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
21941	2025-10-07	A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127427 PMID:39709828	研究论文	提出一种结合图像处理和深度学习的颗粒尺寸分布校正方法，用于改善NIRS-XRF煤质分析中的预测精度	首次将Segment Anything Model和Spatial Transformer Network应用于煤样颗粒尺寸分布的校正，建立了颗粒尺寸分布与灰分测量误差的关联模型	仅使用56个煤样本进行验证，样本规模相对较小；校正范围限定在0∼1mm颗粒尺寸	解决颗粒尺寸分布变化对NIRS-XRF煤质分析精度的影响	煤炭样本	计算机视觉, 机器学习	NA	近红外光谱, X射线荧光光谱, 图像处理	CNN, STN, SAM	图像, 光谱数据	56个煤样本（48个0.2mm标准样本，8个0∼1mm校正样本）	NA	Segment Anything Model, Spatial Transformer Network, Convolutional Neural Network	标准偏差, 平均绝对误差, 均方根预测误差	NA
21942	2025-10-07	A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants 2025-Feb-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120615 PMID:39674247	研究论文	提出一种结合信号分解和动态特征选择的混合深度学习模型，用于预测污水处理厂的进水参数	引入动态特征选择机制实时优化特征选择，结合信号分解技术提高预测精度	NA	提高污水处理厂进水参数（COD和BOD）的预测精度	污水处理厂的进水参数（化学需氧量和五日生化需氧量）	机器学习	NA	信号分解，动态特征选择	深度学习	时间序列数据	两个污水处理厂的数据	NA	混合模型	R值，RMSE，MAE	NA
21943	2025-01-23	Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction 2025-Jan-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70011 PMID:39840745	研究论文	本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示	MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性	NA	提高分子属性预测的准确性，特别是在药物发现领域	分子结构和功能基团	机器学习	NA	图神经网络（GNN）	MfGNN	分子图数据	NA	NA	NA	NA	NA
21944	2025-10-07	Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective 2025-Jan-22, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.4c00628 PMID:39746214	综述	本文从理论和模拟的角度综述了二维过渡金属二硫化物（2D TMDs）的研究进展	系统总结了理论和模拟在理解扭曲莫尔TMDs特性、预测量子相、阐明合成过程及设计新型器件方面的关键贡献	未涉及实验验证的具体细节，主要聚焦理论方法的局限性和未来挑战	探讨理论和模拟方法在推动2D TMDs基础研究和应用开发中的作用	二维过渡金属二硫化物材料	材料科学	NA	深度学习, 分子动力学, 高通量计算, 多尺度方法	NA	模拟数据	NA	NA	NA	NA	NA
21945	2025-01-23	Gait patterns in unstable older patients related with vestibular hypofunction. Preliminary results in assessment with time-frequency analysis 2025-Jan-22, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2025.2450221 PMID:39840938	研究论文	本文通过单传感器收集的数据图像表示，寻找老年人与前庭功能减退相关的步态不稳定模式	使用连续小波变换生成步态信号的图像表示，并通过灰度共生矩阵度量作为特征进行分析，利用支持向量机（SVM）算法进行受试者分类	样本量较小，仅包含13名老年人和19名成年人，且为初步结果，需要更大样本和深度学习方法的进一步探索	寻找老年人步态不稳定的模式，以早期诊断步态障碍	13名71-85岁的前庭功能减退导致不稳定的老年人和19名21-75岁无不稳定且前庭功能正常的成年人	数字病理学	老年疾病	连续小波变换，灰度共生矩阵度量	支持向量机（SVM）	图像	32名受试者（13名老年人和19名成年人）	NA	NA	NA	NA
21946	2025-10-07	A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers 2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.01.23 PMID:39819728	研究论文	提出融合手动提取特征和深度学习特征的多特征融合模型，用于消化性溃疡再出血风险分层	首次将手动提取的视觉特征（颜色、边缘、纹理）与CNN深度特征融合用于消化性溃疡再出血风险分级	NA	提高消化性溃疡再出血风险分级的准确性	消化性溃疡患者的内镜图像	计算机视觉	消化性溃疡	内镜成像	CNN	图像	708名患者的3573张图像	NA	CNN	准确率,F1分数	NA
21947	2025-01-23	Deep learning-based detection of incisal translucency patterns 2025-Jan-20, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2024.11.018 PMID:39837680	研究论文	本研究评估了深度学习模型在预测前牙透明度模式中的准确性，采用YOLOv5、Vision Transformers (ViT)和U-Net三种模型进行检测、分类和分割	首次将YOLOv5、Vision Transformers (ViT)和U-Net三种深度学习模型结合，用于前牙透明度模式的检测、分类和分割，提供了一种全面的解决方案	研究样本量较小，仅包含240张前牙图像，且所有图像均来自18岁以上的参与者，可能限制了模型的泛化能力	评估深度学习模型在前牙透明度模式检测中的准确性，以辅助牙医在修复牙科实践中的决策	前牙的透明度模式	计算机视觉	NA	深度学习	YOLOv5, Vision Transformers (ViT), U-Net	图像	240张前牙JPEG图像	NA	NA	NA	NA
