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
8681	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
8682	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
8683	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
8684	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
8685	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
8686	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
8687	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
8688	2024-12-09	Simultaneous quantitative analysis of multiple metabolites using label-free surface-enhanced Raman spectroscopy and explainable deep learning 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125386 PMID:39509865	研究论文	本研究结合无标记表面增强拉曼光谱（SERS）和深度学习技术，利用SHAP解释模型，实现了多种代谢物的同步定量分析	首次将无标记SERS与深度学习结合，并利用SHAP解释模型，提供可视化的预测解释	NA	开发一种新的代谢物分析方法，用于临床诊断和个性化医疗	尿酸、黄嘌呤、次黄嘌呤和肌酐等代谢物	生物医学工程	NA	表面增强拉曼光谱（SERS）	深度神经网络	光谱数据	混合溶液中的目标代谢物
8689	2024-12-09	Fluorescence spectroscopy combined with multilayer perceptron deep learning to identify the authenticity of monofloral honey-Rape honey 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125418 PMID:39547148	研究论文	本文利用荧光光谱结合多层感知器深度学习技术，无需预处理或特征提取，快速准确地鉴定了油菜蜂蜜的真实性	首次将荧光光谱与多层感知器深度学习结合，用于蜂蜜真实性鉴定，无需预处理或特征提取	仅限于油菜蜂蜜的真实性鉴定，未涉及其他类型的蜂蜜	开发一种快速、简便且无损的蜂蜜真实性鉴定技术	油菜蜂蜜的真实性	机器学习	NA	荧光光谱	多层感知器 (MLP)	荧光强度数据	91个真实和掺假的蜂蜜样本
8690	2024-12-09	Enhancing soil nitrogen measurement via visible-near infrared spectroscopy: Integrating soil particle size distribution with long short-term memory models 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125317 PMID:39471554	研究论文	本文提出了一种结合土壤颗粒大小分布（PSD）和可见-近红外光谱（Vis-NIR）的深度学习方法，用于提高土壤氮含量的测量精度	本文创新性地将土壤颗粒大小分布与可见-近红外光谱数据结合，通过长短期记忆模型（LSTM）提高了土壤氮含量测量的准确性和可靠性	本文未详细讨论该方法在不同土壤类型和环境条件下的适用性	研究目的是提高土壤氮含量的测量精度，为农业管理和生态环境提供高质量的数据支持	研究对象是土壤氮含量及其与土壤颗粒大小分布和可见-近红外光谱的关系	机器学习	NA	可见-近红外光谱（Vis-NIR）	长短期记忆模型（LSTM）	光谱数据	使用了LUCAS数据集中的样本
8691	2024-12-09	Plasma treated bimetallic nanofibers as sensitive SERS platform and deep learning model for detection and classification of antibiotics 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125417 PMID:39541643	研究论文	本文报道了一种通过氧等离子体处理的二元金属纳米纤维作为高灵敏度的SERS平台，并结合深度学习模型用于抗生素的检测和分类	提出了一种新的氧等离子体处理的二元金属纳米纤维SERS平台，具有高灵敏度和可重复性，并结合了深度学习模型进行有效分类	NA	开发一种高灵敏度和成本效益的SERS基底，用于在实际环境中检测痕量浓度的分析物	二元金属纳米纤维SERS平台和深度学习模型	NA	NA	SERS	人工神经网络（ANN）	光谱数据	涉及两种抗生素 - 氟康唑（FLU）和林可霉素（LIN）
8692	2024-12-09	Alg-MFDL: A multi-feature deep learning framework for allergenic proteins prediction 2025-Feb, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115701 PMID:39481588	研究论文	本文开发了一种名为Alg-MFDL的多特征深度学习框架，用于预测过敏蛋白	结合预训练的蛋白质语言模型和传统手工特征，实现更全面的蛋白质表示	NA	开发高效可靠的计算方法来识别过敏蛋白	过敏蛋白的识别	机器学习	NA	卷积神经网络	CNN	蛋白质数据	使用基准数据集进行独立验证
8693	2024-12-09	Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study 2025-Feb, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.14253 PMID:39644511	研究论文	本研究评估了哈里亚纳邦物理治疗学生学习方法的横断面研究	本研究首次在哈里亚纳邦物理治疗学生中评估了学习方法，并发现大多数学生采用深度学习方法	研究样本仅限于哈里亚纳邦的物理治疗学生，结果可能不适用于其他地区或学科的学生	了解学生的学习方法，并据此改进教学方法、课程和教材，以提高教育质量	哈里亚纳邦物理治疗学生的学习方法	NA	NA	NA	NA	NA	250名物理治疗学生，平均年龄21.09±1.93岁，其中129名（51.6%）为预临床组，121名（48.4%）为临床组
8694	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
8695	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
8696	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
8697	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
8698	2024-12-09	Minimizing prostate diffusion weighted MRI examination time through deep learning reconstruction 2025-Jan, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110341 PMID:39532043	研究论文	研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持图像质量	使用深度学习重建算法（DLR）从标准和可变减少的数据集中重建高b值扩散加权图像，以减少图像噪声并缩短MRI检查时间	回顾性研究，依赖于两位放射科医生的主观评估	研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持诊断图像质量	前列腺扩散加权MRI图像及其诊断质量	计算机视觉	前列腺癌	深度学习重建算法（DLR）	深度学习模型	图像	52名接受常规前列腺MRI检查的患者
8699	2024-12-08	Comparison of veterinarians and a deep learning tool in the diagnosis of equine ophthalmic diseases 2025-Jan, Equine veterinary journal IF:2.4Q1 DOI:10.1111/evj.14087 PMID:38567426	研究论文	比较兽医和深度学习工具在马眼科疾病诊断中的表现	开发了一种用于马眼科疾病诊断的深度学习工具，并评估了其在诊断准确性上与兽医的比较	诊断仅基于马眼的图像，无法评估眼睛内部情况	比较兽医和深度学习工具在马眼科疾病诊断中的准确性	马眼科疾病，特别是葡萄膜炎	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	40张马眼照片，其中10张健康，12张葡萄膜炎，18张其他疾病
8700	2024-12-07	RFImageNet framework for segmentation of ultrasound images with spectra-augmented radiofrequency signals 2025-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107498 PMID:39486316	研究论文	本文介绍了一种利用射频信号的频谱和幅度信息进行超声图像分割的框架RFImageNet	提出了一种新的图像分割框架RFImageNet，利用射频信号的频谱和幅度信息进行超声图像分割，并开发了专门针对特定输入图像尺寸要求的深度学习模型RFNet	NA	提高医学超声图像分割的准确性，减轻超声医师的负担	超声图像中的腹部组织和乳腺肿瘤的分割	计算机视觉	NA	深度学习	RFNet	图像	涉及大鼠腹部组织和乳腺肿瘤的样本