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
1401	2025-05-10	RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02144 PMID:39967508	研究论文	提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位	整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能	未提及具体局限性	开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发	IL-6诱导表位（短肽片段）	自然语言处理	自身免疫性疾病、癌症、COVID-19	ProtTrans预训练蛋白质语言模型	MCNNs	蛋白质序列数据	基准数据集（未提及具体数量）
1402	2025-05-10	Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb89c PMID:39978071	研究论文	本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法	开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试	开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型	肺部肿瘤患者	数字病理	肺癌	4DCBCT, Retina U-Net	Retina U-Net	图像	6个患者CBCT投影集用于验证，11个用于测试
1403	2025-05-10	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样	提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象	需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围	研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集	内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟，深度学习	ICoN（Internal Coordinate Net）	分子动力学模拟数据	NA
1404	2025-05-10	Increase Docking Score Screening Power by Simple Fusion With CNNscore 2025-Mar-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70060 PMID:39981784	研究论文	提出一种将传统对接分数与基于深度学习的CNNscore相结合的对接分数融合策略，以提高分子对接的筛选能力	通过简单融合传统对接分数与CNNscore，显著提高了分子对接的筛选能力，并在TYK2抑制剂筛选中验证了其有效性	未提及具体的技术细节和在不同靶点上的普适性验证	提高分子对接的筛选能力，优化虚拟筛选流程	蛋白质-配体相互作用	机器学习	NA	深度学习，分子对接	CNN	分子对接数据	近120亿个分子
1405	2025-05-10	Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf078 PMID:39977366	研究论文	提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫水化位点	结合了信息熵增强的BERT和多方向GRU，提出了一种新的深度学习模型Sul-BertGRU，用于提高S-硫水化位点预测的准确性和效率	未提及具体的数据集大小或模型在不同数据集上的泛化能力	解决蛋白质S-硫水化位点的准确预测问题，以促进细胞生物学研究	蛋白质序列中的S-硫水化位点	机器学习	心血管疾病和神经系统疾病	深度学习	BERT, GRU, CNN	蛋白质序列	NA
1406	2025-05-10	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	review	本文综述了人工智能在预测心源性猝死（SCD）中的当前应用状态和未来发展方向	探讨了机器学习和深度学习算法在识别SCD复杂非线性模式和预测指标方面的潜力	指出了人工智能在SCD风险分层应用中存在的重要限制	提高心源性猝死的个性化风险预测和预防策略	心源性猝死（SCD）患者	machine learning	cardiovascular disease	machine and deep learning algorithms	NA	complex data	NA
1407	2025-05-10	Deep Learning-based Brain Age Prediction Using MRI to Identify Fetuses with Cerebral Ventriculomegaly 2025-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.240115 PMID:39969279	研究论文	本研究利用基于深度学习的胎儿脑龄预测模型，通过MRI识别脑室扩大的胎儿	采用二维单通道卷积神经网络(CNN)进行胎儿脑龄预测，以检测脑室扩大及其相关中枢神经系统异常	NA	评估深度学习模型在识别胎儿脑室扩大及相关中枢神经系统异常方面的诊断性能	脑室扩大的胎儿(317例)和正常发育胎儿(183例)	数字病理学	胎儿脑室扩大	MRI	CNN	图像	500例胎儿(317例脑室扩大，183例正常发育)
1408	2025-05-10	A deep learning detection method for pancreatic cystic neoplasm based on Mamba architecture 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251313719 PMID:39973786	research paper	该研究提出了一种基于Mamba架构和YOLO的新型模型M-YOLO，用于提高胰腺囊性肿瘤的检测准确性	结合Mamba架构的序列建模能力和YOLOv10的快速目标检测特性，创新性地提出了M-YOLO模型	NA	提高胰腺囊性肿瘤的早期诊断准确性和效率	胰腺囊性肿瘤(PCN)	computer vision	pancreatic cancer	deep learning	M-YOLO (Mamba YOLOv10)	medical images	数据集来自长海医院，具体样本量未提及
1409	2025-05-10	A novel detail-enhanced wavelet domain feature compensation network for sparse-view X-ray computed laminography 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251319183 PMID:39973784	研究论文	提出了一种新型的细节增强小波域特征补偿网络，用于稀疏视角X射线计算机断层扫描成像	设计了编码器-解码器网络，结合小波域特征补偿和细节增强模块，以及Swin Transformer和卷积算子的组合，以提高稀疏视角CL重建的图像质量	NA	构建深度学习网络用于稀疏视角CL重建	焊点的X射线计算机断层扫描图像	计算机视觉	NA	X射线计算机断层扫描	编码器-解码器网络，Swin Transformer，CNN	图像	3200对16视角和1024视角CL图像（2880对用于训练，160对用于验证，160对用于测试）
1410	2025-05-10	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	research paper	该研究提出了一个综合机器学习框架，通过整合临床特征和深度学习衍生的影像特征来评估乳腺癌的恶性程度	提出了一种基于堆叠的集成模型，结合了影像和临床数据，显著提高了预测准确性	样本量相对较小（1668名患者），可能影响模型的泛化能力	开发一个可靠的乳腺癌恶性风险评估工具	1668名有乳腺病变记录的患者	digital pathology	breast cancer	deep learning	CNN (EfficientNet, ResNet, DenseNet, InceptionNet), stacking-based ensemble model	image, clinical data	1668名患者
1411	2025-05-10	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	research paper	提出了一种新的深度学习框架，用于在X射线图像中有效分类COVID-19	结合了多种特征提取方法和优化算法，开发了混合深度学习算法MhA-Bi-GRU with DSAN，并通过DLF-CO算法最小化损失函数	未提及模型在其他数据集上的泛化能力或实际临床环境中的验证	快速识别COVID-19在胸部X射线图像中的表现	胸部X射线图像	digital pathology	lung cancer	深度学习	MhA-Bi-GRU with DSAN	image	公开数据库COVID-19 Chest X-ray中的样本
