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
8441	2025-01-22	Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway 2025-Jan, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70048 PMID:39834043	研究论文	本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果	首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制	研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证	阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制	慢性轻度应激（CMS）诱导的抑郁症模型大鼠	机器学习	抑郁症	机器/深度学习方法	NA	行为数据、蛋白质和mRNA表达数据	抑郁症模型大鼠
8442	2025-01-22	End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network 2025-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034857 PMID:39835828	研究论文	本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本	提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场	研究仍处于初期阶段，尚未在实际应用中广泛验证	预测水下声学传输损失，以应用于水下探测和实时水下监测等领域	水下声学传播	机器学习	NA	深度学习	U-Net	声学数据	NA
8443	2025-01-22	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	研究论文	本研究介绍了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病显著相关的遗传区域	Deep-Block框架结合了生物学知识，采用三阶段方法：基于连锁不平衡（LD）模式的基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化单核苷酸多态性（SNP）特征重要性	研究主要针对非西班牙裔白人参与者，可能限制了结果的普适性	识别与阿尔茨海默病显著相关的遗传区域	7,416名非西班牙裔白人参与者（3,150名认知正常的老年人，4,266名阿尔茨海默病患者）	机器学习	阿尔茨海默病	全基因组测序（WGS）	TabNet, 随机森林	基因组数据	7,416名非西班牙裔白人参与者
8444	2025-01-22	Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework 2024-Sep-25, ArXiv PMID:39398221	研究论文	本文介绍了一种名为DREME的框架，用于实时CBCT成像和运动估计，无需依赖患者特定的先验知识	DREME框架通过结合深度学习实时CBCT成像和运动估计方法，解决了传统方法中因先验信息过时而导致的成像和运动跟踪准确性问题	虽然DREME在数字幻影模拟和真实患者研究中表现出色，但其在更广泛临床环境中的应用仍需进一步验证	开发一种实时CBCT成像和运动估计框架，以改善放疗中的图像引导和在线治疗适应	CBCT成像和呼吸引起的解剖运动	医学影像	NA	深度学习，卷积神经网络	CNN	X射线投影图像	数字幻影模拟和真实患者研究
8445	2025-01-22	AxonFinder: Automated segmentation of tumor innervating neuronal fibers 2024-Sep-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611089 PMID:39282317	研究论文	本研究提出了一种基于深度学习的自动化轴突分割方法AxonFinder，用于前列腺肿瘤微环境中的轴突分割	利用U-Net模型与ResNet-101编码器结合的多重成像方法，实现了对不规则形态轴突的自动化分割	研究依赖于手动标注的轴突数据进行模型训练，可能存在标注误差	研究目的是通过自动化分割轴突，探索肿瘤神经支配与癌症进展之间的相关性	前列腺肿瘤微环境中的轴突	数字病理学	前列腺癌	多重成像	U-Net与ResNet-101编码器	全切片图像	来自低、中、高风险前列腺癌患者的全切片图像数据集
8446	2025-01-22	Linking disease activity with optical coherence tomography angiography in neovascular age related macular degeneration using artificial intelligence 2024-08-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70234-8 PMID:39164449	研究论文	本研究利用人工智能技术探讨了新生血管性年龄相关性黄斑变性（nAMD）患者疾病活动性与光学相干断层扫描血管成像（OCTA）参数之间的定量关联	首次使用深度学习算法（RetInSight）检测和量化SD-OCT上的黄斑液体，并评估其与OCTA参数的相关性	样本量相对较小（230例患者），且部分相关性未达到统计学显著性	探讨nAMD患者疾病活动性与OCTA参数之间的定量关联，以优化抗VEGF治疗策略	接受抗VEGF治疗的nAMD患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描血管成像（OCTA）	深度学习算法（RetInSight）	图像	230例患者
