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
9921	2024-12-22	Model Agnostic Semi-Supervised Meta-Learning Elucidates Understudied Out-of-distribution Molecular Interactions 2024-Mar-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.17.541172 PMID:37292680	研究论文	本文开发了一种半监督元学习框架MMAPLE，用于解决数据分布偏移和标签数据稀缺的问题，并在多个应用中展示了其有效性	提出了MMAPLE框架，通过有效利用分布外的未标记数据，在迁移学习失败时仍能取得显著的预测效果	NA	解决生物学问题中由于实验限制和人类偏见导致的未充分研究问题，特别是在数据分布偏移和标签数据稀缺的情况下	分布外的药物-靶点相互作用、隐藏的人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	半监督元学习	MMAPLE	分子相互作用数据	NA
9922	2024-12-22	Accelerating antimicrobial peptide design: Leveraging deep learning for rapid discovery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315477 PMID:39705302	研究论文	本文利用机器学习和深度学习技术加速抗菌肽的设计和发现	提出了两种方法：一种是基于预计算的物理化学属性进行机器学习分类，另一种是将基本肽特征转换为信号图像并输入深度学习神经网络，显著提高了预测准确率	目前仅针对单一微生物（革兰氏阴性大肠杆菌）进行研究，未来需要进一步验证以适应其他类型的抗菌、抗病毒和抗癌肽	克服传统实验方法的限制，加速抗菌肽的开发	评估1,360个具有抗大肠杆菌活性的肽序列及其最小抑制浓度与34个物理化学特性之间的关系	机器学习	NA	机器学习，深度学习	神经网络	序列，图像	1,360个肽序列
9923	2024-12-21	Near-Infrared Autofluorescence Signature: A New Parameter for Intraoperative Assessment of Parathyroid Glands in Primary Hyperparathyroidism 2025-Jan-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000001147 PMID:39016400	研究论文	本研究探讨了近红外自体荧光（NIRAF）在术中区分原发性甲状旁腺功能亢进症中正常与病变甲状旁腺腺体的应用	首次研究了正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发了基于这些特征的深度学习模型	研究仅在单一三级转诊中心进行，样本量和时间跨度有限	探讨正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发基于这些特征的深度学习模型	原发性甲状旁腺功能亢进症患者的正常与病变甲状旁腺腺体	数字病理学	内分泌疾病	近红外自体荧光成像	深度学习模型	图像	1506个正常腺体和597个病变腺体，来自797名患者
9924	2024-12-21	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过专家意见提取，结合患者数据协助深度学习模型进行莱姆病分类，并提出了一种结合多种模态概率估计的算法	首次通过专家意见提取计算莱姆病概率，并结合深度学习图像分类器的概率得分	NA	提高基于图像的深度学习莱姆病预扫描器的鲁棒性	莱姆病的早期症状——游走性红斑皮肤病变	机器学习	莱姆病	深度学习	深度学习模型	图像和患者数据	15位专家医生
9925	2024-12-21	Quality assessment of critical and non-critical domains of systematic reviews on artificial intelligence in gliomas using AMSTAR II: A systematic review 2025-Jan, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2024.110926 PMID:39612612	系统评价	本研究使用AMSTAR II工具评估了关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	首次使用AMSTAR II工具对人工智能在胶质瘤管理中的系统评价进行质量评估	大多数评价在关键领域（如研究的排除、荟萃分析方法的适当性和发表偏倚的评估）和非关键领域（如研究设计选择和资金来源的披露）表现不佳	评估当前关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	关于人工智能在胶质瘤管理中的系统评价和荟萃分析	机器学习	脑肿瘤	NA	NA	NA	从812项研究中筛选出23项研究
