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
10581	2025-03-05	Generative Deep Learning-Based Efficient Design of Organic Molecules with Tailored Properties 2025-Feb-26, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.4c00656 PMID:40028364	研究论文	本研究开发了一种生成式深度学习模型（Gen-DL），用于设计具有特定光学性质的有机分子	该模型能够利用分子结构-性质关系，生成具有指定光学性质的分子，并应用于实际场景	NA	加速具有特定性质分子的发现与设计	有机分子	机器学习	NA	生成式深度学习	Gen-DL	分子/溶剂对数据	71,424个分子/溶剂对
10582	2025-03-05	Using wearable sensors and machine learning to assess upper limb function in Huntington's disease 2025-Feb-25, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00770-5 PMID:40000872	研究论文	本研究利用可穿戴传感器和机器学习评估亨廷顿病患者的上肢功能	通过可穿戴传感器和深度学习模型监测现实世界中的上肢功能，提供更全面的疾病症状理解	样本量较小（HD=16, pHD=7, CTR=16），可能影响结果的普遍性	评估亨廷顿病患者的上肢功能，探索早期检测和远程监测的可能性	亨廷顿病患者（HD）、前驱期亨廷顿病患者（pHD）和对照组（CTR）	机器学习	亨廷顿病	深度学习模型	统计和机器学习模型	传感器数据	HD=16, pHD=7, CTR=16
10583	2025-03-05	Proteomic Characterization of Cardioprotective Human Acellular Amniotic Fluid 2025-Feb-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c09451 PMID:40028051	研究论文	本文通过全球蛋白质组学分析，揭示了人类羊水（hAF）在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分	首次基于质谱技术对足月无细胞人类羊水进行蛋白质组学表征，揭示了其免疫调节蛋白的多样性及其在心脏保护中的作用	研究样本量较小，仅包括六名患者的羊水样本	揭示人类羊水在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分	足月无细胞人类羊水	蛋白质组学	心血管疾病	串联质谱	NA	蛋白质数据	六名患者的羊水样本
10584	2025-03-05	Adaptive Metadata-Guided Supervised Contrastive Learning for Domain Adaptation on Respiratory Sound Classification 2025-Feb-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545159 PMID:40031634	研究论文	本文提出了一种自适应元数据引导的监督对比学习方法，用于呼吸音分类的领域适应	利用呼吸音数据集中的元数据，探索元数据引导的领域适应方法，并引入一种自适应调整元数据组合的先进方法，以改善训练过程中的领域适应	未明确提及具体局限性	优化呼吸音分类模型，减少领域依赖性并提高检测准确性	呼吸音分类模型	机器学习	呼吸系统疾病	监督对比学习	NA	呼吸音数据	ICBHI数据集和自有数据集
10585	2025-03-05	Conditional Mutual Information Constrained Deep Learning for Classification 2025-Feb-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3540014 PMID:40031861	研究论文	本文介绍了条件互信息（CMI）和归一化条件互信息（NCMI）的概念，用于衡量分类深度神经网络（DNN）在输出概率分布空间中的集中和分离性能	提出了基于NCMI约束的深度学习方法（CMIC-DL），并开发了一种新的交替学习算法来解决这种约束优化问题	未明确提及具体的研究局限性	提高深度神经网络在分类任务中的准确性和对抗攻击的鲁棒性	深度神经网络（DNN）	机器学习	NA	条件互信息（CMI）和归一化条件互信息（NCMI）	深度神经网络（DNN）	图像	CIFAR-100和ImageNet数据集
10586	2025-03-05	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638446 PMID:40027630	研究论文	本文介绍了一种基于向量检索和对比学习的框架，通过自然语言监督有效学习视觉脑MRI概念，并展示了该方法如何通过联合嵌入和自然语言监督识别影响阿尔茨海默病（AD）大脑的因素	提出了一种基于自然语言监督的多任务学习框架，能够执行MRI检索、MRI描述、MRI分类和视觉问答等多种任务，突破了传统深度学习算法在放射学研究中只能执行单一任务的限制	未提及具体的数据隐私保护措施和服务托管及数据存储的透明度问题	开发一种能够通过自然语言提示执行多种任务的深度学习算法，以提高放射学研究和医学研究中的数据处理效率和准确性	脑MRI图像	计算机视觉	阿尔茨海默病	自然语言监督、对比学习、自监督学习	Transformer	图像、文本	NA
10587	2025-03-05	Parameter Efficient Fine-tuning of Transformer-based Masked Autoencoder Enhances Resource Constrained Neuroimage Analysis 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638442 PMID:40027656	研究论文	本文评估了在预训练的视觉Transformer上应用参数高效微调（PEFT）方法的效果，特别是在资源受限的神经影像分析中的应用	首次在神经影像分析中应用PEFT方法，显著减少了可训练参数数量，同时保持了或超越了传统全微调方法的性能	研究主要基于T1加权脑MRI数据，未涉及其他类型的神经影像数据	探索参数高效微调方法在神经影像分析中的应用效果	T1加权脑MRI数据	计算机视觉	阿尔茨海默病, 帕金森病	参数高效微调（PEFT）	Transformer-based Masked Autoencoder (MAE)	图像	258个训练扫描
