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
481	2025-06-21	Calibration-free estimation of field dependent aberrations for single molecule localization microscopy across large fields of view 2024-Dec-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.11.627909 PMID:39713420	研究论文	本文提出了一种无需校准的方法，用于估计单分子定位显微镜在大视场中的场依赖性像差	引入基于模型的方法直接从单分子数据估计场依赖性像差，无需校准步骤，利用节点像差理论将场依赖性像差纳入全矢量PSF模型	NA	提高单分子定位显微镜在大视场中的定位精度和准确性	微管和核孔复合物的2D和3D定位数据	显微镜成像	NA	单分子定位显微镜(SMLM)	基于节点像差理论的PSF模型	2D和3D定位数据	视场范围达180 μm的微管和核孔复合物数据
482	2025-06-21	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	本研究开发了一种基于深度学习和多期增强CT的自动诊断系统LiLNet，用于诊断肝脏病变	开发了Liver Lesion Network (LiLNet)系统，能够自动识别多种肝脏病变，并在多个外部中心验证了其高准确率	未提及系统在非典型病例或罕见肝脏病变中的表现	开发自动诊断系统以辅助肝脏病变的临床诊断	肝脏病变（包括HCC、ICC、MET、FNH、HEM和CYST）	数字病理	肝癌	多期增强CT成像	深度学习模型（LiLNet）	CT图像	4039名患者来自六个数据中心，并在四个外部中心和两家医院进行验证
483	2025-06-21	Glenohumeral joint force prediction with deep learning 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111952 PMID:38228026	研究论文	本研究利用深度学习技术预测肩关节盂肱关节力的幅度和方向	使用深度学习模型替代传统的计算密集型优化技术，显著降低计算成本	研究基于虚拟受试者数据，未涉及真实临床患者验证	开发高效预测肩关节力的方法以改善关节功能和植入物耐久性评估	肩关节盂肱关节力	机器学习	骨科疾病	深度学习	DLM	生物力学参数	959名虚拟受试者
484	2025-06-20	Predicting patients' sentiments about medications using artificial intelligence techniques 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83222-9 PMID:39738528	研究论文	本研究利用人工智能技术预测患者对药物的情感倾向	首次采用技术解释结果以提高可解释性和可理解性，并开发了深度集成模型DL_ENS	未提及具体样本量及数据集的局限性	开发AI模型以预测患者对药物的情感倾向，辅助临床医生开药	药物相关文本数据	自然语言处理	NA	Word2Vec算法、预训练词嵌入	ML和DL模型（包括CNN、LSTM等）及集成学习模型	文本	NA
485	2025-06-20	Descriptive overview of AI applications in x-ray imaging and radiotherapy 2024-12-27, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ad9f71 PMID:39681008	综述	本文综述了人工智能在X射线成像和放射治疗中的应用及其对患者预后的改善	探讨了AI在优化放射剂量、提高放射治疗效果方面的创新方法，包括深度学习在CT重建和实时剂量估计中的应用	部分AI方法尚未准备好用于常规临床使用，主要由于验证挑战，如确保在不同患者群体和临床环境中的可靠性	研究人工智能在医学放射应用中的潜力和挑战	X射线成像和放射治疗中的AI应用	数字病理学	NA	深度学习	DL模型	图像	NA
486	2025-06-20	Cultivation strategies of English thinking ability in the environment of Internet of Things 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39515 PMID:39687130	研究论文	本研究旨在通过物联网环境和深度学习视角，设计LSNN推荐模型以解决英语思维培养不足的问题	在CNN基础上增加调整层设计LSNN模型，有效缓解数据稀疏性问题	实验数据稀疏性范围较窄（0.7-0.9），未测试更广泛场景	拓宽英语学习者视野并加强英语思维能力的培养	英语学习者	自然语言处理	NA	深度学习	LSNN（基于CNN改进）	文本数据	未明确说明样本数量
