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
61	2025-04-26	Enabling late-stage drug diversification by high-throughput experimentation with geometric deep learning 2024-02, Nature chemistry IF:19.2Q1 DOI:10.1038/s41557-023-01360-5 PMID:37996732	研究论文	本文开发了一种基于几何深度学习和高通量反应筛选的晚期功能化平台，用于优化药物候选分子的性质	结合几何深度学习和高通量实验，开发了一个预测反应产率和区域选择性的平台，用于药物分子的晚期功能化	对于未知底物的反应性分类准确率较低（67%）	优化药物候选分子的晚期功能化过程	23种不同的商业药物分子	机器学习	NA	高通量反应筛选	几何深度学习	化学数据	23种商业药物分子
62	2025-04-20	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	开发并验证了一种基于深度学习的自动分割模型，用于肺癌放疗中的心脏亚结构分割	使用nnU-Net模型实现了心脏亚结构的自动分割，包括冠状动脉，这在减少放射性心脏病风险方面具有创新性	冠状动脉的分割精度相对较低（DSC为0.60），且样本量有限（100名患者）	最小化肺癌放疗中放射性心脏病的风险	非小细胞肺癌患者的心脏亚结构	数字病理	肺癌	深度学习	nnU-Net	医学图像	100名非小细胞肺癌患者（训练集75例，验证集5例，测试集20例），外加42名患者用于主观评估
63	2025-04-17	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	研究论文	本研究开发并验证了一种基于深度学习的自动化分类系统，用于股骨头坏死（ONFH）的分类	采用深度学习中的卷积神经网络（CNN）模型对ONFH进行分类，并在多中心数据集上验证了其高准确性和泛化能力	研究仅使用了来自4家机构的回顾性数据，可能需要更多前瞻性数据进一步验证模型的普适性	开发高准确性的ONFH自动分类系统以辅助临床决策	股骨头坏死（ONFH）患者	数字病理学	骨科疾病	MRI成像	CNN	图像	1,806张MRI图像（来自1,337个髋关节），其中外部验证集包含334张图像（来自182个髋关节）
64	2025-04-12	Digital pathology-based artificial intelligence models for differential diagnosis and prognosis of sporadic odontogenic keratocysts 2024-02-26, International journal of oral science IF:10.8Q1 DOI:10.1038/s41368-024-00287-y PMID:38403665	研究论文	开发基于数字病理学的人工智能模型，用于散发性牙源性角化囊肿的鉴别诊断和预后	利用Inception_v3神经网络和深度学习生成的病理特征，结合多种机器学习算法，开发了全幻灯片图像级别的AI模型，展示了AI模型在病理学中的解释潜力	NA	开发用于牙源性角化囊肿诊断和预后的数字病理学AI模型	519例牙源性角化囊肿病例，共2157张苏木精和伊红染色图像	数字病理学	牙源性角化囊肿	深度学习，机器学习	Inception_v3	图像	519例病例，2157张图像
65	2025-04-03	Variability of the femoral mechanical-anatomical axis angle and its implications in primary and revision total knee arthroplasty 2024-Feb-06, Bone & joint open IF:2.8Q1 DOI:10.1302/2633-1462.52.BJO-2023-0056.R1 PMID:38316146	研究论文	利用深度学习测量股骨机械-解剖轴角度（FMAA）及其在全膝关节置换术中的影响	开发了一种快速准确的深度学习工具来量化FMAA，揭示了不同测量方法间的显著差异	研究仅基于骨关节炎倡议（Osteoarthritis Initiative）的放射影像数据，可能无法代表所有人群	探究股骨机械-解剖轴角度（FMAA）的变异性及其对全膝关节置换术（TKA）的影响	来自骨关节炎倡议的1,078例全肢放射影像	医学影像分析	骨关节炎	深度学习	DL（深度学习）	放射影像	1,078例全肢放射影像
66	2025-04-02	Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach 2024-Feb-15, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2023.111126 PMID:39155966	研究论文	本研究结合深度学习和机器学习技术，探讨被动设计指标在降低住宅建筑能源负担中的作用	采用深度学习驱动的计算机视觉与机器学习相结合的方法，解决被动设计特征数据稀缺的问题	研究仅基于芝加哥大都市区的数据，可能无法推广到其他地区	评估被动设计特征对住宅能源负担的影响，为智能和可持续城市建设提供见解	芝加哥大都市区的住宅建筑	计算机视觉	NA	深度学习、机器学习	CNN、决策树回归、随机森林回归、支持向量回归	图像、人口统计数据	基于Google街景图像的芝加哥大都市区住宅建筑
