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
11721	2025-04-17	Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review 2025-Apr, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2024.12.004 PMID:40087072	系统综述	本文系统评估了人工智能在基于磁共振成像的颞下颌关节紊乱检测中的应用	首次系统性地总结了AI在颞下颌关节盘位置识别中的应用及其性能指标	研究设计标准化不足和报告一致性有待提高	评估AI在MRI中识别颞下颌关节盘位置的应用效果	颞下颌关节紊乱患者和正常个体的MRI影像	数字病理	颞下颌关节紊乱	MRI	深度学习（MobileNetV2, ResNet）和机器学习	医学影像	7项研究（未明确总样本量）
11722	2025-04-17	Evaluating the Effectiveness of Neural Radiance Field for Noninvasive Volumetric Assessment 2025-Apr, Plastic and reconstructive surgery. Global open DOI:10.1097/GOX.0000000000006708 PMID:40230474	research paper	评估神经辐射场（NeRF）在非侵入性体积评估中的有效性，特别是在下肢淋巴水肿的治疗中	利用iPhone应用程序Luma 3D和NeRF技术进行3D场景重建，克服了传统2D成像和CT扫描的限制	研究仅基于一名88岁慢性淋巴水肿患者的12个月数据，样本量较小	评估NeRF技术在门诊环境中进行淋巴水肿体积评估的有效性	一名88岁慢性淋巴水肿女性患者	digital pathology	lymphedema	NeRF, CT扫描	NeRF	3D图像	1名患者，12个月的数据
11723	2025-04-17	Correction to: Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf028 PMID:40236682	correction	对一篇关于利用深度学习检测西班牙语推文中COVID-19疫苗接种立场的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11724	2025-04-17	Role of Artificial Intelligence in Congenital Heart Disease and Interventions 2025-Mar, Journal of the Society for Cardiovascular Angiography & Interventions DOI:10.1016/j.jscai.2025.102567 PMID:40230672	review	本文探讨了人工智能在先天性心脏病及其干预措施中的作用，特别是在心脏成像、电生理学、介入手术和重症监护监测方面的应用	人工智能算法通过提高成像分割和处理能力以及诊断准确性，显著改善了复杂先天性心脏病的解剖诊断、心脏功能评估和长期预后预测	人工智能算法仍面临数据标准化、算法验证、漂移和可解释性等障碍	研究人工智能在先天性心脏病诊断、治疗和监护中的应用及其潜在影响	儿童和成人先天性心脏病患者	digital pathology	cardiovascular disease	machine learning, deep learning	deep learning models	image, electrocardiogram signals, intensive care data	NA
11725	2025-04-17	Depression diagnosis: EEG-based cognitive biomarkers and machine learning 2025-02-26, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.115325 PMID:39515528	综述	本文综述了抑郁症诊断中的EEG认知生物标志物及机器学习应用	探讨了EEG生物标志物在抑郁症诊断中的潜力，并整合了机器学习和深度学习模型以提高诊断准确性	未提及具体实验数据或样本量，可能缺乏实证支持	研究抑郁症诊断的新方法及其神经生理学基础	抑郁症患者及其EEG数据	机器学习	抑郁症	EEG数据分析	机器学习和深度学习模型	EEG数据	NA
11726	2025-04-17	Residue-Level Multiview Deep Learning for ATP Binding Site Prediction and Applications in Kinase Inhibitors 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01255 PMID:39690486	research paper	该论文介绍了一种名为Multiview-ATPBind的深度学习模型和ResiBoost算法，用于准确预测ATP结合位点，并应用于激酶抑制剂的药物发现	提出了Multiview-ATPBind模型，整合1D序列和3D结构信息进行快速精确的残基水平口袋-配体相互作用预测，以及ResiBoost算法用于缓解数据不平衡问题	未提及具体局限性	提高ATP结合位点的预测准确性，并应用于激酶抑制剂的药物发现	ATP结合位点及激酶抑制剂（如伊马替尼和达沙替尼）	machine learning	cancer	deep learning	Multiview-ATPBind, ResiBoost	1D序列数据, 3D结构数据	NA
11727	2025-04-17	MGT: Machine Learning Accelerates Performance Prediction of Alloy Catalytic Materials 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01065 PMID:39698829	研究论文	本文提出了一种名为MGT的机器学习方法，用于加速合金催化材料在氢析出反应中的性能预测	引入了掩码图Transformer网络（MGT）和非线性消息传递机制，增强模型对催化反应中关键位点的识别能力	当前深度学习方法未充分关注活性原子和吸附物的重要性，而更侧重于催化材料的整体结构	提高合金催化材料在氢析出反应中吸附能预测的准确性	合金催化材料	机器学习	NA	深度学习	Transformer, MPNN	分子图数据	小数据集OC20-Ni
