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
101	2025-05-07	Antimicrobial resistance recommendations via electronic health records with graph representation and patient population modeling 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108616 PMID:39913994	research paper	提出了一种基于电子健康记录（EHR）的深度学习框架，用于生成抗菌素耐药性（AMR）推荐	采用深度图神经网络建模医疗事件间的相关性，结合患者群体建模解决罕见AMR标签不平衡问题，并采用多任务学习策略同时推荐多种AMR	研究仅针对尿路感染患者，可能不适用于其他类型的感染	利用EHR数据改进抗菌素耐药性（AMR）的识别和推荐	尿路感染患者	machine learning	urinary tract infection	deep learning, graph neural network	GNN	electronic health records (EHRs)	超过110,000名尿路感染患者
102	2025-05-07	Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108634 PMID:39913993	研究论文	探讨在医学深度学习中使用领域内预训练模型相对于跨领域预训练模型的优势	研究发现领域内预训练（如CT图像）在相同领域的下游任务中表现更优，揭示了预训练数据与任务领域匹配的重要性	研究结果仅适用于CT图像领域，对其他医学影像模态不适用	比较领域内预训练与跨领域预训练在医学深度学习中的效果差异	CT图像数据集（RadNet-12M、RadNet-1.28M、LiTS 2017）	计算机视觉	NA	自监督对比学习	深度学习模型（未指定具体架构）	医学影像（CT图像）	超过12百万/1.28百万CT图像切片（来自90,663次扫描）
103	2025-05-07	Protein ligand structure prediction: From empirical to deep learning approaches 2025-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102998 PMID:39914050	综述	本文综述了蛋白质-配体结构预测方法，从传统经验方法到基于深度学习的方法	提供了对经验方法和基于深度学习方法的关键组成部分的统一视角，并讨论了未来基于深度学习方法的挑战和机遇	未提及具体实验验证或实际应用案例	探讨蛋白质-配体结构预测方法的发展及其在药物发现中的应用	蛋白质-配体复合物的三维结构和结合能	机器学习	NA	深度学习	DL-based models	蛋白质-配体复合物数据	NA
104	2025-05-07	Meta-learning guidance for robust medical image synthesis: Addressing the real-world misalignment and corruptions 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102506 PMID:39914125	研究论文	本文提出了一种基于元学习的医学图像合成方法，旨在解决真实世界中的图像错位和损坏问题	提出了三种关键创新：元学习启发的重加权方案、基于非局部特征的损失函数以及联合训练图像合成网络和基于空间变换器（STN）的配准网络	方法在更具挑战性的数据集上的适用性尚未验证	提高医学图像合成在存在错位和损坏数据情况下的鲁棒性	医学图像	数字病理	NA	深度学习	STN	图像	公共数据集和受控合成场景
105	2025-05-07	Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110773 PMID:39914742	研究论文	本研究开发了一种两阶段的个性化深度学习自动分割（DLAS）模型，用于辅助大型脑转移瘤（BMs）的在线勾画	提出了一种个性化的深度学习自动分割模型，显著提高了大型脑转移瘤在磁共振引导自适应放疗（MRgART）中的勾画准确性和效率	研究样本量相对较小，仅包含20个大型脑转移瘤的741张日常在线MR图像	优化磁共振引导自适应放疗（MRgART）的工作流程，提高大型脑转移瘤的治疗效果	大型脑转移瘤（BMs）	数字病理	脑转移瘤	磁共振成像（MRI）	深度学习自动分割（DLAS）模型	图像	177个脑转移瘤的多序列图像用于基础模型训练，20个大型脑转移瘤的741张日常在线MR图像用于个性化模型开发
106	2025-03-23	Correction for Quach et al., Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis 2025-Apr, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504475122 PMID:40117323	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
107	2025-05-07	Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II) 2025-Mar-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123411 PMID:39893881	研究论文	使用神经网络区分多系统萎缩伴帕金森症和帕金森病的深度学习研究	采用基于体素的形态测量数据作为输入变量，利用神经网络区分MSA-P和PD，展示了在临床应用中足够的实用性	研究未提及样本的具体数量及多样性，可能影响模型的泛化能力	区分多系统萎缩伴帕金森症(MSA-P)和帕金森病(PD)	帕金森病(PD)和多系统萎缩伴帕金森症(MSA-P)患者	数字病理学	帕金森病	基于体素的形态测量	NN	图像	NA