21948	2025-10-07	Comparison of 1D and 3D volume measurement techniques in NF2-associated vestibular schwannoma monitoring 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85386-4 PMID:39824854	研究论文	比较1D线性测量和3D分割体积分析在NF2相关前庭神经鞘瘤监测中的效果	首次系统比较多种1D测量方法与3D分割体积分析在NF2相关前庭神经鞘瘤监测中的相关性及适用性	小肿瘤和术后肿瘤的测量结果存在较大离散范围，不适用于需要精确肿瘤体积评估的治疗决策	评估不同肿瘤体积测量方法在NF2相关前庭神经鞘瘤监测中的有效性和适用性	NF2患者的前庭神经鞘瘤	医学影像分析	神经纤维瘤病2型相关前庭神经鞘瘤	MRI成像，3D分割体积分析，线性测量	线性回归模型	MRI图像	149名NF2患者，292个相关前庭神经鞘瘤，2586次SVA测量，10344次线性测量	NA	NA	相关系数r，p值，百分比偏差分析	NA
21949	2025-10-07	Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82483-8 PMID:39824867	研究论文	结合深度学习和模糊粗糙集分析，基于Vidarabine生物碱特征探索硫和氧化镁的抗癌活性	首次将深度学习、模糊粗糙集理论和可解释人工智能相结合，用于从天然产物中重新发现抗癌药物	仅针对三种癌细胞系进行验证，需要进一步的临床前研究	发现基于天然产物Vidarabine的新型抗癌候选药物	硫和氧化镁作为潜在抗癌剂	机器学习	肺癌	深度学习，模糊粗糙集分析，可解释人工智能	深度学习模型	化学化合物特征数据	三种癌细胞系（A-549非小细胞肺癌，A-375人黑色素瘤，A-431人表皮皮肤癌）	NA	NA	IC50值（半抑制浓度）	NA
21950	2025-10-07	Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children 2025-Jan-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120459 PMID:39603586	研究论文	通过深度学习分析街景图像评估美国儿童队列中绿地与心血管健康的关系	首次使用街景图像和深度学习分割算法量化地面层绿地暴露，替代传统的卫星遥感测量方法	仅观察到有限的绿地与心血管健康关联证据，且影响可能随儿童成长阶段变化	评估街景绿地与儿童心血管健康的关联	美国Project Viva出生前队列中的儿童参与者	计算机视觉	心血管疾病	街景图像分析，深度学习分割	深度学习分割算法	街景图像，健康数据	美国Project Viva队列儿童参与者（2007-2021年追踪）	NA	NA	线性回归系数，置信区间	NA
21951	2025-10-07	F-CPI: A Multimodal Deep Learning Approach for Predicting Compound Bioactivity Changes Induced by Fluorine Substitution 2025-01-09, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02668 PMID:39707149	研究论文	开发了一种名为F-CPI的多模态深度学习模型，用于预测氟取代引起的化合物生物活性变化	首个专门针对氟取代化合物生物活性变化预测的多模态深度学习模型	氟取代对化合物与蛋白质相互作用的影响机制仍不明确	预测氟取代引起的化合物生物活性变化	氟取代和非氟取代化合物对	机器学习	传染病	深度学习	多模态深度学习	化合物结构数据	111,168对氟取代和非氟取代化合物	NA	F-CPI	准确率, 精确率, 召回率	NA
21952	2025-10-07	Application of machine learning algorithms in predicting new onset hypertension: a study based on the China Health and Nutrition Survey 2025, Environmental health and preventive medicine IF:4.0Q1 DOI:10.1265/ehpm.24-00270 PMID:39805606	研究论文	本研究基于中国健康与营养调查数据，应用机器学习算法预测新发高血压风险	首次将AMFormer模型应用于新发高血压预测，并在六种算法中表现最佳	研究基于特定队列数据，外部验证和泛化能力需进一步验证	预测新发高血压风险并识别相关特征	中国健康与营养调查中基线无高血压的参与者	机器学习	心血管疾病	流行病学调查	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, TabNet, AMFormer	表格数据	4982名参与者，其中1017人在4年随访期间发生高血压	NA	AMFormer, TabNet	AUC, MCC, F1-score	NA
21953	2025-01-23	Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems 2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-73010-8_26 PMID:39831070	研究论文	本文提出了一种零样本近似后验采样方法（ZAPS），用于解决扩散模型在逆问题中的应用问题	ZAPS方法通过零样本训练和物理引导的损失函数来学习每个不规则时间步的对数似然权重，从而提高了图像生成和收敛速度	ZAPS方法在计算效率上依赖于对角化近似，这可能会影响其在高维数据上的表现	研究目标是提高扩散模型在逆问题中的推理速度和重建质量	研究对象是扩散模型在逆问题中的应用，特别是高斯和运动去模糊、修复和超分辨率等问题	计算机视觉	NA	零样本训练、物理引导的损失函数	扩散模型	图像	NA	NA	NA	NA	NA
