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
1261	2025-03-16	Clinical value of aortic arch morphology in transfemoral TAVR: artificial intelligence evaluation 2025-Mar-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002232 PMID:39869394	研究论文	本研究利用人工智能算法评估主动脉弓形态对经股动脉导管主动脉瓣置换术（TF-TAVR）患者临床结果的影响	首次使用深度学习评估主动脉弓形态对TF-TAVR患者临床结果的影响，并构建了预测模型	研究为回顾性研究，可能存在选择偏倚	评估主动脉弓形态对TF-TAVR患者临床结果的影响	接受TF-TAVR的患者	数字病理学	心血管疾病	深度学习，机器学习	随机森林，逻辑回归	医学影像	1480名连续接受TF-TAVR的患者
1262	2025-03-15	Deep learning the flow law of Antarctic ice shelves 2025-Mar-14, Science (New York, N.Y.) DOI:10.1126/science.adp3300 PMID:40080586	研究论文	本研究利用遥感数据和物理信息深度学习，揭示了南极冰架流动规律及其粘度结构	首次通过深度学习方法揭示了南极冰架在压缩区和扩展区的流动规律，并构建了冰架范围的各向异性粘度图	研究结果依赖于遥感数据，可能存在数据精度和覆盖范围的限制	研究南极冰架的流动规律和粘度结构，以预测南极冰盖的未来质量损失	南极冰架	机器学习	NA	物理信息深度学习	深度学习	遥感数据	多个冰架的数据
1263	2025-03-15	Diagnosis and Post-Treatment Follow-Up Evaluation of Melasma Using Optical Coherence Tomography and Deep Learning 2025-Mar-14, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70006 PMID:40084480	研究论文	本研究提出使用光学相干断层扫描（OCT）结合深度学习技术进行黄褐斑的诊断和治疗后评估	结合便携式OCT系统和深度学习模型（VGG16神经网络加空间注意力机制）进行黄褐斑的诊断和治疗评估	未提及样本量的具体大小，且未讨论模型在其他皮肤病上的泛化能力	开发一种结合OCT和深度学习的技术，用于黄褐斑的临床诊断和治疗评估	健康志愿者和黄褐斑患者的皮肤组织	数字病理学	黄褐斑	光学相干断层扫描（OCT）	VGG16神经网络加空间注意力机制	图像	健康志愿者和黄褐斑患者的皮肤组织数据集
1264	2025-03-15	CT-free attenuation and Monte-Carlo based scatter correction-guided quantitative 90Y-SPECT imaging for improved dose calculation using deep learning 2025-Mar-13, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07191-5 PMID:40080141	研究论文	本研究旨在开发深度学习模型，用于无CT的衰减校正和基于蒙特卡罗的散射校正，以改进90Y SPECT成像中的剂量计算	使用改进的3D Swin UNETR架构训练深度学习模型，实现无CT的衰减校正和蒙特卡罗散射校正，提高了90Y SPECT成像的剂量计算精度	需要更大规模的数据集进行训练，以进一步提高模型的泛化能力	改进90Y SPECT成像中的剂量计算	190名接受90Y选择性内放射治疗（SIRT）的患者	医学影像处理	NA	深度学习	3D Swin UNETR	SPECT图像	190名患者
1265	2025-03-15	AI-Powered Image-Based Assessment of Pressure Injuries Using You Only Look once (YOLO) Version 8 Models 2025-Mar-13, Advances in wound care IF:5.8Q1 DOI:10.1089/wound.2024.0245 PMID:40081991	研究论文	本研究旨在通过机器学习和YOLOv8深度学习模型提升压力性损伤的检测和分期准确性	首次将YOLOv8模型应用于压力性损伤分期，并通过优化器和超参数调优显著提升了检测精度	研究基于模拟数据集，未在真实临床环境中进行验证	提升压力性损伤的检测和分期准确性	压力性损伤图像	计算机视觉	压力性损伤	深度学习	YOLOv8	图像	公开的高质量数据集
