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
1141	2025-04-23	Statistical and Machine Learning Analysis in Brain-Imaging Genetics: A Review of Methods 2024-05, Behavior genetics IF:2.6Q2 DOI:10.1007/s10519-024-10177-y PMID:38336922	综述	本文综述了脑成像遗传学分析领域的方法进展，从早期的大规模单变量分析到当前的深度学习方法	概述了脑成像遗传学分析方法的演变，并比较了各种方法的优缺点	未提及具体实验验证或数据集的局限性	探讨脑成像遗传学分析方法的发展及其在理解复杂脑相关疾病中的应用	脑成像数据和遗传数据的整合分析	机器学习和医学影像分析	脑相关疾病	脑成像技术和遗传数据分析	从大规模单变量分析到深度学习	脑成像数据和遗传数据	NA
1142	2025-04-23	Positive Predictive Values of Abnormality Scores From a Commercial Artificial Intelligence-Based Computer-Aided Diagnosis for Mammography 2024-04, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0907 PMID:38528692	研究论文	本研究探讨了基于深度学习的商业AI-CAD系统在乳腺X线摄影中生成的异常评分的阳性预测值，并分析了其与临床和放射学发现的关系	首次研究了商业AI-CAD系统异常评分的阳性预测值，并分析了其与多种临床和放射学因素的关联	研究为回顾性设计，样本中高风险女性比例较低(0.6%)	评估AI-CAD系统在乳腺X线摄影中的诊断性能	599名女性(656个乳房)的乳腺X线摄影数据	数字病理	乳腺癌	深度学习	AI-CAD系统(Lunit Insight MMG)	医学影像	656个乳房(来自599名女性)
1143	2025-04-23	Uncover This Tech Term: Uncertainty Quantification for Deep Learning 2024-04, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0108 PMID:38528697	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1144	2025-04-23	Automated Detection and Segmentation of Bone Metastases on Spine MRI Using U-Net: A Multicenter Study 2024-04, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0671 PMID:38528694	research paper	开发并评估了一种用于脊柱MRI上骨转移自动分割和检测的深度学习模型	使用2D和3D U-Net模型，结合不同MRI序列组合，实现了骨转移的高效自动检测和分割	外部测试集样本量较小（49个MRI系列，20名患者），可能影响模型的泛化能力评估	开发自动化工具以提高脊柱MRI上骨转移的诊断效率	成人骨转移患者的脊柱MRI扫描	digital pathology	bone metastasis	MRI (T1, FO, CE序列)	2D U-Net, 3D U-Net	MRI图像	训练集：662个MRI系列（302名患者）；外部测试集：49个MRI系列（20名患者）
1145	2025-04-23	Dark-Blood Computed Tomography Angiography Combined With Deep Learning Reconstruction for Cervical Artery Wall Imaging in Takayasu Arteritis 2024-04, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1078 PMID:38528696	research paper	评估结合深度学习重建的暗血计算机断层扫描血管成像在Takayasu动脉炎患者颈动脉壁成像中的图像质量	首次将暗血CTA成像与深度学习重建技术结合，用于改善Takayasu动脉炎患者颈动脉壁的可视化	样本量较小（53例患者），且研究时间范围有限（2022年1月至7月）	评估新型暗血CTA成像结合DLR在颈动脉壁成像中的图像质量	Takayasu动脉炎患者的颈动脉壁	digital pathology	Takayasu arteritis	dark-blood computed tomography angiography (CTA), deep learning reconstruction (DLR), hybrid iterative reconstruction (HIR)	deep learning	medical imaging	53例Takayasu动脉炎患者（平均年龄33.8±10.2岁，49名女性）