9926	2024-12-21	Graph neural networks and transfer entropy enhance forecasting of mesozooplankton community dynamics 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100514 PMID:39703568	研究论文	本文探讨了图神经网络（GNN）在预测中生浮游动物群落动态中的应用，并研究了生态系统动态的图结构对预测准确性的影响	本文创新性地将图神经网络与传递熵结合，用于预测中生浮游动物群落动态，并揭示了生态系统动态的图结构对模型预测准确性的影响	本文未完全解决理论驱动模型中参数化和反馈机制的复杂性问题	研究如何通过图神经网络提高中生浮游动物群落动态的预测准确性	中生浮游动物群落动态及其在海洋生态系统中的作用	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	生态系统动态数据	NA
9927	2024-12-21	Utilizing deep learning to investigate the impacts of climate change on groundwater dynamics and pumping variability 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177784 PMID:39631335	研究论文	本研究利用深度学习模型探讨气候变化对台湾中部农业地区地下水动态和抽水用电量的影响	采用CNN-LSTM混合深度学习模型预测未来地下水位和抽水电量的变化，并结合CMIP6气候模型和SSP情景进行未来15年的预测	研究仅基于特定地区的数据，结果的普适性可能有限	探讨气候变化对地下水位和抽水电量的影响，并预测未来趋势	台湾中部农业地区的地下水位和抽水电量的变化	机器学习	NA	深度学习	CNN-LSTM	数值数据	2007年至2021年的月降水量和平均温度数据，以及2022年至2036年的CMIP6气候模型预测数据
9928	2024-12-21	Assessing and improving the high uncertainty of global gross primary productivity products based on deep learning under extreme climatic conditions 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177344 PMID:39521074	研究论文	本研究评估了八种全球总初级生产力（GPP）产品在极端气候条件下的表现，并利用卷积神经网络（CNN）提高了GPP在极端气候条件下的估算精度	本研究首次利用卷积神经网络（CNN）基于ECMWF-Reanalysis-5th-Generation（ERA5）气象数据，显著提高了GPP在极端气候条件下的估算精度	研究主要集中在极端气候条件下的GPP估算，未涵盖所有气候条件下的表现	评估全球GPP产品在极端气候条件下的表现，并提出改进方法	八种全球GPP产品在极端气候条件下的表现	生态与环境科学	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	气象数据	2003年至2014年的通量塔数据和20个独立验证站点
9929	2024-12-21	Wetland classification based on depth-adaptive convolutional neural networks using leaf-off SAR imagery 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177768 PMID:39615179	研究论文	本文开发了一种基于深度自适应卷积神经网络的湿地分类方法，使用落叶期的Sentinel-1 SAR影像和辅助数据	提出了基于U-Net架构的深度自适应卷积神经网络，结合多土地覆盖邻近信息和基于CNN的自监督SAR去噪方法，提高了湿地分类的准确性和效率	NA	评估深度学习技术在雷达数据上对大规模湿地分类的准确性和效率	湿地分类，包括沼泽湿地、灌木湿地、森林湿地和开阔水域	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
9930	2024-12-21	Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification 2024-Dec-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11288-0 PMID:39704803	研究论文	本文开发并验证了两种深度学习模型（RDN和cGAN）用于低剂量CT晚期碘增强成像和细胞外体积定量	本文提出的RDN模型在图像质量和信号噪声比方面显著优于cGAN模型和原始图像，提高了视觉分析的可识别性	NA	开发和验证深度学习模型，以去噪晚期碘增强图像并实现准确的细胞外体积定量	晚期碘增强图像和细胞外体积定量	计算机视觉	心血管疾病	深度学习	RDN, cGAN	图像	423名患者，分为训练组（182名）、调优组（48名）、内部验证组（92名）和外部验证组（101名）