1266	2025-03-15	Automated Fast Prediction of Bone Mineral Density From Low-dose Computed Tomography 2025-Mar-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.041 PMID:40082126	研究论文	本研究探讨了利用深度学习基于低剂量CT扫描建立体积骨密度预测和骨质疏松分类系统的可行性	首次将深度学习应用于低剂量CT扫描，自动预测体积骨密度并进行骨质疏松和骨质减少的分类	研究样本量相对较小，且仅针对腰椎进行了分析	开发一个基于低剂量CT扫描的自动体积骨密度预测和骨质疏松分类系统	551名同时接受低剂量CT和定量CT检查的受试者	数字病理学	骨质疏松	低剂量CT扫描	U-net	图像	551名受试者
1267	2025-03-15	Deep learning modelling of structural brain MRI in chronic head and neck pain after mild TBI 2025-Mar-12, Pain IF:5.9Q1 DOI:10.1097/j.pain.0000000000003587 PMID:40084983	研究论文	本研究利用深度学习模型分析轻度创伤性脑损伤（mTBI）后慢性头颈痛患者的结构性脑MRI扫描，以预测高风险个体	首次使用预训练的3D ResNet-18深度学习模型分析mTBI后72小时内的T1加权脑MRI扫描，以预测慢性疼痛风险	样本量相对较小（128名患者），且模型的平均准确率和AUC值较低（分别为0.59和0.56）	探索早期脑MRI扫描在预测mTBI后慢性头颈痛中的实用性	227名因车祸导致mTBI的患者，其中128名在伤后72小时内进行了T1加权脑MRI扫描	数字病理学	创伤性脑损伤	T1加权脑MRI扫描	3D ResNet-18	图像	128名患者
1268	2025-03-15	A transformer-based real-time earthquake detection framework in heterogeneous environments 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82087-2 PMID:40069212	研究论文	本文介绍了一种基于Transformer的实时地震检测框架TFEQ，旨在解决在高度异构环境中部署深度学习技术的挑战	TFEQ模型独特地同时分析P波和S波，解决了现有模型通常只关注S波检测而忽视P波早期检测的问题	NA	开发一种能够在异构物联网环境中进行实时地震检测的深度学习模型	地震波（P波和S波）	机器学习	NA	深度学习	Transformer	传感器数据	CrowdQuake计划收集的MEMS传感器数据
1269	2025-03-15	Fuzzy control algorithm of cleaning parameters of street sweeper based on road garbage volume grading 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92771-6 PMID:40069257	研究论文	本文提出了一种基于道路垃圾量分级的模糊控制算法，用于调整街道清扫车的清洁参数，以提高清洁效率和降低能耗	创新点在于结合YOLO v5深度学习模型进行目标检测和垃圾分类，并基于垃圾覆盖率和重量计算道路垃圾量分级系数，进而开发模糊控制模型以优化清扫车操作参数	未提及算法的泛化能力及在不同城市环境中的适用性	研究目的是通过智能算法优化街道清扫车的清洁参数，以提高清洁效率和降低能耗	研究对象是街道清扫车及其清洁参数	计算机视觉	NA	YOLO v5	模糊控制模型	图像	未提及具体样本数量
1270	2025-03-15	An efficient deep learning-based strategy to screen inhibitors for GluN1/GluN3A receptor 2025-Mar-11, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01513-x PMID:40069493	研究论文	本文提出了一种基于深度学习的策略，用于高效筛选GluN1/GluN3A受体的抑制剂	结合序列和复合物基础的评分函数，利用深度学习技术提高筛选效率和准确性	研究仍处于早期阶段，药理研究数据有限	开发一种高效且准确的筛选方法，用于识别GluN1/GluN3A受体的抑制剂	GluN1/GluN3A受体及其抑制剂	机器学习	神经精神疾病	全细胞电压钳电生理学	深度学习模型	化合物库数据	1800万种化合物库筛选至约10个候选分子
