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
101	2024-12-12	A new multi-object tracking pipeline based on computer vision techniques for mussel farms 2025, Journal of the Royal Society of New Zealand IF:2.1Q2 DOI:10.1080/03036758.2023.2240466 PMID:39649668	研究论文	本文提出了一种基于计算机视觉技术的新型多目标跟踪管道，用于自动检测和跟踪贻贝养殖场中的浮标	提出了一个新的基于图像处理操作符的检测器用于检测不同大小的贻贝浮标，并引入了一个新的描述符基于邻居的相对位置为浮标提供唯一身份标记	NA	开发一种自动化的方法来跟踪贻贝养殖场中的浮标，以减轻农民的劳动负担	贻贝养殖场中的浮标	计算机视觉	NA	图像处理操作符	NA	图像	在马尔堡海峡新西兰拍摄的图像
102	2024-12-12	MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_12 PMID:39649703	研究论文	本文介绍了一种名为MASSM的端到端深度学习框架，用于从图像中直接生成多解剖结构的统计形状模型	MASSM框架能够同时定位多个解剖结构，估计群体级别的统计表示，并直接在图像空间中描绘形状表示，超越了传统的像素级分割方法	NA	开发一种能够自动生成统计形状模型并直接从图像中描绘多解剖结构的深度学习框架	多解剖结构的统计形状模型	计算机视觉	NA	深度学习	多任务网络	图像	NA
103	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
104	2024-12-11	CGPDTA: An Explainable Transfer Learning-Based Predictor With Molecule Substructure Graph for Drug-Target Binding Affinity 2025-Jan-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27538 PMID:39653581	研究论文	本文介绍了一种基于可解释迁移学习的深度学习框架CGPDTA，用于预测药物-靶点结合亲和力	CGPDTA通过结合药物-药物和蛋白质-蛋白质相互作用知识，利用分子子结构图和蛋白质口袋序列来增强预测能力和可解释性	NA	开发一种更准确且可解释的药物-靶点结合亲和力预测方法	药物-靶点结合亲和力	机器学习	NA	迁移学习	深度学习框架	分子子结构图，蛋白质口袋序列	NA
105	2024-12-11	Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10967-2 PMID:39026063	研究论文	本研究开发了一种基于CycleGAN的深度学习模型，用于从超短回波时间磁共振成像（UTE-MRI）生成合成的时间骨CT图像	创新点在于使用CycleGAN模型从UTE-MRI生成合成的时间骨CT图像，解决了MRI在定位时间骨CT解剖标志时的固有局限性	对于五个主要解剖结构的生成成功率较低，范围在24%到83%之间	开发一种深度学习模型，从UTE-MRI生成合成的时间骨CT图像，以解决MRI在定位时间骨CT解剖标志时的局限性	时间骨CT图像的合成生成	计算机视觉	NA	CycleGAN	CycleGAN	图像	102名患者（训练数据集54名，验证数据集48名）
106	2024-12-11	Detection of Brain Tumor Employing Residual Network-based Optimized Deep Learning 2025, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/1573409920666230816090626 PMID:37587819	研究论文	本文提出了一种基于残差网络优化的深度学习方法，用于脑肿瘤的自动检测和分割	使用改进的ResNet50模型进行肿瘤检测，并提出基于ResUNet模型的卷积神经网络进行分割，提高了检测和分割的准确性	NA	提高脑肿瘤检测和分割的自动化和准确性	脑肿瘤的自动检测和分割	计算机视觉	脑肿瘤	深度学习	ResNet50, ResUNet	图像	110名患者的预对比、FLAIR和后对比MRI图像
107	2024-12-11	BCDPi: An interpretable multitask deep neural network model for predicting chemical bioconcentration in fish 2025-Jan-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120356 PMID:39549907	研究论文	本文提出了一种可解释的多任务深度神经网络模型BCDPi，用于预测化学物质在鱼类中的生物富集潜力	该研究的创新点在于开发了一种多任务深度学习模型，能够预测不同类别的化学物质生物富集潜力，并使用SHAP技术进行模型解释	NA	研究目的是开发一种准确且可解释的方法来预测化学物质的生物富集潜力，以评估环境风险和毒理学影响	研究对象是化学物质的生物富集潜力及其分子物理化学性质	机器学习	NA	深度学习	多任务深度神经网络	化学物质数据	NA
108	2024-12-11	Comparative analysis of Ki-67 labeling index morphometry using deep learning, conventional image analysis, and manual counting 2025-Jan, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.102159 PMID:39489091	研究论文	本文比较了使用深度学习、传统图像分析和手动计数方法对Ki-67标记指数的形态学分析	本文首次比较了多种数字图像分析系统与手动计数方法在Ki-67计数中的表现，并发现不同系统在不同标注方法下具有不同的准确性	本文仅针对胃癌患者的组织微阵列进行了研究，结果可能不适用于其他类型的癌症	评估和比较不同数字图像分析系统在Ki-67计数中的能力	胃癌患者的Ki-67免疫组化染色组织微阵列	数字病理学	胃癌	数字图像分析	NA	图像	239个组织微阵列核心样本
