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
8421	2025-01-19	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025-Jan-17, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的应用和技术	提供了最新的基于AI的口腔癌检测方法分析，包括使用卷积神经网络的深度学习模型和机器学习算法	未提及具体的研究局限性	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	计算机视觉	口腔癌	深度学习，卷积神经网络	CNN	图像	NA
8422	2025-01-19	GLAC-Unet: Global-Local Active Contour Loss with an Efficient U-Shaped Architecture for Multiclass Medical Image Segmentation 2025-Jan-17, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01387-9 PMID:39821780	研究论文	本文提出了一种新的损失函数GLAC（全局-局部主动轮廓损失），并结合改进的U-Net架构，用于多类医学图像分割	提出了GLAC损失函数，结合全局和局部图像特征，并改进了U-Net架构，包括引入Dense Layers、卷积块注意力模块和DropBlock，以提高分割精度	未明确提及具体局限性	开发一种新的损失函数和改进的U-Net架构，以提高多类医学图像分割的精度	医学图像，包括二维和三维图像，如皮肤镜、心脏磁共振成像和脑磁共振成像	计算机视觉	NA	深度学习	U-Net	图像	三个生物医学分割数据集，包括ISIC-2018、ACDC 2017和Infant Brain MRI Segmentation Challenge 2019
8423	2025-01-19	HCTTI: High-Performance Heterogeneous Computing Toolkit for Tissue Image Stain Normalization 2025-Jan-17, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01398-6 PMID:39821779	研究论文	本文介绍了一种高性能异构计算工具包HCTTI，用于组织图像染色标准化，旨在提高全片图像（WSI）分析的效率和深度学习分类的准确性	HCTTI是首个包含分布式WSI读取、标准化和序列化的综合工具包，相比现有工具如TIAToolbox，在标准化单个WSI时实现了13倍加速	尽管HCTTI在性能上有显著提升，但其在不同医院和实验室的广泛适用性仍需进一步验证	开发一种高性能工具包，以优化全片图像的读取、染色标准化和存储，从而提高深度学习在医学诊断中的应用效率	全片图像（WSI）	数字病理学	癌症	深度学习	NA	图像	NA
8424	2025-01-19	Utilizing a Novel Convolutional Neural Network for Diagnosis and Lesion Delineation in Colorectal Cancer Screening 2025-Jan-17, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01396-8 PMID:39821781	研究论文	本研究提出了一种创新的卷积神经网络模型，用于结直肠癌筛查中的癌症分类和病变区域的热图生成	该模型结合了并行的全局和局部特征提取分支以及独特的分类头，能够同时进行癌症分类和病变区域的热图生成	研究中使用的数据集仅来自四个医疗机构，可能限制了模型的泛化能力	提高结直肠癌筛查的效率和准确性	结直肠癌筛查图像	计算机视觉	结直肠癌	深度学习	CNN	图像	8260张来自四个医疗机构的筛查图像
8425	2025-01-19	Prognostic value of manual versus automatic methods for assessing extents of resection and residual tumor volume in glioblastoma 2025-Jan-17, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.8.JNS24415 PMID:39823581	研究论文	本研究比较了手动与自动方法在评估胶质母细胞瘤切除范围和残留肿瘤体积中的预后价值	使用Raidionics软件进行自动分割，并与传统手动方法进行预后价值比较	未发现全切除与近全切除（90%-99%）之间的显著预后差异	比较手动与自动评估胶质母细胞瘤切除范围和残留肿瘤体积的预后价值	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习模型	Cox回归模型	图像	来自欧洲和北美12家医院的成年胶质母细胞瘤患者
