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
921	2025-05-01	Effect of magnetic field strength and segmentation variability on the reproducibility and repeatability of radiomic texture features in cardiovascular magnetic resonance parametric mapping 2025-Feb, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03312-7 PMID:39776324	research paper	评估心肌放射组学纹理特征（RTF）在不同磁场强度和分割变异性下的稳健性，以解决临床实践中可靠性的问题	首次系统评估了RTF在不同磁场强度和分割变异性下的可重复性和再现性，并识别了对这些变化不敏感的预处理滤波器和特征类别	样本量较小（仅15名健康志愿者），且仅使用了Siemens扫描仪的数据	评估心肌RTF在不同磁场强度和分割变异性下的稳健性	45对来自15名健康志愿者的CMR T1图	数字病理	心血管疾病	CMR T1 mapping	深度学习模型（含Monte Carlo Dropout）	医学影像	15名健康志愿者的45对CMR T1图
922	2025-05-01	Unraveling Spatial Heterogeneity in Mass Spectrometry Imaging Data with GraphMSI 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410840 PMID:39778027	研究论文	提出了一种名为GraphMSI的新型深度学习方法，用于增强质谱成像（MSI）数据的空间异质性分析	GraphMSI通过整合代谢谱和空间信息，改进了MSI数据的分析，并提供了两种可选增强模式（scribble-interactive和knowledge-transfer）以提高分割效果	未明确提及具体局限性	改进质谱成像数据的空间异质性分析	质谱成像数据	质谱成像	NA	质谱成像（MSI）	深度学习	图像	未明确提及具体样本数量
923	2025-05-01	Self-supervised parametric map estimation for multiplexed PET with a deep image prior 2025-Jan-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada717 PMID:39774095	研究论文	提出一种基于深度图像先验的自监督学习框架，用于多示踪剂PET图像分离和参数图估计	将多示踪剂室模型整合到深度图像先验框架中，仅需一个数据集即可实现自监督学习	仅在模拟脑部幻影上进行了性能评估，未涉及真实患者数据	开发无需大量配对训练数据的多示踪剂PET图像分离方法	动态双示踪剂PET图像	医学影像分析	NA	PET成像	DIP（深度图像先验）	医学影像	模拟脑部幻影数据
924	2025-05-01	Automated estimation of individualized organ-specific dose and noise from clinical CT scans 2025-Jan-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada67f PMID:39761638	研究论文	开发了一个自动化流程，用于从临床CT扫描中生成个体化器官特异性剂量和噪声估计	提出了一种全自动化的流程，结合蒙特卡洛模拟和深度学习分割，实现了个体化器官特异性剂量和噪声的精确估计	研究样本量相对较小（临床数据集12例，体模数据集3例，跨站点数据集26例）	优化CT扫描的辐射剂量和图像质量，实现个性化协议评估	临床CT扫描数据、均匀体模扫描数据	医学影像分析	NA	蒙特卡洛模拟、深度学习分割	TotalSegmentator（基于深度学习的分割方法）	CT扫描图像	临床数据集12例、体模数据集3例、跨站点数据集26例、专家分割数据集41例（包含六个器官：肺、肝、肾、膀胱、脾和胰腺）
925	2025-05-01	ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01737 PMID:39749659	research paper	提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用	通过整合药物的多视图特征，提高了副作用预测的准确性，包括分子指纹、SMILES语义信息和3D构象空间信息	未提及具体的数据集规模限制或模型在特定类型药物上的表现限制	提高药物组合副作用的预测准确性	药物组合及其副作用	machine learning	NA	深度学习	ComNet（多视图深度学习模型）	分子指纹、SMILES语义信息、3D构象空间信息	多个公开数据集及自收集数据集
926	2025-05-01	Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02014 PMID:39780656	research paper	探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化方法和模型架构之间的相互作用	发现目标定义（使用形成能而非原子化能/焓）和特征化方法的选择对模型准确性具有决定性影响，且分子级别预测优于原子级别增量预测	直接修改模型架构带来的准确性提升较为有限	开发具有更广泛适用性的基于图的稳健热力学模型架构	五个经过筛选的数据集，涵盖元素组成、多重性、电荷状态和尺寸的多样性	machine learning	NA	graph-based deep learning	graph-based deep learning models	thermodynamic property data	five curated data sets
927	2025-05-01	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	本文提出了一种结合色谱条件的XGBoost模型，用于预测蛋白水解靶向嵌合体（PROTACs）的保留时间	开发了一个优化的XGBoost模型，结合分子指纹、描述符和色谱条件描述符，显著提高了PROTACs保留时间的预测准确度	模型在新型色谱分离条件下的泛化能力有待进一步验证，且样本量可能有限	提高PROTACs保留时间的预测精度，以促进其结构鉴定和药物设计	蛋白水解靶向嵌合体（PROTACs）	机器学习	NA	液相色谱（LC）与质谱（MS）联用技术	XGBoost, RF, KNN, SVM, FCNN	分子指纹和描述符数据	文献中的PROTAC-RT数据集及6种实验测定的化合物
928	2025-05-01	PPI-CoAttNet: A Web Server for Protein-Protein Interaction Tasks Using a Coattention Model 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01365 PMID:39761551	research paper	介绍了一个基于共注意力机制的深度学习模型PPI-CoAttNet，用于蛋白质-蛋白质相互作用（PPI）预测，并提供了一个用户友好的多功能网络服务器	设计了一个基于共注意力机制的深度学习模型，能够同时进行PPI和位点预测，并开发了一个用户友好的网络服务器PPI-CoAttNet	未明确提及具体限制	开发一个用户友好的多功能网络服务器，用于蛋白质-蛋白质相互作用（PPI）预测，以加速药物发现	蛋白质-蛋白质相互作用（PPI）	machine learning	NA	deep learning, coattention mechanism	CoAttNet	protein interaction data	未明确提及具体样本量
929	2025-05-01	Enhanced Sampling Simulations of RNA-Peptide Binding Using Deep Learning Collective Variables 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01438 PMID:39772512	研究论文	本文利用深度学习集体变量增强采样模拟RNA-肽结合过程	使用Deep-TDA方法设计集体变量，研究复杂生物分子识别过程	需要大量描述符来捕获宿主和客体的构象及结合过程	研究RNA-肽结合的机制和自由能景观	L22环肽与HIV TAR RNA的结合	计算生物学	HIV感染	Deep-TDA, OPES模拟	Deep-TDA	分子模拟数据	NA
930	2025-05-01	High-Accuracy Identification and Structure-Activity Analysis of Antioxidant Peptides via Deep Learning and Quantum Chemistry 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01713 PMID:39772654	研究论文	开发了一种结合机器学习和量子化学的创新框架，用于加速抗氧化肽的识别和分析其结构-活性关系	提出了结合Bi-LSTM模型和量子化学的创新框架，显著提高了抗氧化肽的识别准确性和结构-活性分析效率	NA	加速抗氧化肽的发现并分析其结构-活性关系	抗氧化肽（AOPs）	机器学习	氧化应激相关疾病	量子化学计算	Bi-LSTM	NA	两个数据集，实验验证了十种肽
931	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
932	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
933	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
934	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
935	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
936	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
937	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
938	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）
939	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
940	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