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
1441	2025-01-19	A framework for assessing reliability of observer annotations of aerial wildlife imagery, with insights for deep learning applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316832 PMID:39813190	研究论文	本文提出了一个评估空中野生动物图像观察者注释可靠性的框架，并探讨了图像属性如空间分辨率和纹理对观察者一致性的影响	提出了一个通过聚类多个观察者的观察结果并选择模式分类来计算个体观察者与聚合注释集之间一致性指标的框架	样本量有限，可能限制了结果的普遍性	评估空中野生动物图像观察者注释的可靠性，以提高深度学习模型的稳定性	新墨西哥州迁徙水禽的无人机图像	计算机视觉	NA	NA	深度学习模型	图像	十二张无人机图像
1442	2025-01-19	A novel multi-user collaborative cognitive radio spectrum sensing model: Based on a CNN-LSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316291 PMID:39813223	研究论文	本文提出了一种基于CNN-LSTM模型的多用户协作认知无线电频谱感知模型，旨在提高频谱感知的准确性和效率	结合CNN的局部特征提取能力和LSTM处理序列数据的优势，并引入多头自注意力机制，优化了模型在动态复杂环境中的适应性和鲁棒性	NA	提高多用户协作认知无线电系统中的频谱感知性能	多用户协作认知无线电系统	机器学习	NA	NA	CNN-LSTM	序列数据	不同数量的次级用户（16, 24, 32, 40, 48）
1443	2025-01-19	Deep learning methods for improving the accuracy and efficiency of pathological image analysis 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241306830 PMID:39814425	研究论文	本研究提出了一种结合U-Net和EfficientNetV2的深度学习模型，用于提高病理图像分析的准确性和效率	开发了一种新的热图生成算法，结合了图像预处理、数据增强、集成学习、注意力机制和深度特征融合技术，显著提高了病理图像分析的准确性和效率	未提及具体局限性	提高病理图像分析的准确性和效率	病理图像	数字病理学	NA	深度学习	U-Net, EfficientNetV2	图像	NA
1444	2025-01-19	Machine Learning Approaches for Neuroblastoma Risk Prediction and Stratification 2025, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2024056447 PMID:39819432	研究论文	本文探讨了机器学习在神经母细胞瘤风险预测和分层中的应用	利用大规模生物和临床数据，机器学习模型能够检测传统方法常忽视的复杂模式，从而实现更个性化的治疗和更好的患者预后	数据规模有限、模型可解释性差、数据变异性大以及临床整合困难等问题阻碍了广泛采用，此外还需解决与偏见和隐私相关的伦理问题	通过机器学习技术改进神经母细胞瘤的早期诊断、风险评估和治疗决策	神经母细胞瘤患者	机器学习	神经母细胞瘤	支持向量机、随机森林、深度学习	支持向量机、随机森林、深度学习	生物和临床数据	NA
1445	2025-01-18	Brief Review and Primer of Key Terminology for Artificial Intelligence and Machine Learning in Hypertension 2025-Jan, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.123.22347 PMID:39011632	review	本文简要回顾并介绍了人工智能和机器学习在高血压领域的关键术语	本文提供了人工智能和机器学习在高血压管理中的应用概述，特别是通过远程患者监测和数字疗法来改善诊断和治疗	本文主要是一个术语介绍和综述，未涉及具体的研究数据或实验结果	介绍人工智能和机器学习在高血压管理中的应用及其潜力	高血压患者及其相关数据	machine learning	cardiovascular disease	NA	NA	structured or unstructured data sets	NA
1446	2025-01-18	Predicting therapeutic response to neoadjuvant immunotherapy based on an integration model in resectable stage IIIA (N2) non-small cell lung cancer 2025-Jan, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2024.05.006 PMID:38763304	研究论文	本研究探讨了基于血液的肿瘤突变负荷（bTMB）和深度学习模型在预测可切除IIIA期（N2）非小细胞肺癌新辅助化疗免疫治疗中的主要病理反应（MPR）和生存率的有效性	开发了一个结合计算机断层扫描（CT）的深度学习评分、bTMB和临床因素的综合模型，用于预测新辅助化疗免疫治疗的肿瘤反应	样本量较小（45名患者），且基线循环肿瘤DNA（ctDNA）状态与病理反应和生存率无显著关联	预测可切除IIIA期（N2）非小细胞肺癌患者对新辅助化疗免疫治疗的反应	45名接受新辅助化疗免疫治疗的IIIA期（N2）非小细胞肺癌患者	数字病理学	肺癌	深度学习模型，血液肿瘤突变负荷（bTMB）检测	深度学习模型	血液样本，CT图像	45名IIIA期（N2）非小细胞肺癌患者