21954	2025-10-07	A Self-supervised Deep Learning Model for Diagonal Sulcus Detection with Limited Labeled Data 2025-Jan, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09700-7 PMID:39777603	研究论文	提出一种基于自监督学习的深度学习模型，用于在有限标注数据条件下检测大脑对角线沟	首次采用自监督预训练与微调相结合的方法，利用未标注数据学习大脑形态特征，有效解决标注数据稀缺情况下的对角线沟检测问题	训练标注数据量有限，模型性能可能受到标注者间一致性的影响	开发自动检测大脑对角线沟的深度学习模型	大脑结构中的对角线沟	医学影像分析	神经系统相关	自监督学习	卷积自编码器	脑部影像数据	有限标注数据集和未标注数据集	NA	卷积自编码器	F1-score	NA
21955	2025-01-23	Right Ventricular Function: Deep Learning's Prognostic Edge in Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017788 PMID:39836731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21956	2025-01-23	Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study 2024-Dec-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-646 PMID:39830743	研究论文	本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散（STAS）的术前预测性能	首次构建并比较了基于CT图像的深度学习模型和放射组学模型，用于预测肺腺癌中的STAS状态	研究为回顾性设计，样本量相对较小，且仅来自两个中心	评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能	395名经病理确认的肺腺癌患者	数字病理	肺癌	CT成像	深度学习模型, 放射组学模型	CT图像	395名患者（其中146名检测到STAS）	NA	NA	NA	NA
21957	2025-10-07	The development of a waste management and classification system based on deep learning and Internet of Things 2024-Dec-26, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13595-x PMID:39724392	研究论文	开发了一种基于深度学习和物联网的废物管理与分类系统	在YOLOv7-tiny基础上引入部分卷积和坐标注意力机制，降低了模型参数和计算量，同时提高了识别精度	仅测试于Jetson Nano边缘设备，未在其他硬件平台验证部署效果	实现高效的废物自动分类与管理，促进资源回收和降低人工成本	可回收废物图像	计算机视觉	NA	深度学习，物联网，边缘计算	YOLO	图像	包含多类别废物的真实背景图像数据集	PyTorch	YOLOv7-tiny, ELAN, Sppcspc	mAP@.5, mAP@.5:.95, 参数数量, FLOPs, 推理时间, FPS	Jetson Nano边缘设备
21958	2025-10-07	Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach 2024-Dec-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13562-6 PMID:39714636	研究论文	本研究通过机器学习降尺度方法提高越南PM2.5浓度监测的空间分辨率	提出基于CatBoost的2天滞后模型，相比现有方法在相关系数上提升57%，多项误差指标降低28-75%	小数据集条件下传统机器学习模型优于复杂深度学习模型，模型验证需关注生成地图的实际应用性	提高越南PM2.5浓度监测的空间分辨率和数据质量	越南胡志明市的PM2.5浓度数据	机器学习	NA	机器学习降尺度方法	随机森林, XGBoost, CatBoost, 支持向量回归, 混合效应模型, LSTM, CNN, ConvLSTM	空气质量监测数据	NA	NA	LSTM, CNN, ConvLSTM	相关系数, RMSE, MRE, MAE	NA
21959	2025-10-07	Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting 2024-Dec-17, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-024-02579-z PMID:39688780	综述	本文综述了人工智能在miRNA癌症研究中的应用进展，涵盖从生物标志物发现到治疗靶向的多个方面	系统整合了机器学习特别是深度学习技术在miRNA研究中的多种应用，包括生物标志物识别、靶标预测和预后模型构建	作为综述文章，主要总结现有研究而非提出新的原始方法	指导研究人员在miRNA领域有效利用AI技术，加速癌症诊断和治疗的发展	microRNAs（miRNAs）及其在癌症中的作用	机器学习	癌症	RNA测序技术	深度学习	RNA数据集	NA	NA	NA	NA	NA
21960	2025-10-07	Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements 2024-Dec-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13468-3 PMID:39643787	研究论文	提出一种新型混合移位视觉Transformer方法用于甘蔗叶部病害的自动分类	将视觉Transformer架构与混合移位窗口相结合，有效捕捉局部和全局特征，并采用自监督学习结合拼图任务增强特征表示	NA	开发自动化甘蔗叶部病害分类方法以提高农业病害检测效率	甘蔗叶部病害	计算机视觉	植物病害	深度学习	Transformer	图像	NA	NA	Vision Transformer, Hybrid Shifted Windows	准确率	NA