67	2025-04-02	Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.01.015 PMID:38232604	研究论文	本研究评估了一种结合鼻呼吸流量、外周血氧饱和度和心电图信号的深度学习方法，用于改进睡眠呼吸暂停/低通气事件的检测和阻塞性睡眠呼吸暂停的严重程度筛查	提出了一种结合多种生理信号和人口统计数据的Xception网络，显著提高了睡眠呼吸暂停/低通气事件的检测准确率和阻塞性睡眠呼吸暂停的严重程度分类性能	在低通气事件为主的参与者中分类错误较多	开发一种自动检测睡眠呼吸暂停/低通气事件并确定阻塞性睡眠呼吸暂停临床严重程度的方法	睡眠呼吸暂停/低通气事件和阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图(PSG)	Xception网络	生理信号(呼吸流量、血氧饱和度、心电图)和人口统计数据	NA
68	2025-04-02	Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2023.12.013 PMID:38154150	研究论文	一项为期两年的前瞻性队列研究，利用智能手表、深度学习和可解释的人工智能模型预测恐慌发作及焦虑状态	首次结合智能手表数据、深度学习和可解释AI方法预测恐慌发作及焦虑状态，并识别关键影响因素	样本量中等且依赖自评问卷	预测恐慌发作(PA)、状态焦虑(SA)、特质焦虑(TA)和恐慌障碍严重程度(PDS)	114名恐慌障碍(PD)患者	机器学习	恐慌障碍	RNN, LSTM, GRU深度学习模型及SHAP可解释方法	LSTM	可穿戴设备记录的睡眠、体力活动和心率数据，以及临床问卷数据	114名PD患者，数据收集时间为2020年6月16日至2022年6月10日
69	2025-03-29	Taxonomy of hybridly polarized Stokes vortex beams 2024-Feb-26, Optics express IF:3.2Q2 DOI:10.1364/OE.512409 PMID:38439421	研究论文	本文提出了一种结合深度学习的广义衍射斯托克斯偏振法，用于高效识别斯托克斯奇异光束	利用深度学习框架结合衍射斯托克斯偏振法，解决了混合偏振斯托克斯涡旋光束的识别难题，分类准确率达到98.67%	实验中的噪声因素如相对相位、振幅和偏振差异以及光束波动增加了识别过程的复杂性	研究混合偏振斯托克斯涡旋光束的分类与识别方法	15类基于斯托克斯奇点类型及其相关模式指数的光束	光学	NA	深度学习辅助的斯托克斯偏振法	深度神经网络	光学衍射图像	15类光束
70	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
71	2025-03-14	A new computer-aided diagnosis tool based on deep learning methods for automatic detection of retinal disorders from OCT images 2024-Feb-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03033-9 PMID:38396074	研究论文	本文介绍了一种基于深度学习的计算机辅助诊断工具，用于从OCT图像中自动检测视网膜疾病	通过嵌入眼科医生的解释和医学描述中的丰富语义信息，提高了深度神经网络的解释性，克服了其模糊和黑箱性质	研究仅使用了UCSD数据集的一个小子集进行训练，可能限制了模型的泛化能力	开发一种可靠的计算机辅助诊断软件，用于早期检测视网膜疾病，防止视力丧失	视网膜疾病	计算机视觉	视网膜疾病	深度学习	深度神经网络	图像	29,800张OCT图像
72	2025-03-11	A novel deep learning model for diabetic retinopathy detection in retinal fundus images using pre-trained CNN and HWBLSTM 2024-Feb-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2314269 PMID:38373067	研究论文	本文提出了一种新的深度学习模型，用于通过视网膜眼底图像检测糖尿病视网膜病变，结合了预训练的CNN和HWBLSTM	创新点在于结合了He加权双向长短期记忆网络（HWBLSTM）和有效的迁移学习技术，用于从视网膜眼底图像中检测糖尿病视网膜病变	未明确提及研究的局限性	研究目的是开发一种深度学习方法来准确检测和分类糖尿病视网膜病变	研究对象是糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习、迁移学习、图像预处理、图像分割、特征提取、降维	CNN、HWBLSTM	图像	使用了APTOS和MESSIDOR数据集
73	2025-03-09	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本文提出了一种基于肿瘤掩码条件的3D多对比脑肿瘤MRI合成方法，以解决医学图像数据稀缺和不平衡的问题	将2D潜在扩散模型调整为生成3D多对比脑肿瘤MRI数据，并引入肿瘤掩码作为条件，生成高质量且多样化的样本	未提及模型在临床环境中的实际应用效果或生成样本的临床验证	解决脑肿瘤MRI数据稀缺问题，提升深度学习模型的训练数据可用性	脑肿瘤MRI数据	计算机视觉	脑肿瘤	3D潜在扩散模型	3D自编码器、条件3D扩散概率模型（DPM）	3D多对比MRI图像	两个数据集：TCGA公共数据集和UTSW内部数据集
74	2025-03-08	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	本文提出了一种新的集成深度学习网络模型（EDLNet），用于自动脑肿瘤分类和分割	提出了一种新的集成深度学习网络模型（EDLNet），结合了改进的Faster RCNN方法和深度循环卷积神经网络（DRCNN），用于脑肿瘤的早期分类和分割	未提及具体局限性	开发一种高效的深度学习模型，用于脑肿瘤的自动分类和分割	脑MRI扫描图像	数字病理学	脑肿瘤	深度学习	EDLNet（集成深度学习网络模型），改进的Faster RCNN，DRCNN（深度循环卷积神经网络）	图像（MRI扫描图像）	两个公开数据集（D1和D2），具体样本数量未提及