487	2025-06-20	Vocal Call Locator Benchmark (VCL) for localizing rodent vocalizations from multi-channel audio 2024-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.20.613758 PMID:39345431	research paper	本文介绍了Vocal Call Locator Benchmark (VCL)，这是一个用于从多通道音频中定位啮齿动物发声的首个大规模数据集	提出了首个用于生物声学领域的大规模数据集和基准测试，填补了该领域公开模型、数据集和基准测试的空白	现有方法在标准实验室环境中定位动物产生声音的能力有限	理解社会互动中的行为和神经动力学，特别是动物如何处理声学信息	啮齿动物的社会发声	bioacoustics	NA	deep learning methods for SSL	NA	multi-channel audio recordings	767,295 sounds across 9 conditions
488	2025-06-20	Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36743 PMID:39263113	综述	本文全面分析了机器学习在癌症诊断系统中的应用现状及发展趋势	重点介绍了可解释人工智能（XAI）在癌症诊断中的新兴应用，包括交互式模型决策可视化和特征重要性分析等技术	讨论了数据集限制、模型可解释性、多组学整合和伦理问题等挑战	评估现代机器学习技术在癌症诊断中的应用，并指导研究人员、临床医生和政策制定者开发高效且可解释的基于机器学习的癌症诊断系统	癌症诊断系统	人工智能	癌症	机器学习、深度学习、联邦学习	监督学习、无监督学习、深度学习模型	影像数据、基因组数据、临床记录	NA
489	2025-06-20	Modelling protein complexes with crosslinking mass spectrometry and deep learning 2024-09-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51771-2 PMID:39251624	research paper	该研究通过将交联质谱（MS）实验距离约束整合到AlphaFold-Multimer中，扩展了AlphaLink以应用于蛋白质复合物，从而改善了结构建模性能	将交联质谱数据整合到AlphaFold-Multimer中，显著提高了对具有挑战性目标的建模性能，包括界面识别、采样聚焦和模型选择改进	NA	提高蛋白质复合物结构建模的准确性	蛋白质复合物	machine learning	NA	crosslinking mass spectrometry (MS), deep learning	AlphaFold-Multimer, AlphaLink	protein complex data	NA
490	2025-06-20	Pretrainable geometric graph neural network for antibody affinity maturation 2024-09-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51563-8 PMID:39242604	研究论文	本文提出了一种可预训练的几何图神经网络GearBind，用于抗体亲和力成熟的计算机模拟研究	利用多关系图构建、多级几何消息传递和大规模未标记蛋白质结构数据的对比预训练，GearBind在抗体亲和力成熟任务中优于现有方法	NA	提高抗体与目标抗原的结合亲和力，用于抗体治疗开发	抗体及其与目标抗原的相互作用	机器学习	NA	几何图神经网络	GearBind（基于GNN的集成模型）	蛋白质结构数据	SKEMPI数据集和独立测试集
491	2025-06-20	The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36067 PMID:39224395	研究论文	本研究利用卷积神经网络（CNN）和深度学习方法，全面分析和评估大学体育舞蹈教育的质量	创新性地应用深度学习技术，通过一维CNN模型定量评估体育舞蹈教育质量，解决了传统评估方法中的主观性和评价标准不一致问题	NA	全面分析和评估大学体育舞蹈教育的质量	大学体育舞蹈教育	机器学习	NA	深度学习	CNN	一维评估数据	NA
492	2025-06-20	Forward dynamics computational modelling of a cyclist fall with the inclusion of protective response using deep learning-based human pose estimation 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111959 PMID:38286096	研究论文	本研究通过视频分析和深度学习技术，研究自行车骑行者跌倒的运动学和动力学特性，并开发了一种新的重建流程用于计算建模	提出了一种结合深度学习人体姿态估计和逆向运动学优化的新流程，用于从真实跌倒视频中提取人体运动数据，并应用于前向动力学计算人体模型	研究仅针对自行车骑行者跌倒案例，可能不适用于其他类型的跌倒情况	研究自行车骑行者跌倒的运动学和动力学特性，以改进防护装备和安全措施	自行车骑行者的跌倒运动	计算机视觉	NA	深度学习人体姿态估计、逆向运动学优化、遗传算法	深度学习模型	视频	NA
