深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
981	2025-10-06	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	研究论文	提出一种基于视觉刺激的脑电信号分类方法，通过对抗学习提取主体不变特征	采用双路径深度学习架构结合梯度反转层学习主体不变特征，并提出基于引导反向传播的脑电通道选择方法	NA	基于视觉刺激的脑电信号分类与脑解码	由图像刺激诱发的脑电信号	脑机接口	NA	脑电图	CNN	脑电信号	NA	NA	双路径卷积神经网络	NA	NA
982	2025-10-06	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络的深度学习模型，用于自动检测血管超声中的自发回声对比现象	首次将多序列CNN与软注意力机制结合用于SEC自动检测，能够可视化关键帧重要性	模型性能仍有提升空间（AUC 0.74），样本量相对有限（201名患者）	开发自动识别血管超声中自发回声对比的深度学习模型	股静脉超声图像序列	计算机视觉	心血管疾病	血管超声	CNN	超声图像序列	201名患者的801个超声采集序列	NA	ResNetv2	ROC-AUC, 敏感度, 特异度, F1分数, 真阴性, 假阴性, 假阳性, 真阳性	NA
983	2025-10-06	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出一种联合T1和T2*映射的加速MRI参数映射技术，通过扫描特异性自监督网络重建结合并行成像和模型方法	首次将并行成像、模型驱动方法和深度学习通过扫描特异性自监督网络重建协同结合，实现高加速率的联合参数映射	未提及需要外部大型数据集进行训练，但可能对特定采集协议有依赖性	开发加速的MRI定量参数映射技术以减少扫描时间	MRI T1和T2*参数映射	医学影像处理	NA	多回波、多翻转角梯度回波采集	自监督网络	多对比度MRI数据	NA	NA	NA	重建误差	NA
984	2025-10-06	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本研究提出了一种基于无监督深度学习和卷积神经网络的静态并行传输设计方法，用于改善7T磁共振中多通道发射阵列的B1+不均匀性问题	首次将CNN与多通道B1+图谱结合进行无监督训练，采用物理驱动的损失函数消除参考传输RF权重的计算需求	回顾性研究，仅使用健康人脑部数据，未在患者群体中验证	改善7T磁共振中多通道发射阵列的B1+场不均匀性	健康人脑部B1+图谱数据	医学影像分析	NA	磁共振成像，Bloch仿真	CNN	2D矢状面多通道B1+图谱	143名受试者的3824个2D矢状面多通道B1+图谱	NA	卷积神经网络	RMS误差，变异系数，能量消耗	NA
985	2025-10-06	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于领域自适应的深度学习模型GDA，用于青光眼的预测和诊断	提出领域不变和领域特定表示学习，采用渐进加权机制准确传递源领域知识，并使用低秩编码对齐源和目标分布	NA	开发青光眼预测和诊断的深度学习模型	青光眼患者	计算机视觉	青光眼	眼底摄影	深度学习	图像	66,742张眼底照片，来自1,636名受试者的3,272只眼睛	NA	GDA（青光眼领域自适应模型）	AUC, 准确率	NA
986	2025-10-06	Examining a punishment-related brain circuit with miniature fluorescence microscopes and deep learning 2024-Jun, Addiction neuroscience DOI:10.1016/j.addicn.2024.100154 PMID:38680653	研究论文	本文通过微型荧光显微镜和深度学习算法研究惩罚学习相关的生物行为机制	结合微型荧光显微镜和深度学习算法分析惩罚学习中的神经回路动态变化，突破了传统功能丧失操作的局限	NA	理解惩罚学习的生物行为机制及其在物质使用障碍戒断和复发中的作用	啮齿类动物（用于实验建模）	神经科学, 机器学习	物质使用障碍	微型荧光显微镜, 深度学习算法	深度学习	神经影像数据	NA	NA	NA	NA	NA
987	2025-10-06	NeighBERT: Medical Entity Linking Using Relation-Induced Dense Retrieval 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00136-3 PMID:38681752	研究论文	提出一种名为NeighBERT的医学实体链接方法，通过关系诱导的密集检索技术改进临床文本中的实体链接性能	扩展BERT预训练技术，通过编码知识图谱中实体间的关系来增强模型对临床文本歧义的解决能力	NA	改进医学实体链接任务，解决临床文本中的实体歧义问题	临床文本中的医学实体	自然语言处理	NA	知识图谱嵌入，密集检索	Transformer	文本	NA	BERT	NeighBERT, BERT	精确率, 召回率, F1分数	NA