75	2025-03-05	Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan 2024-Feb-29, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00525-9 PMID:38424598	研究论文	本文提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并报告了性能指标和成年期内的变化	提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并提供了跨成年期的脉络丛体积变化示例	样本量相对较小（n=50），且主要关注成年期内的变化，未涵盖更广泛的人群	改进和验证脉络丛体积的量化方法，以更好地研究其在神经退行性疾病中的作用	成年期内的控制组和神经退行性疾病参与者的脉络丛	医学影像分析	神经退行性疾病	深度学习	全卷积神经网络（FCN）	3D T1加权、3D T2加权和2D T2加权FLAIR MRI图像	50名参与者（年龄21-85岁）用于训练和验证，98名成年控制组（年龄21-89岁）用于扩展队列
76	2025-03-04	Spatiotemporal profiling defines persistence and resistance dynamics during targeted treatment of melanoma 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.02.577085 PMID:38370717	研究论文	本文通过空间转录组学和深度学习技术，研究了BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态	利用空间转录组学捕捉克隆谱系演化，结合深度学习分析组织病理学切片，揭示了黑色素瘤治疗中的状态变化和谱系选择	研究主要基于患者来源的异种移植模型，可能无法完全反映人体内的复杂环境	研究BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性机制	BRAF突变黑色素瘤细胞	数字病理学	黑色素瘤	空间转录组学，深度学习	深度学习	转录组数据，组织病理学图像	患者来源的异种移植模型
77	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像
78	2025-02-21	Single Person Identification and Activity Estimation in a Room from Waist-Level Contours Captured by 2D Light Detection and Ranging 2024-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s24041272 PMID:38400430	研究论文	本文提出了一种使用2D激光雷达在房间内进行人员识别和活动估计的新方法	利用深度学习技术从2D激光雷达数据中提取人体轮廓并进行人员识别和活动估计，创新性地比较了LSTM和VGG16两种深度学习模型的效果	2D激光雷达在腰部高度捕获的点云数据包含的步态特征较少，可能影响识别精度	开发用于家庭老年人监控的社交辅助机器人，确保隐私不受侵犯	房间内的居民及其活动	计算机视觉	老年疾病	2D激光雷达	LSTM, VGG16	点云数据	四名参与者，共收集了120分钟的步行数据和100分钟的额外活动数据（开门、坐下和站立）
79	2025-02-21	Enhancing Stress Detection: A Comprehensive Approach through rPPG Analysis and Deep Learning Techniques 2024-Feb-07, Sensors (Basel, Switzerland) DOI:10.3390/s24041096 PMID:38400254	研究论文	本文提出了一种基于远程光电容积描记术（rPPG）和深度学习技术的压力检测方法，旨在通过面部视频实现高效的压力检测	本文提出了新颖的混合深度学习网络，结合LSTM、GRU和1D-CNN模型，并通过超参数优化和数据增强技术提高压力检测的准确性和效率	NA	提高压力检测的准确性和效率，特别是在远程压力监测领域	面部视频数据	计算机视觉	NA	远程光电容积描记术（rPPG）	LSTM, GRU, 1D-CNN	视频	UBFC-Phys数据集
80	2025-02-17	Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning 2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad189 PMID:38366336	研究论文	本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征	利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征	研究主要基于Instagram平台，可能不适用于其他社交媒体平台	识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征	Instagram上的反电子烟图片帖子	自然语言处理	NA	深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型）	CNN（ViT-B/32）	图像和文本	8972个反电子烟Instagram图片帖子，其中2200个手工编码