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
20881	2025-10-07	A Novel Deep Learning-based Artificial Intelligence System for Interpreting Urolithiasis in Computed Tomography 2024-Dec, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2024.07.003 PMID:38997836	研究论文	开发基于深度学习的人工智能系统，用于在CT图像中检测尿路结石并实时计算结石参数	首个使用YOLOv4架构实现尿路结石实时检测和参数计算的AI系统，显著提升诊断速度	训练数据未包含输尿管膀胱连接处结石，不规则结石检测存在遗漏	开发用于尿路结石CT图像分析的AI诊断系统	接受结石手术患者的CT图像	计算机视觉	尿路结石	CT成像	CNN	医学图像	39,433张CT图像（训练集），5,736张验证图像，100例外部验证患者	YOLOv4	YOLOv4	准确率	NVIDIA RTX 4900 GPU
20882	2025-10-07	Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging 2024-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06649-2 PMID:38383744	研究论文	开发基于深度学习的全身PET图像增强技术，实现无镇静儿科快速成像	首次将可变形3D U-Net应用于全身PET快速成像质量增强，显著缩短儿科患者扫描时间	样本量相对有限（245名成人训练，16名儿童测试，5名儿童前瞻性验证）	开发无需镇静的儿科PET快速成像技术	儿科患者全身PET成像	医学影像分析	儿科疾病	全身PET成像，[18F]FDG示踪剂	深度学习	3D医学影像	245名成人训练，16名儿童回顾性测试，5名儿童前瞻性验证	NA	可变形3D U-Net	PSNR, SSIM, SUVmean误差, SUVmax误差	NA
20883	2025-10-07	Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00261 PMID:38545680	研究论文	本研究开发了基于深度学习的DeepEpiTEX计算框架，通过表观遗传数据推断TME中耗竭T细胞的发育层次和功能状态	首次提出基于深度神经网络从表观遗传数据推断耗竭T细胞发育层次和功能状态的计算框架	NA	开发计算工具以准确评估肿瘤微环境中T细胞耗竭的异质性	耗竭T细胞	机器学习	癌症	DNA甲基化测序, microRNA表达分析, 长链非编码RNA表达分析	深度神经网络	表观遗传数据	TCGA泛癌队列中的30种实体癌类型	NA	NA	生存分析	NA
20884	2025-10-07	Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00212 PMID:38602938	研究论文	本文介绍了一种快速计算结构模型GoCa，用于模拟大型多蛋白复合物的组装过程	该模型区分亚基内和亚基间相互作用，允许包含耦合折叠和结合，自动处理相同亚基的排列，并支持定义多个最小能量结构	模型基于已知的天然结构，可能无法完全捕捉未知结构的组装过程	研究多蛋白复合物的组装过程	多蛋白复合物	计算生物学	NA	结构模拟	结构基础模型	蛋白质结构数据	多个多蛋白复合物	NA	GoCa	NA	NA
20885	2025-10-07	Spatial and Compositional Biomarkers in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2023-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.18.572234 PMID:38187696	研究论文	通过单细胞分辨率成像质谱数据分析三阴性乳腺癌肿瘤微环境的生物标志物与临床预后关系	首次在TNBC中系统识别10个复发性细胞邻域，并发现细胞间邻域相互作用与生存改善相关	样本量相对有限（58例TNBC患者标本），深度学习模型预测准确度有待提升（平均AUC=0.71）	探索三阴性乳腺癌肿瘤微环境特征与临床结果的关系	三阴性乳腺癌患者肿瘤组织标本	数字病理学	三阴性乳腺癌	成像质谱细胞术	深度学习模型	单细胞分辨率空间图像数据	58例TNBC患者标本，另包含NeoTRIP临床试验独立队列	NA	NA	AUC	NA
20886	2025-02-21	Severity grading of hypertensive retinopathy using hybrid deep learning architecture 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108585 PMID:39862474	研究论文	本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级	引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题	缺乏公开可用的HR分级数据集，且存在高类别不平衡问题	开发一种准确的高血压视网膜病变严重程度分级方法	高血压视网膜病变（HR）的严重程度分级	计算机视觉	高血压视网膜病变	深度学习	混合模型（ResNet-50 + 修改后的Vision Transformer）	图像	NA	NA	NA	NA	NA
