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
11301	2025-02-01	Deep Learning for Staging Periodontitis Using Panoramic Radiographs 2025-Jan-30, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15269 PMID:39888112	研究论文	本研究利用深度学习技术，通过全景X光片自动标注解剖结构并分类牙周炎的放射骨丢失阶段	采用深度学习模型自动标注解剖结构并分类牙周炎的放射骨丢失阶段，提高了诊断和分类的效率	模型在预测与真实值差异为10像素时的mAP为0.88，仍有改进空间	提高牙周炎诊断和分类的效率	558张全景X光片，裁剪为7359颗单独牙齿的图像	计算机视觉	牙周炎	深度学习	目标检测模型	图像	558张全景X光片，裁剪为7359颗单独牙齿的图像
11302	2025-02-01	Re-locative guided search optimized self-sparse attention enabled deep learning decoder for quantum error correction 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87782-2 PMID:39875564	研究论文	本文提出了一种结合重定位引导搜索优化的自稀疏注意力机制的深度学习解码器（RlGS2-DCNTM），用于量子纠错码中的有效纠错	该研究首次将自稀疏注意力机制与卷积神经网络和长短期记忆网络结合，用于量子纠错码的解码，并通过重定位引导搜索算法优化模型，提高了模型的收敛速度和纠错效果	尽管模型在量子纠错码解码任务中表现出色，但其在更广泛的量子计算应用中的通用性和适应性仍需进一步验证	研究目标是开发一种高效的量子纠错码解码器，以解决量子计算中的泄漏错误和量子比特碰撞问题	研究对象是量子纠错码，特别是重六边形编码	量子计算	NA	自稀疏注意力机制、卷积神经网络、长短期记忆网络、重定位引导搜索算法	RlGS2-DCNTM	量子纠错码	NA
11303	2025-02-01	Whole slide image based deep learning refines prognosis and therapeutic response evaluation in lung adenocarcinoma 2025-Jan-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01470-z PMID:39875799	研究论文	本研究开发了一种基于组织病理学图像的深度学习模型，用于预测肺腺癌患者的复发风险，并在独立的多中心队列中评估了模型的效率	该模型成功定义了高风险和低风险组，能够有效分层整个队列的预后，并且结合TNM分期有助于识别可能从辅助化疗中获益的高风险II期和III期患者	NA	改进现有的肺腺癌患者预后评估模型，并评估其作为辅助治疗选择的生物标志物的价值	肺腺癌患者	数字病理学	肺癌	深度学习	深度学习模型	图像	多中心队列
11304	2025-02-01	Virtual biopsy for non-invasive identification of follicular lymphoma histologic transformation using radiomics-based imaging biomarker from PET/CT 2025-Jan-29, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03893-7 PMID:39875864	研究论文	本研究旨在构建基于放射组学的影像生物标志物，用于通过PET/CT图像无创识别转化型滤泡性淋巴瘤（t-FL）	利用无监督EMFusion方法融合PET和CT图像，并结合深度学习和手工放射组学特征构建放射组学签名（R-signature），进一步结合临床参数和SUVmax开发t-FL评分系统	NA	无创识别转化型滤泡性淋巴瘤（t-FL）	784名滤泡性淋巴瘤（FL）、弥漫性大B细胞淋巴瘤和t-FL患者	数字病理学	淋巴瘤	PET/CT成像	ResNet18	图像	784名患者来自5个独立医疗中心
11305	2025-02-01	Dataset for developing deep learning models to assess crack width and self-healing progress in concrete 2025-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04485-z PMID:39875392	研究论文	本文介绍了一个用于开发深度学习模型以评估混凝土裂缝宽度和自修复进展的数据集	数据集包含大量亮度剖面和手动参考测量数据，适合开发基于图像的深度CNN模型或分析算法	技术验证研究仅探讨了影响裂缝测量的三个因素：试样位置、表面湿度水平和操作员手动测量	开发深度学习模型以评估混凝土裂缝宽度和自修复进展	高强度混凝土的自修复和裂缝宽度评估	计算机视觉	NA	高分辨率扫描和尺度不变图像处理	CNN	图像	19,098条亮度剖面、参考测量和基准测量记录
11306	2025-02-01	Superpixel guided spectral-spatial feature extraction and weighted feature fusion for hyperspectral image classification with limited training samples 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87030-7 PMID:39875499	研究论文	本文提出了一种基于超像素引导的光谱-空间特征提取和加权特征融合模型，用于有限训练样本下的高光谱图像分类	提出了一种新的超像素引导的光谱-空间特征提取和加权特征融合模型，能够从多个角度和阶段充分利用高光谱图像中的未开发特征	在每类仅有五个训练样本的情况下进行实验，样本量较小，可能影响模型的泛化能力	解决高光谱图像分类在有限训练样本下的过拟合问题，并提高分类精度	高光谱图像	计算机视觉	NA	NA	CNN, GCN	图像	每类五个训练样本，三个广泛使用的数据集