493	2025-06-19	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	research paper	开发一种高度通用的弱监督模型，用于自动检测和定位图像级别的颅内出血（ICH），使用研究级别的标签	提出了一种基于注意力机制的双向LSTM网络模型，能够在研究级别标签上进行训练，实现高通用性和高阳性预测值的ICH检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发自动检测和定位颅内出血的深度学习模型，以提高诊断效率和准确性	非对比头部CT扫描图像	digital pathology	intracranial hemorrhage	deep learning	attention-based bidirectional LSTM, CNN	image	10,699非对比头部CT扫描（来自7,469名患者），外部测试集491例（178名女性）
494	2025-06-19	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究探讨了深度学习AI在乳腺X光筛查中替代双读的可行性和准确性	比较了三种AI集成筛查方案与标准双读加仲裁的差异，发现AI替代部分或全部读者是可行的	研究为回顾性设计，AI阈值选择部分基于先前验证，可能影响结果普适性	评估AI在乳腺X光筛查工作流中不同部署位置的准确性和可行性	249402张来自代表性筛查人群的乳腺X光片	数字病理	乳腺癌	深度学习	CNN	医学影像	249402张乳腺X光片
495	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
496	2025-06-19	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种利用自发荧光显微镜和深度学习技术，对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法	使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，未涉及其他器官或组织类型	开发一种无需化学染色的淀粉样沉积物可视化方法，以克服传统刚果红染色的局限性	人体组织中的淀粉样沉积物	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及具体样本数量，仅提到心脏组织
497	2025-06-19	Automated design of multi-target ligands by generative deep learning 2024-09-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	research paper	本文探讨了使用化学语言模型（CLM）生成多靶点配体以设计多药理学的方法	利用CLM从小规模微调分子集中学习，成功偏向设计具有与目标对已知配体相似性的药物样分子	仅测试了12个CLM设计分子对6个目标对的效果，样本量有限	探索生成深度学习模型在设计多靶点配体中的应用	多靶点配体	machine learning	NA	化学语言模型（CLM）	CLM	分子字符串表示（如SMILES）	12个CLM设计分子针对6个目标对
498	2025-06-19	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	评估深度学习模型在亚洲人群中预测基于胸部X光片的生物年龄（CXR-Age）的预后价值	首次在大型亚洲人群外部测试队列中验证深度学习模型预测的生物年龄与多种生存结果的关联	单中心回顾性研究，结果可能受限于特定人群和机构	验证基于胸部X光片的深度学习模型预测生物年龄的预后价值	50-80岁无症状亚洲人群的胸部X光片	数字病理学	多种疾病（心血管疾病、肺癌、呼吸系统疾病）	深度学习	CNN	图像（胸部X光片）	36,924名个体
499	2025-06-19	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	research paper	开发一种深度学习算法，利用MRI和基本临床数据预测缺氧缺血性脑病新生儿2年神经发育结果	使用多序列MRI和基本临床变量训练深度学习分类器，预测新生儿2年神经发育结果	样本量相对较小，且仅来自17个机构	预测缺氧缺血性脑病新生儿2年神经发育结果	患有缺氧缺血性脑病的足月新生儿	digital pathology	geriatric disease	MRI, diffusion tensor imaging	CNN	image	414名新生儿（232名男性，182名女性）
500	2025-06-19	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	research paper	评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，与专家评估结果高度一致	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发并评估一种自动化深度学习方法，用于腹水的检测和体积量化	肝硬化患者和卵巢癌患者的腹部-盆腔CT扫描图像	digital pathology	肝硬化和卵巢癌	深度学习	CNN	CT扫描图像	共315名患者（NIH-LC 25名，NIH-OV 166名，UofW-LC 124名）