1412	2025-05-10	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究评估了一种结合3D自编码器和注意力机制的混合深度学习模型在CT扫描图像中早期检测肺癌的有效性	提出了一种结合3D自编码器和注意力机制的混合模型，显著提高了肺癌早期检测的准确性和敏感性	未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果	提高肺癌早期诊断的准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	深度学习	3D Auto-encoders与注意力机制结合的混合模型	3D CT图像	NA
1413	2025-05-10	Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111952 PMID:39978270	research paper	该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理	使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响	对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低	开发自动分割和分类颅内出血的深度学习模型，以增强临床决策	非对比脑CT图像中的颅内出血及相关病理	digital pathology	intracranial hemorrhages	deep learning	3D U-Net	image	1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集
1414	2025-05-10	Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240161 PMID:39982207	研究论文	开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测	利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能	研究为回顾性分析，可能受到数据收集时间和来源的限制	提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性	头颈部鳞状细胞癌患者的治疗前CT图像	数字病理学	头颈部鳞状细胞癌	CT成像	图注意力深度学习	图像	3434名患者（训练集1576名，验证集379名，测试集1479名）
1415	2025-05-10	Deep learning-based surrogates for multi-objective optimization of the groundwater abstraction schemes to manage seawater intrusion into coastal aquifers 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124592 PMID:39986155	研究论文	本研究开发并比较了六种基于深度学习的替代模型，用于优化沿海含水层的地下水抽取方案，以管理海水入侵	开发了六种深度学习替代模型，并比较了它们在优化地下水抽取问题中的性能，同时采用了多目标优化算法来获取帕累托最优解	研究可能受限于特定地理区域的数据可用性和模型泛化能力	优化沿海含水层的地下水抽取方案，以管理海水入侵并确保地下水的可持续性	沿海含水层的地下水抽取系统	机器学习	NA	深度学习	Simple and Deep Feed Forward Neural Networks, LSTM, Bi-LSTM, pro-LSTM, GRU	模拟数据	NA
1416	2025-05-10	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2025-03-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:40029749	research paper	该研究应用自监督学习方法DINO从肾小球图像中提取特征，并用于疾病分类，减少了对大量标注数据的依赖	使用自监督学习DINO方法从未标注的肾小球图像中提取特征，显著降低了深度学习对标注数据的依赖，并在疾病分类任务中表现优于传统ImageNet预训练模型	研究仅使用了PAS染色的肾小球图像，未验证其他染色方法的效果	探索自监督学习在数字肾脏病理学中的应用，提高疾病分类的准确性	肾小球图像和四种肾脏疾病（微小病变、系膜增生性GN、膜性肾病和糖尿病肾病）及临床参数（高血压、蛋白尿和血尿）	digital pathology	kidney disease	self-supervised learning (DINO), principal component analysis	DINO-pretrained backbone, k-nearest neighbor classifiers, linear head layers	image	10,423张肾小球图像，来自384张PAS染色的肾脏活检切片
1417	2025-05-10	Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges 2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240076 PMID:39946265	research paper	探讨在0.55-T MRI系统上进行常规和高级神经影像检查的机会与挑战	利用低磁场强度（0.55-T）MRI系统进行神经影像检查，减少磁敏感伪影并提高MRI安全性	0.55-T系统的图像质量低于1.5-T系统，且存在加速伪影和动态对比增强灌注成像信号不足的问题	评估0.55-T MRI系统在神经影像检查中的应用潜力	脑部和脊髓的常规及高级神经影像检查	医学影像	神经系统疾病	MRI	NA	影像数据	NA
1418	2025-05-10	A Graph-Theoretic Approach to Detection of Parkinsonian Freezing of Gait From Videos 2025-Feb-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70020 PMID:39976295	研究论文	本研究提出了一种基于图论的方法，用于从帕金森病患者的视频数据中检测步态冻结现象	采用图论方法构建姿态图序列，利用Fréchet统计量识别步态冻结的转折点，与主流的基于像素的深度学习方法不同	仅在Kinect3D和AlphaPose两个数据集上进行了验证，样本量有限	开发一种新的步态冻结检测方法，以改善帕金森病的诊断和治疗	帕金森病患者的视频数据	计算机视觉	帕金森病	图论方法	图拉普拉斯矩阵	视频	两个数据集（Kinect3D和AlphaPose）
1419	2025-05-10	Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction 2025-Feb-28, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.24000195 PMID:40020200	research paper	开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死	使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准	研究为单中心研究，需要进一步的外部验证	评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能	被初步诊断为ACS（包括STEMI和NSTEMI）的患者	machine learning	cardiovascular disease	ECG	CNN	ECG图像	未明确提及样本数量，但包括STEMI和NSTEMI患者
1420	2025-05-10	Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models 2025-Feb-27, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00169 PMID:39966082	研究论文	本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱	利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍	NA	开发高效预测蛋白质振动光谱的深度学习方法	氨基酸、二肽、三肽以及大型多肽和蛋白质	机器学习	NA	红外光谱、拉曼光谱	DetaNet（深度等变张量注意力网络）	光谱数据	氨基酸、二肽和三肽的综合数据集