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
201	2025-10-06	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索利用可穿戴设备生理信号预测体力消耗的机器学习方法	结合特征选择算法与深度学习技术，使用LSTM网络预测连续体力消耗结果	样本量较小（27名健康参与者），仅在受控骑行运动环境下验证	开发预测体力消耗的人工智能模型	健康参与者在骑行运动中的生理信号数据	机器学习	NA	可穿戴传感器数据采集	LSTM, 传统机器学习模型	生理信号时间序列数据（ECG、心率、血氧饱和度、踏板速度）	27名健康参与者，分为8个两分钟区段	MATLAB	LSTM	均方误差, R平方值, 准确率, F1分数	NA
202	2025-10-06	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发用于炎症性肠病的潘氏细胞密度定量分析的深度学习算法	首次开发用于潘氏细胞密度自动量化的两阶段U-net深度学习模型，显著提升了量化准确性	研究采用回顾性队列，需要前瞻性验证；样本量相对有限	开发深度学习工具实现潘氏细胞自动量化，作为炎症性肠病的生物标志物	回肠组织样本中的潘氏细胞和隐窝结构	数字病理学	炎症性肠病	全玻片成像	U-net	病理图像	训练集未明确数量，验证集48个WSI，测试集CD患者142例，非IBD患者48例	NA	U-net	RMSE, r2, Log-rank检验	NA
203	2025-10-06	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术定量评估专家脑血管神经外科医生在模拟微血管吻合术中的手部运动特征	首次将深度学习手部追踪技术应用于神经外科专家微血管吻合术的运动分析，无需物理传感器即可实现精确运动评估	研究样本量较小（仅5位专家），且仅在模拟环境中进行验证	通过深度学习分析外科医生的手部运动特征，探索手术动作评估的新方法	5位经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪技术	深度学习检测系统	视频数据	5位专家神经外科医生	NA	NA	运动经济性（像素距离），运动流畅性（缝合间隔时间）	NA
204	2025-10-06	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	研究论文	本研究使用机器学习和神经网络方法探索强迫症严重程度与宗教信仰、人格特质之间的复杂关系	采用项目级特征分析揭示比传统汇总评分更具影响力的预测因子，神经网络模型提供了对强迫症异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确率上未超越线性回归模型，样本量相对有限（229名参与者）	识别强迫症严重程度的关键预测因素，探索心理现象的复杂关系	229名参与者的强迫症严重程度、人格特质、宗教信仰和精神信仰数据	机器学习	强迫症	机器学习，深度学习	神经网络，线性回归	心理测量数据，人口统计学数据	229名参与者	NA	NA	预测准确率	NA
205	2025-10-06	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究利用机器学习和深度学习技术从全球毒液组数据中挖掘新型抗菌肽，以应对抗生素耐药性问题	首次整合全球毒液组数据集，使用深度学习模型APEX预测抗菌活性，发现了386个结构功能全新的毒液加密肽	仅对58个候选肽进行了实验验证，需要进一步扩大验证规模	从毒液分子中发现新型抗生素以对抗耐药菌感染	全球毒液组数据集中的16,123个毒液蛋白和40,626,260个毒液加密肽	机器学习	细菌感染	毒液组学分析，机器学习，深度学习	神经网络	蛋白质序列数据	16,123个毒液蛋白，40,626,260个毒液加密肽，58个实验验证肽	深度学习框架	APEX（结合肽序列编码器和神经网络的深度学习模型）	抗菌活性预测准确率，实验验证成功率	NA
206	2025-10-06	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	提出ANTIPASTI模型，通过结合正态模式相关图和深度学习预测抗体结合亲和力	首次将弹性网络模型生成的正态模式相关图作为卷积神经网络输入，用于抗体结合亲和力预测，并提供可解释性分析	NA	开发能够准确预测抗体结合亲和力并具有可解释性的计算方法	抗体-抗原复合物结构	机器学习	NA	弹性网络模型，正态模式分析	CNN	结构数据，相关图	NA	NA	卷积神经网络	NA	NA
207	2025-10-06	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	开发了一种名为GeoNet的可解释几何深度学习模型，用于准确预测蛋白质与DNA、RNA和配体的结合位点	引入了无坐标几何表示来表征局部残基分布，并生成特征空间来描绘局部交互生物物理环境，同时捕获残基空间分布和交互环境信息	NA	准确识别蛋白质结合位点以理解其体内功能	蛋白质与DNA、RNA和配体的结合位点	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质结构数据	NA	NA	GeoNet	NA	NA