8426	2025-01-19	TopoQual polishes circular consensus sequencing data and accurately predicts quality scores 2025-Jan-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06020-0 PMID:39815230	研究论文	本文介绍了TopoQual，一种新工具，旨在提高PacBio HiFi测序数据的碱基质量预测准确性	TopoQual利用部分顺序比对（POA）、拓扑并行碱基和深度学习算法来优化共识序列，显著提高了PacBio共识序列的准确性	当前HiFi技术在单读体细胞变异调用时的质量评分准确性存在局限	提高PacBio HiFi测序数据的碱基质量预测准确性，以增强体细胞变异调用的可靠性	PacBio HiFi测序数据	基因组学	NA	PacBio HiFi测序	深度学习算法	测序数据	NA
8427	2025-01-19	MultiChem: predicting chemical properties using multi-view graph attention network 2025-Jan-16, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00419-4 PMID:39815309	研究论文	本文介绍了一种名为MultiChem的多视图图注意力网络模型，用于预测化学化合物的分子特性	MultiChem模型通过结合局部和全局结构特征，利用图注意力层和多头注意力层来有效捕捉化学化合物的关键结构信息，相比现有方法在AUROC和RMSE上分别有3%和7%的提升	未明确提及具体局限性	开发一种高效且成本效益高的计算方法，以预测化学化合物的分子特性，从而加速药物发现过程	化学化合物的分子特性	机器学习	NA	多视图学习模型	图注意力网络（GAT）	分子结构数据	九个MoleculeNet数据集
8428	2025-01-19	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中检测和分类儿童脑部疾病	使用多种先进的卷积神经网络模型（如EfficientNetB0、InceptionResNetV2等）进行儿童脑部疾病的预测，并结合数据可视化技术提取感兴趣区域	未提及模型在实际临床环境中的验证情况，可能缺乏对模型泛化能力的评估	开发一种高效且准确的AI驱动方法，用于儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	计算机视觉	儿童脑部疾病	深度学习	CNN（包括EfficientNetB0、InceptionResNetV2等）	MRI图像	未提及具体样本数量
8429	2025-01-19	Evaluating the feasibility of AI-predicted bpMRI image features for predicting prostate cancer aggressiveness: a multi-center study 2025-Jan-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01865-8 PMID:39812752	研究论文	本研究评估了利用人工智能预测的双参数MRI图像特征预测前列腺癌侵袭性的可行性	使用深度学习放射组学模型从bpMRI图像中提取特征，预测前列腺癌的侵袭性，并展示了良好的外部验证能力	研究未提及模型在不同种族或地区患者中的适用性	评估AI预测的bpMRI图像特征在前列腺癌侵袭性预测中的可行性	878名前列腺癌患者	数字病理学	前列腺癌	双参数MRI (bpMRI)	深度学习放射组学模型	图像	878名前列腺癌患者，来自4家医院
8430	2025-01-19	Pervasive glacier retreats across Svalbard from 1985 to 2023 2025-Jan-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-55948-1 PMID:39814715	研究论文	本文利用深度学习生成的1985年至2023年间149个海洋终止冰川的124919个冰崩前沿位置数据，揭示了斯瓦尔巴群岛非涌浪冰川在过去38年中的普遍冰崩前沿退缩现象	首次使用深度学习技术大规模分析斯瓦尔巴群岛海洋终止冰川的冰崩前沿退缩，揭示了季节性周期和区域海洋变暖对冰崩前沿变化的显著影响	研究主要依赖于遥感数据和深度学习模型，可能忽略了局部地形和冰川内部动力学的复杂性	研究目的是理解和预测海洋终止冰川的冰崩前沿退缩行为，特别是季节性变化和年际变化对冰川质量损失的影响	斯瓦尔巴群岛的149个海洋终止冰川	地球科学	NA	深度学习	NA	遥感数据	149个海洋终止冰川的124919个冰崩前沿位置数据