20887	2025-02-21	A bio-lattice deep learning framework for modeling discrete biological materials 2025-Apr, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为	提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架	未明确提及具体局限性	研究离散、空间异质材料的力学行为	生物组织的微观结构和宏观材料行为	机器学习	NA	深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM）	深度神经网络（DNNs）	微观结构数据	NA	NA	NA	NA	NA
20888	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列	NA	NA	NA	NA
20889	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA	NA	NA	NA	NA
20890	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集	NA	NA	NA	NA
20891	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA	NA	NA	NA	NA
20892	2025-02-21	Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy 2025-Feb-20, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr04033c PMID:39865849	研究论文	本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究	创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性	研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化	研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理	研究对象为液体活检中的循环肿瘤细胞（CTCs）	数字病理学	癌症	原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型	深度学习模型	图像、力学数据	三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物	NA	NA	NA	NA
20893	2025-02-21	EBHOA-EMobileNetV2: a hybrid system based on efficient feature selection and classification for cardiovascular disease diagnosis 2025-Feb-19, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2466081 PMID:39970065	研究论文	本文提出了一种基于深度学习的智能医疗框架，用于心血管疾病的诊断，结合了有效的特征选择和分类技术	结合了增强的二进制蝗虫优化算法（EBHOA）和增强的MobileNetV2模型（EMobileNetV2），以提高心血管疾病预测的准确性和一致性	未提及模型在其他数据集上的泛化能力，以及在实际临床环境中的应用效果	提高心血管疾病预测的准确性，以改善临床实践和患者护理	心血管疾病（CVD）患者	机器学习	心血管疾病	增强的二进制蝗虫优化算法（EBHOA）、增强的MobileNetV2模型（EMobileNetV2）	EMobileNetV2	结构化数据	UCI Heart Disease和Framingham Heart Study数据集	NA	NA	NA	NA
20894	2025-02-21	Mental Health Screening Using the Heart Rate Variability and Frontal Electroencephalography Features: A Machine Learning-Based Approach 2025-Feb-19, JMIR mental health IF:4.8Q1 DOI:10.2196/72803 PMID:39971280	研究论文	本研究探讨了使用心率和前额脑电图特征进行心理健康筛查的机器学习方法	结合心率和前额脑电图特征进行心理健康筛查，展示了可能的协同效应	需要进一步研究以预测治疗反应并基于基线生理标志物提出优选治疗方案	探讨心率和前额脑电图特征在机器学习算法中对精神病患者和健康对照者的分类准确性	182名参与者（87名精神病患者和95名健康对照者）	机器学习	精神疾病	支持向量机（SVM）	SVM	生理信号（心率和脑电图）	182名参与者（87名精神病患者和95名健康对照者）	NA	NA	NA	NA
20895	2025-02-21	Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review 2025-Feb-17, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251317521 PMID:39960227	系统综述	本文系统回顾了基于数字图像分析的人工智能技术在糖尿病足筛查中的应用	探讨了人工智能在糖尿病足筛查中的潜力，特别是深度学习方法的应用	需要进一步评估临床适用性，包括伦理问题和患者数据安全性，以及开发更全面的数据集	识别并分析使用数字图像分析开发AI模型进行糖尿病足筛查的研究	糖尿病足筛查	计算机视觉	糖尿病	数字图像分析	人工神经网络（ANNs）和卷积神经网络（CNNs）	热成像或足部热图	2214篇相关文章，其中9篇符合纳入标准	NA	NA	NA	NA