988	2025-10-06	Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00160-x PMID:38681760	研究论文	本文开发了监督和无监督深度学习方法来预测癫痫发作，通过识别脑电图中的发作前期信号	首次同时开发监督和无监督深度学习方法进行癫痫预测，无监督方法仅需正常脑电图数据进行训练	模型性能因患者个体差异、采用方法和架构不同而变化，存在个体化差异	开发有效的癫痫发作预测方法以降低患者风险	癫痫患者的脑电图数据	机器学习	癫痫	脑电图分析	深度学习	脑电图信号	两个大型脑电图癫痫数据集	NA	NA	NA	NA
989	2025-10-06	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动牙科疾病分类中的有效性	采用多模态特征融合技术结合传统机器学习分类器，显著提升了牙科疾病分类的准确性和鲁棒性	仅包含六种常见牙科疾病，未涵盖更广泛的牙科病症	推进自动牙科疾病分类领域的发展	六种常见牙科疾病：龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症	计算机视觉	牙科疾病	深度学习，特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床来源图像	NA	EfficientNetB0	准确率, 召回率, 精确率, Kappa指数	NA
990	2025-10-06	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出一种基于光学相干断层扫描图像的自适应加权集成学习方法用于糖尿病视网膜病变分类	基于贝叶斯理论提出新型决策融合方案，动态调整基模型权重分布以缓解数据不平衡问题	NA	提升糖尿病视网膜病变自动检测性能	糖尿病视网膜病变患者的光学相干断层扫描图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描	集成学习	图像	两个公共数据集（DRAC2022和APTOS2019）	NA	三个先进深度学习模型的集成	二次加权kappa, 准确率	NA
991	2025-10-06	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	研究论文	提出一种密集U型Transformer网络结合双域多损失函数用于稀疏视图CT重建	结合DenseNet的局部特征提取能力和Transformer的远程依赖建模，并设计带权重学习的双域多损失函数	仅在Mayo Clinic LDCT数据集上验证，未在其他数据集测试泛化能力	开发深度学习方法来抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	计算机视觉	NA	CT扫描	Transformer, CNN	医学图像	Mayo Clinic LDCT数据集	NA	DenseNet, Transformer, U-Net	伪影抑制效果, 图像特征保留度	NA
992	2025-10-06	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出基于深度学习的HRCT图像病灶指标评估与量化方法，用于间质性肺病的严重程度分层	首次开发能够同时分割五种ILD病灶类型（HC、RO、GGO、CONS、EMPH）的卷积神经网络，并结合临床数据建立多变量预测模型	研究样本量未明确说明，模型性能在不同病灶类型间存在差异	提高间质性肺病严重程度评估的准确性和客观性	间质性肺病患者的HRCT图像	计算机视觉	间质性肺病	HRCT成像	CNN	医学图像	NA	NA	卷积神经网络	AUC, 准确率	NA
993	2025-06-02	Geometric deep learning-guided Suzuki reaction conditions assessment for applications in medicinal chemistry 2024-Jul-17, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00196f PMID:39026644	研究论文	本文探讨了如何利用机器学习方法基于高通量实验数据快速选择Suzuki偶联反应条件，以加速小分子药物发现中的碳-碳键构建	引入了针对反应产率优化的96孔板设计算法，并评估了零样本和小样本机器学习在反应条件选择中的性能	零样本机器学习模型的平均ROC-AUC值较低（0.63±0.16），表明其在某些情况下可能不够可靠	加速小分子药物发现中的碳-碳键构建过程	Suzuki偶联反应条件选择	机器学习	NA	高通量实验(HTE)	零样本和小样本机器学习	实验数据	八个反应验证	NA	NA	NA	NA