108	2025-05-07	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-Mar-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	提出了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶(ALP)活性值来高效预测植入物表面的成骨能力	NA	开发高效筛选骨科植入物表面成骨能力的方法	钛及其合金植入物表面	数字病理	骨科疾病	深度学习	OIODNet	图像	NA
109	2025-05-07	ERNIE-ac4C: A Novel Deep Learning Model for Effectively Predicting N4-acetylcytidine Sites 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168978 PMID:39900287	research paper	提出了一种新的深度学习模型ERNIE-ac4C，用于有效预测N4-乙酰胞苷（ac4C）位点	结合ERNIE-RNA语言模型和二维卷积神经网络（CNN），利用序列特征和注意力图特征的融合来预测ac4C修饰位点	未提及具体局限性	提高ac4C修饰位点的预测准确性和效率	N4-乙酰胞苷（ac4C）修饰位点	machine learning	NA	deep learning	ERNIE-RNA, CNN	RNA序列数据	NA
110	2025-05-07	DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168977 PMID:39900285	研究论文	开发了一种名为DOGpred的深度学习框架，用于准确识别人体O-连接苏氨酸糖基化位点	提出了一种结合CNN和RNN的深度学习框架，通过注意力机制融合特征，显著提高了预测性能	未提及模型在跨物种或其他类型糖基化位点预测中的泛化能力	开发计算工具预测O-连接苏氨酸糖基化位点，以补充实验方法并促进疾病研究	人体蛋白质的O-连接苏氨酸糖基化位点	生物信息学	NA	深度学习	CNN, RNN	蛋白质序列特征	未明确提及具体样本数量
111	2025-05-07	Enhanced electroencephalogram signal classification: A hybrid convolutional neural network with attention-based feature selection 2025-Mar-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149484 PMID:39904453	研究论文	提出了一种基于深度学习的混合卷积神经网络与注意力机制的特征选择方法，用于提高运动想象脑电图信号的分类准确性	结合离散小波变换和共同平均参考进行降噪，使用CNN提取时域特征，并通过talking-heads注意力机制增强关键特征序列，最后利用TCN提取时空特征进行分类	未提及模型在其他数据集上的泛化能力或计算复杂度	提高运动想象脑电图信号的分类准确性，以促进脑机接口的实现	运动想象脑电图信号	机器学习	NA	离散小波变换, 共同平均参考	CNN, TCN, talking-heads注意力机制	脑电图信号	基于BCI Competition IV-2a数据集
112	2025-05-07	TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore 2025-Mar-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00609 PMID:39915959	研究论文	介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程，专为timsTOF仪器的DDA-PASEF数据优化	结合了新的timsTOF MSPIP谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，直接支持Bruker原始质谱数据和多种搜索引擎结果	未明确提及具体限制	提高质谱数据分析的准确性和效率，以支持蛋白质组学研究	血浆蛋白质组学、免疫肽组学（HLA I类和II类）和元蛋白质组学数据集	蛋白质组学	NA	质谱技术（MS）、离子迁移技术、PASEF技术	深度学习模型	质谱数据	NA
113	2025-05-07	DeepES: deep learning-based enzyme screening to identify orphan enzyme genes 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf053 PMID:39909853	research paper	开发了一个基于深度学习的工具DeepES，用于识别孤儿酶基因	利用深度学习技术整合二元分类器输出，针对生物合成基因簇和反应类别进行酶筛选	未提及具体性能指标或与其他工具的对比结果	解决孤儿酶基因识别问题，填补序列与酶反应关联理解的空白	蛋白质序列和生物合成基因簇	生物信息学	NA	深度学习	binary classifier	蛋白质序列	4744个宏基因组组装基因组
114	2025-05-07	Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111959 PMID:39893823	研究论文	开发了一种结合临床数据和超声特征的机器学习模型，用于痛风预测，并应用SHAP进行模型解释	结合临床数据和超声特征开发可解释的机器学习模型，并应用SHAP分析解释特征贡献	模型性能虽优，但样本量相对有限，且仅来自两个机构	开发用于痛风预测的机器学习模型	609名患者的首次跖趾关节超声数据	机器学习	痛风	Random Forest (RF), LASSO, XGBoost, SHAP	Logistic Regression (LR), 以及其他五种机器学习模型	临床数据和超声图像	609名患者（571名来自机构1，92名来自机构2）