1447	2025-01-18	TransEBUS: The interpretation of endobronchial ultrasound image using hybrid transformer for differentiating malignant and benign mediastinal lesions 2025-Jan, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.04.016 PMID:38702216	研究论文	本研究旨在建立一个深度学习自动辅助诊断系统，用于区分内镜超声（EBUS）图像中纵隔病变的良恶性	提出了基于混合Transformer的深度学习架构TransEBUS，能够从未充分数据中提取时空特征，并设计了一个双流模块来整合EBUS的三种不同成像模式信息	数据集规模可能较小，模型在更大数据集上的表现尚需验证	建立自动辅助诊断系统以区分EBUS图像中纵隔病变的良恶性	内镜超声（EBUS）图像中的纵隔病变	计算机视觉	纵隔病变	深度学习	混合Transformer（TransEBUS）	视频（EBUS图像）	未明确说明样本数量
1448	2025-01-16	An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images 2025-Jan-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9dac PMID:39662047	研究论文	本文提出了一种高效的深度展开网络，通过交替优化密集视图正弦图和图像来实现稀疏视图CT重建	与之前的展开方法不同，该方法专注于优化密集视图正弦图而非全视图正弦图，从而减少计算资源和运行时间，并最小化网络在稀疏比例极小时执行正弦图修复的挑战	NA	解决稀疏视图CT重建中的计算资源消耗问题，同时保持重建图像的质量	稀疏视图CT重建	计算机视觉	NA	深度展开方法	深度神经网络	图像	512 × 512像素的图像，2304 × 736的投影数据
1449	2025-01-16	Deep learning-driven prediction of chemical addition patterns for carboncones and fullerenes 2025-Jan-15, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp03238a PMID:39718318	研究论文	本文提出了一种基于深度学习的增量方法，用于预测碳锥和富勒烯的氢化和氯化反应中的区域选择性	利用图基特征，开发了不依赖3D分子坐标输入的深度神经网络模型，能够处理高度扭曲的加成物，并成功预测了其他方法无法解决的实验加成模式	模型仅基于原子连接性，可能忽略了其他潜在的化学影响因素	研究碳锥和富勒烯功能化过程中的区域选择性预测	碳锥和富勒烯	机器学习	NA	深度学习	深度神经网络 (DNN)	图基特征	CH和CH碳锥的氢化反应，CCl和CCl（= 18, 24, 和28）的氯化反应
1450	2025-01-16	Deep Learning-Driven Optimization of Antihypertensive Properties from Whey Protein Hydrolysates: A Multienzyme Approach 2025-Jan-15, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c10830 PMID:39721995	研究论文	本研究利用深度学习优化了乳清蛋白水解物中的抗高血压肽，通过多酶组合方法显著提高了ACE抑制率	结合深度学习和多酶组合方法优化抗高血压肽，显著提高了ACE抑制率和生物稳定性	研究主要基于动物实验，尚未在人体中进行验证	优化乳清蛋白水解物中的抗高血压肽，开发有效的膳食干预方法	乳清蛋白水解物和高血压大鼠	机器学习	心血管疾病	深度学习，分子对接	Large Language Models (LLMs)	生物化学数据	高血压大鼠
1451	2025-01-16	Active Physics-Informed Deep Learning: Surrogate Modeling for Nonplanar Wavefront Excitation of Topological Nanophotonic Devices 2025-Jan-15, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c05120 PMID:39754588	研究论文	本文提出了一种结合监督学习和物理约束的深度学习方法，用于设计特定波长的拓扑纳米光子器件	通过将物理约束嵌入神经网络的训练中，显著减少了模拟时间，并利用非平面波前激发探测拓扑保护的等离子体模式，使设计和训练过程非线性	NA	设计拓扑纳米光子器件，以控制特定波长的光	拓扑纳米光子器件	机器学习	NA	监督学习、物理约束的深度学习	神经网络	模拟数据	NA
1452	2025-01-16	Correction: Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2025-Jan-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4438 PMID:39810588	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1453	2025-01-16	Enhancing safety with an AI-empowered assessment and monitoring system for BSL-3 facilities 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40855 PMID:39811271	研究论文	本文介绍了一种AI赋能的评估和监控系统，用于增强BSL-3实验室的安全性，确保人员遵守个人防护装备（PPE）规定	开发了一种基于深度学习的系统，用于实时检测和监控BSL-3实验室中PPE的使用情况，并通过实时通知系统提高安全性	系统的准确性和召回率虽然较高，但仍存在一定的误报和漏报风险，且数据集规模有限	提高BSL-3实验室的安全性，减少病原体暴露风险	BSL-3实验室中的人员及其PPE使用情况	计算机视觉	NA	深度学习	深度学习模型	图像	外部检测系统使用4112张图像，内部管理系统使用3347张图像
