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
141	2025-04-17	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	research paper	该研究开发了一种名为ASD-cancer的半监督深度学习框架，用于从肿瘤微生物组和转录组数据中提取与生存相关的特征，并识别患者的生存亚型	提出了ASD-cancer框架，能够整合肿瘤微生物组和宿主基因表达数据，进行可解释的生存亚型分析，相比传统方法如PCA，提供了更好的风险分层	研究依赖于TCGA数据库的样本，可能无法涵盖所有肿瘤类型的多样性	解码肿瘤微生物组与宿主基因表达之间的复杂关系，及其对患者生存的联合影响	20种不同类型癌症的组织样本	digital pathology	cancer	deep learning, autoencoder	autoencoder	microbiome and transcriptome data	来自TCGA数据库的多种癌症类型的组织样本
142	2025-04-16	Color Fundus Photography and Deep Learning Applications in Alzheimer Disease 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.08.005 PMID:39748801	研究论文	本文报告了两种基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的开发与性能	开发了两种新型深度学习模型（ADVAS和ADRET），其中ADRET采用自监督学习卷积神经网络，在阿尔茨海默病筛查中表现出更高的准确性	需要在更大和多样化的人群中进一步验证，并整合技术以协调眼底照片和减少成像相关噪声	开发并评估基于视网膜彩色眼底照片的深度学习模型在阿尔茨海默病分类中的性能	阿尔茨海默病患者和对照组的视网膜彩色眼底照片	数字病理学	阿尔茨海默病	深度学习	U-Net, 自监督学习卷积神经网络（ADRET）	图像	来自UK Biobank和一家三级学术机构的两组独立数据集
143	2025-04-13	Deep learning-based prediction of chemical accumulation in a pathogenic mycobacterium 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.15.628588 PMID:39764009	研究论文	该研究利用深度学习模型预测病原性分枝杆菌中化学物质的积累情况，以提高抗生素设计的成功率	首次使用深度学习模型预测药物在分枝杆菌中的积累，突破了传统化学性质预测方法的局限	研究仅针对一种特定的病原性分枝杆菌（M. abscessus），结果可能不适用于其他细菌	提高抗生素候选药物的设计成功率，解决细菌药物积累不足的问题	1528种已批准药物在M. abscessus中的积累情况	机器学习	分枝杆菌感染	液相色谱-质谱联用技术（LC-MS）	深度学习模型	化学物质积累数据	1528种已批准药物
144	2025-04-12	ODD-Net: a hybrid deep learning architecture for image dehazing 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82558-6 PMID:39715769	research paper	提出了一种名为ODD-Net的混合深度学习架构，用于图像去雾	结合了预训练的A-Net和T-Net模型，在大气散射模型中实现了卓越的去雾质量，特别是在传输图估计和深度测量方面超越了现有技术	深度学习方法需要大量数据集和计算资源	提高户外拍摄图像的可见度和对比度	受雾霾影响的图像	computer vision	NA	dilated convolution, batch normalisation, ReLU activation functions, multiscale convolutions, nonlinear regression	CNN	image	NA
145	2025-04-12	Deep Learning Model for Predicting Neurodevelopmental Outcome in Very Preterm Infants Using Cerebral Ultrasound 2024-Dec, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.09.003 PMID:40206534	研究论文	开发深度学习模型，结合新生儿颅脑超声和临床变量，预测极早产儿3岁时的神经发育障碍	首次将CNN模型应用于颅脑超声和临床变量的结合，以预测极早产儿的神经发育障碍	研究为回顾性设计，且仅在单一地区进行，可能影响模型的泛化能力	预测极早产儿3岁时的神经发育障碍	极早产儿（胎龄220-306周）	数字病理	神经发育障碍	颅脑超声（CUS）	CNN, elastic net (EN)	图像, 临床数据	619名极早产儿，包含4184张颅脑超声图像
146	2025-04-05	Preoperative Ultrasound Radomics to Predict Posthepatectomy Liver Failure in Patients With Hepatocellular Carcinoma 2024-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16559 PMID:39177192	研究论文	该研究开发了一种基于二维剪切波弹性成像和临床数据的深度学习方法，用于预测慢性乙型肝炎相关肝细胞癌患者术后肝功能衰竭的风险	提出了结合双模态超声特征和临床指标的深度学习模型PHLF-Net，采用渐进式训练策略，并在多个独立测试集中验证了其有效性	研究样本量相对有限（532例患者），且主要针对慢性乙型肝炎相关肝细胞癌患者	开发预测肝细胞癌患者术后肝功能衰竭风险的方法	接受肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	二维剪切波弹性成像	ResNet50	超声图像（B模式和弹性成像）及临床指标	532例肝细胞癌患者（来自5家医院）