9931	2024-12-21	AI-Enhanced Interface for Colonic Polyp Segmentation Using DeepLabv3+ with Comparative Backbone Analysis 2024-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada15f PMID:39700528	研究论文	本文提出了一种使用DeepLabv3+模型和ResNet架构进行结肠息肉分割的方法，并通过实验验证了其高准确性	本文的创新点在于使用DeepLabv3+模型和ResNet-50作为骨干网络，结合编码器-解码器结构，实现了高精度的结肠息肉分割	本文的局限性在于仅使用了Kvasir-SEG数据集进行训练和测试，可能存在数据集偏差问题	本文的研究目的是开发一种自动、快速且高精度的结肠息肉分割方法，以辅助结直肠癌的诊断和手术规划	本文的研究对象是结肠息肉的分割	计算机视觉	结直肠癌	DeepLabv3+	CNN	图像	使用了Kvasir-SEG数据集进行训练和测试
9932	2024-12-21	A deep learning framework deploying segment anything to detect pan-cancer mitotic figures from haematoxylin and eosin-stained slides 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07398-6 PMID:39702417	研究论文	本文提出了一种基于人工智能的方法，用于检测苏木精和伊红染色的数字化全切片图像中的有丝分裂象	本文创建了最大的有丝分裂象数据集（N=74,620），并提出了一种两阶段框架OMG-Net，该框架结合了Segment Anything Model和改进的ResNet18，显著提高了泛癌有丝分裂象检测的性能	本文的局限性在于依赖于现有的公开数据集，可能无法完全覆盖所有癌症类型的有丝分裂象	开发一种高效且准确的方法来检测泛癌有丝分裂象，以辅助癌症分级和治疗	苏木精和伊红染色的数字化全切片图像中的有丝分裂象	数字病理学	NA	深度学习	CNN	图像	74,620个有丝分裂象样本
9933	2024-12-21	Geometric deep learning improves generalizability of MHC-bound peptide predictions 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07292-1 PMID:39702482	研究论文	本文探讨了利用几何深度学习（GDL）提高MHC结合肽预测的泛化能力	本文提出了基于结构的方法，利用几何深度学习（GDL）和三维自监督学习（3D-SSL），显著提高了MHC结合肽预测的泛化能力，并在数据效率上优于传统的基于序列的方法	本文未详细讨论GDL方法在其他疾病或免疫相关领域的应用效果	提高MHC结合肽预测的泛化能力和数据效率	MHC分子与肽的相互作用	机器学习	NA	几何深度学习（GDL）	几何深度学习模型	结构数据（3D）	未具体说明样本数量，但提到3D-SSL方法在未接触任何结合亲和力数据的情况下表现优异
9934	2024-12-21	Optimising the paradigms of human AI collaborative clinical coding 2024-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01363-7 PMID:39702575	研究论文	本研究提出了一种新的人在环（HITL）框架CliniCoCo，旨在优化人机协作的临床编码	提出了CliniCoCo框架，通过深度学习能力实现自动化临床编码系统与人类编码员在实际环境中的高效协作	未提及具体的局限性	优化人机协作的临床编码范式	临床编码系统与人类编码员的协作效率	机器学习	NA	深度学习	NA	文本	使用了中国医院真实世界的电子病历数据集
9935	2024-12-21	AI-driven system for non-contact continuous nocturnal blood pressure monitoring using fiber optic ballistocardiography 2024-Dec-19, Communications engineering DOI:10.1038/s44172-024-00326-w PMID:39702581	研究论文	本文介绍了一种基于光纤传感技术的非接触式连续夜间血压监测系统	该系统利用先进的光纤传感器捕捉医疗级的心冲击图信号，并通过人工智能模型提取深度学习和基准特征，实现了边缘设备上的高效轻量化个性化方案	NA	开发一种非侵入性且舒适的夜间血压连续监测系统，以改善高血压管理和心血管风险评估	夜间血压监测及其在高血压管理和心血管风险评估中的应用	机器学习	心血管疾病	光纤传感技术	AI模型	信号	158名受试者