115	2025-05-07	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶标相互作用的关键区域——功能基团	ABIET模型通过注意力权重评估分子亚区域的相对重要性，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	未提及具体的数据集规模限制或模型适用范围限制	提高药物发现领域中Transformer模型的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	药物发现	NA	Transformer-encoder架构，注意力机制	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
116	2025-05-07	Multi-modal dataset creation for federated learning with DICOM-structured reports 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03327-y PMID:39899185	research paper	该研究开发了一个开放平台，用于多模态数据集创建和联邦学习，特别针对心脏瓣膜置换术后的结果预测	利用DICOM结构化报告标准化多模态数据链接，并开发了具有交互式过滤功能的开放平台，简化了多中心数据集的创建过程	研究仅基于德国八所大学医院的数据，可能限制了结果的普遍适用性	解决联邦学习在异构数据集上的挑战，特别是多模态学习范式中的数据协调问题	多模态医疗数据，包括影像、波形数据和注释	digital pathology	cardiovascular disease	DICOM-structured reports, federated learning	NA	multi-modal (imaging, waveform, annotations, metadata)	来自德国八所大学医院的数据集
117	2025-05-07	Radiomics in glioma: emerging trends and challenges 2025-Mar, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52306 PMID:39901654	综述	本文综述了影像组学在神经胶质瘤中的应用、新兴趋势及挑战	整合深度学习算法提升影像组学各环节性能，探索胶质母细胞瘤特定肿瘤微环境，结合多组学数据增强预测能力	模型可重复性、泛化性、可解释性及多组学数据整合等挑战仍需解决	推动影像组学在神经胶质瘤临床诊疗中的应用	神经胶质瘤影像特征及肿瘤微环境	数字病理学	神经胶质瘤	扩散加权成像、灌注加权成像、磁共振波谱、磁共振指纹、功能MRI、正电子发射断层扫描	深度学习算法	医学影像	NA
118	2025-05-07	Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data 2025-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70002 PMID:39907193	研究论文	本研究利用深度学习技术加速磁共振胰胆管成像（MRCP）的采集过程，无需完全采样数据	采用监督学习和自监督学习两种策略训练深度学习重建模型，显著减少MRCP采集时间，同时在3T和0.55T场强下保持图像质量	研究仅涉及35名健康志愿者，未在患者群体中验证	加速MRCP成像过程并保持图像质量	35名健康志愿者的MRCP扫描数据	医学影像处理	NA	深度学习重建、并行成像（PI）、压缩感知（CS）	深度学习（DL）	磁共振影像	35名健康志愿者
119	2025-05-07	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	research paper	评估物理信息自动编码器（PIA）在利用混合多维MRI测量前列腺癌组织生物标志物中的性能	提出了一种新兴的自监督深度学习模型PIA，将三室扩散弛豫模型与混合多维MRI结合，无需大量训练数据即可预测前列腺癌组织特异性生物标志物	研究为回顾性设计，样本量较小（21名患者），且仅针对男性前列腺癌患者	开发一种准确、非侵入性且可解释的人工智能方法用于前列腺癌检测	前列腺癌患者的组织生物标志物	数字病理	前列腺癌	混合多维MRI	Autoencoder	MRI图像	21名男性前列腺癌患者（71个感兴趣区域）
120	2025-05-07	ZFP-CanPred: Predicting the effect of mutations in zinc-finger proteins in cancers using protein language models 2025-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.01.020 PMID:39909391	研究论文	介绍了一种名为ZFP-CanPred的新型深度学习模型，用于预测锌指蛋白（ZNFs）中与癌症相关的驱动突变	利用蛋白质语言模型（PLMs）从突变位点的结构邻域提取表征，训练ZFP-CanPred以区分致癌突变和中性突变，其性能优于现有的11种预测工具	虽然模型在特异性和敏感性方面表现平衡，但仍有提升空间，且样本量相对较小（331个突变）	预测锌指蛋白（ZNFs）中的癌症相关驱动突变，以促进对致癌过程的理解和靶向治疗策略的开发	锌指蛋白（ZNFs）中的错义突变	机器学习	癌症	蛋白质语言模型（PLMs）	深度学习模型	蛋白质序列和结构数据	331个突变