20896	2025-02-21	Super-resolution synthetic MRI using deep learning reconstruction for accurate diagnosis of knee osteoarthritis 2025-Feb-17, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01911-z PMID:39961957	研究论文	本研究评估了深度学习重建（DLR）技术在合成MRI（SyMRI）上的准确性，包括T2测量和DLR合成MRI（SyMRIDL）在膝关节骨关节炎（KOA）患者中的诊断性能，以常规MRI为标准参考	使用深度学习重建技术生成合成MRI图像，提供准确的T2测量值，能够更自信地从正常外观的软骨中识别早期软骨退化	样本量相对较小（36名志愿者和70名患者），且研究时间较短（2023年5月至10月）	评估DLR合成MRI在膝关节骨关节炎诊断中的准确性和性能	膝关节骨关节炎患者和志愿者	医学影像	膝关节骨关节炎	深度学习重建（DLR），合成MRI（SyMRI）	深度学习模型	MRI图像	36名志愿者和70名患者	NA	NA	NA	NA
20897	2025-02-21	Multi-label software requirement smells classification using deep learning 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86673-w PMID:39962114	研究论文	本研究开发了一种基于深度学习的多标签软件需求异味分类模型，用于检测单个需求中的多种软件需求异味	首次将LSTM、Bi-LSTM和GRU等高级神经网络架构与ELMo和Word2Vec等词嵌入技术结合，用于多标签软件需求异味分类	研究仅基于8120个需求数据集，可能无法覆盖所有类型的软件需求异味	提高软件需求异味检测的自动化水平，减少人工检测的时间和错误	软件需求异味	自然语言处理	NA	深度学习	LSTM, Bi-LSTM, GRU	文本	8120个需求数据集	NA	NA	NA	NA
20898	2025-02-21	A deep learning framework based on structured space model for detecting small objects in complex underwater environments 2025-Feb-17, Communications engineering DOI:10.1038/s44172-025-00367-9 PMID:39962196	研究论文	本文提出了一种结合结构化空间模型（SSM）与特征增强的创新方法，专门用于复杂水下环境中的小目标检测	结合结构化空间模型（SSM）与特征增强，开发了高精度、轻量级的检测模型UWNet，显著提高了计算效率并保持了高检测精度	未提及具体局限性	解决水下目标检测中精度与模型效率及实时性能的平衡问题	水下环境中的小目标，如海星和扇贝	计算机视觉	NA	结构化空间模型（SSM）与特征增强	UWNet	图像	未提及具体样本数量	NA	NA	NA	NA
20899	2025-02-21	Stacked encoding and AutoML-based identification of lead-zinc small open pit active mines around Rampura Agucha in Rajasthan state, India 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89672-z PMID:39962260	研究论文	本研究旨在通过Sentinel 2图像分析，利用机器学习算法检测和分类印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域	结合多种波段比率和光谱指数，使用深度学习堆叠编码器和15种不同的机器学习分类器，提高了复杂矿区及其周边地物特征的检测精度	研究仅限于Sentinel 2图像数据，未涉及其他遥感数据源	检测和分类铅锌露天矿区域及其周边地物特征	印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域	机器学习	NA	Sentinel 2图像分析	extra tree classifier (et), light gradient boosting machine classifier (lightgbm), random forest classifier (rf)	卫星图像	NA	NA	NA	NA	NA
20900	2025-02-21	Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90430-4 PMID:39962323	研究论文	本文提出了一种基于深度卷积神经网络的增强型人群密度监测技术，用于智能城市规划	提出了DCNNCDM-IUP技术，结合SE-DenseNet和ConvLSTM方法，通过红狐优化算法进行超参数选择，提高了人群密度监测的准确性	未提及具体的数据集规模或实际应用中的潜在挑战	开发一种高效的人群密度监测技术，以支持智能城市的交通管理、公共安全和城市规划	智能城市中的人群密度监测	计算机视觉	NA	深度学习（DL）、高斯滤波（GF）、红狐优化（RFO）	SE-DenseNet、ConvLSTM	图像、时间序列数据	未提及具体样本数量	NA	NA	NA	NA