109	2024-12-11	High-resolution spatiotemporal prediction of PM2.5 concentration based on mobile monitoring and deep learning 2025-Jan-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125342 PMID:39566710	研究论文	本文提出了一种基于移动监测数据和深度学习的高分辨率时空PM2.5浓度预测方法	本文创新性地结合了移动监测数据和深度学习技术，提出了一种基于LightGBM和CNN-Transformer模型的高分辨率PM2.5浓度预测方法	本文的局限性在于仅在沧州地区进行了验证，未来需要在更多地区进行验证以评估其普适性	研究目的是开发一种高分辨率的PM2.5浓度时空预测方法，以支持城市空气污染控制和公共健康	研究对象是城市中的PM2.5浓度分布	机器学习	NA	深度学习	CNN-Transformer	数据	使用了来自中国沧州的实际数据进行验证
110	2024-12-11	Improving PM2.5 and PM10 predictions in China from WRF_Chem through a deep learning method: Multiscale depth-separable UNet 2025-Jan-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125344 PMID:39577612	研究论文	本文开发了一种名为多尺度深度可分离UNet（MDS-UNet）的深度学习模型，用于提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性	提出了多尺度深度可分离UNet（MDS-UNet）模型，能够捕捉模型预测与观测之间的复杂非线性误差，从而提高PM2.5和PM10浓度预测的准确性	NA	提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性	PM2.5和PM10浓度预测	机器学习	NA	深度学习	UNet	数值数据	涉及中国六个主要城市群的PM2.5和PM10浓度预测数据
111	2024-12-11	Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection 2025-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103025 PMID:39608041	研究论文	本研究介绍了基于人工智能的创新方法，通过分析医学影像提高传染病诊断的准确性	本研究首次将Hypersoft Set（HSS）与模糊上下文结合，利用多准则决策（MCDM）框架开发数学模型，用于从图像中识别潜在的传染病	NA	提高传染病诊断的准确性，并展示其在机器学习、深度学习和模式识别领域的广泛应用潜力	传染病及其在不同国家的独特挑战	机器学习	NA	多准则决策（MCDM）框架	数学模型	图像	NA
112	2024-12-11	A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis 2025-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103031 PMID:39608042	研究论文	本文提出了一种基于多任务学习的U-Net模型，用于端到端的HEp-2细胞图像分析	本文的创新点在于提出了一种多任务学习的U-Net模型，能够同时处理细胞强度分类、细胞分割和模式分类三个相关任务	NA	本文的研究目的是开发一种能够同时处理多个相关任务的深度学习模型，以提高HEp-2细胞图像分析的诊断准确性	本文的研究对象是HEp-2细胞图像的强度分类、细胞分割和模式分类	计算机视觉	自身免疫性疾病	深度学习	U-Net	图像	本文使用了最大的公开HEp-2图像数据集之一进行实验
113	2024-12-11	Exploring the Mechanisms of Sanguinarine in the Treatment of Osteoporosis by Integrating Network Pharmacology Analysis and Deep Learning Technology 2025, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099282231240214095025 PMID:38385487	研究论文	本研究通过整合网络药理学分析和深度学习技术，探索血根碱在治疗骨质疏松中的分子机制	本研究首次将网络药理学分析与深度学习技术结合，揭示血根碱在治疗骨质疏松中的潜在靶点和分子机制	本研究主要基于数据库预测和体外细胞实验，缺乏体内实验验证	揭示血根碱在治疗骨质疏松中的分子机制	血根碱在治疗骨质疏松中的潜在靶点和分子机制	生物信息学	骨质疏松	网络药理学分析、深度学习技术、分子对接、基因集变异分析	DeepPurpose算法	基因表达数据	前成骨细胞MC3T3-E1细胞
114	2024-12-11	Integrating Faith and Learning Using a Biblical Concept-Based Curriculum 2025 Jan-Mar 01, Journal of Christian nursing : a quarterly publication of Nurses Christian Fellowship IF:0.4Q4 DOI:10.1097/CNJ.0000000000001226 PMID:39652482	研究论文	本文探讨了在护理教育中整合信仰与学习（IFL）的历史背景，并提出了基于圣经的概念课程（BBCC），以促进深度学习、批判性思维和以学生为中心的学习	提出了基于圣经的概念课程（BBCC），并通过学生评估验证了其有效性	未详细说明BBCC的具体内容和实施细节	探讨在护理教育中成功整合信仰与学习的方法	护理教育中的信仰与学习整合	NA	NA	NA	NA	NA	NA
