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
1841	2025-04-25	Deep Learning in Gene Regulatory Network Inference: A Survey 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3442536 PMID:39137088	综述	本文对12种利用深度学习模型推断基因调控网络（GRN）的方法进行了全面分析	提供了基于深度学习模型的GRN推断方法的详细分类和评估，并探讨了未来研究方向	未涉及非深度学习方法的比较，且样本量仅限于12种方法	分析并评估利用深度学习模型推断基因调控网络的方法	基因调控网络（GRN）推断方法	机器学习	NA	深度学习	深度学习模型	基因表达数据	12种GRN推断方法
1842	2025-04-25	Parallel Convolutional Contrastive Learning Method for Enzyme Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447037 PMID:39167509	research paper	提出了一种并行卷积对比学习方法（PCCL）用于酶功能预测，以提高预测精度	结合卷积神经网络（CNNs）和对比学习，处理类别不平衡问题，并采用三个并行CNNs充分提取样本特征	未提及具体的数据集规模或多样性限制	提高酶功能预测的精度	酶的功能预测	machine learning	NA	protein language model ESM-2, contrastive learning	CNN	protein sequences	NA
1843	2025-04-25	Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3445434 PMID:39186423	研究论文	提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法	结合生物力学模拟和条件扩散网络生成合成超声图像，提供大量可靠的数据集用于模型训练和评估	合成图像的多样性和真实性仍需进一步验证	解决超声图像中斑点噪声带来的标注挑战，提供可靠的合成数据集用于肌肉功能分析	肌肉运动和超声图像	计算机视觉	NA	有限元方法(FEM)、扩散网络	条件扩散网络	图像	3030张超声图像
1844	2025-04-25	CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3455381 PMID:39240741	research paper	提出了一种名为CTsynther的端到端深度学习模型，用于单步逆合成预测	在Transformer架构中引入对比学习概念，并在SMILES句子级别使用对比学习语言表示模型，通过混合全局和局部注意力机制捕捉不同原子间的特征和依赖关系	未提及具体的数据集规模限制或模型计算资源需求	解决有机化学和药物合成中的逆合成预测问题	化学分子（通过SMILES表示）	machine learning	NA	对比学习, Transformer	Transformer	text（SMILES字符串）	NA
1845	2025-04-25	Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3459391 PMID:39264782	研究论文	本研究探讨了在超声计算机断层扫描（USCT）中，基于深度学习的声速估计方法中不同输入模态（走时层析成像和反射层析成像）的影响	通过结合走时层析成像（TT）和反射层析成像（RT）的双通道输入，利用卷积神经网络（CNN）进行高分辨率声速图重建，提供了一种计算效率高的替代方案	研究主要基于虚拟USCT成像系统和数值乳腺模型，临床数据的验证样本量有限	提高超声计算机断层扫描中声速估计的准确性和计算效率	数值乳腺模型和临床人类乳腺数据	医学影像处理	乳腺癌	超声计算机断层扫描（USCT）、走时层析成像（TT）、反射层析成像（RT）	CNN	图像	数值乳腺模型和临床人类乳腺数据（具体数量未明确说明）
1846	2025-04-25	GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3459870 PMID:39302806	research paper	提出了一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet	结合BERT预训练和1D CNN，显著提高了m7G位点预测的准确性和计算性能	未提及模型在跨物种或不同RNA类型上的泛化能力	开发高效的m7G位点预测方法以替代传统耗时耗力的实验技术	RNA序列中的N7-甲基鸟苷修饰位点	natural language processing	NA	RNA修饰分析	BERT + 1D CNN	RNA序列数据	未明确说明样本数量
1847	2025-04-25	Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3467261 PMID:39316498	研究论文	提出一种名为AFP-Deep的深度学习方法，通过整合预训练蛋白质语言模型和混合特征提取网络来预测抗冻蛋白	利用预训练蛋白质语言模型提取蛋白质序列中的全局上下文特征，并设计混合深度神经网络增强嵌入与抗冻模式之间的相关性	未提及具体的数据集规模或多样性限制	提高抗冻蛋白的预测准确性，以促进仿生合成抗冰材料和低温器官保存材料的开发	抗冻蛋白（AFPs）	机器学习	NA	蛋白质语言模型，混合特征提取网络	深度学习	蛋白质序列	未明确提及样本数量
1848	2025-04-25	A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3468434 PMID:39331551	研究论文	本文提出了一种蛋白质上下文增强的主从框架（PCMS），用于零样本药物靶点相互作用预测	提出了一种新颖的PCMS框架，能够在新发现的靶蛋白缺乏已知相互作用数据的情况下进行预测	未提及具体的样本量限制或数据集多样性问题	解决零样本条件下药物靶点相互作用预测的挑战	药物与靶蛋白的相互作用	机器学习	NA	深度学习	主从学习框架（Master/Slave Framework）	药物和靶蛋白的特征数据	两个公共数据集
