络，用于高性能疾病诊断	ME-Mixer网络结合了监督和无监督特征，利用流形嵌入网络提取类区分特征，并通过MLP-Mixer进行全局接收场编码，增强了特征探索能力	尽管在计算复杂度可接受的情况下提高了分类准确性，但未提及对数据量的需求或模型在其他数据集上的泛化能力	优化深度神经网络设计，以提高疾病诊断的性能	医学数据集	计算机视觉	NA	深度学习	CNN, MLP-Mixer	图像	两个医学数据集
8309	2025-02-05	A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635138 PMID:39886655	研究论文	本文提出了一种基于凸压缩性启发的无监督损失函数，用于物理驱动的深度学习重建	提出了一种新的凸损失函数，用于评估输出图像的可压缩性，并在多种设置下评估重建质量	未提及具体局限性	改进快速MRI扫描的重建质量	MRI扫描图像	机器学习	NA	深度学习	PD-DL网络	图像	NA
8310	2025-02-05	Systemic lupus in the era of machine learning medicine 2024-Mar-04, Lupus science & medicine IF:3.7Q1 DOI:10.1136/lupus-2023-001140 PMID:38443092	综述	本文讨论了机器学习方法如何迅速融入系统性红斑狼疮（SLE）研究领域，并概述了当前的研究空白、挑战和机遇	机器学习方法为研究SLE这一多因素、高度异质性和复杂的疾病提供了新的可能性，特别是在疾病发病机制、早期诊断和预后方面的应用	大多数预测模型在临床采用前仍需外部验证，且需要更多关于人工智能在医学中使用的伦理、治理和法规的意识	探讨机器学习在SLE研究中的应用，包括疾病发病机制、早期诊断和预后	系统性红斑狼疮（SLE）	机器学习	系统性红斑狼疮	监督学习和无监督学习	深度学习模型	大数据集	NA
8311	2025-02-05	Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2024-Feb-19, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03910-w PMID:38373931	研究论文	本研究旨在评估四种深度学习模型在外部牙根吸收（ERR）识别中的表现，并探讨结合特征选择技术（FST）对模型识别能力的影响	结合特征选择技术与深度学习模型，提高了外部牙根吸收识别的准确性	研究仅基于模拟的外部牙根吸收数据，未涉及真实临床数据	评估深度学习模型在外部牙根吸收识别中的表现，并探讨特征选择技术对模型性能的影响	88颗拔除的前磨牙	计算机视觉	牙科疾病	Cone beam CT	Random Forest (RF) + Visual Geometry Group 16 (VGG), RF + EfficienNetB4 (EFNET), Support Vector Machine (SVM) + VGG, SVM + EFNET	图像	88颗前磨牙
8312	2025-02-05	Improving deep learning protein monomer and complex structure prediction using DeepMSA2 with huge metagenomics data 2024-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02130-4 PMID:38167654	研究论文	本文介绍了DeepMSA2管道，利用基因组和宏基因组序列数据库进行迭代比对搜索，显著提高了蛋白质三级和四级结构预测的准确性	DeepMSA2通过平衡的比对搜索和有效的模型选择，结合庞大的宏基因组数据库，显著提升了蛋白质结构预测的准确性	未明确提及具体限制	提高深度学习蛋白质单体及复合物结构预测的准确性	蛋白质单体和复合物结构	机器学习	NA	宏基因组测序	深度学习	序列数据	大规模基准测试
8313	2025-02-05	MyoV: a deep learning-based tool for the automated quantification of muscle fibers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad528 PMID:38271484	研究论文	本文介绍了一种名为MyoV的深度学习工具，用于自动量化肌肉纤维	MyoV工具通过结合卷积神经网络、残差网络和特征金字塔网络，实现了对不同大小和年龄肌肉纤维的自动处理，并在量化性能上超越了手动方法和常用算法	NA	开发一种自动化工具，用于准确量化肌肉纤维，以支持生物医学研究和肉类生产	肌肉纤维	计算机视觉	NA	深度学习	CNN, 残差网络, 特征金字塔网络	图像	超过660,000个手动和半自动标记的肌肉纤维，以及超过400,000个全片图像中的肌肉纤维
8314	2025-02-05	Multi-modal features-based human-herpesvirus protein-protein interaction prediction by using LightGBM 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae005 PMID:38279649	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8315	2025-02-05	Recognition of rare antinuclear antibody patterns based on a novel attention-based enhancement framework 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad531 PMID:38279651	研究论文	本文介绍了一种基于注意力机制的增强框架，用于识别ANA间接免疫荧光图像中的罕见抗核抗体模式	首次专门针对罕见ANA模式的识别进行研究，并引入了注意力机制以加速神经网络的学习过程，提取更本质和独特的特征	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高罕见抗核抗体（ANA）模式的识别精度，以辅助临床实验室的常规ANA筛查	ANA间接免疫荧光图像	计算机视觉	NA	深度学习	注意力机制增强的神经网络	图像	未提及具体样本数量