8431	2025-01-19	Causality-driven candidate identification for reliable DNA methylation biomarker discovery 2025-Jan-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56054-y PMID:39814752	研究论文	本文提出了一种因果关系驱动的深度正则化框架，用于可靠地识别DNA甲基化生物标志物候选池	结合因果思维、深度学习和生物学先验知识，通过对比方案和空间关系正则化处理非因果混杂因素，减少个体特征和噪声的干扰	未提及具体局限性	实现可靠的DNA甲基化生物标志物候选池识别，促进资源高效的生物标志物发现	DNA甲基化生物标志物	生物信息学	多种人类疾病	DNA甲基化测序	深度学习	DNA甲基化数据	涉及多种人类疾病、样本来源和测序技术的应用
8432	2025-01-19	Fast and accurate deep learning scans for signatures of natural selection in genomes using FASTER-NN 2025-Jan-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07480-7 PMID:39814854	研究论文	本文介绍了一种名为FASTER-NN的卷积神经网络分类器，专门用于精确检测自然选择的特征	FASTER-NN通过扩张卷积处理等位基因频率和基因组位置，最大化数据重用，执行时间与样本大小和染色体长度无关，适合大规模全基因组扫描，并能准确识别重组热点中的选择性清除	NA	开发一种用于检测自然选择特征的深度学习分类器	基因组中的自然选择特征	机器学习	NA	深度学习	CNN	基因组数据	NA
8433	2025-01-19	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	本研究介绍了一种新颖的精准优先综合信息提取和选择程序，旨在提高中医系统评价中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）与布尔逻辑算法及扩展检索策略，实现了自动且准确的证据选择，减少了人工干预	该方法的全部潜力需要进一步验证	提高中医系统评价和临床指南中证据选择的效率和准确性	中医相关的系统评价文献	自然语言处理	NA	深度学习模型（Evi-BERT）与布尔逻辑算法	Evi-BERT	文本	十篇高质量的中医相关系统评价文献
8434	2025-01-19	Signatures of H3K4me3 modification predict cancer immunotherapy response and identify a new immune checkpoint-SLAMF9 2025-Jan-15, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-03093-6 PMID:39815269	研究论文	本研究通过分析H3K4me3修饰与抗肿瘤免疫的关系，构建了一个预测癌症免疫治疗反应的H3K4me3风险评分系统，并发现SLAMF9在免疫抑制和免疫治疗抵抗中的关键作用	首次构建了基于H3K4me3修饰模式的癌症免疫治疗反应预测系统，并发现SLAMF9作为新的免疫检查点在癌症免疫调节和治疗中的潜在作用	研究主要基于生物信息学分析，实验验证部分仅限于小鼠黑色素瘤模型，需要进一步在更多癌症类型和临床样本中验证	探索H3K4me3修饰与抗肿瘤免疫的关系，并开发预测癌症免疫治疗反应的生物标志物系统	肺癌腺癌（LUAD）患者及多种癌症类型的样本	生物信息学	肺癌	深度学习分析	NA	基因表达谱	12,159个癌症样本（26种癌症类型）和725个癌症样本（5个免疫治疗队列）
8435	2025-01-19	Artificial Intelligence in Computer-Aided Drug Design (CADD) Tools for the Finding of Potent Biologically Active Small Molecules: Traditional to Modern Approach 2025-Jan-15, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073334062241015043343 PMID:39819404	综述	本文探讨了人工智能在计算机辅助药物设计（CADD）中的应用，特别是小分子药物的发现	本文强调了人工智能、生物信息学和数据科学在加速药物发现、降低成本和减少动物实验需求方面的作用，并讨论了深度学习在配体性质和靶标活性预测中的进展	本文未具体提及研究中使用的数据集或样本量，也未详细讨论AI模型的具体局限性	研究目的是探讨人工智能在药物发现和开发中的作用，特别是如何加速高效、靶向特异性药物的发现	研究对象是小分子药物及其与生物分子靶标的相互作用	药物发现	NA	结构基于虚拟筛选（SBVS）、深度学习（DL）	深度学习（DL）	分子性质数据、靶标结合数据、3D结构数据	NA