1146	2025-04-23	Improving Diagnostic Performance of MRI for Temporal Lobe Epilepsy With Deep Learning-Based Image Reconstruction in Patients With Suspected Focal Epilepsy 2024-04, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0842 PMID:38528695	research paper	评估深度学习图像重建技术（DLR）在1.5毫米层厚MRI中对颞叶癫痫（TLE）诊断性能的提升	首次比较了1.5毫米层厚MRI结合DLR与传统3毫米层厚MRI在TLE诊断中的表现，并证实DLR可显著提高诊断敏感性和图像质量	研究为回顾性设计，样本量相对有限（117例），且DLR组的特异性低于常规MRI	提升MRI对颞叶癫痫的诊断准确性	117例疑似局灶性癫痫患者的MRI影像（34例确诊TLE，83例非TLE）	digital pathology	temporal lobe epilepsy	deep learning-based image reconstruction (DLR)	deep learning	MRI影像	117例患者（61名女性，平均年龄41岁）的MRI影像数据集
1147	2025-04-23	Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features 2024-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3260776 PMID:37015120	研究论文	本文提出了一种基于多源特征的自适应深度学习网络，用于肝癌症多模式消融治疗的生存分析和疗效评估	结合术前术后MRI影像组学特征、基于视觉变换器的深度学习特征以及外周血免疫特征，提出了一种改进的深度Cox混合模型和自适应全连接层，用于多类型输入特征的生存分析	研究仅基于临床数据集进行评估，未进行大规模多中心验证	开发肝癌症多模式消融治疗后的生存预测和疗效评估框架	接受多模式消融治疗的肝癌患者	数字病理学	肝癌	MRI影像组学、流式细胞术、常规血液检测	改进的深度Cox混合模型(DCM)、随机生存森林、视觉变换器	MRI影像数据、血液检测数据	临床数据集（具体数量未提及）
1148	2025-04-23	USE-Evaluator: Performance metrics for medical image segmentation models supervised by uncertain, small or empty reference annotations in neuroimaging 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102927 PMID:37672900	research paper	该论文提出了一种用于评估医学图像分割模型性能的新方法，特别针对参考标注不确定、小或为空的情况	提出了USE-Evaluator，一种新的性能评估方法，专门针对医学图像分割中参考标注不确定、小或为空的情况，弥补了现有评估方法的不足	研究主要针对神经影像数据，可能不适用于其他医学影像领域	改进医学图像分割模型的性能评估方法，特别是在参考标注不确定、小或为空的情况下	医学图像分割模型	digital pathology	stroke	deep learning	CNN	image	stroke in-house数据集、BRATS 2019和Spinal Cord公共数据集
1149	2025-04-22	DTF-diffusion: A 3D equivariant diffusion generation model based on ligand-target information fusion 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108392 PMID:40020563	research paper	本文提出了一种基于配体-靶标信息融合的3D等变扩散生成模型DTF-diffusion，用于生成与特定靶蛋白结合的药物分子	DTF-diffusion通过多模态特征融合模块融合配体和靶标的三维位置特征信息，并设计了化学规则判别模块以提高生成配体结构的合理性	未明确提及具体局限性	开发一种能够生成与特定靶蛋白结合的药物分子的深度学习模型	药物分子和靶蛋白	machine learning	NA	扩散模型	DTF-diffusion	3D分子结构数据	基于CrossDocket2020数据集进行评估
1150	2025-04-22	Brain tumor segmentation and classification using MRI: Modified segnet model and hybrid deep learning architecture with improved texture features 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108381 PMID:40020564	研究论文	本文提出了一种基于MRI的脑肿瘤自动分割与分类方法，采用改进的Segnet模型和混合深度学习架构，结合增强的纹理特征	提出了改进的Segnet模型和混合深度学习架构(HDLA)，结合Bi-LSTM和改进的Linknet模型，以及新的纹理特征提取方法	未提及模型在不同类型脑肿瘤上的泛化能力，也未讨论计算复杂度问题	开发自动化的脑肿瘤分割与分类系统以提高诊断效率和准确性	MRI脑部扫描图像	数字病理学	脑肿瘤	MRI图像分析	改进的Segnet模型、Bi-LSTM、改进的Linknet模型、HDLA混合架构	医学影像(MRI)	未明确提及具体样本数量，但测试集占比为90%