10588	2025-03-05	A multi-modal transformer for cell type-agnostic regulatory predictions 2025-Feb-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100762 PMID:39884279	研究论文	本文介绍了一种名为EpiBERT的多模态transformer模型，用于学习基因组序列和细胞类型特异性染色质可及性的通用表示	EpiBERT通过基于掩码可及性的预训练目标，能够推广到未观察到的细胞状态，并在基因表达预测方面达到与仅使用序列的Enformer模型相当的准确性	NA	提高基于序列的深度神经网络在调控基因组学中的泛化能力	人类基因组的顺式调控语法	机器学习	NA	深度学习	transformer	基因组序列和染色质可及性数据	NA
10589	2025-03-05	Powerful and accurate case-control analysis of spatial molecular data with deep learning-defined tissue microniches 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637149 PMID:39975274	研究论文	本文介绍了一种名为VIMA的方法，结合深度学习和统计学原理，用于发现与疾病相关的空间特征	VIMA方法利用变分自编码器从小组织块中提取数值“指纹”，定义大量“微生态位”，并通过严格的统计学方法识别与病例对照状态相关的微生态位	NA	识别与疾病相关的关键空间结构	空间分子数据	数字病理学	阿尔茨海默病、溃疡性结肠炎、类风湿性关节炎	空间转录组学、CODEX、免疫组织化学	变分自编码器	空间分子数据	多个数据集（140基因空间转录组学数据集、54标记CODEX数据集、7标记免疫组织化学数据集）
10590	2025-03-05	GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction 2025-Feb-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3538497 PMID:40031740	研究论文	本文提出了一种新的广义特征学习模型（GFLearn），用于药物-靶标结合亲和力预测，通过整合图神经网络（GNNs）和自监督不变特征学习模块，显著提高了预测性能	GFLearn模型通过整合图神经网络和自监督不变特征学习模块，能够从未见过的药物或靶标中提取鲁棒且高度可泛化的特征，从而显著提高预测性能	NA	提高药物-靶标结合亲和力预测的准确性和泛化能力	药物和靶标	机器学习	NA	图神经网络（GNNs），自监督不变特征学习	GFLearn	药物和靶标的数据	两个不同的数据集，涉及新药物、新靶标及其组合的三种挑战性场景
10591	2025-03-05	Matryoshka: Exploiting the Over-Parametrization of Deep Learning Models for Covert Data Transmission 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434417 PMID:39058616	研究论文	本文提出了一种名为Matryoshka的新型内部攻击，利用深度学习模型的过参数化特性进行隐蔽数据传输	提出了一种新的参数共享方法，利用载体模型的学习能力进行信息隐藏，实现了高容量、解码效率、有效性、鲁棒性和隐蔽性	未提及具体的技术限制或实验中的不足	揭示即使没有暴露接口，机器学习数据的隐私也可能被破坏的可能性	深度学习模型和机器学习数据	机器学习	NA	深度学习	DNN	模型参数	超过10,000个真实世界数据样本
10592	2025-03-05	Interactive Isosurface Visualization in Memory Constrained Environments Using Deep Learning and Speculative Raycasting 2025-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3420225 PMID:38941206	研究论文	本文提出了一种新颖的隐式等值面渲染算法，用于在内存受限的环境中进行大规模体积数据的交互式可视化	通过渐进式遍历光线波前并按需解压数据块来执行隐式光线-等值面交叉，同时使用预训练的深度神经网络改进中间结果的质量，并引入推测性光线-块交叉以加速渲染和提高GPU利用率	算法在图像质量和渲染时间之间进行权衡，可能会影响最终图像的精度	解决在轻量级终端设备上可视化大规模数据集时的内存限制问题	大规模体积数据	计算机视觉	NA	深度学习	深度神经网络	体积数据	NA
10593	2025-03-05	Sparse Non-Local CRF With Applications 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3474468 PMID:39361458	研究论文	本文提出了一种新的成对条件随机场（CRF）模型，称为稀疏非局部CRF，该模型结合了稀疏CRF的效率和密集CRF的非局部连接特性	提出了一种新的稀疏非局部CRF模型，结合了稀疏CRF的效率和密集CRF的非局部连接特性，且边缘权重不受限制	未明确提及具体局限性	研究一种新的CRF模型，以提高计算机视觉任务中的空间一致性建模效率	图像像素	计算机视觉	NA	条件随机场（CRF）	稀疏非局部CRF	图像	NA
