深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1341	2025-02-04	DeepAptamer: Advancing high-affinity aptamer discovery with a hybrid deep learning model 2025-Mar-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102436 PMID:39897584	研究论文	本文提出了一种名为DeepAptamer的混合深度学习模型，用于从早期未富集的SELEX轮次中识别高亲和力的寡核苷酸适配体	DeepAptamer结合了卷积神经网络和双向长短期记忆网络，整合了序列组成和结构特征来预测适配体结合亲和力和潜在结合基序，显著提高了高亲和力适配体的发现效率	NA	解决SELEX过程中实验偏差和非特异性相互作用导致的高失败率问题，提高高亲和力适配体的发现效率	寡核苷酸适配体	机器学习	NA	SELEX	CNN, LSTM	序列数据	NA	NA	NA	NA	NA
1342	2025-10-07	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2025-Mar-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一种基于深度学习的洞庭湖藻华早期预警系统，通过集成时间序列分析和iTransformer模型提高预测精度	首次将iTransformer模型应用于藻华预测，利用其强大的预处理能力处理缺失数据，并通过注意力权重分析识别影响藻密度的关键因素	未来工作需要探索更多环境变量以增强模型的预测能力和泛化性	开发有效的有害藻华早期预警系统，支持水质管理决策	洞庭湖的水质数据和藻华发生情况	机器学习	NA	水质监测，时间序列分析	iTransformer	时间序列水质数据	NA	NA	iTransformer	预测准确性，鲁棒性	NA
1343	2025-10-07	Automated Quantitative Assessment of Retinal Vascular Tortuosity in Patients with Sickle Cell Disease 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100658 PMID:39886358	研究论文	本研究使用自动化深度学习流程定量评估镰状细胞病患者的视网膜血管迂曲度	首次采用深度学习算法自动量化镰状细胞病视网膜病变患者的累积血管迂曲度指数	样本量相对有限，且为横断面研究无法确定因果关系	评估镰状细胞病患者的视网膜血管迂曲度与疾病严重程度的关系	镰状细胞病患者和匹配的健康对照者	数字病理学	镰状细胞病	超广角伪彩色眼底成像	深度学习算法	眼底图像	64名患者（119只眼）和57名对照（106只眼）	NA	NA	累积迂曲度指数	NA
1344	2025-02-05	A Low Complexity Efficient Deep Learning Model for Automated Retinal Disease Diagnosis 2025-Mar, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00182-5 PMID:39897099	研究论文	本文提出了一种低复杂度高效的深度学习模型，用于自动视网膜疾病诊断	开发了一种轻量级优化的紧凑卷积变压器（OCCT）模型，并通过消融研究改进了初始CCT模型，用于分类视网膜疾病	NA	通过深度学习技术提高视网膜疾病的早期诊断准确率	人类视网膜OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	紧凑卷积变压器（OCCT），生成对抗网络（GAN）	图像	130,649张图像	NA	NA	NA	NA
1345	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	NA	NA	NA	NA
1346	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）	NA	NA	NA	NA
1347	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	NA	NA	NA	NA
1348	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）	NA	NA	NA	NA
1349	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA	NA	NA	NA	NA
1350	2025-10-07	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	提出名为EyeLiner的深度学习流程，用于基于眼底标志点的纵向图像配准	结合CNN关键点检测与基于Transformer的匹配算法，在三个独立数据集上超越现有最先进方法	未明确说明计算资源需求和模型处理速度	开发用于纵向眼底图像配准的深度学习方法，以改善疾病进展监测	眼底彩色照片(CFPs)	计算机视觉	眼科疾病（青光眼、黄斑变性）	眼底成像	CNN, Transformer	图像	三个纵向数据集：FIRE、SIGF和CORIS	NA	NA	平均距离(MD), 曲线下面积(AUC)	NA
1351	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA	NA	NA	NA	NA