11307	2025-02-01	Leveraging synthetic data to improve regional sea level predictions 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88078-1 PMID:39875524	研究论文	本研究提出了一种结合TimesGAN和ConvLSTM的深度学习方法，利用更广泛可用的卫星测高数据来提高区域海平面预测的准确性	通过TimesGAN生成合成训练数据，显著提高了ConvLSTM模型的预测准确性	研究主要关注特定区域（上海、纽约、里斯本、利比里亚、加蓬和索马里），可能无法完全代表全球其他地区的海平面变化	提高区域海平面预测的准确性，特别是在潮汐计稀疏的发展中国家	上海、纽约、里斯本、利比里亚、加蓬和索马里的海平面数据	机器学习	NA	TimesGAN, ConvLSTM	ConvLSTM	卫星测高数据	六个区域（上海、纽约、里斯本、利比里亚、加蓬和索马里）的海平面数据
11308	2025-02-01	A novel arc detection and identification method in pantograph-catenary system based on deep learning 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88109-x PMID:39875621	研究论文	本文提出了一种基于深度学习的弓网系统电弧检测与识别方法，称为ArcMSD，通过改进Inception V3模型来提高检测精度和效率	本文的创新点在于改进了Inception V3模型，引入了引导锚机制、注意力机制和上采样技术，以优化电弧检测性能	本文未明确提及方法的局限性	研究目的是提高弓网系统中电弧检测的准确性和效率，以确保电力系统的安全运行	研究对象是弓网系统中的电弧现象	计算机视觉	NA	深度学习	改进的Inception V3模型	图像	从综合监控系统（ISCS）视频中截取的连续帧图像
11309	2025-02-01	Impacted lower third molar classification and difficulty index assessment: comparisons among dental students, general practitioners and deep learning model assistance 2025-Jan-28, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05425-4 PMID:39875882	研究论文	本研究评估了卷积神经网络（CNN）在确定阻生下颌第三磨牙（ILTM）的角度、位置、分类和难度指数（DI）方面的有效性，并比较了深度学习模型、牙科学生和全科牙医在这些参数上的表现	首次将CNN应用于ILTM的分类和难度指数评估，并与牙科学生和全科牙医的表现进行了比较	数据集仅包含1200张裁剪的全景X光片，可能不足以代表所有情况	评估CNN在ILTM分类和难度指数评估中的有效性，并比较其与人类专家的表现	阻生下颌第三磨牙（ILTM）	计算机视觉	牙科疾病	卷积神经网络（CNN）	CNN	图像	1200张裁剪的全景X光片
11310	2025-02-01	hERGAT: predicting hERG blockers using graph attention mechanism through atom- and molecule-level interaction analyses 2025-Jan-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00957-x PMID:39875959	研究论文	本文提出了一种名为hERGAT的图神经网络模型，通过原子和分子层面的相互作用分析来预测hERG通道阻断剂	hERGAT结合了图注意力机制（GAT）和门控循环单元（GRU），能够捕捉原子和分子层面的复杂相互作用，并通过分析分子子结构提高了模型的可解释性	NA	开发一种高效且可解释的模型，用于预测hERG通道阻断剂，以优化药物开发过程中的安全性评估	hERG通道阻断剂	机器学习	心血管疾病	图神经网络（GNN）	GAT, GRU	分子结构数据	NA
11311	2025-02-01	Prediction of Brain Cancer Occurrence and Risk Assessment of Brain Hemorrhage Using Hybrid Deep Learning Technique 2025-Jan, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2431829 PMID:39629783	研究论文	本文提出了一种混合深度学习技术，用于预测脑癌发生和评估脑出血风险	结合了多头部自注意力扩张卷积神经网络（MH-SA-DCNN）和图基深度神经网络模型（G-DNN），并采用Osprey优化算法（OPA）进行模型优化	未提及具体样本量和数据集的具体来源	预测脑癌发生和评估脑出血风险	脑MRI和CT扫描图像	医学影像分析	脑癌	混合深度学习技术	MH-SA-DCNN, G-DNN, Cox回归模型	图像	NA
11312	2025-01-18	A deep learning-based method for modeling of RNA structures from cryo-EM maps 2025-Jan, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02162-x PMID:38396076	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11313	2025-01-31	Monitoring nap deprivation-induced fatigue using fNIRS and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10219-z PMID:39866657	研究论文	本文利用便携式fNIRS系统和深度学习模型监测由午睡剥夺引起的疲劳状态，并提出了一种新的1D修订CNN-ResNet网络用于疲劳状态分类	提出了一种基于双层通道衰减残差块的新型1D修订CNN-ResNet网络，用于处理fNIRS信号数据的高维度和多通道特性	NA	监测和分类由午睡剥夺引起的疲劳状态，探索通过运动刺激强制唤醒疲劳受试者的可行性	由午睡剥夺引起的疲劳状态	机器学习	NA	fNIRS	1D revised CNN-ResNet	fNIRS信号数据	NA