10594	2025-03-05	Intelligent Bionic Polarization Orientation Method Using Biological Neuron Model for Harsh Conditions 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3484183 PMID:39437271	研究论文	本文开发了一种智能创新定向方法，以提高在恶劣条件下偏振罗盘的准确性	该方法结合了生物神经元模型和卷积神经网络，模拟了Syrphidae视觉神经通路的高效感知机制，并优化了自适应反对称环算法，提高了在弱偏振条件下的定向精度	NA	提高在恶劣天气条件和局部遮挡情况下的偏振罗盘定向精度	偏振罗盘在恶劣条件下的定向精度	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
10595	2025-03-05	Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3487361 PMID:39466857	研究论文	本文提出了一种新的低光图像增强学习范式NoiSER，利用纯高斯噪声完成低光图像增强任务，无需任何任务相关数据	NoiSER通过自回归方法利用纯高斯噪声进行低光图像增强，进一步降低了对训练数据的要求，并可作为实际应用中的另一种选择	NA	研究目的是提出一种新的低光图像增强方法，减少对训练数据的依赖	低光图像	计算机视觉	NA	深度学习	CNN	图像	NA
10596	2025-03-05	EasyMetagenome: A user-friendly and flexible pipeline for shotgun metagenomic analysis in microbiome research 2025-Feb, iMeta IF:23.7Q1 DOI:10.1002/imt2.70001 PMID:40027489	研究论文	本文介绍了一个名为EasyMetagenome的用户友好且灵活的宏基因组分析流程，旨在解决宏基因组数据处理复杂性和可重复性的挑战	开发了一个支持多种分析方法（包括质量控制、宿主去除、基于读长、基于组装和分箱）的灵活且用户友好的宏基因组分析流程，并具有可定制设置、全面的数据可视化和详细的参数解释	需要进一步解决宿主污染问题，优化第三代测序数据的工作流程，并整合深度学习和网络分析等新兴技术	开发一个用户友好的宏基因组分析流程，以简化数据处理并提高可重复性	微生物组数据	宏基因组学	NA	shotgun metagenomics	NA	宏基因组数据	NA
10597	2025-03-05	End-To-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers 2025-Jan-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536170 PMID:40031337	研究论文	本研究利用深度学习中的Transformer模型，融合多模态膝关节成像数据，预测膝关节骨关节炎（KOA）的进展	首次使用Transformer模型融合多模态膝关节成像数据，提供了一种端到端的KOA进展预测框架，并公开了源代码和预训练模型	研究结果仍需进一步验证，特别是在不同临床环境中的应用效果	预测膝关节骨关节炎（KOA）的进展，以增强临床试验设计	膝关节骨关节炎（KOA）患者	计算机视觉	骨关节炎	深度学习	Transformer	图像	3967/2421例来自骨关节炎倡议（Osteoarthritis Initiative）的数据
10598	2025-03-05	Progressive Knowledge Transfer Network Based on Human Visual Perception Mechanism for No-Reference Point Cloud Quality Assessment 2025-Jan-22, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3532651 PMID:40031145	研究论文	本文提出了一种基于人类视觉感知机制的无参考点云质量评估深度学习网络PKT-PCQA，通过渐进知识转移将粗粒度质量分类知识转化为细粒度质量预测任务	PKT-PCQA网络利用局部和全局特征，以及基于空间和通道注意力模块的注意力机制，模拟人类视觉系统进行点云质量评估	未提及具体局限性	研究无参考点云质量评估方法，以提高点云压缩和通信等应用中的质量评估效果	点云数据	计算机视觉	NA	深度学习	PKT-PCQA	点云数据	三个大型独立的点云评估数据集
10599	2025-03-05	Knowledge-Based Deep Learning for Time-Efficient Inverse Dynamics 2025-Jan-17, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3530992 PMID:40031238	研究论文	本文提出了一种基于知识的深度学习框架，用于高效的时间反演动力学分析，能够直接从关节运动学数据预测肌肉激活和肌肉力量	提出了一种无需标签信息即可训练的深度学习框架，结合前向动力学和预选的反演动力学生理标准，通过特定的损失函数指导神经网络训练	实验验证仅限于两个数据集，样本量较小，且仅包括健康受试者	提高神经康复和肌肉骨骼疾病治疗中肌肉激活和肌肉力量估计的效率和准确性	肌肉激活和肌肉力量	机器学习	肌肉骨骼疾病	深度学习	BiGRU（双向门控循环单元）	时间序列数据	两个数据集，包括一个基准上肢运动数据集和一个自收集的下肢运动数据集，涉及六名健康受试者
10600	2025-03-05	Combining Pre- and Post-Demosaicking Noise Removal for RAW Video 2025-Jan-15, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3527886 PMID:40031011	研究论文	本文提出了一种结合去马赛克前后噪声去除的自相似性去噪方案，用于Bayer模式CFA视频数据	提出了一种自相似性去噪方案，结合去马赛克前后的去噪器，并通过时间轨迹预滤波步骤进一步改善纹理重建	现代神经网络在适应新噪声水平和场景方面仍有困难	提高去噪算法的质量，使其适用于现实世界的视频拍摄	Bayer模式CFA视频数据	计算机视觉	NA	深度学习	神经网络	视频	NA