147	2025-04-02	State-of-the-Art Deep Learning CT Reconstruction Algorithms in Abdominal Imaging 2024-12, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240095 PMID:39612283	review	本文综述了深度学习CT重建算法在腹部成像中的最新进展及其临床应用	深度学习重建（DLR）算法能够有效减少低辐射剂量协议下的图像噪声，并提高重建速度，解决了传统CT图像重建算法在低辐射剂量下无法保持图像纹理和诊断性能的问题	文章概述了DLR算法在CT中的当前局限性，并展望了未来的发展方向	探讨深度学习CT重建算法的技术细节及其在腹部成像中的临床应用	深度学习CT重建算法及其在腹部CT成像中的应用	digital pathology	NA	deep learning reconstruction (DLR)	deep neural networks	image	NA
148	2025-03-28	Bone density measurement in patients with spinal metastatic tumors using chest quantitative CT deep learning model 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100641 PMID:40134559	研究论文	本研究开发了一种基于3DResUNet架构的深度学习模型，用于从定量计算机断层扫描（QCT）中预测脊柱转移瘤患者的椎体体积骨密度（vBMD）	使用3DResUNet架构的深度学习模型首次应用于脊柱转移瘤患者的vBMD预测，提高了骨质疏松筛查的能力	研究样本量有限（749例），且仅针对脊柱转移瘤患者，可能不适用于其他人群	开发一种深度学习模型，用于预测脊柱转移瘤患者的椎体体积骨密度（vBMD），以增强骨质疏松筛查能力	脊柱转移瘤患者	数字病理学	脊柱转移瘤	定量计算机断层扫描（QCT）	3DResUNet	医学影像	749例脊柱转移瘤患者（训练集599例，测试集150例）
149	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量
150	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶
151	2025-03-26	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	research paper	提出了一种基于注意力引导的卷积网络，用于口腔病变的分类，旨在提高准确性、可解释性并减少数据集偏差	模型整合了分类流、引导流和解剖部位预测流，通过注意力机制提高病变定位准确性，并增强模型对数据集偏差的鲁棒性	研究依赖于单一来源的数据集，可能影响模型的泛化能力	开发一种深度学习模型，用于准确分类口腔病变并提高临床决策支持	口腔病变的16种类型	digital pathology	oral cancer	deep learning	CNN	image	2765张口腔内数字图像，来自1079名患者
152	2025-03-26	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	research paper	本文提出了一种基于VGG16模型和增强型Hunger Games Search（EHGS）算法的优化深度学习架构EHGS-VGG16，用于logo分类	通过改进的Hunger Games Search算法（EHGS）优化VGG16模型的超参数，提高了分类性能	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提高logo分类任务的准确率	logo图像	computer vision	NA	deep learning, swarm intelligence algorithm	VGG16, EHGS-VGG16	image	Flickr-27 logo分类数据集
153	2025-03-26	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	介绍了一种名为DeepGOMeta的深度学习模型，用于预测微生物蛋白质功能	开发了一种基于深度学习的蛋白质功能预测方法，专门针对微生物数据，克服了传统方法在预测新蛋白质和缺乏已知同源物的蛋白质功能时的局限性	模型主要针对微生物数据，可能不适用于其他类型的数据	提高从微生物样本中获取功能见解的能力	微生物蛋白质功能	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	多样化的微生物数据集
154	2025-03-26	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出了一种基于transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net，用于肺癌早期检测	构建了多阈值特征分离模块以提取不同层次的边缘和纹理特征，引入坐标注意力机制增强空间信息利用，并采用transformer捕获长程依赖关系	未提及模型在临床环境中的实际应用效果验证	提高肺结节分割的准确性以辅助肺癌早期诊断	肺部CT图像中的结节区域	计算机视觉	肺癌	深度学习	transformer	医学影像	LIDC-IDRI和LNDb数据集