1849	2025-04-25	MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3451985 PMID:39208057	research paper	提出一个多模态深度学习框架MMD-DTA，用于预测药物-靶标结合亲和力及结合区域	通过无监督学习同时预测药物-靶标结合亲和力和结合区域，整合了药物和靶标的序列与结构信息	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	提高药物-靶标结合亲和力及结合区域预测的准确性和泛化能力	药物分子与靶标蛋白的相互作用	machine learning	NA	graph neural networks, target structural feature extraction network	MMD-DTA (multi-modal deep learning framework)	sequence and structural data of drugs and targets	NA
1850	2025-04-25	Virtual Lung Screening Trial (VLST): An In Silico Replica of the National Lung Screening Trial for Lung Cancer Detection 2024-Oct-28, ArXiv PMID:38699170	research paper	该研究通过虚拟肺部筛查试验（VLST）模拟国家肺部筛查试验（NLST），展示了虚拟成像试验（VIT）在加速临床试验、降低受试者风险及优化影像技术应用方面的潜力	首次通过虚拟成像试验平台准确模拟了国家肺部筛查试验（NLST），验证了虚拟试验在临床影像评估中的可行性	虚拟患者样本量相对较小（294例），且仅模拟了两种类型的肺结节	验证虚拟成像试验平台能否准确模拟真实临床试验（如NLST），以评估影像技术在肺癌筛查中的应用	虚拟患者群体（基于XCAT人体模型生成的294例模拟病例）及其模拟的CT和CXR影像	digital pathology	lung cancer	CT和CXR影像模拟技术	AI CT-Reader和AI CXR-Reader（基于深度学习的病灶检测模型）	image	294例虚拟患者（含均质性和异质性肺结节模拟数据）
1851	2025-04-25	Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease 2024-Oct-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599092 PMID:39554095	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质-蛋白质相互作用数据，揭示了阿尔茨海默病中Aβ与tau蛋白相互作用的新型调节因子	首次应用深度学习网络整合方法BIONIC分析AD中Aβ-tau相互作用的调节机制，并发现GPNMB+小胶质细胞的新型调节作用	研究主要基于ROSMAP队列数据，需要在其他独立队列中进行验证	揭示阿尔茨海默病中Aβ与tau蛋白相互作用的调节机制	阿尔茨海默病患者和非痴呆对照组的蛋白质组数据和蛋白质相互作用网络	数字病理学	阿尔茨海默病	蛋白质组学分析，蛋白质-蛋白质相互作用网络分析	深度学习模型(BIONIC)	蛋白质组数据，基因表达数据	ROSMAP队列数据(具体样本数未明确说明)
1852	2025-04-25	Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4889334/v1 PMID:39483897	研究论文	本文探讨了在系统性硬化症（SSc）患者中使用神经网络分析作为皮肤结果的新方法，并与传统方法进行比较	首次将深度学习模型应用于SSc患者的皮肤活检，以量化病理特征，超越了传统的皮肤厚度测量	研究样本量较小（仅10名患者），且试验提前终止，可能影响结果的普遍性	评估belumosudil在SSc患者中的效果，并探索AI在量化SSc皮肤病理特征中的应用	患有弥漫性皮肤SSc的成年患者	数字病理学	系统性硬化症	深度学习	深度学习模型	图像（皮肤活检切片）	10名患者（其中5名有配对活检）
1853	2025-04-25	Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology 2024-Oct-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.22.590118 PMID:38712207	研究论文	本研究提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境细胞组织模式	引入了双层图模型（细胞图和群体图），通过软Weisfeiler-Lehman子树核捕捉患者间的相似性，从而识别具有独特预后的患者亚群和肿瘤微环境模式	方法虽然在乳腺癌患者中验证，但可能在其他癌症类型中的适用性需要进一步验证	开发一种可解释的深度学习方法，识别与预后相关的肿瘤微环境模式	乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	深度学习	双层图模型（细胞图和群体图）	数字病理图像	乳腺癌患者队列（具体数量未提及）及两个独立验证队列