994	2025-10-06	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	研究论文	本研究开发了一种基于高速摄像和深度学习的高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的运动障碍	首次将无标记运动捕捉技术应用于斑马鱼幼虫逃逸反应游泳的节段化建模，提供了比传统方法更高分辨率和更低变异性的运动功能评估	方法主要针对斑马鱼幼虫模型，在其他物种或发育阶段的适用性需要进一步验证	开发精确评估杜氏肌营养不良斑马鱼模型运动障碍的新方法	营养不良素缺陷型斑马鱼幼虫和野生型斑马鱼幼虫	计算机视觉	杜氏肌营养不良	高速摄像技术	深度学习	视频	NA	NA	NA	分类准确率	NA
995	2025-10-06	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-10-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	开发了一个名为sChemNET的深度学习框架，用于基于化学结构和序列信息预测影响miRNA生物活性的小分子	通过目标函数克服稀疏化学信息限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	小分子-miRNA数据集规模较小	预测靶向miRNA功能的小分子	小分子、microRNA、人类和其他哺乳动物生物	机器学习	癌症、传染性疾病	深度学习、体外实验、体内实验	神经网络	化学结构、序列信息	小分子-miRNA数据集	NA	sChemNET	实验验证	NA
996	2025-10-06	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	介绍了一种名为PINNACLE的几何深度学习方法，通过整合分析蛋白质相互作用和多器官单细胞转录组数据生成蛋白质的上下文表征	首次将蛋白质相互作用与多器官单细胞转录组数据相结合，为蛋白质生成具有生物环境上下文的表征	NA	解决现有蛋白质表征方法缺乏生物环境上下文的问题	蛋白质及其在细胞类型特异性功能和相互作用中的表征	机器学习	NA	单细胞转录组学	几何深度学习	蛋白质相互作用数据，单细胞转录组数据	NA	NA	PINNACLE	NA	NA
997	2025-10-06	Integrating Deep Learning and Synthetic Biology: A Co-Design Approach for Enhancing Gene Expression via N-Terminal Coding Sequences 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00371 PMID:39229974	研究论文	提出一种深度学习与合成生物学协同设计的少样本训练工作流，用于优化N端编码序列以增强基因表达	开发了结合k近邻编码、word2vec、注意力机制和时间序列网络的深度学习框架，仅需少量训练数据即可高效优化NCS序列	方法仅在GFP和N-乙酰神经氨酸合成相关基因上验证，需要进一步扩展到更多基因系统	通过优化N端编码序列来最大化基因表达水平	绿色荧光蛋白(GFP)和N-乙酰神经氨酸合成关键限速基因	机器学习	NA	基因工程，荧光报告系统	注意力机制，时间序列网络	基因序列数据，荧光强度数据	少量训练数据，6次迭代实验	word2vec	注意力机制，时间序列网络	荧光增强因子	NA
998	2025-10-06	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	综述	本文综述了深度学习在颌骨囊性病变诊断中的最新研究进展与应用效果	首次系统评估深度学习在颌骨囊性病变鉴别诊断中的性能表现，涵盖44项相关研究	缺乏模型可解释性、多中心数据验证不足，尚未达到常规临床应用标准	研究深度学习在颌骨囊性病变诊断中的性能表现	颌骨囊性病变的影像学诊断	数字病理	颌骨囊性病变	深度学习	NA	牙科放射影像	44项研究（初始1862篇文献筛选得出）	NA	NA	鉴别性能	NA
999	2025-10-06	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	综述	对医学预测问题中带噪声标签的深度学习研究进行范围综述，涵盖噪声标签检测、处理和评估方法	首次系统综述医学预测领域中带噪声标签的深度学习研究，提供噪声标签检测和处理方法的分类框架	仅纳入2016-2023年间60篇文献，可能未覆盖所有相关研究	系统梳理医学预测问题中带噪声标签的深度学习研究现状和方法	医学预测问题中的噪声标签管理方法	机器学习	NA	深度学习	NA	医学数据	60篇文献	NA	NA	NA	NA
1000	2025-10-06	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	研究论文	本研究通过选择性减少大鼠打闹游戏中的运动或社交方面，探讨不同游戏方面对发育的影响	首次通过选择性减少游戏特定方面（运动或社交）来区分不同游戏方面对发育的独立影响	研究仅针对雄性大鼠，未包括雌性；仅评估了对人类-大鼠游戏的反应，未涵盖其他行为表现	理解动物游戏中不同方面（运动和社会方面）对发育的具体贡献	发育期雄性大鼠	行为神经科学	NA	超声波发声记录，深度学习分类	深度学习	音频数据（50 kHz超声波发声）	多组发育期雄性大鼠（具体数量未在摘要中说明）	NA	NA	超声波发声数量，发声亚型分类	NA