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
16601	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
16602	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
16603	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
16604	2025-02-16	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型	构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络	现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题	探索三叉神经痛的病理生理学并开发有效的镇痛药物	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络（TNPAN）	图像	NA
16605	2025-02-16	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据	提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题	提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策	直肠癌患者	数字病理	直肠癌	MRI（磁共振成像）	nnUNet, MLNet, 3D ResNet10	图像	509名患者，来自9个中心
16606	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量
16607	2025-02-16	Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice 2022-03-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29236-1 PMID:35318318	研究论文	本文介绍了一种深度学习辅助的双光子纤维镜技术，用于在自由行为的小鼠中进行视频速率的大脑成像	开发了高速扫描器和降采样方案以提高成像速度，并引入了深度学习算法以恢复图像质量，实现了在自由行为小鼠中进行高分辨率、高速度（26 fps）的成像	目前的技术仍受限于光机械尺寸和重量的限制	提高双光子纤维镜的成像速度，以更好地理解神经活动模式与行为之间的关系	自由行为的小鼠	计算机视觉	NA	双光子纤维镜成像	深度学习算法	视频	自由行为的小鼠
16608	2025-02-16	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织	开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像	研究为回顾性研究，样本量相对较小（62名患者）	开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔	62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI	计算机视觉	癫痫	MRI	U-Net	图像	62名颞叶癫痫患者和40名对照受试者
16609	2025-02-16	Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions? 2021-10-19, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000012696 PMID:34521690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16610	2025-02-15	Comparison of Deep Learning Models for Voice Disorder Classification Using Kymographic Images 2025-Feb-12, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.01.001 PMID:39947969	研究论文	本研究提出了一种基于深度学习的声门振动图分类方法，用于自动化分析声门振动模式中的细微变化	首次将深度学习模型应用于声门振动图的分类，以自动化分析声门振动模式中的病理变化	研究仅使用了BAGLS数据集，样本来源有限，可能影响模型的泛化能力	开发一种自动化工具，辅助临床医生诊断声音障碍	声门振动图	计算机视觉	声音障碍	深度学习	AlexNet, DenseNet121, Xception, Inceptionv3, ResNet50v2	图像	BAGLS数据集中的高速视频记录
16611	2025-02-15	Deep learning-based clustering for endotyping and post-arthroplasty response classification using knee osteoarthritis multiomic data 2025-Feb-12, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.01.012 PMID:39948003	研究论文	本文开发了一种基于多模态深度学习的框架，用于聚类来自三种生物流体的多组学数据，以识别不同的膝骨关节炎内型并分类全膝关节置换术后的疼痛/功能反应	创新点在于使用多模态深度学习框架整合多组学数据，识别膝骨关节炎的不同内型，并提高全膝关节置换术后反应的分类性能	研究样本量相对较小，且仅针对膝骨关节炎患者，可能限制了结果的普适性	研究目的是通过多模态深度学习聚类多组学数据，识别膝骨关节炎的不同内型，并分类全膝关节置换术后的疼痛/功能反应	研究对象为414名膝骨关节炎患者	机器学习	膝骨关节炎	microRNA测序和代谢组学	变分自编码器（VAE）与K-means聚类	多组学数据（代谢物和microRNA）	414名膝骨关节炎患者的血浆、滑液和尿液样本
16612	2025-02-14	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Feb-13, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中的噪声和运动伪影的方法	通过深度学习模型独立处理T1W、T2W和FLAIR序列，有效去除噪声和运动伪影，且不受成像方向和伪影方向的影响	研究仅基于20名健康志愿者的数据，样本量较小，且未涉及真实患者数据	提高脑部MRI的临床实用性，通过减少噪声和运动伪影来改善图像质量	脑部MRI图像（T1W、T2W和FLAIR序列）	计算机视觉	NA	深度学习	深度学习模型	图像	20名健康志愿者的脑部MRI图像，模拟生成的115200对图像用于训练、验证和测试