1854	2025-04-25	Computer Vision Identification of Trachomatous Inflammation-Follicular Using Deep Learning 2024-Sep-20, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003701 PMID:39312712	研究论文	本研究开发并评估了一种基于深度学习的计算机视觉模型，用于识别沙眼性炎症-滤泡（TF），以减少人工评分的资源负担和潜在错误	首次使用MobileNetV3大型深度卷积神经网络对沙眼性炎症-滤泡进行自动分类，显著提高了筛查效率和准确性	需要在具有不同TF流行率的多样化人群中进行进一步验证才能大规模实施	开发一种能够准确高效进行大规模沙眼筛查的自动化系统	0至9岁儿童的56,725张眼睑内翻照片	计算机视觉	沙眼	深度学习	MobileNetV3大型深度卷积神经网络	图像	来自埃塞俄比亚一个沙眼流行地区的11,358名儿童，共56,725张照片
1855	2025-04-25	Foundation model of neural activity predicts response to new stimulus types and anatomy 2024-Aug-31, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.21.533548 PMID:36993435	研究论文	该研究通过训练一个基础模型来预测小鼠视觉皮层对任意自然视频的神经元响应，并展示了该模型在新刺激类型和解剖结构上的泛化能力	利用基础模型处理大规模神经活动数据，成功预测新刺激类型和解剖结构，展示了在神经科学领域的泛化能力	模型在训练分布之外的泛化能力仍有局限，需要更大规模的多模态数据集进一步提升	构建基础大脑模型，增强对大脑计算目标和神经编码的理解	小鼠视觉皮层的神经活动	神经科学	NA	深度学习	基础模型	神经活动数据	多只小鼠的大量神经活动数据
1856	2025-04-25	PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications 2024-Aug-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.02.24311385 PMID:39211887	research paper	介绍了一种名为PixelPrint的3D打印方法，用于制造患者特异性可变形CT体模，以模拟呼吸运动	提出了一种能够精确复制患者肺部结构、纹理和衰减特性的3D打印方法，并展示了其在压缩下的非刚性变形、体积变化和衰减变化的准确性	未提及具体限制	开发更真实的呼吸运动体模（RMPs），以支持新型CT技术的测试	患者特异性可变形肺部体模	digital pathology	lung cancer	3D printing	NA	CT imaging	NA
1857	2025-04-25	Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599097 PMID:38948787	research paper	开发了一种基于深度学习的数字病理计算方法，用于测量TEM图像中肾小球滤过屏障的超微结构	首次使用U-Net模型和图像处理算法自动测量GBM和PFP宽度，减少了人工操作的劳动强度和操作者间的变异性	自动和手动PFP宽度测量在ILK cKO标本中存在差异，表明方法在PFP测量上可能不够精确	研究肾小球滤过屏障超微结构的自动化测量方法，以促进足细胞病的研究和临床诊断	Integrin-Linked Kinase (ILK) 足细胞特异性条件敲除小鼠和野生型小鼠的肾脏TEM图像	digital pathology	podocytopathy	transmission electron microscopy (TEM)	U-Net	image	WT和ILK cKO同窝小鼠的肾脏TEM图像，4周龄
1858	2025-04-25	Analysis of RNA translation with a deep learning architecture provides new insight into translation control 2024-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.08.548206 PMID:39005319	研究论文	开发了一种深度神经网络模型，用于从RNA序列直接预测和分析翻译起始和终止位点	模型揭示了密码子使用在调控翻译终止中的新作用，并发现了数千个新的开放阅读框	模型主要基于人类转录本训练，在其他生物体中的预测准确性可能有限	理解基因翻译的调控机制	RNA序列中的翻译起始和终止位点	自然语言处理	NA	深度神经网络	深度神经网络	RNA序列	人类转录组数据
1859	2025-04-25	Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers 2024-Jul-01, ArXiv PMID:39010871	research paper	使用多模态规范建模分析阿尔茨海默病的异质性，基于成像ATN生物标志物	采用深度学习多模态规范框架分析个体水平的ATN成像生物标志物变异	研究仅基于横断面数据，未考虑纵向变化	探究阿尔茨海默病的异质性及其与认知功能和疾病进展的关系	阿尔茨海默病患者（淀粉样蛋白阳性和阴性对照）	digital pathology	geriatric disease	T1-weighted MRI, amyloid and tau PET	deep learning-based multimodal normative framework	imaging data	发现队列（n = 665）和复制队列（n = 430）
1860	2025-04-25	Artificial intelligence in colonoscopy: from detection to diagnosis 2024-07, The Korean journal of internal medicine DOI:10.3904/kjim.2023.332 PMID:38695105	综述	本文综述了人工智能在结肠镜检查中从检测到诊断的最新进展	总结了不同深度学习模型在结肠镜检查不同任务中的适用性及性能表现	仅纳入2021年及以后发表的英文文献，可能存在发表偏倚	评估人工智能在结肠镜检查中的应用效果	27篇PubMed原始研究	数字病理学	胃肠道疾病	深度学习	Efficientnet, YOLO, Unet	医学影像	27项研究