1352	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料	NA	NA	NA	NA
1353	2025-10-07	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	提出基于术中超声造影视频自动分析的实时IDH诊断方法ATAN	首次实现基于术中超声造影视频的实时IDH诊断，无需肿瘤样本，通过自动选择关键区域和迁移学习解决小样本问题	样本量相对较小（主要队列仅60例患者）	开发术中实时诊断胶质瘤IDH状态的方法	胶质瘤患者	医学影像分析	胶质瘤	超声造影(CEUS)	深度学习网络	视频	主要队列60例胶质瘤患者，预训练使用258例患者数据	NA	ATAN(Automatic TIC Analysis Network)	准确率,AUC	NA
1354	2025-10-07	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究开发了基于深度学习模型自动分割早产儿脑部超声图像中侧裂沟的方法	首个使用超声图像自动分割早产儿脑沟的研究，并比较了U-Net和ResU-Net在不同设备图像上的表现	模型在不同厂商设备图像上的性能表现存在差异，图像相似度影响分割效果	开发自动分割早产儿脑部侧裂沟的深度学习模型	早产儿的脑部超声图像	医学图像分析	新生儿脑发育	颅脑超声成像	U-Net, ResU-Net	图像	NA	NA	U-Net, ResU-Net	Dice系数, 敏感度	NA
1355	2025-10-07	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	研究论文	提出一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类	提出多模态融合U-Net（MMF-U-Net），通过融合块整合B模式和SE模式超声图像信息	NA	实现乳腺癌病灶的自动分割和良恶性分类	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	CNN, U-Net	多模态超声图像（B模式和SE模式）	NA	NA	MMF-U-Net, U-Net	Dice系数, IoU, 精确率, 召回率, 准确率	NA
1356	2025-10-07	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	研究论文	提出一种融合CNN和Transformer的深度学习网络CTMF-Net，用于乳腺超声图像的良恶性分类	设计多阶段特征交互模块，实现CNN局部特征与Transformer全局特征的交互融合	NA	开发高精度的乳腺超声图像自动分类方法	乳腺超声图像中的良性和恶性肿瘤	计算机视觉	乳腺癌	超声成像	CNN, Transformer	图像	三个公共乳腺超声数据集（SYSU、UDIAT和BUSI）	NA	VGG, ViT, CTMF-Net	准确率, AUC	NA
1357	2025-10-07	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究使用深度学习分割技术测量3英里跑步后胫股软骨的应变及次日恢复情况	开发了基于深度学习的自动化软骨和骨骼分割模型，首次量化了跑步后软骨即时变形和恢复过程	样本量较小（仅8名无症状男性参与者），缺乏女性参与者和有症状人群数据	测量跑步引起的胫股软骨变形及其恢复过程	无症状男性参与者的胫骨和股骨软骨	医学影像分析	骨科疾病	双回波稳态磁共振成像	深度学习分割模型	MRI图像	8名无症状男性参与者	NA	NA	重复性误差（0.03mm或约1%软骨厚度）	NA
1358	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA	NA	NA	NA	NA
1359	2025-10-07	Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation 2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2024.111605 PMID:39616796	研究论文	通过蒙特卡罗模拟验证基于深度学习的无准直器成像系统在体素化GAGG(Ce)单体积探测器中的可行性	提出无需任何类型相互作用过滤的深度学习无准直器成像系统，利用体素化探测器能量沉积模式重建源分布	基于蒙特卡罗模拟研究，尚未进行实际物理实验验证	验证基于深度学习的无准直器成像系统的可行性	Co、Ba、Na、Cs点源在2000个位置的成像	医学成像	NA	蒙特卡罗模拟(MCNP6)	全卷积网络	能量沉积模式数据、能谱数据	2000个点源位置，单源和多源数据	NA	全卷积网络	图像相似度	NA
1360	2025-10-07	Explainable exercise recommendation with knowledge graph 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106954 PMID:39667214	研究论文	提出一种基于知识图谱的可解释习题推荐方法KG4EER，通过匹配学生特征与习题资源并提供推荐理由	结合知识图谱与特征提取模块，实现可解释的个性化习题推荐，解决了传统方法缺乏解释性的问题	未明确说明模型在处理大规模动态更新数据时的性能表现	开发可解释的习题推荐系统以提高学生学习效率	学生、习题和知识点三类实体及其相互关系	自然语言处理	NA	知识图谱构建、特征提取	深度学习	结构化数据	三个真实世界数据集	NA	KG4EER	通过专家访谈评估可解释性，与基线方法比较性能	NA