1151	2025-04-22	PocketDTA: A pocket-based multimodal deep learning model for drug-target affinity prediction 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108416 PMID:40073710	研究论文	提出了一种基于口袋的多模态深度学习模型PocketDTA，用于药物-靶标亲和力预测	引入了口袋图结构，编码蛋白质残基特征作为节点，边代表不同的蛋白质序列和空间距离，克服了传统模型仅依赖蛋白质序列输入缺乏空间信息的限制	未明确提及具体局限性	提高药物-靶标亲和力预测的准确性和泛化能力	药物和蛋白质	机器学习	NA	深度学习	关系图卷积网络（Relational Graph Convolutional Networks）	序列数据和结构数据	多个基准数据集（具体数量未提及）
1152	2025-04-22	Multiple omics-based machine learning reveals specific macrophage sub-clusters in renal ischemia-reperfusion injury and constructs predictive models for transplant outcomes 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108421 PMID:40086342	研究论文	本研究通过多组学机器学习方法揭示了肾缺血再灌注损伤中特定的巨噬细胞亚群，并构建了移植结果的预测模型	创新性地将基因表达矩阵转化为独特的图形像素模块，并应用先进的计算机视觉处理算法构建DGF预测模型，同时使用10种机器学习算法的111种组合开发移植物存活的预测特征	研究主要基于GEO数据库的scRNA-Seq数据，可能需要更多独立队列验证模型的普适性	分析巨噬细胞在IRI中的发育和分化特征，识别IRI的特定分子亚型，并建立DGF和移植物存活的预测策略	肾缺血再灌注损伤中的巨噬细胞亚群和移植受者	数字病理	肾脏疾病	scRNA-Seq, bulk RNA-Seq, qRT-PCR, WB, IHC	深度学习算法, 随机生存森林算法	基因表达数据, 图像数据	GEO数据库中的scRNA-Seq数据和小鼠IRI模型
1153	2025-04-22	On construction of data preprocessing for real-life SoyLeaf dataset & disease identification using Deep Learning Models 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108417 PMID:40086344	research paper	该论文构建了一个真实的大豆叶片数据集SoyLeaf，并应用深度学习模型进行叶片病害识别	开发了包含9786张高质量大豆叶片图像的真实数据集SoyLeaf，并比较了多种预训练深度学习模型在该数据集上的表现	未提及模型在实际田间环境中的泛化能力测试	解决大豆叶片病害识别中高质量样本不足的问题	大豆叶片（健康与病害叶片）	computer vision	soybean leaf diseases	transfer learning	ResNet50V2, ResNet101V2, ResNet152V2, InceptionV3, InceptionResNetV2, MobileNet, MobileNetV2, DenseNet121, DenseNet169	image	9786张大豆叶片图像
1154	2025-04-22	Application of Machine Learning (ML) approach in discovery of novel drug targets against Leishmania: A computational based approach 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108423 PMID:40086345	review	本文提出了一种基于机器学习的计算流程，用于预测抗利什曼病药物的活性	利用先进的机器学习和深度学习方法构建计算流程，克服传统方法的局限性	面临数据收集、特征提取和选择等挑战，需要进一步优化	优化抗利什曼病药物的发现和设计过程	具有抗利什曼活性的分子	machine learning	leishmaniasis	machine learning, deep learning	NA	molecular structures	NA
1155	2025-04-22	A critical address to advancements and challenges in computational strategies for structural prediction of protein in recent past 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108430 PMID:40121710	review	本文回顾了计算蛋白质结构预测领域的历史演变，分析了最新模型的优缺点	探讨了深度学习模型如AlphaFold2、RoseTTAFold和OpenFold在蛋白质结构预测中的革命性应用	需要大量训练数据、计算资源需求高，以及在建模蛋白质动力学、内在无序区域和蛋白质-蛋白质相互作用方面存在困难	探索计算蛋白质结构预测的进展与挑战	蛋白质结构预测的计算方法	computational biophysics	NA	homology modeling, threading, ab initio folding, deep learning	AlphaFold2, RoseTTAFold, OpenFold	protein sequences and structures	NA