208	2025-10-06	Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT 2024-Dec-18, ArXiv PMID:39764397	研究论文	提出一种基于能谱间结构相似性正则化的优化重建方法，用于解决有限角度双能锥束CT的图像重建问题	无需X射线能谱测量或配对数据集进行模型训练，通过能谱间结构相似性正则化有效减少有限角度伪影	NA	开发一种实用的图像重建方法，促进快速低剂量双能锥束CT的临床应用	四个物理体模和三个数字体模	医学影像	NA	双能锥束CT成像	NA	CT投影数据	七个体模（四个物理体模和三个数字体模）	NA	NA	NA	NA
209	2025-10-06	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-12-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	研究论文	提出TAVAC指标用于评估Vision Transformer模型的过拟合程度并量化解释可重复性	首次提出通过比较训练和测试阶段的高注意力区域来评估ViT模型过拟合的TAVAC指标	仅在有限的数据集上进行了验证，需要更多样化的数据集进一步测试	提高Vision Transformer模型在生物医学图像分析中的解释可重复性	Vision Transformer模型在图像分类任务中的注意力机制	计算机视觉	乳腺癌	数字病理图像分析	Vision Transformer (ViT)	图像	四个公共图像分类数据集和两个独立乳腺癌组织学图像数据集	NA	Vision Transformer	TAVAC分数	NA
210	2025-10-06	Geometric deep learning improves generalizability of MHC-bound peptide predictions 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07292-1 PMID:39702482	研究论文	本研究利用几何深度学习改进MHC结合肽预测的泛化能力	提出基于结构的几何深度学习方法和三维自监督学习，显著提升对未知MHC等位基因的泛化能力	概念验证研究，需要进一步验证和扩展	改进MHC结合肽预测的泛化能力和数据效率	主要组织相容性复合体结合的肽段	机器学习	自身免疫病,传染病,肿瘤免疫	几何深度学习,自监督学习	几何深度学习模型	三维结构数据,序列数据	NA	NA	NA	泛化能力,数据效率	NA
211	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA
212	2025-10-06	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-12, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合CNN和BiLSTM的混合模型，利用光纤数据检测COVID-19 IgG抗体	首次将CNN-BiLSTM混合模型与光纤数据结合用于COVID-19 IgG抗体检测	NA	开发高效准确的COVID-19自动筛查工具	SARS-CoV-2免疫球蛋白G（IgG）抗体	机器学习	COVID-19	光纤数据检测	CNN, RNN, BiLSTM, CNN-BiLSTM	光纤数据	NA	NA	CNN-BiLSTM混合架构	准确率, 召回率, 精确率, F1分数, 特异性, 几何平均数, ROC曲线	NA
213	2025-10-06	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	研究论文	本研究开发了一种基于深度学习的方法，利用常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次使用深度学习模型从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的新方法	样本量相对有限，训练集仅97张切片，测试集110张切片	开发基于病理图像的PDAC分子亚型分类方法	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	苏木精-伊红染色(H&E)	深度学习模型	全切片病理图像	训练集97张切片(来自TCGA)，测试集110张切片(来自本地队列)	NA	NA	平衡准确率	NA
