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
861	2025-05-01	Hybrid exons evolved by coupling transcription initiation and splicing at the nucleotide level 2025-Jan-24, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1251 PMID:39739742	研究论文	本研究利用可解释的深度学习流程解析了混合外显子中转录起始和剪接共调控的序列特征	揭示了混合外显子的广泛存在及其在转录起始和剪接共调控中的新机制	研究主要基于人类组织ENCODE数据，可能不适用于其他物种或组织类型	探究混合外显子的调控机制及其进化特征	人类组织中的80000个混合第一-内部外显子	自然语言处理	NA	深度学习	NA	基因组序列数据	80000个混合第一-内部外显子
862	2025-05-01	Accelerating Plasmonic Hydrogen Sensors for Inert Gas Environments by Transformer-Based Deep Learning 2025-Jan-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02616 PMID:39764741	research paper	该研究提出了一种基于Transformer的深度学习模型LEMAS，用于加速等离子体氢传感器的响应速度，并消除其在惰性气体环境中的压力依赖性	LEMAS模型通过准确预测氢浓度变化前的传感器响应值，将光学等离子体氢传感器的响应速度提高了40倍，并提供了预测不确定性的度量	研究仅针对惰性气体封装环境下的氢传感器进行了验证，未涉及其他环境或气体检测	加速氢传感器响应速度，提高氢技术大规模应用的安全性	光学等离子体氢传感器	machine learning	NA	deep learning	Transformer-based LEMAS	sensor response data	NA
863	2025-05-01	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 2025-Jan-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada519 PMID:39746309	研究论文	开发了一种名为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框架结合了深度学习实时CBCT成像和运动估计方法，能够从单一任意角度X射线投影中实时重建CBCT和估计运动	未提及具体局限性	提高放疗中实时CBCT成像和运动跟踪的准确性和效率	CBCT成像和呼吸引起的解剖运动	医学影像处理	肺癌	深度学习、CBCT成像	CNN	X射线投影图像	数字体模模拟和真实患者研究
864	2025-05-01	Using artificial intelligence and statistics for managing peritoneal metastases from gastrointestinal cancers 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae049 PMID:39736152	research paper	探讨人工智能和统计方法在分析和处理胃肠道癌症引起的腹膜转移中的应用	系统比较了AI方法（包括传统机器学习和深度学习）与传统统计方法在腹膜转移管理中的表现，发现AI方法尤其是深度学习表现更优	样本量是影响模型预测准确性的关键因素，但研究未涉及具体样本量的量化分析	研究人工智能和统计方法在腹膜转移管理中的应用效果	胃肠道癌症引起的腹膜转移	machine learning	gastrointestinal cancers	conventional ML, DL, biostatistics, logistic models	ML, DL	NA	近30篇符合预定义标准的文章
865	2025-05-01	Novel approach for quality control testing of medical displays using deep learning technology 2025-Jan-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada6bd PMID:39773861	研究论文	本研究开发了一种基于深度学习的医疗显示器质量控制模型，用于对比度响应和最大亮度的测量	采用多任务策略和预训练模型微调，构建了能同时进行分类和回归的多输出模型	模型在最大亮度值上存在低估现象，且回归任务的相关系数在0.6-0.7之间	开发高效的医疗显示器质量控制系统	医疗显示器	计算机视觉	NA	深度学习	多输出模型（基于预训练模型）	图像	NA
866	2025-05-01	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	research paper	本文提出了一种主动学习方法，用于训练能够区分增强子和沉默子的模型，这些模型由光感受器转录因子CRX的结合位点组成	开发了一种结合合成生物学和不确定性采样的主动学习策略，用于训练能够区分功能相反的CRX结合位点的模型	模型训练依赖于CRX结合位点的基因组数据，可能不适用于其他转录因子	研究顺式调控元件的建模方法，特别是增强子和沉默子的区分	光感受器转录因子CRX的结合位点	machine learning	NA	massively parallel reporter assays	deep learning	genomic sequences	nearly all bound CRX sites from the genome