1271	2025-03-15	DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning 2025-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.27.640693 PMID:40060558	研究论文	本文介绍了DeepPath，一个基于深度学习的框架，用于快速生成蛋白质状态之间的物理真实过渡路径	DeepPath采用主动学习方法，利用分子力学力场作为指导，迭代优化预测路径，克服了数据稀缺性问题	尽管DeepPath在预测蛋白质过渡路径方面表现出色，但其依赖于已知的蛋白质状态，可能限制了其在未知状态预测中的应用	研究目的是开发一种高效的方法来预测蛋白质的构象转变路径，以替代计算成本高的分子动力学模拟	研究对象包括SHP2激活、CdiB H1分泌和BAM复合体侧门开启等生物相关测试案例	机器学习	NA	分子动力学模拟	深度学习	蛋白质结构数据	三个生物相关测试案例
1272	2025-03-15	Medical image classification by incorporating clinical variables and learned features 2025-Mar, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.241222 PMID:40078919	研究论文	本文提出了一种新颖的方法，通过结合临床变量来增强深度学习模型在医学图像分类中的表现，同时不压倒信息	与大多数现有深度神经网络模型仅考虑单像素信息不同，该方法捕捉了更全面的视角，并通过降维技术优化特征，与临床变量信息保持平衡	未明确提及具体局限性	提升医学图像分类的准确性	医学图像	计算机视觉	结核病和皮肤病	深度学习	预训练的深度神经网络	图像	未明确提及样本数量
1273	2025-03-14	MOF-KAN: Kolmogorov-Arnold Networks for Digital Discovery of Metal-Organic Frameworks 2025-Mar-13, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00211 PMID:40015927	研究论文	本文介绍了一种名为MOF-KAN的新型深度学习架构，首次将Kolmogorov-Arnold Networks (KANs)应用于金属有机框架(MOFs)的数字发现	MOF-KAN是首个将KANs应用于MOFs数字发现的架构，通过精细调整网络架构，其在预测MOFs的多种性能上优于标准的多层感知器(MLPs)，并在低数据量情况下表现出色	NA	开发一种准确且数据高效的方法，以导航复杂的化学和结构空间，用于功能性材料（如MOFs）的数字发现	金属有机框架(MOFs)	机器学习	NA	深度学习	Kolmogorov-Arnold Networks (KANs)	化学和结构数据	NA
1274	2025-03-14	A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement 2025-Mar-13, Network (Bristol, England) DOI:10.1080/0954898X.2025.2461046 PMID:40079096	研究论文	本文提出了一种基于深度学习的多目标函数，用于在多载波NOMA系统中自动分配能效功率，采用混合启发式改进方法	提出了混合缝纫训练和狐猴优化算法（HSTLO）来优化系统参数，并开发了扩张密集循环神经网络（DDRNN）模型以增强系统性能	未提及具体的数据集或实验环境，可能限制了结果的普适性	提高多载波NOMA系统的能效（EE）并优化系统性能	多载波NOMA系统	机器学习	NA	混合启发式优化算法、深度学习	扩张密集循环神经网络（DDRNN）	NA	NA
1275	2025-03-14	Pd-Modified Microneedle Array Sensor Integration with Deep Learning for Predicting Silica Aerogel Properties in Real Time 2025-Mar-12, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17680 PMID:40019213	研究论文	本研究开发了一种集成Pd/Au传感器和深度学习算法的系统，用于实时预测硅气凝胶的物理特性	利用电化学阻抗数据、频率和时间参数，结合深度学习模型，实时预测硅气凝胶的物理特性，显著提高了生产过程的优化和监控效率	研究主要针对硅气凝胶，未涉及其他材料的预测	通过人工智能预测材料特性，优化硅气凝胶的生产过程	硅气凝胶的物理特性，包括孔径、孔体积和表面积	机器学习	NA	电化学阻抗测量	深度神经网络	电化学阻抗数据、频率和时间参数	NA