8316	2025-02-05	scMMT: a multi-use deep learning approach for cell annotation, protein prediction and embedding in single-cell RNA-seq data 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad523 PMID:38300515	研究论文	本文提出了一种名为scMMT的监督学习方法，用于单细胞RNA测序数据中的细胞注释、蛋白质预测和嵌入	提出了一种新的特征提取技术，并构建了一个基于GradNorm方法的多任务学习框架，以增强对具有相似分子特征但功能不同的免疫细胞的识别，并减少标签噪声对模型精度的影响	NA	提高单细胞RNA测序数据中细胞类型注释的准确性，以促进生物学和医学研究，特别是在理解疾病进展和肿瘤微环境方面	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	多任务学习框架	RNA测序数据	多个公共数据集
8317	2025-02-05	Deqformer: high-definition and scalable deep learning probe design method 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae007 PMID:38305453	研究论文	本研究提出了一种名为Deqformer的深度学习模型，用于准确预测探针覆盖深度，以提高目标富集测序技术的性能	Deqformer模型首次结合了Watson-Crick碱基配对原理和两个BERT编码器，分别从正向和反向探针链中捕获信息，并通过前馈网络进行精确预测	尽管在多个数据集上表现出色，但Deqformer在不同类型探针面板上的泛化能力仍需进一步验证	提高探针设计的效率和有效性，以优化目标富集测序技术的性能	探针覆盖深度的预测	机器学习	NA	目标富集测序技术	BERT编码器 + 前馈网络	序列数据	四个数据集：SNP面板（38,200探针）、lncRNA面板（2,000探针）、合成面板（5,899探针）和HD-Marker面板（11,000探针）
8318	2025-02-05	ChemMORT: an automatic ADMET optimization platform using deep learning and multi-objective particle swarm optimization 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae008 PMID:38385872	研究论文	本文介绍了一个名为ChemMORT的自动ADMET优化平台，该平台利用深度学习和多目标粒子群优化技术来优化药物的吸收、分布、代谢、排泄和毒性（ADMET）特性	ChemMORT平台结合了深度学习与多目标粒子群优化策略，实现了药物ADMET特性的高效优化，同时保持生物活性，这在药物设计中是一个创新点	尽管ChemMORT在ADMET优化方面表现出色，但其在广泛化学空间中的应用仍需进一步验证，且依赖于有限的专家知识	开发一个自动化的平台，用于优化药物的ADMET特性，以提高药物开发的成功率	药物的ADMET特性	机器学习	NA	深度学习，多目标粒子群优化	NA	分子结构数据	NA
8319	2025-02-05	ADH-Enhancer: an attention-based deep hybrid framework for enhancer identification and strength prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae030 PMID:38385876	研究论文	本文提出了一种基于注意力机制的深度混合框架ADH-Enhancer，用于增强子识别和强度预测	该框架采用语言建模策略将DNA序列转换为统计特征空间，并结合卷积神经网络和注意力机制的优势，提出了一种新颖的分类器	未明确提及具体局限性	加速和促进与增强子识别和强度预测相关的研究	DNA序列中的增强子	生物信息学	血友病、膀胱癌、糖尿病、先天性疾病	语言建模、深度学习	卷积神经网络（CNN）、注意力机制	DNA序列	未明确提及具体样本数量
8320	2025-02-05	A comprehensive computational benchmark for evaluating deep learning-based protein function prediction approaches 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae050 PMID:38388682	研究论文	本文介绍了一个名为BeProf的综合基准，用于评估基于深度学习的蛋白质功能预测方法	提出了一个新的综合评估指标，并设计了八个应用场景来评估现有方法的性能	未明确提及具体局限性	评估和比较不同的计算蛋白质功能预测方法，以确定每种算法在特定情况下的适用性	蛋白质功能预测方法	生物信息学	NA	高通量测序技术	深度学习	生物数据	NA