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
1721	2025-04-07	Scaling Synthetic Brain Data Generation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3520156 PMID:40030742	研究论文	本文介绍了一种名为Wirehead的可扩展内存数据管道，显著提高了神经影像学中深度学习实时合成数据生成的性能	Wirehead通过将数据生成与训练解耦，并运行多个独立的并行生成器，实现了近乎线性的性能提升，同时利用MongoDB高效处理TB级数据，显著降低了存储成本	未来研究需要在优化生成与训练的平衡以及资源分配方面进行进一步探索	解决神经影像学研究中高质量多样化数据集有限的问题，提升深度学习应用的效率	神经影像学中的合成数据生成	神经影像学	NA	深度学习	NA	神经影像数据	TB级数据
1722	2025-04-07	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本文结合蛋白质语言模型和分子动力学模拟技术，探索抗生物污染肽的发现	首次将深度学习高通量搜索与分子动力学模拟相结合，从微生物组库中筛选抗生物污染肽	现有数据库的偏差可能影响模型训练效果，且仅验证了6种肽候选物的性能	开发新型抗生物污染肽材料以扩大其应用范围	微生物组库中的肽序列	生物信息学	NA	蛋白质语言模型(ESM2)、分子动力学(MD)模拟	随机森林集成模型(10个独立分类器)	蛋白质序列数据	等量抗生物污染肽和生物污染肽序列数据库，6种验证肽候选物
1723	2025-04-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出了一种名为ProNEP的深度学习算法，用于高通量识别NLR-效应子对	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并结合迁移学习和双线性注意力网络进行预测	CNE数据非常稀缺，已知的CNE数量远少于已确认的NLR数量	识别NLR与效应子之间的对应关系，以促进生物学、免疫学和育种研究	核苷酸结合富含亮氨酸重复序列受体（NLR）和病原体效应子	生物信息学	NA	深度学习	双线性注意力网络	蛋白质序列数据	91,291个NLR和387个已知CNE
1724	2025-04-07	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	本文提出了一种基于门控图变换器（GGT）的新框架，用于根据fMRI的功能连接（FC）预测个体的认知能力	结合先验空间知识，采用随机游走扩散策略捕捉大脑区域间的复杂结构功能关系，利用可学习的结构和位置编码（LSPE）及门控机制有效分离位置编码（PE）和图嵌入的学习	NA	预测个体的认知能力并增强功能脑网络生物标志物的可解释性	功能脑网络	神经科学研究	NA	fMRI	GGT（门控图变换器）	功能连接（FC）数据	两个大规模脑成像数据集：费城神经发育队列（PNC）和人类连接组计划（HCP）
1725	2025-04-07	Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1355287 PMID:38919268	研究论文	本研究开发并比较了深度学习和机器学习算法在骨质疏松风险预测中的性能	提出了一种新的深度神经网络（DNN）框架，用于骨质疏松风险预测，并证明其在性能上优于传统的机器学习模型和回归模型	研究样本仅限于路易斯安那骨质疏松研究（LOS）中的8,134名40岁以上受试者，可能不具有普遍代表性	评估深度神经网络（DNN）在骨质疏松风险预测中的性能，并与传统机器学习模型进行比较	8,134名40岁以上受试者的髋部骨密度（BMD）及广泛的 demographic 和常规临床数据	机器学习	骨质疏松	深度学习（DL）和机器学习（ML）	DNN, RF, ANN, KNN, SVM, OST	临床数据和 demographic 数据	8,134名40岁以上受试者
1726	2025-04-07	De novo design of luciferases using deep learning 2023-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-05696-3 PMID:36813896	研究论文	本文介绍了一种基于深度学习的'家族级幻觉'方法，用于设计具有选择性催化氧化化学发光的人工荧光素酶	使用深度学习生成大量理想化的蛋白质结构，包含多样化的口袋形状和设计序列，从而创造出高活性和特异性的生物催化剂	方法依赖于生成的蛋白质结构和设计序列的准确性，可能受限于当前深度学习模型的预测能力	从头设计具有高活性和特异性的荧光素酶	人工荧光素酶及其催化底物二苯基特拉嗪和2-脱氧腔肠素	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
1727	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像
1728	2025-04-06	Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001131 PMID:39437009	研究论文	本研究探讨了图像重建参数和CT扫描仪制造商对Sybil算法在低剂量胸部CT中预测肺癌风险性能的影响	首次系统评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，并发现组合有利的重建参数可以显著提高2-4年的预测能力	研究仅基于美国国家肺癌筛查试验的参与者数据，可能无法推广到其他人群	评估Sybil算法在不同图像重建参数和CT扫描仪下的性能稳定性	低剂量胸部CT扫描图像	数字病理学	肺癌	低剂量计算机断层扫描(LDCT)	深度学习算法(Sybil)	医学影像	1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像