155	2025-03-26	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	research paper	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了一种智能昆虫陷阱原型，结合嵌入式计算和CNN分类器，用于实时害虫检测和分类	数据集仅包含东方果蝇的图像，可能限制了模型对其他害虫类型的识别能力	通过技术驱动的精准农业方法提高作物保护和生产力	东方果蝇及其在番石榴果园中的检测	精准农业	NA	CNN, 机器学习, 深度学习	CNN	图像	1000+张东方果蝇图像，分为果蝇和非果蝇两类
156	2025-03-26	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	research paper	开发并验证了一种基于深度学习的糖尿病视网膜病变进展预测算法ADRPPA，用于预测非参考性糖尿病视网膜病变（NRDR）向参考性糖尿病视网膜病变（RDR）的进展	利用纵向视网膜成像数据和微动脉瘤量化，结合ResNeXt和Mask-RCNN模型，预测糖尿病视网膜病变的进展，为临床提供新的预测工具	研究为回顾性研究，可能受到数据质量和样本选择的限制，且模型在独立数据集上的泛化能力有待进一步验证	开发一种能够预测糖尿病视网膜病变进展的人工智能算法，以辅助临床决策	糖尿病视网膜病变患者的视网膜眼底图像	digital pathology	diabetic retinopathy	deep learning	ResNeXt, Mask-RCNN	image	6384只眼睛的12,768张图像（EyePACS数据集）和148张标注有微动脉瘤的图像（e-ophtha数据集）
157	2025-03-26	Classification of cervical cancer using Dense CapsNet with Seg-UNet and denoising autoencoders 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82489-2 PMID:39738568	research paper	该研究提出了一种结合多种深度学习方法的宫颈癌分类系统，以提高传统诊断过程的准确性	结合了四种不同的深度学习方法，包括Seg-UNet、去噪自编码器和Dense CapsNet，并在多阶段处理中应用，实现了99.65%的分类准确率	未提及样本量是否足够大以验证模型的泛化能力，且未讨论在实际临床环境中的应用效果	提高宫颈癌的分类准确率，以辅助早期诊断和治疗	宫颈癌图像数据	digital pathology	cervical cancer	Multi-modal Generative Adversarial Networks (m-GAN), denoising autoencoders	Seg-UNet, Dense CapsNet	image	SIPaKMeD数据集（具体样本量未提及）
158	2025-03-26	Automatic ovarian follicle detection using object detection models 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82904-8 PMID:39738599	研究论文	本研究利用深度学习模型自动检测卵巢组织切片中的卵泡和黄体，以提高计数效率和准确性	采用YOLO和RetinaNet两种单阶段目标检测模型，结合迁移学习、早停策略和数据增强技术提升模型泛化能力，并利用采样策略和焦点损失函数解决类别不平衡问题	仅使用1000张图像进行训练和验证，样本量较小	开发自动化方法以准确量化评估卵泡发生后期阶段（窦卵泡和黄体形成）	卵巢组织切片中的窦卵泡和黄体	数字病理学	生殖系统疾病	深度学习	YOLO, RetinaNet	图像	1000张卵巢组织切片图像
159	2025-03-26	Dental bur detection system based on asymmetric double convolution and adaptive feature fusion 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83241-6 PMID:39738621	research paper	该研究提出了一种基于非对称双卷积和自适应特征融合的牙科钻头检测系统，旨在提高微小、细长且产量大的牙科钻头的检测精度	引入了YOLO-DB深度学习方法和轻量级非对称双卷积模块(LADC)，以及结合SlimNeck与BiFPN-Concat的新型融合网络，显著提升了检测精度和效率	未提及具体的数据集规模或实际应用场景的测试限制	提高牙科钻头的检测和计数精度，为细长物体的精确检测提供新方法	牙科钻头	computer vision	NA	深度学习	YOLO-DB, LADC, SlimNeck, BiFPN-Concat	image	NA
160	2025-03-26	Peptidomics and Machine Learning-based Evaluation of Noncoding RNA-Derived Micropeptides in Breast Cancer: Expression Patterns and Functional/Therapeutic Insights 2024-12, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102150 PMID:39393531	研究论文	本研究通过肽组学和机器学习方法评估了非编码RNA来源的微肽在乳腺癌中的表达模式及其功能与治疗潜力	首次大规模研究非编码RNA来源的微肽在乳腺癌亚型中的表达，并利用多种机器学习工具预测其功能和治疗潜力	研究主要基于预测工具的分析结果，需要进一步实验验证	探索非编码RNA来源的微肽在乳腺癌中的表达模式及其作为生物标志物和治疗靶点的潜力	乳腺癌组织样本和非肿瘤样本中的非编码RNA来源微肽	生物信息学	乳腺癌	高通量质谱分析	AntiCP 2.0, MULocDeep, PEPstrMOD, Peptipedia, PreAIP	质谱数据	16,349个预测微肽序列，58个在乳腺组织中表达的肽段