214	2025-10-06	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	提出一种无需校准即可直接从单分子数据估计场相关像差的模型方法，用于提升单分子定位显微镜的图像质量	首次将节点像差理论引入全矢量点扩散函数模型，无需珠校准测量即可从原始帧数据直接估计场相关像差	未明确说明方法对特定样本类型或成像条件的适用性限制	解决单分子定位显微镜中场相关像差对定位精度的影响问题	微管和核孔复合物的2D和3D定位数据	计算显微成像	NA	单分子定位显微镜(SMLM)	基于模型的估计方法	2D和3D显微镜图像数据	视野范围达180μm的微管和核孔复合物样本	NA	基于节点像差理论的矢量PSF模型	与基于样条拟合和深度学习的方法进行比较	计算效率高，可在几分钟内处理完整2D或3D数据集
215	2025-10-06	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	本研究开发人工智能模型预测患者对药物的情感倾向	首次实现结果可解释性技术，并开发了基于临床领域预训练词嵌入的深度集成模型	NA	通过情感分析为临床医生提供患者治疗反馈的洞察	药物相关评论文本数据	自然语言处理	NA	情感分析	机器学习,深度学习	文本	大型药物评论数据集	NA	Word2Vec,集成学习模型	准确率,F1分数	NA
216	2025-10-06	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	本文概述了人工智能在X射线成像和放射治疗中的应用现状与发展前景	系统总结了AI在医疗辐射领域的应用全景，特别强调了深度学习在CT重建和自适应放疗中的创新应用	部分AI方法尚未准备好常规临床应用，主要由于验证挑战、患者群体多样性和临床环境可靠性问题	探讨人工智能在优化放射剂量、改善放疗效果方面的应用价值	X射线成像和放射治疗中的AI技术应用	医学影像分析	NA	深度学习	深度学习模型	医学影像数据	NA	NA	NA	NA	NA
217	2025-10-06	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	本研究通过设计LSNN推荐模型，在物联网环境下解决英语思维培养不足的问题	通过在CNN中增加调整层设计LSNN推荐模型，有效缓解数据稀疏性问题	NA	拓宽英语学习者视野，加强英语思维能力培养	英语学习者	自然语言处理	NA	深度学习	CNN, LSNN	推荐数据	NA	NA	卷积神经网络，局部相似卷积神经网络	平均绝对误差(MAE)	NA
218	2025-10-06	Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics 2024-12-23, Journal of medical ethics IF:3.3Q1 DOI:10.1136/jme-2024-109968 PMID:38871400	评论	探讨解决人工智能在临床诊断应用中负面结果惩罚悖论的其他可能视角	提出三种新视角（改变公众认知、重新设计临床实践流程、引入更多利益相关者）来解决AI临床诊断中的负面结果惩罚悖论	NA	探讨如何更有效地将人工智能整合到临床实践中，解决负面结果惩罚悖论	人工智能在临床诊断中的应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
219	2025-10-06	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	研究论文	开发用于区分视盘玻璃膜疣和视乳头水肿的深度学习系统	首个针对视盘玻璃膜疣与视乳头水肿二分类的专用深度学习系统，在多中心多族裔人群中验证	回顾性研究，需前瞻性验证	训练、验证和测试深度学习系统以准确区分视盘玻璃膜疣和视乳头水肿	来自30个神经眼科中心的2,180名患者的4,508张彩色眼底图像	计算机视觉	眼科疾病	数字眼底摄影	深度学习系统	图像	4,508张彩色眼底图像（2,180名患者），训练集4,087张图像（1,959名患者），外部测试集421张图像（221名患者）	NA	NA	AUC, 准确率, 敏感度, 特异度	NA
220	2025-10-06	[Development of a Deep Learning-Based System for Supporting Medical Decision-Making in PI-RADS Score Determination] 2024-Dec, Urologiia (Moscow, Russia : 1999) PMID:40377545	研究论文	开发基于深度学习的计算机辅助诊断系统，用于支持PI-RADS评分确定中的医疗决策	首次将3D U-Net架构应用于多参数MRI图像（T2W、DWI、DCE）处理，旨在最小化PI-RADS分级中的人为误差	敏感性较低（60%），分割精度有待提升，需要更大数据集和更先进的深度学习技术进行改进	开发能够支持医疗决策的计算机辅助诊断系统，减少前列腺癌诊断中的观察者间差异	前列腺癌患者和良性病变患者	医学影像分析	前列腺癌	多参数MRI（T2W、DWI、DCE）	深度学习	医学影像	136名患者（108例前列腺癌，28例良性病变）	Python	3D U-Net	准确率, 敏感性, 特异性, Dice相似系数, AUC	NA