115	2024-12-10	CT Quantification of Interstitial Lung Abnormality and Interstitial Lung Disease: From Technical Challenges to Future Directions 2025-Jan-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001103 PMID:39008898	综述	本文综述了间质性肺疾病（ILD）和间质性肺异常（ILA）的CT定量分析现状，探讨了技术挑战及未来发展方向	强调了机器学习和深度学习在定量影像中的应用，以提高诊断和管理精度	传统视觉评估存在读片者间的变异性，ILA的定义依赖于主观阈值	探讨CT定量分析在ILD和ILA中的应用及未来发展方向	间质性肺疾病（ILD）和间质性肺异常（ILA）	计算机视觉	肺部疾病	CT	机器学习，深度学习	影像	NA
116	2024-12-10	Beyond the Conventional Structural MRI: Clinical Application of Deep Learning Image Reconstruction and Synthetic MRI of the Brain 2025-Jan-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001114 PMID:39159333	综述	本文综述了深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越了传统的结构MRI	本文介绍了深度学习重建（DLR）和定量MRI技术在脑部MRI中的应用，这些技术能够加速成像并提高图像质量，同时提供更精确的脑组织参数计算	本文讨论了深度学习重建（DLR）可能的不稳定性和定量MRI中的量化和偏差限制	探讨深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越传统结构成像	脑部MRI成像技术及其在临床诊断中的应用	计算机视觉	NA	深度学习重建（DLR），定量MRI技术	深度神经网络	图像	NA
117	2024-12-09	SeqDPI: A 1D-CNN approach for predicting binding affinity of kinase inhibitors 2025-Jan-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27518 PMID:39644133	研究论文	本文提出了一种基于一维卷积神经网络（1D-CNN）的算法框架SeqDPI，用于预测激酶抑制剂与靶点的结合亲和力	SeqDPI模型通过优化的一维卷积网络提取药物和蛋白质特征，并使用L2正则化的前馈神经网络进行结合强度预测，相比现有模型，减少了复杂3D结构的使用，提高了计算效率	NA	开发一种高效的计算模型，用于预测药物与靶点的结合亲和力，辅助药物发现和再定位	激酶抑制剂与靶点的结合亲和力	机器学习	NA	一维卷积神经网络（1D-CNN）	卷积神经网络（CNN）	一维序列数据	NA
118	2024-12-09	Development of deep learning software to improve HPLC and GC predictions using a new crown-ether based mesogenic stationary phase and beyond 2025-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2024.465476 PMID:39566284	研究论文	开发了一种基于新型冠醚基液晶固定相的AI软件Chrompredict 1.0，用于改进HPLC和GC预测	首次将深度学习技术与新型冠醚基液晶固定相结合，显著提升了色谱参数预测的准确性	NA	开发一种能够准确预测色谱参数的AI软件，以改进HPLC和GC分析	新型冠醚基液晶固定相及其在色谱分析中的应用	机器学习	NA	深度学习	深度学习模型（DLM）	色谱数据	1,023种结构和极性多样的小分子
119	2024-12-09	Cultivating diagnostic clarity: The importance of reporting artificial intelligence confidence levels in radiologic diagnoses 2025-Jan, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110356 PMID:39566394	研究论文	本文讨论了在放射诊断中使用人工智能（AI）置信水平以提高诊断准确性和可靠性的重要性	本文强调了在放射诊断中使用AI置信水平的重要性，并提出了标准化置信度指标的必要性	本文指出了将AI系统整合到临床实践中面临的挑战，如临床验证需求、AI系统结果的可解释性问题以及医学界的困惑和误解	研究目的是探讨在放射诊断中使用AI置信水平的重要性，并提出标准化置信度指标的必要性	研究对象包括AI技术在放射诊断中的应用，特别是骨折等病理条件的诊断	计算机视觉	NA	深度学习（DL）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像	NA
120	2024-12-09	CSM-Potential2: A comprehensive deep learning platform for the analysis of protein interacting interfaces 2025-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26615 PMID:37870486	研究论文	本文介绍了一个名为CSM-Potential2的综合深度学习平台，用于分析蛋白质相互作用界面	该平台不仅能够预测蛋白质-蛋白质相互作用的结合位点，还能分类生物配体，并在残基水平上预测与核酸的相互作用，同时支持基于序列和结构相似性的配体移植	目前主要集中在蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸相互作用的分析，尚未涵盖所有类型的生物相互作用	开发一个易于使用的深度学习平台，帮助专家和非专家用户研究生物相互作用	蛋白质相互作用界面，包括蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸的相互作用	机器学习	NA	深度学习	深度学习平台	蛋白质结构数据	NA