8447	2025-01-22	The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis 2024-Jul, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2024.105682 PMID:38781885	系统综述和荟萃分析	本文系统回顾和荟萃分析了基于MRI特征的AI算法在区分视神经脊髓炎谱系障碍（NMOSD）和多发性硬化症（MS）中的诊断性能	首次系统评估了AI模型在区分NMOSD和MS中的表现，并提供了基于MRI特征的诊断准确率、敏感性和特异性	研究结果受到MR成像、模型评估和报告性能指标的异质性影响，需要多中心数据集、标准化成像和评估协议以及详细透明的结果报告来优化性能	评估基于MRI特征的AI算法在区分NMOSD和MS中的诊断性能	NMOSD和MS患者	数字病理学	视神经脊髓炎谱系障碍和多发性硬化症	MRI	机器学习和深度学习	图像	1,362名MS患者和1,118名NMOSD患者
8448	2025-01-22	Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review 2024-Jul, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105469 PMID:38723429	系统综述	本文综述了自闭症情感识别中使用的传感技术和机器学习方法，识别现有障碍和未来可能的研究方向	专注于自闭症患者的情感识别，结合传感技术和机器学习方法，填补了该领域的研究空白	研究主要集中在广泛的自闭症谱系上，对更具体的谱系障碍关注较少，隐私和安全问题讨论不足	评估自闭症情感识别中传感技术和机器学习方法的应用现状，识别现有障碍和未来研究方向	自闭症儿童、青少年和成人	机器学习	自闭症	面部表情识别技术、生理传感器	经典监督学习技术、无监督方法、深度学习模型	视频、生理数据	65篇符合标准的出版物
8449	2025-01-22	Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro 2024-04-30, Cells IF:5.1Q2 DOI:10.3390/cells13090771 PMID:38727307	研究论文	本文通过深度学习方法识别出TIPE3蛋白的小分子抑制剂，并在体外实验中验证了其对癌细胞生长的抑制作用	结合深度学习和分子动力学模拟进行虚拟药物筛选，成功识别出具有显著抗癌活性的TIPE3抑制剂	研究仅限于体外实验，尚未进行体内实验验证	开发针对TIPE3蛋白的抗癌药物	TIPE3蛋白及其小分子抑制剂	机器学习	癌症	DFCNN, Autodock Vina docking, DeepBindBC, MD, metadynamics	DFCNN	化合物数据集	ZINC化合物数据集中的六个候选化合物
8450	2025-01-22	Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach 2024-Apr, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-024-02573-2 PMID:38245662	研究论文	本文开发并验证了一种基于组织学的深度学习模型，用于预测非转移性结直肠癌患者的5年无复发生存率	使用弱监督深度学习模型从组织学图像中提取信息，进行风险分层，并建立了深度预后因子（DL-RRS）	研究样本仅来自三家医院，可能限制了模型的泛化能力	预测非转移性结直肠癌患者的5年复发风险，以辅助临床决策	非转移性结直肠癌患者	数字病理学	结直肠癌	深度学习	弱监督深度学习模型	组织学图像	614例非转移性结直肠癌患者
8451	2025-01-22	Multimodal Deep Learning Network for Differentiating Between Benign and Malignant Pulmonary Ground Glass Nodules 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056301741240903072017 PMID:39257154	研究论文	本研究旨在建立一个多模态深度学习网络模型，以提高肺磨玻璃结节（GGNs）良恶性的诊断准确性	结合ResNet提取影像数据、Word2Vec提取语义信息以及Self Attention方法融合影像特征和患者数据，构建了一个多模态分类模型	研究依赖于回顾性数据，可能存在选择偏差	提高肺磨玻璃结节良恶性的诊断准确性	肺磨玻璃结节（GGNs）	计算机视觉	肺癌	胸部CT	ResNet, VGG, 多模态深度学习网络	影像数据, 语义信息	1020个GGNs（训练和验证集），204个GGNs（测试集）
8452	2025-01-22	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2023-Nov-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.23.568470 PMID:38045294	研究论文	本研究通过大规模并行报告实验和多核糖体分析，揭示了斑马鱼胚胎发生早期5' UTR在翻译调控中的重要作用	首次定量模型揭示了5' UTR在早期脊椎动物发育中的翻译调控机制，并鉴定了86个具有不同核糖体招募能力的5' UTR富集基序	研究局限于斑马鱼胚胎发生早期，未涉及其他发育阶段或物种	研究5' UTR在翻译调控中的作用及其在早期脊椎动物发育中的功能	斑马鱼胚胎发生早期的5' UTR序列	生物信息学	NA	大规模并行报告实验、多核糖体分析	深度学习模型DaniO5P	序列数据	18,154个5' UTR序列
8453	2025-01-22	Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images 2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B... DOI:10.1007/978-3-031-44917-8_8 PMID:38523773	研究论文	本研究探讨了在医学图像中进行通用异常检测的可行性，比较了多种异常检测方法，并提出了一种简单的决策级集成方法	提出了一种不依赖已知异常信息的决策级集成方法，增强了异常检测的鲁棒性	评估的方法在所有数据集上未能一致达到最佳性能	研究医学图像中通用异常检测的可行性	医学图像	计算机视觉	NA	深度学习	集成方法	图像	四个医学数据集