867	2025-05-01	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了一种基于Transformer的深度学习框架NMRformer，用于1D 1H NMR光谱中的峰分配和代谢物识别	NMRformer将光谱解释为谱峰序列，并集成了自注意力机制和峰高比到Transformer编码器层，能够识别和解释峰之间的长程依赖关系	NA	提高NMR代谢组学研究中峰分配和代谢物识别的准确性和效率	1D 1H NMR光谱数据	机器学习	NA	1D 1H NMR光谱	Transformer	光谱数据	多种细胞和生物流体样本
868	2025-05-01	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱（SERS）和机器学习的方法，用于区分膀胱癌、肾癌和前列腺癌	首次尝试利用SERS-机器学习策略结合临床血清样本区分多种泌尿系统癌症	NA	开发高效的非侵入性泌尿系统癌症早期诊断方法	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱（SERS）	LSTM	血清光谱数据	临床血清样本（具体数量未提及）
869	2025-05-01	The abiologically and biologically driving effects on organic matter in marginal seas revealed by deep learning-assisted model analysis 2025-Jan-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.178251 PMID:39754949	研究论文	本研究通过深度学习辅助模型分析，揭示了边缘海中有机物的非生物和生物驱动效应	引入先进的深度学习网络推断工具，研究边缘海中有机物的非生物和生物驱动效应，并识别了影响有机质异质性的关键因素	研究仅针对中国黄海和渤海，可能无法完全代表其他边缘海的情况	探究边缘海中有机物的非生物和生物驱动效应及其异质性分布	黄海和渤海中的颗粒有机物(POM)和溶解有机物(DOM)	机器学习	NA	3D激发-发射矩阵光谱(3D-EEM)结合平行因子分析(PARAFAC)	人工神经网络(ANN)	光谱数据	中国黄海和渤海的海水样本
870	2025-05-01	DPFunc: accurately predicting protein function via deep learning with domain-guided structure information 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54816-8 PMID:39746897	研究论文	提出了一种名为DPFunc的深度学习方法，利用域引导的结构信息准确预测蛋白质功能	DPFunc通过域信息引导，能够检测蛋白质结构中的重要区域并准确预测相应功能，显著优于现有基于结构的方法	未明确提及具体局限性	开发一种准确预测蛋白质功能的计算方法	蛋白质结构和功能	机器学习	NA	深度学习	DPFunc	蛋白质结构数据	未明确提及样本数量
871	2025-05-01	Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55422-4 PMID:39747859	研究论文	利用深度学习和全基因组关联分析研究英国生物银行中骨髓脂肪的遗传决定因素	首次使用深度学习测量骨髓脂肪含量，并进行多部位、多人群的全基因组关联分析	研究主要基于英国生物银行数据，可能无法完全代表其他人群	探究骨髓脂肪组织的遗传基础及其与人类健康和疾病的关系	英国生物银行约47,000名参与者的MRI扫描数据	机器学习	骨骼疾病	深度学习, GWAS, 转录组关联分析	深度学习模型	MRI图像, 基因组数据	约47,000名参与者(包括41,000名白人和6,300名非白人)
872	2025-05-01	Automated segmentation and deep learning classification of ductopenic parotid salivary glands in sialo cone-beam CT images 2025-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03240-w PMID:39085681	研究论文	本研究开发了一种自动算法，用于通过sialo锥束CT图像检测和分类腮腺导管减少症的严重程度	结合了经典图像处理和深度学习技术，开发了一个端到端的自动管道，提高了诊断准确性和效率	样本量较小（126例），可能影响模型的泛化能力	提高腮腺导管减少症的自动检测和分类准确性	腮腺sialo-CBCT扫描图像	数字病理学	唾液腺功能障碍	sialo锥束CT（sialo-CBCT）	残差神经网络（RNN）	图像	126例腮腺sialo-CBCT扫描（正常、中度和重度导管减少症病例）
873	2024-09-04	Correction: Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2025-Jan, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03539-z PMID:39223254	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
874	2025-05-01	Session Introduction: AI and Machine Learning in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:39670359	评论	介绍AI和机器学习在临床医学中的应用，特别是生成式和交互式系统在人机界面的作用	探讨生成式AI和深度学习在医学领域的创新应用，如临床决策支持、患者监测和图像分析	需要进一步研究以全面了解AI在医疗保健领域的广泛影响和潜在后果	探索AI技术在临床医学中的应用及其潜力	AI和机器学习技术在医疗领域的应用	机器学习	NA	生成式AI, 深度学习	NA	非结构化文本, 图像, 结构化数据	NA