8436	2025-01-19	BioStructNet: Structure-Based Network with Transfer Learning for Predicting Biocatalyst Functions 2025-Jan-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01391 PMID:39705058	研究论文	本文介绍了BioStructNet，一种基于结构的深度学习网络，用于预测生物催化剂功能，通过整合蛋白质和配体结构数据来捕捉酶-底物相互作用的复杂性	BioStructNet结合了蛋白质和配体结构数据，并采用迁移学习优化小数据集的预测精度，提高了生物催化活性预测的准确性	特定酶功能（如转化效率和立体选择性）的数据可用性有限，影响了预测精度	开发一种深度学习模型，用于预测生物催化剂的功能，以加速工业用功能酶的发现	酶-底物相互作用	机器学习	NA	深度学习，迁移学习	深度学习网络	蛋白质和配体结构数据	使用CalB数据集进行案例研究
8437	2025-01-19	DANTE-CAIPI Accelerated Contrast-Enhanced 3D T1: Deep Learning-Based Image Quality Improvement for Vessel Wall MRI 2025-Jan-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8424 PMID:39038956	研究论文	本文探讨了深度学习去噪算法在加速、血液抑制后的颅内血管壁MRI（IVW）中的应用，以提高图像质量并缩短扫描时间	首次将深度学习去噪算法应用于DANTE-CAIPI-SPACE加速和血液抑制的IVW，显著减少了动脉和静脉流动伪影，并在较短的扫描时间内提高了信噪比（SNR）	研究样本量较小（64名患者），且未进行长期随访以评估该技术的临床效果	提高加速和血液抑制后的颅内血管壁MRI（IVW）的图像质量，减少伪影并提高信噪比（SNR）	64名连续接受IVW扫描的患者	医学影像	NA	深度学习去噪算法	深度卷积网络（DCNN）	MRI图像	64名患者
8438	2025-01-19	Deep Learning-Based Super-Resolution Reconstruction on Undersampled Brain Diffusion-Weighted MRI for Infarction Stroke: A Comparison to Conventional Iterative Reconstruction 2025-Jan-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8482 PMID:39779291	研究论文	本研究比较了基于深度学习的超分辨率重建与传统压缩感知重建在脑部扩散加权磁共振成像（DWI）中对梗死性卒中的图像质量和诊断信心的影响	首次将深度学习技术应用于脑部DWI的超分辨率重建，以提高梗死性卒中的诊断信心	研究为回顾性设计，样本量相对较小（114例），且未涉及其他类型的卒中	评估深度学习超分辨率重建在脑部DWI中对梗死性卒中的图像质量和诊断信心的提升效果	114名接受脑部DWI检查的参与者	医学影像	梗死性卒中	深度学习超分辨率重建	深度学习模型	磁共振成像（MRI）图像	114名参与者
8439	2025-01-19	Evaluating CNN Architectures for the Automated Detection and Grading of Modic Changes in MRI: A Comparative Study 2025-Jan, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.14280 PMID:39638639	研究论文	本研究开发并评估了卷积神经网络（CNN）在检测和分级Modic变化（MCs）中的性能，并与初级医生的表现进行了比较	首次使用CNN自动检测和分级Modic变化，并验证了AI辅助对初级医生诊断一致性的提升	样本量相对较小，且数据来源仅限于特定品牌的MRI扫描仪	开发并验证CNN在MRI图像中自动检测和分级Modic变化的性能	139名患者的MRI图像	计算机视觉	脊柱疾病	MRI	CNN, YOLOv8, YOLOv5	图像	139名患者的MRI图像（109名来自Philips扫描仪，30名来自Philips和United Imaging扫描仪）
8440	2025-01-19	An ensemble deep learning framework for energy demand forecasting using genetic algorithm-based feature selection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310465 PMID:39813218	研究论文	本文提出了一种集成深度学习方法，通过遗传算法优化特征选择，用于能源需求预测	结合遗传算法与多种预测模型（LSTM、BiLSTM、GRU），并使用堆叠集成技术生成最终预测，同时将数据集分为工作日和周末子集以进行更详细的分析	未提及模型在其他数据集或不同地理区域的泛化能力	提高能源需求预测的准确性和鲁棒性	历史能源消耗、天气变量和时间特征	机器学习	NA	遗传算法、堆叠集成技术	LSTM、BiLSTM、GRU	时间序列数据	未明确提及具体样本数量，但进行了十次模拟