1454	2025-01-16	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jan-15, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	本研究比较了传统统计方法和深度学习技术在预测肾功能方面的准确性，使用日本慢性肾脏病数据库（J-CKD-DB）进行实验	首次在慢性肾脏病（CKD）预测中比较了传统统计方法与深度学习技术，特别是处理缺失值的GRU-D模型	深度学习技术在预测准确性上并未显著优于传统统计方法	探讨深度学习技术是否能够提高未来肾功能预测的准确性	日本慢性肾脏病数据库（J-CKD-DB）中的22,929名CKD患者	机器学习	慢性肾脏病	NA	多元线性回归模型、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	临床数据	22,929名CKD患者
1455	2025-01-16	Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04106 PMID:39711466	研究论文	本文开发了一种高通量双用途质谱芯片阵列（DUMSCA），用于快速分离和检测血浆中的小细胞外囊泡（sEVs），并利用深度学习模型对克罗恩病进行高效诊断	开发了DUMSCA技术，显著提高了sEVs的分离和检测速度，并结合深度学习模型实现了疾病的高效诊断	未明确提及具体局限性	改进sEVs的分离方法，高效收集高质量sEV数据，并快速分析大规模数据集，以实现疾病诊断	血浆中的小细胞外囊泡（sEVs）	数字病理学	克罗恩病	双用途质谱芯片阵列（DUMSCA）、串联质谱实验	深度学习模型	代谢数据矩阵	未明确提及样本数量
1456	2025-01-16	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了一种基于Transformer的深度学习框架NMRformer，用于1D 1H NMR光谱中的峰分配和代谢物识别	NMRformer将光谱解释为光谱峰序列，并在Transformer编码器层中集成了自注意力机制和峰高比，能够识别和解释峰之间的长程依赖关系，并快速识别相同代谢物对应的峰	NA	提高NMR代谢组学研究中峰分配和代谢物识别的准确性和效率	1D 1H NMR光谱	机器学习	NA	1D 1H NMR光谱	Transformer	光谱数据	多种细胞和生物流体样本
1457	2025-01-16	AI-Based Discrimination of Faradaic Current against Nonfaradaic Current Inspired by Speech Denoising 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04448 PMID:39754543	研究论文	本文提出了一种基于深度学习的算法，用于区分循环伏安法中的法拉第电流和非法拉第电流，灵感来源于语音去噪技术	利用深度学习算法从循环伏安图中预测理论法拉第电流，创新性地将语音去噪技术应用于电化学系统研究	未提及算法的泛化能力及在不同电化学系统中的适用性	解决循环伏安法中法拉第电流与非法拉第电流分离的难题，以提取有用信息	循环伏安法中的电流响应	机器学习	NA	循环伏安法（CV）	深度神经网络（DNN）	电化学数据	未明确提及样本数量
1458	2025-01-16	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱（SERS）和机器学习的方法，用于分析泌尿系统癌症患者的血清样本，以实现快速、无标记和高灵敏度的检测	首次尝试利用SERS和机器学习策略区分多种泌尿系统癌症，并展示了该方法在癌症早期诊断和筛查中的潜在应用	NA	开发高效的泌尿系统癌症检测方法，以促进早期诊断	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱（SERS）	长短期记忆（LSTM）深度学习算法	血清光谱数据	NA
1459	2025-01-16	Development of a Deep Learning-Based Model for Pressure Injury Surface Assessment 2025-Jan-14, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17645 PMID:39809598	研究论文	本文开发了一种基于深度学习的压力性损伤表面评估模型	创新点在于使用深度学习技术自动评估压力性损伤，提高了评估的准确性和效率	研究仅基于广州四家医院的图像数据，可能限制了模型的泛化能力	研究目的是开发一种智能评估模型，用于压力性损伤表面的精确评估	研究对象为压力性损伤的图像数据	计算机视觉	压力性损伤	深度学习	神经网络	图像	1063张图像
1460	2025-01-16	Intelligent in-cell electrophysiology: Reconstructing intracellular action potentials using a physics-informed deep learning model trained on nanoelectrode array recordings 2025-Jan-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55571-6 PMID:39809732	研究论文	本文提出了一种基于物理信息的深度学习模型，用于从纳米电极阵列（NEAs）和微电极阵列（MEAs）记录的细胞外动作电位重建细胞内动作电位	利用AI技术从细胞外信号重建细胞内动作电位，为非侵入性、高通量的药物心脏毒性评估提供了新方法	研究主要基于干细胞衍生的心肌细胞，可能不适用于所有细胞类型	开发一种非侵入性、高通量的方法，用于研究细胞的电生理特性	干细胞衍生的心肌细胞	机器学习	心血管疾病	纳米电极阵列（NEAs）和微电极阵列（MEAs）记录	物理信息深度学习模型	电生理信号	数千对同步的细胞外和细胞内动作电位记录