1729	2025-04-06	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	research paper	本研究比较了在脑MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像在转移瘤检测中的敏感性和精确度	首次使用深度学习方法从低剂量MRI图像合成T1加权图像，并与真实对比增强图像在转移瘤检测中的表现进行比较	研究样本量相对较小（40名参与者），且仅评估了两位放射科医生的表现	评估低剂量MRI结合深度学习合成图像在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部检查结果的参与者	digital pathology	brain metastasis	MRI, deep learning	deep learning method (未具体说明模型类型)	MRI图像	40名参与者（来自917名参与者的子集）
1730	2025-04-06	Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network 2025-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001963 PMID:39962871	研究论文	本研究利用深度卷积神经网络（DCNN）解析脑多巴胺转运体（DAT）扫描图像，以辅助帕金森病（PD）的临床诊断	首次将深度卷积神经网络应用于DAT SPECT图像的自动分类，提高了帕金森病诊断的客观性和准确性	研究为回顾性研究，样本量有限（416例），且仅使用了三种预训练模型	开发一种基于深度学习的自动化方法，用于评估纹状体多巴胺能神经元退行性变程度	416例临床不确定帕金森综合征患者的DAT SPECT图像	数字病理学	帕金森病	DAT SPECT（使用99m Tc-TRODAT-1示踪剂）	CNN（具体使用Xception、InceptionV3和ResNet101模型）	医学影像（SPECT图像）	416例帕金森综合征患者
1731	2025-04-06	Fast and Robust Single-Shot Cine Cardiac MRI Using Deep Learning Super-Resolution Reconstruction 2025-Apr-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001186 PMID:40184545	研究论文	本研究比较了深度学习重建的单次平衡稳态自由进动电影图像与标准多次电影图像在心脏MRI中的诊断质量	使用深度学习超分辨率算法重建单次电影图像，显著缩短扫描时间并在心律失常或不可靠呼吸控制患者中表现出更优的图像质量	样本量相对较小（45名参与者），且仅使用1.5特斯拉设备进行扫描	评估深度学习重建技术在心脏MRI中的应用效果	心脏MRI图像	数字病理学	心血管疾病	平衡稳态自由进动（bSSFP）	深度学习超分辨率算法	MRI图像	45名参与者（平均年龄50岁±18，30名男性）
1732	2025-04-06	Relationships Between Familial Factors, Learning Motivation, Learning Approaches, and Cognitive Flexibility Among Vocational Education and Training Students 2025-Apr-04, The Journal of psychology IF:2.2Q2 DOI:10.1080/00223980.2025.2456801 PMID:40184534	研究论文	本研究探讨了家庭因素（父母自主支持和父母支持）与职业教育与培训（VET）学生的学习动机、学习方法和认知灵活性之间的关系	揭示了父母自主支持和父母支持通过影响学习动机和深度学习方法间接促进认知灵活性发展的机制	横断面研究设计无法确定因果关系，样本仅来自泰国曼谷地区的十所职业学校，可能存在地域局限性	探索家庭因素如何影响职业教育学生的学习过程和认知发展	557名职业教育与培训学生（男性56.7%，女性43.3%；平均年龄18.41岁）	教育心理学	NA	问卷调查和结构方程模型分析	结构方程模型	问卷数据	557名来自泰国曼谷地区十所职业学校的学生
1733	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA
1734	2025-04-06	Predictive Value of Social Determinants of Health on 90-Day Readmission and Health Utilization Following ACDF: A Comparative Analysis of XGBoost, Random Forest, Elastic-Net, SVR, and Deep Learning 2025-Apr-02, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251332556 PMID:40173192	研究论文	本研究评估了社会健康决定因素（SDH）对前路颈椎间盘切除融合术（ACDF）患者90天再入院和健康利用（HU）的预测影响，并比较了多种机器学习模型的效果	首次应用机器学习评估SDH在ACDF患者中的作用，并识别出影响90天再入院和HU的关键SDH因素	依赖单一医疗系统的数据，且SDH测量采用代理指标而非患者直接报告的数据	评估SDH对ACDF患者术后90天再入院和健康利用的预测价值	3127名ACDF患者（2003-2023年）	机器学习	颈椎疾病	机器学习（包括XGBoost、随机森林、弹性网络、SVR和深度学习）	Balanced Random Forest, Support Vector Regression (SVR)	临床和人口统计学数据	3127名ACDF患者
1735	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用
1736	2025-04-06	Hybrid deep learning model for density and growth rate estimation on weed image dataset 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86357-5 PMID:40175374	研究论文	提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计	结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数	NA	通过杂草图像分割研究杂草生长和密度估计，以帮助制定合适的杂草管理策略	杂草图像数据集，包括宽叶、单子叶和双子叶杂草	计算机视觉	NA	深度学习	HCNN（混合卷积神经网络），结合SegNet和U-Net	图像	2100张杂草图像（500张来自原始数据集，1600张来自CWFID数据集）
1737	2025-04-06	Machine learning fusion for glioma tumor detection 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89911-3 PMID:40175410	研究论文	本文介绍了一种用于神经胶质瘤检测和分级的机器学习框架	提出了一种结合深度学习的神经胶质瘤分类系统，实现了高准确率（99.21%）、特异性（98.3%）和敏感性（97.83%）	需要进一步的研究和验证以完善系统并确保其临床适用性	开发准确高效的肿瘤检测系统以改善患者护理和提高生存率	神经胶质瘤	计算机视觉	脑肿瘤	磁共振成像	深度学习模型	图像	NA
1738	2025-04-06	Investigation on potential bias factors in histopathology datasets 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89210-x PMID:40175463	research paper	该研究探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差	首次对TCGA数据集中站点特异性偏差进行了深入分析，并评估了两种前沿DNN模型在此问题上的表现	研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法涵盖所有潜在偏差来源	调查数字病理学数据集中导致模型性能偏差的潜在因素	TCGA数据集中的数字病理学图像	digital pathology	NA	deep learning	KimiaNet, EfficientNet	medical images	TCGA数据集中的样本
1739	2025-04-06	Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92641-1 PMID:40175474	研究论文	本文提出了一种用于草莓采摘机器人分级的草莓重量估计方法，结合点云补全和多模态融合网络	提出了一种针对对称物体的多模态点云补全方法，并开发了名为MMF-Net的多模态融合回归模型，显著提高了草莓重量估计的准确率	方法主要针对对称物体，可能不适用于非对称水果或物体的重量估计	提高草莓采摘机器人分级的准确性和效率	草莓	计算机视觉	NA	RGB-D成像、点云补全、多模态融合	MMF-Net（结合EfficientNet和PointNet）	RGB-D图像、点云数据	1521组草莓RGB-D图像
1740	2025-04-06	Leveraging Fine-Scale Variation and Heterogeneity of the Wetland Soil Microbiome to Predict Nutrient Flux on the Landscape 2025-Apr-02, Microbial ecology IF:3.3Q2 DOI:10.1007/s00248-025-02516-1 PMID:40175811	研究论文	本研究通过高通量测序数据开发多样性图谱，揭示湿地土壤细菌的模式，并将氮循环基因的功能基因拷贝数与测量的营养通量速率联系起来，预测微生物组合组成对营养通量的影响	利用深度学习模型提高通量速率的预测准确性，并展示土壤细菌组合作为营养循环生物指示剂的潜力	研究仅关注美国湿地，可能不适用于其他地区的生态系统	阐明湿地土壤细菌的模式，并预测微生物组合组成对营养通量的影响	湿地土壤微生物组合	微生物生态学	NA	高通量测序	深度学习	测序数据	从表层土壤（0-5厘米）收集的土壤核心样本