9936	2024-12-21	HistoPlexer: Histopathology-based Protein Multiplex Generation using Deep Learning 2024-Dec-07, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.26.24301803 PMID:39677425	研究论文	本文介绍了一种基于深度学习的框架HistoPlexer，用于从组织病理学图像直接生成空间解析的蛋白质多重检测	HistoPlexer采用条件生成对抗网络和自定义损失函数，能够减少切片间的变化并保持蛋白质的空间相关性，在转移性黑色素瘤样本的评估中表现优于现有方法	NA	开发一种成本和时间有效的技术，用于从组织病理学图像生成蛋白质多重检测，以更好地理解肿瘤微环境	转移性黑色素瘤样本	计算机视觉	皮肤癌	深度学习	生成对抗网络	图像	NA
9937	2024-12-21	A Deep Learning Network for Accurate Retinal Multidisease Diagnosis Using Multiview Fusion of En Face and B-Scan Images: A Multicenter Study 2024-Dec-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.12.31 PMID:39693092	研究论文	本研究探讨了融合en face和B-scan图像以提高深度学习模型诊断视网膜疾病的效果	提出了一个多视角融合网络（MVFN），通过决策融合模块整合快速轴和慢速轴B-scan及en face信息，显著提高了诊断性能	NA	研究融合en face和B-scan图像对深度学习模型诊断性能的影响	视网膜疾病	计算机视觉	NA	深度学习	多视角融合网络（MVFN）	图像	2330例病例
9938	2024-12-21	Automated deep learning segmentation of cardiac inflammatory FDG PET 2024-Dec, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102052 PMID:39368659	研究论文	本文开发了一种基于3D U-Net深度学习算法的自动化心肌分割工具，用于心脏结节病FDG PET图像的处理	本文首次提出了一种基于深度学习的心肌分割方法，显著提高了心脏结节病FDG PET图像的处理效率和准确性	本文未详细讨论该方法在其他心脏疾病或不同类型PET图像中的适用性	开发一种自动化工具，以提高心脏结节病FDG PET图像的处理效率和准确性	心脏结节病患者的FDG PET图像	计算机视觉	心脏疾病	深度学习	3D U-Net	图像	316名患者的FDG PET扫描数据
9939	2024-12-21	Discovery of novel Akt1 inhibitors by an ensemble-based virtual screening method, molecular dynamics simulation, and in vitro biological activity testing 2024-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10788-3 PMID:38240951	研究论文	本文通过基于集成的虚拟筛选方法、分子动力学模拟和体外生物活性测试，发现了一种新的Akt1抑制剂	本文提出了一种多层虚拟筛选方法，结合了药效团、3D-QSAR、分子对接和深度学习技术，并发现了具有新骨架的潜在Akt1抑制剂Hit9	本文仅对17种化合物进行了体外生物活性测试，未进行体内实验和临床试验	发现新的Akt1抑制剂，用于治疗Akt1过表达的多种癌症	Akt1抑制剂及其与Akt1的相互作用	药物发现	癌症	虚拟筛选、分子动力学模拟、体外生物活性测试	深度学习	化合物	17种不同骨架的化合物
9940	2024-12-21	First report on chemometrics-driven multilayered lead prioritization in addressing oxysterol-mediated overexpression of G protein-coupled receptor 183 2024-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10811-1 PMID:38460065	研究论文	本文首次报道了通过化学计量学驱动的多层级优先级排序方法，筛选潜在的G蛋白偶联受体183（GPR183）抑制剂，以应对氧化固醇介导的GPR183过度表达	本文开发了一种基于遗传算法（GA）和多元线性回归（MLR）的二维定量构效关系（QSAR）模型，并结合分子对接、药物相似性、ADMET评估、蛋白质-配体稳定性评估等技术，筛选出潜在的GPR183抑制剂	本文的研究结果需要进一步的体外和体内验证	旨在通过计算方法筛选潜在的GPR183抑制剂，以应对氧化固醇介导的GPR183过度表达	G蛋白偶联受体183（GPR183）及其抑制剂	药物筛选	癌症、糖尿病、多发性硬化症、感染性疾病和炎症性疾病	定量构效关系（QSAR）、分子对接、分子动力学、分子力学	多元线性回归（MLR）	化合物数据	12,449个DrugBank化合物