11728	2025-04-17	Deep Learning-Driven Insights into Enzyme-Substrate Interaction Discovery 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01801 PMID:39721977	研究论文	介绍了一种名为MEI的新型机器学习框架，用于高精度预测分子是否为特定酶的底物	MEI模型通过先进的注意力机制在分层神经网络中结合原子环境数据和氨基酸序列特征，显著提高了预测准确性	虽然模型表现出色，但对于某些特定酶或分子的预测可能仍需进一步验证	开发高精度的计算模型来预测分子与酶之间的相互作用	酶与分子之间的相互作用	机器学习	NA	机器学习	分层神经网络	酶反应数据和酶序列数据	包含广泛酶反应和酶序列信息的综合数据集
11729	2025-04-17	Evaluations of the Perturbation Resistance of the Deep-Learning-Based Ligand Conformation Optimization Algorithm 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01096 PMID:39724561	研究论文	评估基于深度学习的配体构象优化算法（DeepRMSD+Vina）在输入扰动下的鲁棒性	与传统优化算法（如Prime MM-GBSA和Vina优化）相比，DeepRMSD+Vina在处理不同蛋白-配体案例时表现出更高的性能，并且在输入结构存在扰动（高达3 Å）时仍能生成正确的结合结构	对于大扰动（RMSD在3-4 Å之间），成功率显著下降至11%	评估基于深度学习的配体构象优化算法的鲁棒性	蛋白-配体结合构象	机器学习	NA	深度学习	DeepRMSD+Vina	蛋白-配体结合构象数据	NA
11730	2025-04-17	Robust soybean seed yield estimation using high-throughput ground robot videos 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1554193 PMID:40230608	research paper	提出了一种利用计算机视觉和深度学习技术从地面机器人视频中高效估算大豆种子产量的新方法	结合了鱼眼图像校正和随机传感器效应的数据增强技术，提高了种子计数和产量估算的准确性和泛化能力	仅基于两年的测试数据（2021年的8,500个地块和2023年的650个地块），可能需要更多年份和更大范围的数据验证	开发一种高效、低成本的大豆种子产量估算方法，以替代传统劳动密集型且成本高的方法	大豆种子产量估算	computer vision	NA	computer vision, deep learning	P2PNet-Yield	image, video	2021年8,500个地块和2023年650个地块的数据
11731	2025-04-17	A weakly supervised deep learning framework for automated PD-L1 expression analysis in lung cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1540087 PMID:40230846	research paper	开发了一种基于弱监督深度学习的框架MiLT，用于自动分析肺癌中的PD-L1表达	创新性地开发了多实例学习工具MiLT，显著减少了对劳动密集型细胞级注释的需求，同时保持高准确性	需要在前瞻性临床试验中进一步探索	开发可靠的方法来识别可能对免疫检查点抑制剂治疗有反应的肺癌患者群体	肺癌患者	digital pathology	lung cancer	multiple instance learning (MIL)	deep learning	whole slide images	内部和外部队列
11732	2025-04-17	Unlocking chickpea flour potential: AI-powered prediction for quality assessment and compositional characterisation 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101030 PMID:40231315	研究论文	本研究探讨了深度学习模型与近红外光谱技术相结合，以提高鹰嘴豆粉质量评估的准确性和效率	首次将CNN、ViT和GCN等深度学习模型应用于鹰嘴豆粉质量评估，并与传统PLSR方法进行比较	数据集有限，可能影响模型的泛化能力	提高鹰嘴豆粉质量评估的准确性和效率	136种不同品种的鹰嘴豆粉	机器学习	NA	近红外光谱技术	CNN, ViT, GCN	光谱数据	136种鹰嘴豆品种
11733	2025-04-16	Enhancing the application of near-infrared spectroscopy in grain mycotoxin detection: An exploration of a transfer learning approach across contaminants and grains 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143854 PMID:40117813	研究论文	本研究将迁移学习策略引入化学计量学，以提高应用于不同谷物或毒素光谱数据的深度学习模型性能	首次将迁移学习方法应用于谷物中真菌毒素的光谱检测，解决了单一来源模型适应性差的问题	仅测试了小麦中的玉米赤霉烯酮(ZEN)和花生中的黄曲霉毒素B1(AFB1)两种毒素	提高近红外光谱技术在谷物真菌毒素检测中的应用效果	谷物(小麦和花生)中的真菌毒素	机器学习	NA	近红外光谱技术(NIR), FT-NIR光谱技术	深度学习模型(未指定具体类型)	光谱数据	小麦ZEN和花生AFB1样本集
11734	2025-04-16	Applying deep learning algorithms for non-invasive estimation of carotenoid content in the foot muscle of Pacific abalone with different colors 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143913 PMID:40157001	研究论文	本研究利用深度学习算法非侵入性地估计太平洋鲍鱼足肌中类胡萝卜素的含量	开发了基于颜色的类胡萝卜素估计套件(CCES)，提供非破坏性、快速的类胡萝卜素估计方法，效率提升450倍，成本降低47至77倍	模型预测的决定系数(R)为0.415，可能存在一定的预测误差	开发一种高效、可扩展的水产养殖育种和质量控制工具	太平洋鲍鱼(Haliotis discus hannai)的足肌	机器学习	NA	靶向代谢组学	LSTM	颜色测量数据(CIELAB颜色空间)	344个鲍鱼样本