1156	2025-04-22	Drug-drug interaction prediction based on graph contrastive learning and dual-view fusion 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108426 PMID:40138848	研究论文	提出了一种基于图对比学习和双视图融合的药物相互作用预测模型GDF-DDI	结合知识图谱网络和分子结构，通过双视图融合和图对比学习提取更丰富的药物嵌入信息	现有数据集中存在噪声和不完整数据，且数据量有限	提高药物相互作用(DDI)预测的性能	药物相互作用	机器学习	NA	图对比学习, 自监督学习	GDF-DDI, 图卷积网络	分子图, 知识图谱网络	两个数据集
1157	2025-04-22	In silico discovery of novel compounds for FAK activation using virtual screening, AI-based prediction, and molecular dynamics 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108420 PMID:40157227	研究论文	利用虚拟筛选、AI预测和分子动力学模拟发现新型FAK激活化合物	开发了一个新流程，结合虚拟筛选、AI预测和分子动力学模拟，从1000万种化合物中筛选出10种潜在FAK激活剂，并最终确定3种最有希望的候选化合物	研究仅进行了计算机模拟，缺乏体外和体内实验验证	识别能够增强FAK活性的化合物	FAK(黏着斑激酶)及其潜在激活剂	计算生物学	癌症	虚拟筛选、分子对接模拟、分子动力学模拟、深度学习	GLAM、elEmBERT	化学化合物数据	从1000万种化合物开始筛选，最终确定3种候选化合物
1158	2025-04-22	Lung cancer detection and classification using optimized CNN features and Squeeze-Inception-ResNeXt model 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108437 PMID:40158238	研究论文	本文提出了一种基于深度学习的方法，用于利用胸部CT扫描图像对肺癌进行分类	结合Squeeze-Inception V3与ResNeXt的新型Squeeze-Inception-ResNeXt模型，以及使用Slime Mould Algorithm (SMA)优化CNN特征提取	未提及具体的数据集来源或样本多样性，可能影响模型的泛化能力	开发一种高效的计算机辅助诊断系统，以提高肺癌的早期检测和分类准确性	胸部CT扫描图像中的肺结节	数字病理学	肺癌	计算机断层扫描(CT)	CNN, Squeeze-Inception-ResNeXt	图像	NA
1159	2025-04-22	pACPs-DNN: Predicting anticancer peptides using novel peptide transformation into evolutionary and structure matrix-based images with self-attention deep learning model 2025-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108441 PMID:40168838	研究论文	提出了一种基于自注意力深度学习模型pACPs-DNN，用于准确预测抗癌肽(ACPs)和非ACPs	将输入肽转化为基于残基能量接触矩阵(RECM)、替代矩阵表示(SMR)和位置特异性评分矩阵(PSSM)的图像表示，并采用局部二值模式(LBP)分解捕捉增强的结构和局部语义特征	未提及具体的数据集规模限制或模型计算资源需求	开发一种高效预测抗癌肽的深度学习模型，以推进癌症相关治疗药物的研发	抗癌肽(ACPs)和非ACPs	机器学习	癌症	残基能量接触矩阵(RECM)、替代矩阵表示(SMR)、位置特异性评分矩阵(PSSM)、局部二值模式(LBP)	自注意力深度神经网络(DNN)	肽序列数据	未明确提及具体样本数量，但在独立数据集Ind-I和Ind-II上进行了验证
1160	2025-04-22	CACTUS: An open dataset and framework for automated Cardiac Assessment and Classification of Ultrasound images using deep transfer learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110003 PMID:40107020	research paper	该论文介绍了一个名为CACTUS的开放数据集和深度学习框架，用于自动化心脏超声图像的分类和评估	首次引入开放分级的心脏超声图像数据集CACTUS，并提出了一个结合CNN和迁移学习的深度学习框架，用于心脏视图分类和图像质量评估	数据集主要来自CAE Blue Phantom扫描的图像，可能无法完全代表真实临床场景中的多样性	开发自动化工具辅助医疗专业人员分类和评估心脏超声图像	心脏超声图像	digital pathology	cardiovascular disease	ultrasound imaging	CNN with Transfer Learning	image	来自CAE Blue Phantom扫描的各种心脏视图和不同质量水平的图像