1276	2025-03-14	Protein-ligand interaction prediction based on heterogeneity maps and data enhancement 2025-Mar-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2475229 PMID:40072484	研究论文	本文提出了一种基于异构图和数据增强的蛋白质-配体相互作用预测模型HGEF-Net，旨在提高药物发现和重定位的效率	提出了异质信息学习模块和多层次对比学习的数据增强策略，以及异质注意力整合框架，有效融合分子内和分子间特征，提升模型在稀疏、不平衡数据集上的性能	NA	提高蛋白质-配体相互作用预测的准确性和效率，以支持药物发现和重定位	蛋白质-配体相互作用	机器学习	NA	深度学习	HGEF-Net	分子数据	BindingDB数据集和Davis数据集
1277	2025-03-14	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Mar-12, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	研究论文	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）中的图像质量和噪声改善效果	首次将超分辨率深度学习图像重建（SR-DLR）应用于心肌CT晚期增强（CT-LE）的图像重建，显著降低了图像噪声并提高了图像质量	研究样本量较小，仅包括30名患者，且为回顾性分析	比较SR-DLR与传统DLR（C-DLR）和混合迭代重建（hybrid IR）在心肌CT晚期增强中的图像质量和噪声表现	30名接受心肌CT晚期增强检查的患者	医学影像	心血管疾病	超分辨率深度学习图像重建（SR-DLR）	深度学习模型	CT图像	30名患者
1278	2025-03-14	Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning 2025-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3541643 PMID:40072865	研究论文	本文提出了一种结合学习的新生儿特定子空间模型和模型驱动的深度学习方法，以实现快速且稳定的新生儿脑部MR成像	通过结合新生儿特定子空间模型和深度学习方法，解决了新生儿MRI应用中训练数据不足的问题，实现了快速且稳定的图像重建	需要进一步开发以提高MRI在新生儿成像应用中的实用性	实现快速且稳定的新生儿脑部MR成像	新生儿脑部MR图像	计算机视觉	NA	MR成像	深度网络	图像	dHCP数据集和来自四个独立医疗中心的测试数据
1279	2025-03-14	Multiple perception contrastive learning for automated ovarian tumor classification in CT images 2025-Mar-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-04879-y PMID:40074925	研究论文	本文提出了一种利用监督对比学习和多感知编码器（MP Encoder）的自动化诊断方法，用于卵巢肿瘤CT图像的分类	引入了T-Pro技术增强数据多样性，模拟语义扰动以提高模型的泛化能力，并结合多尺度感知模块（MSP Module）和多注意力模块（MA Module）提升模型对卵巢肿瘤复杂形态和细微特征的敏感性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发自动化且可靠的诊断技术，以提高卵巢肿瘤的分类准确性	卵巢肿瘤CT图像	计算机视觉	卵巢癌	监督对比学习	多感知编码器（MP Encoder）	CT图像	未提及具体样本数量
1280	2025-03-14	In-depth and high-throughput spatial proteomics for whole-tissue slice profiling by deep learning-facilitated sparse sampling strategy 2025-Mar-11, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00764-y PMID:40064869	研究论文	本文介绍了一种通过深度学习辅助的稀疏采样策略（S4P）实现高分辨率空间蛋白质组学的方法，用于全组织切片的深度和高通量分析	开发了一种新的稀疏采样策略（S4P），结合计算辅助图像重建方法，显著减少了样本数量，实现了厘米级样本的高分辨率空间蛋白质组学分析	当前蛋白质组学方法的多重检测能力有限，高空间分辨率的全组织切片映射需要大量的质谱匹配时间	实现高分辨率、深度覆盖的空间蛋白质组学分析，以揭示组织和器官中细胞的异质性分布及其功能	小鼠大脑组织	数字病理学	NA	质谱（MS）	深度学习	图像	小鼠大脑组织，映射超过9000种蛋白质