16613	2025-02-14	Improved segmentation of hepatic vascular networks in ultrasound volumes using 3D U-Net with intensity transformation-based data augmentation 2025-Feb-13, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03320-2 PMID:39939404	研究论文	本研究通过引入基于强度变换的数据增强方法，改进了使用3D U-Net进行肝脏血管网络的三维分割	提出了基于高对比度和低对比度强度变换的数据增强方法，显著提高了3D U-Net在肝脏血管网络分割中的性能	高对比度强度变换的数据增强方法降低了分割准确性，需要进一步优化	改进肝脏血管网络的三维分割，以支持超声介导的肝脏疾病诊疗	肝脏血管网络	计算机视觉	肝脏疾病	3D U-Net	3D U-Net	超声体积数据	78个超声体积数据
16614	2025-02-14	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2025-Feb-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	本文综述了化学计量学在食品微生物研究中的应用、原理及挑战，并探讨了其与多组学和生物信息学结合的未来发展	强调了化学计量学在食品微生物组学研究中的潜力，并提出了整合深度学习和人工智能算法以提高分析能力和预测精度的迫切需求	选择合适的化学计量工具并进行多组学数据融合分析仍是一个巨大挑战	揭示食品微生物在营养和安全中的功能属性和机制	食品微生物组	生物信息学	NA	多组学技术	深度学习（DL）和人工智能算法	多组学数据	NA
16615	2025-02-14	A hitchhiker's guide to deep chemical language processing for bioactivity prediction 2025-Feb-12, Digital discovery IF:6.2Q1 DOI:10.1039/d4dd00311j PMID:39726698	研究论文	本文分析了化学语言处理（CLP）的关键要素，并为新人和专家提供了指导	提供了关于神经网络架构、分子表示和超参数优化的实用建议，强调了方法决策的重要性	NA	加速药物发现，特别是通过化学语言处理进行生物活性预测	分子字符串表示（如SMILES和SELFIES）	自然语言处理	NA	化学语言处理（CLP）	神经网络	分子字符串	十个生物活性数据集
16616	2025-02-14	Biophysics-guided uncertainty-aware deep learning uncovers high-affinity plastic-binding peptides 2025-Feb-12, Digital discovery IF:6.2Q1 DOI:10.1039/d4dd00219a PMID:39882101	研究论文	本文提出了一种结合生物物理建模、证据深度学习和元启发式搜索方法的新型框架，用于发现高亲和力的塑料结合肽，以应对微塑料污染问题	结合生物物理建模数据、证据深度学习的预测能力和不确定性量化，以及元启发式搜索方法，显著提高了塑料结合肽的发现效率和准确性	深度学习的预测并非总是准确，可能导致合成和评估假阳性肽的时间和金钱浪费	开发一种高效、低成本的方法来发现高亲和力的塑料结合肽，以解决微塑料污染问题	塑料结合肽（PBPs）	机器学习	NA	分子动力学模拟、证据深度学习、元启发式搜索方法	深度学习	实验数据、生物物理数据	超过10^12种12-mer肽的组合空间
16617	2025-02-14	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2025-Feb-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	本文提出了一种深度学习框架，用于从临床实践中获取的喉镜视频帧中估计声带姿态，以辅助诊断喉部疾病	该框架通过热图回归依赖三个解剖学相关的关键点作为前声门角度（AGA）计算的先验，克服了现有算法在病理图像、噪声和遮挡等挑战性图像中的缺点	NA	开发一种深度学习框架，用于从喉镜视频帧中准确估计声带姿态，以辅助诊断喉部疾病	声带姿态估计	计算机视觉	喉部疾病	深度学习	热图回归	视频帧	124名患者的471张喉镜帧，其中28名患者患有癌症
16618	2025-02-14	Multifactor prediction model for stock market analysis based on deep learning techniques 2025-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88734-6 PMID:39934296	研究论文	本文提出了一种基于深度学习的多因素预测模型，用于分析股票市场的稳定性	使用sigmoid深度学习范式构建了一个基于矛盾因素的稳定性预测模型，能够识别不同影响因素对股票市场稳定性的影响	未提及具体的数据集或实验验证结果，可能缺乏实际应用的验证	研究股票市场的稳定性预测，以提高预测精度和识别市场突变	股票市场的稳定性及其影响因素	机器学习	NA	深度学习	sigmoid深度学习模型	股票市场数据	未提及具体样本数量
16619	2025-02-14	Deep-learning-ready RGB-depth images of seedling development 2025-Feb-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01334-3 PMID:39934882	研究论文	本文提出了一个独特的幼苗出苗动力学注释数据集，包含近70,000个RGB深度帧和超过700,000个植物注释	提供了一个独特的RGB深度图像数据集，用于训练深度学习模型并进行高通量表型分析，展示了该数据集在多种物种上的泛化能力并超越现有技术	讨论了该数据集在植物表型分析中引发的新问题，但未详细说明具体问题	旨在通过提供高质量的注释数据集，推动机器学习驱动的植物成像研究	幼苗出苗动力学	计算机视觉	NA	NA	深度学习模型	RGB深度图像	近70,000个RGB深度帧和超过700,000个植物注释
16620	2025-02-14	Chemically Informed Deep Learning for Interpretable Radical Reaction Prediction 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01901 PMID:39871741	研究论文	本文开发了一个基于分子轨道相互作用的预测框架，用于解释自由基反应的机制	提出了一个化学感知的深度学习模型，能够提供不同层次的解释性预测，并在自由基反应预测中达到了96%的准确率	模型依赖于RMechDB数据库，可能受限于数据库的覆盖范围和准确性	开发一个能够预测和解释自由基反应的深度学习框架	自由基反应的机制和产物	化学信息学	NA	深度学习	深度学习模型	化学反应数据	RMechDB数据库中的自由基反应步骤