875	2025-05-01	Investigating the Differential Impact of Psychosocial Factors by Patient Characteristics and Demographics on Veteran Suicide Risk Through Machine Learning Extraction of Cross-Modal Interactions 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:39670369	研究论文	本研究通过机器学习方法整合结构化与非结构化电子健康记录数据，提升退伍军人自杀风险的预测准确性	首次结合结构化与非结构化电子健康记录数据，并引入平衡参数α来优化模型性能，揭示了心理社会因素与患者特征之间的跨模态交互作用	研究主要基于退伍军人事务部的数据，可能无法完全推广到其他人群	提升自杀风险预测模型的准确性	退伍军人的电子健康记录数据	机器学习	心理健康	NLP, XGBoost, SHAP, 岭回归	XGBoost, 岭回归	结构化与非结构化电子健康记录数据	NA
876	2025-05-01	Enhancing Privacy-Preserving Cancer Classification with Convolutional Neural Networks 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:39670396	研究论文	提出了一种基于卷积神经网络的隐私保护癌症分类方法OGHE，利用同态加密技术保护基因组数据的隐私	设计了OGHE方法，结合同态加密和新型特征选择方法VarScout，在保护隐私的同时提高癌症分类的准确性并降低计算延迟	未提及具体的数据规模限制或计算资源需求	开发一种隐私保护的癌症分类方法，用于精准医疗	基因组数据	数字病理学	癌症	同态加密(HE)	CNN	基因组数据	iDash 2020数据集
877	2025-05-01	A Dynamic Model for Early Prediction of Alzheimer's Disease by Leveraging Graph Convolutional Networks and Tensor Algebra 2025, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:39670404	研究论文	提出了一种基于图卷积网络和张量代数的动态模型DyEPAD，用于早期预测阿尔茨海默病	结合图卷积网络和张量代数操作，动态捕捉时间序列中的进化模式，提高了预测准确性	模型复杂度可能较高，且仅针对MCI患者向AD的转化进行预测	开发早期预测阿尔茨海默病的方法	轻度认知障碍(MCI)患者	数字病理学	阿尔茨海默病	电子健康记录(EHR)分析	GCN与张量代数结合的动态模型DyEPAD	电子健康记录(EHR)数据	ADNI和NACC数据集
878	2025-05-01	Deep Learning Predicts Subtype Heterogeneity and Outcomes in Luminal A Breast Cancer Using Routinely Stained Whole-Slide Images 2025-Jan-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0397 PMID:39740059	research paper	该研究利用深度学习模型通过转录组数据训练，经济高效地量化和精细定位LumA型乳腺癌常规图像中的亚型混合导致的肿瘤内异质性	提出了一种新方法，能够通过常规图像分析LumA型乳腺癌的亚型异质性及其对个体化治疗选择的影响	NA	探索LumA型乳腺癌亚型异质性机制及其对治疗选择的影响	LumA型乳腺癌的常规染色全切片图像	digital pathology	breast cancer	deep learning	NA	image	NA
879	2025-05-01	Predicting sinonasal inverted papilloma attachment using machine learning: Current lessons and future directions 2025 Jan-Feb, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104549 PMID:39740533	research paper	使用机器学习预测鼻窦内翻性乳头状瘤的附着部位	开发了一种基于nnU-Net的深度学习模型，用于分析CT图像并识别内翻性乳头状瘤的附着部位	样本量较小（58例），且需要更多样化的数据集以提高临床应用的可靠性	通过机器学习提高鼻窦内翻性乳头状瘤附着部位的识别准确性	鼻窦内翻性乳头状瘤患者的CT图像	digital pathology	鼻窦内翻性乳头状瘤	CT扫描	nnU-Net	image	58例患者
880	2025-05-01	NeuTox 2.0: A hybrid deep learning architecture for screening potential neurotoxicity of chemicals based on multimodal feature fusion 2025-Jan, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.109244 PMID:39742830	research paper	本研究开发了一种混合深度学习架构NeuTox 2.0，用于基于多模态特征融合的化学物质神经毒性筛查	结合了基于自监督学习的迁移学习、图神经网络和分子指纹/描述符，提高了预测准确性和泛化能力	在BBB数据集上表现未超过PaDEL描述符模型	开发高效的化学物质神经毒性筛查工具	化学物质的神经毒性	machine learning	NA	transfer learning, self-supervised learning, graph neural networks	hybrid deep learning architecture	molecular data	四个数据集（BBB渗透性、神经元细胞毒性、微电极阵列神经活动、哺乳动物神经毒性）和REACH数据库中的315,790种化合物