8454	2025-01-22	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究旨在发现主动脉扩张性的流行病学相关因素和遗传决定因素，并利用深度学习模型从心脏磁共振图像中量化胸主动脉面积	首次利用深度学习模型在大规模人群（42,342名UK Biobank参与者）中量化主动脉扩张性，并识别出多个新的遗传位点	研究结果主要基于UK Biobank数据，可能无法完全推广到其他人群	发现主动脉扩张性的流行病学相关因素和遗传决定因素	42,342名UK Biobank参与者	机器学习	心血管疾病	心脏磁共振成像	深度学习模型	图像	42,342名UK Biobank参与者
8455	2025-01-22	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	本研究开发了一种可视化深度学习模型，用于更准确地区分源自右心室流出道（RVOT）和左心室流出道（LVOT）的心律失常	创新点在于使用卷积神经网络（CNN）模型结合梯度加权类激活映射方法，不仅提高了心律失常起源分类的准确性，还能可视化显示对诊断贡献最大的导联和波形	研究样本量较小，仅包含80名患者，可能影响模型的泛化能力	研究目的是开发一种能够更准确分类心律失常起源的可视化深度学习模型	研究对象为80名接受导管消融治疗的患者	机器学习	心血管疾病	深度学习	CNN	心电图（ECG）	80名患者
8456	2025-01-21	Assessment of ComBat Harmonization Performance on Structural Magnetic Resonance Imaging Measurements 2024-Dec-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70085 PMID:39704541	研究论文	本研究评估了ComBat技术在结构磁共振成像（MRI）测量中的性能，特别是在多中心数据聚合的背景下	使用稳健的交叉验证方法来评估ComBat在多中心MRI数据中的性能，并应用多类高斯过程分类器进行定量分析	性能评估主要基于定量的统计分析和机器学习方法，缺乏更广泛的定性验证	评估ComBat技术在消除多中心MRI数据中的站点效应方面的有效性	多中心MRI数据中的体积和表面测量值	医学影像分析	NA	ComBat技术	多类高斯过程分类器	MRI图像	来自三个站点的MRI数据
8457	2025-01-21	Prospective de novo drug design with deep interactome learning 2024-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47613-w PMID:38649351	研究论文	本文提出了一种基于交互组深度学习的计算方法，用于从头设计具有特定化学和药理性质的药物分子	该方法结合了图神经网络和化学语言模型的独特优势，无需应用特定的强化学习、迁移学习或少样本学习，实现了“零样本”构建具有特定生物活性、可合成性和结构新颖性的化合物库	NA	开发一种新的计算方法，用于从头设计药物分子，特别是针对人类过氧化物酶体增殖物激活受体（PPAR）亚型γ的结合位点	药物分子，特别是针对PPAR亚型γ的配体	机器学习	NA	深度学习，图神经网络，化学语言模型	图神经网络，化学语言模型	化学结构数据	NA
8458	2025-01-20	Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients 2025-Jan-18, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03762-9 PMID:39825907	研究论文	本研究开发并验证了一种名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变	开发了一种新的深度学习算法KCPREDICT，利用24个特征（包括基本患者信息、五个经典川崎病临床体征和14个实验室测量值）来区分川崎病患者的冠状动脉病变	研究数据仅来自上海儿童医学中心，可能限制了模型的普遍适用性	开发并验证一种人工智能算法，以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策	川崎病患者	机器学习	心血管疾病	深度学习	决策树模型	临床数据	1474例川崎病病例
8459	2025-01-20	Explainable analysis of infrared and visible light image fusion based on deep learning 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79684-6 PMID:39820058	研究论文	本文研究了基于深度学习的可见光和红外图像融合技术的可解释性，以提高模型理解和应用的可信度	提出了一种基于CNN局部上下文提取和Transformer全局注意力机制的多模态图像融合模型，并采用DDFImage算法生成局部解释信息，增强了模型的可解释性	未提及具体的数据集或样本量，可能限制了结果的普适性	增强可见光和红外图像融合技术的可解释性	可见光和红外图像	计算机视觉	NA	CNN, Transformer	多模态图像融合模型	图像	NA
8460	2025-01-20	Improving timing resolution of BGO for TOF-PET: a comparative analysis with and without deep learning 2025-Jan-17, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00711-6 PMID:39821728	研究论文	本文比较了传统实验时间估计方法（LED、TWC）与基于CNN的方法在使用BGO晶体和NUV-HD-MT SiPMs及高频电子设备信号时的性能	首次将深度学习（特别是CNN）应用于BGO闪烁体的时间分辨率改进，并与传统方法进行了比较	CNN方法需要更复杂的波形数字化处理，可能在实际应用中增加复杂性	提高BGO闪烁体在TOF-PET中的时间分辨率	BGO晶体和NUV-HD-MT SiPMs	机器学习和医学成像	NA	TOF-PET, Cherenkov光子检测	CNN	波形数据	2 × 2 × 3 mm³ 和 2 × 2 × 20 mm³ 的BGO晶体