11735	2025-04-16	Autonomous Screening for Diabetic Macular Edema Using Deep Learning Processing of Retinal Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100722 PMID:40225408	研究论文	开发并验证了一种用于糖尿病黄斑水肿（DME）检测的深度学习模型，适用于多样化的多设备临床环境	利用深度学习模型在彩色眼底图像上高效检测DME，适用于多设备临床环境	需要进一步的前瞻性研究验证	开发并验证一种用于DME检测的深度学习模型	糖尿病黄斑水肿（DME）患者	计算机视觉	糖尿病黄斑水肿	深度学习	深度学习模型	图像	32,049张图像来自15,892名患者
11736	2025-04-16	Enhanced Macular Telangiectasia Type 2 Detection: Leveraging Self-Supervised Learning and Ensemble Models 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100710 PMID:40225407	research paper	本研究探讨了一种基于集成学习和自监督学习的深度学习方法，用于在OCT成像中准确且可解释地检测2型黄斑毛细血管扩张症（MacTel）	结合自监督学习（SSL）和集成学习方法，提高了在有限数据情况下的MacTel分类准确性和可解释性	研究数据量有限，仅使用了419个OCT体积数据，其中仅有10%的标注训练数据	提高2型黄斑毛细血管扩张症（MacTel）在OCT成像中的检测准确性和可解释性	OCT扫描图像	digital pathology	macular telangiectasia type 2	OCT imaging, self-supervised learning (SSL), ensemble learning	CNN, ensemble models	image	5200张OCT图像（780名MacTel患者和1900名非MacTel患者），其中训练集包含419个OCT体积数据（185名MacTel患者）
11737	2025-04-16	Web server-based deep learning-driven predictive models for respiratory toxicity of environmental chemicals: Mechanistic insights and interpretability 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137575 PMID:39954423	research paper	本研究开发了八种可解释的深度学习模型，用于预测化学物质的呼吸毒性，并整合了八种呼吸毒性终点的数据构建了一个全面的呼吸系统模型	采用频率比法和SHAP博弈论分析增强模型的可解释性，识别关键结构片段和可视化驱动模型预测的关键特征	模型仅针对特定的呼吸疾病，可能无法涵盖所有呼吸毒性情况	预测药物及其环境代谢物的呼吸毒性，为早期检测和风险评估提供工具和信息	化学物质的呼吸毒性	machine learning	respiratory disease	deep learning, SHAP analysis	deep learning models	chemical toxicity data	整合了八种呼吸毒性终点的数据
11738	2025-04-16	Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137581 PMID:39954434	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与深度学习技术，开发了一种高效检测食源性病原体的工具	采用自动混合网络设计(ADMIN)策略和神经架构搜索(NAS)技术优化卷积神经网络(CNNs)架构，显著提升SERS数据分析能力，并引入U-Net架构和注意力机制以提高分类准确性和关键光谱特征识别能力	未明确提及具体局限性，但暗示未来需要进一步探索不同网络模块以增强模型泛化能力	开发快速精确的食源性病原体检测方法	22种食源性病原体	深度学习	食源性疾病	表面增强拉曼光谱(SERS)	NAS-Unet(基于神经架构搜索优化的U-Net)	光谱数据	22种食源性病原体的测试样本
11739	2025-04-16	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	research paper	该研究利用基于动态对比增强MRI（DCE-MRI）的深度学习分析肿瘤内亚区域，预测乳腺癌中Ki-67表达水平	通过k-means聚类算法确认肿瘤亚区域，并基于3D ResNet18预训练模型提取DCE-MRI图像的深度学习特征，构建逻辑回归模型预测Ki-67表达水平	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两家医院	评估基于DCE-MRI的深度学习分析肿瘤内亚区域对预测乳腺癌Ki-67表达水平的价值	乳腺癌患者	digital pathology	breast cancer	DCE-MRI, deep learning	3D ResNet18, logistic regression	image	290例乳腺癌患者
11740	2025-04-16	URDD: An open dataset for urban roadway disease detection and classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111499 PMID:40226197	研究论文	本文介绍了一个名为URDD的开放数据集，用于城市道路病害检测和分类	创建了一个专门用于道路病害检测和分类的数据集，并应用深度学习技术提高检测效率和准确性	未提及数据集的规模和多样性，可能影响模型的泛化能力	提高城市道路病害检测的效率和准确性，促进人工智能在道路维护和管理中的应用	城市道路病害	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量