11314	2025-01-31	Detecting autism in children through drawing characteristics using the visual-motor integration test 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00338-6 PMID:39877430	研究论文	本研究介绍了一种新颖的分类方法，通过视觉-运动整合测试中的绘图特征来区分自闭症儿童与正常发育儿童	采用深度学习分类模型和集成学习，显著提高了分类准确率至0.934，并识别出五个最能区分自闭症儿童与正常儿童绘图表现的模式	样本量较小，仅包括50名儿童，且性别比例不均（44名男孩和6名女孩）	开发一种跨文化工具，用于自闭症的早期检测和干预	台湾50名6至12岁的学龄儿童，包括44名男孩和6名女孩	计算机视觉	自闭症	深度学习	集成学习	图像	50名儿童（44名男孩和6名女孩）
11315	2025-01-31	A multi-dimensional student performance prediction model (MSPP): An advanced framework for accurate academic classification and analysis 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103148 PMID:39866196	研究论文	本文提出了一种多维学生表现预测模型（MSPP），旨在通过深度学习和先进的数据预处理技术提高学生学术分类的准确性	MSPP模型结合了自适应超参数调整和先进的图神经网络层，能够处理不平衡和时间序列的教育数据集，并通过AI特征提供可解释性	NA	提高学生表现预测的准确性，以支持定制化干预措施，提升学习效果	学生学术数据	机器学习	NA	深度学习	图神经网络（GNN）	结构化训练记录	NA
11316	2025-01-31	An easy-to-use three-dimensional protein-structure-prediction online platform "DPL3D" based on deep learning algorithms 2025-Jun, Current research in structural biology IF:2.7Q3 DOI:10.1016/j.crstbi.2024.100163 PMID:39867105	研究论文	本文介绍了一个基于深度学习算法的易于使用的三维蛋白质结构预测在线平台DPL3D	开发了一个用户友好的平台DPL3D，能够预测和可视化突变蛋白质的三维结构，并集成了多种先进的蛋白质结构预测软件	平台依赖于现有的蛋白质晶体结构数据，对于缺乏这些数据的蛋白质，预测准确性可能受限	开发一个易于使用的在线平台，用于预测和可视化突变蛋白质的三维结构，以促进生物发现	突变蛋白质的三维结构	生物信息学	NA	深度学习算法	AlphaFold 2, RoseTTAFold, RoseTTAFold All-Atom, trRosettaX-Single	蛋白质晶体结构数据	210,180个分子结构，包括52,248个人类蛋白质
11317	2025-01-31	Deep learning driven silicon wafer defect segmentation and classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103158 PMID:39877475	研究论文	本文探讨了使用深度学习方法对硅片缺陷进行分割和分类，以提高集成电路制造中的自动化检测效率	结合深度学习模型进行硅片缺陷的自动分割与分类，并集成具有问答能力的LLM以增强交互性	未提及具体数据集规模及模型泛化能力的验证	实现硅片缺陷的自动化检测与分类，提高集成电路制造的质量	硅片缺陷	计算机视觉	NA	深度学习	CNN（推测）	图像	未提及具体样本数量
11318	2025-01-31	Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100665 PMID:39866343	研究论文	本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型	使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性	多模态模型相比计算机视觉模型并未显著提升性能	区分细菌性和真菌性角膜炎	599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者	计算机视觉	角膜炎	深度学习	EfficientNet	图像和临床数据	599名患者
11319	2025-01-31	Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100655 PMID:39866344	研究论文	本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较	Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异	研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限	开发一种能够准确检测OCT扫描中RPD的深度学习模型	OCT扫描中的网状假性玻璃膜疣（RPD）	计算机视觉	老年性黄斑变性	半监督学习（SSL）	3D深度学习网络	OCT扫描图像	476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据）
11320	2025-01-31	Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100663 PMID:39866345	研究论文	本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物	首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联	样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP	开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测	早产儿视网膜病变（ROP）患者	数字病理学	早产儿视网膜病变	OCT（光学相干断层扫描）	U-Net	图像	33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估