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
2181	2025-04-12	Effective evaluation of greenhouse gases (GHGs) emissions from anoxic/oxic (A/O) process of regenerated papermaking wastewater treatment through hybrid deep learning techniques: Leveraging the critical role of water quality indicators 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125094 PMID:40174391	research paper	本研究通过混合深度学习技术评估再生造纸废水处理中A/O工艺的温室气体排放，并探讨水质指标的关键作用	开发了一种新型混合深度学习模型TCNA，结合了Temporal Convolutional Network (TCN)和Attention Mechanism (AM)，用于预测温室气体排放	研究基于实验室规模的A/O工艺，可能无法完全反映实际工业废水处理厂的复杂情况	准确评估工业废水处理过程中温室气体排放，以支持碳排放计算和管理	再生造纸废水处理过程中的温室气体排放	machine learning	NA	深度学习	TCNA (TCN + AM), CNN, RNN, LSTM, TCN	水质指标数据（COD, SS, NH-N, NO-N, pH/DO/温度等）	295组多因素数据集，来自约110天的实验数据
2182	2025-04-12	Feasibility study of real-time virtual sensing for water quality parameters in river systems using synthetic data and deep learning models 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125191 PMID:40179555	研究论文	本研究探讨了结合深度学习与虚拟传感技术实时监测小型河流系统中关键水质参数的可行性	首次将深度学习模型与虚拟传感技术结合，用于小型河流系统的水质参数实时监测，并比较了实际数据与合成数据的预测效果	研究仅基于9个传感器测量指标生成合成数据，可能无法涵盖所有水质变化情况	评估深度学习虚拟传感技术在小型河流系统水质实时监测中的应用潜力	小型河流系统中的水质参数（总有机碳TOC、总氮TN、总磷TP）	机器学习	NA	深度学习虚拟传感技术	DL模型	传感器数据、合成数据	基于9个传感器测量指标生成的数据集
2183	2025-04-12	Deep neural network modeling for brain tumor classification using magnetic resonance spectroscopic imaging 2025-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000784 PMID:40202966	研究论文	本研究探讨了深度神经网络在脑肿瘤分类中的应用，特别是针对磁共振波谱成像（MRSI）数据的处理	直接对原始MRSI时域数据应用深度神经网络，避免了传统方法中复杂的手动处理步骤	需要更大数据集进行验证以建立标准化指南并增强临床实用性	提高脑肿瘤早期和准确检测的效率，以支持有效治疗	脑肿瘤患者的合成和真实MRSI数据	数字病理学	脑肿瘤	磁共振波谱成像（MRSI）	深度神经网络	光谱时间序列数据	包括合成和真实MRSI数据的脑肿瘤患者数据集
2184	2025-04-12	Universal photonic artificial intelligence acceleration 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08854-x PMID:40205212	研究论文	介绍了一种光子AI处理器，能够执行包括ResNet和BERT在内的高级AI模型，以及DeepMind最初展示的Atari深度强化学习算法	该光子AI处理器在许多工作负载上实现了接近电子精度的性能，标志着光子计算进入与现有电子AI加速器竞争的新阶段	尚未有光子芯片达到实际AI应用所需的精度，且演示仅限于简化的基准任务	探索光子技术在AI和深度学习中的加速张量操作，以提高能源效率和性能	光子AI处理器	机器学习	NA	光子计算	ResNet, BERT, 深度强化学习算法	NA	NA
2185	2025-04-12	PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction 2025-Mar-28, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169115 PMID:40158838	research paper	该研究提出了一种基于深度学习的肽毒性预测模型PLPTP，结合了ESM2、BiLSTM和DNN技术，并通过基序分析提高模型的可解释性	整合了蛋白质语言模型ESM2、BiLSTM和DNN，并引入基序分析增强模型可解释性，使用Focal Loss解决类别不平衡问题	未提及具体的数据集规模限制或跨物种泛化能力评估	提高肽毒性预测的准确性以促进更安全的肽类药物设计	肽序列的毒性预测	生物信息学	NA	ESM2（蛋白质语言模型）、BiLSTM、DNN	深度学习框架（ESM2+BiLSTM+DNN）	蛋白质序列数据	未明确说明具体样本数量（存在类别不平衡问题）
2186	2025-02-19	Deep learning: Cracking the metabolic code 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001220 PMID:39960202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2187	2025-04-12	Optimizing Input Selection for Cardiac Model Training and Inference: An Efficient 3D Convolutional Neural Networks-Based Approach to Automate Coronary Angiogram Video Selection 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100195 PMID:40206993	研究论文	开发了一种基于3D卷积神经网络的自动化方法，用于选择适合训练深度学习模型的冠状动脉造影视频	使用3D-CNN模型（特别是X3D-L）在冠状动脉造影视频选择中实现了高效自动化，并在计算效率和复杂性之间取得了平衡	在独立数据集上验证时，所有指标略有下降	提高医学图像分析的准确性和效率	冠状动脉造影视频	数字病理	心血管疾病	深度学习	3D-CNN（ResNet和X3D）	视频	232例冠状动脉造影研究用于训练，3208例手术用于独立验证
2188	2025-04-12	Gait Speed and Task Specificity in Predicting Lower-Limb Kinematics: A Deep Learning Approach Using Inertial Sensors 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.11.004 PMID:40207006	研究论文	开发一个深度学习框架，利用惯性测量单元(IMU)数据预测多任务步态下的下肢关节运动学，并评估动态时间规整(DTW)对减少预测误差的影响	提出了一种结合LSTM自编码器和监督回归的深度学习模型，用于多任务步态下的关节运动学预测，并验证了DTW在降低预测误差方面的有效性	样本量较小(仅18名参与者)，且仅验证了矢状面的关节角度预测	开发远程连续生物力学评估的实用解决方案	下肢关节(髋、膝、踝)运动学预测	机器学习	NA	惯性测量单元(IMU)，光学运动捕捉系统	LSTM自编码器监督回归模型(含LSTM和CNN层)	IMU传感器数据(加速度计和陀螺仪的3轴数据及其幅值)	18名参与者
2189	2025-04-12	Leveraging Comprehensive Echo Data to Power Artificial Intelligence Models for Handheld Cardiac Ultrasound 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100194 PMID:40207004	研究论文	开发了一个端到端的深度学习框架，用于从超声心动图视频中估计左心室射血分数（LVEF）、患者年龄和性别分类，包括使用手持心脏超声（HCU）收集的视频	利用全面的超声心动图数据为手持心脏超声的人工智能模型提供支持，展示了手持设备可以获得聚焦诊断图像	研究主要基于Mayo Clinic的数据，可能在其他医疗系统中的泛化性有待验证	开发深度学习模型以提升手持心脏超声的诊断能力	超声心动图视频，包括手持心脏超声（HCU）和经胸超声心动图（TTE）数据	数字病理	心血管疾病	深度学习	深度学习模型	视频	训练集6432项研究，内部验证集1369项研究，前瞻性数据集625名患者
2190	2025-04-12	Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma 2025-Feb-25, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001283 PMID:39999448	研究论文	本研究利用人工智能辅助的空间多组学模式，生成了肝内胆管癌（iCCA）的综合空间图谱，并识别了与预后和免疫治疗相关的空间特征	首次揭示了iCCA的空间肿瘤微环境（TME）特征，包括细胞沉积模式、细胞群落和细胞间通讯，并开发了一个深度学习系统来预测患者预后	样本量在某些组学数据中相对较小（如空间转录组学n=4），可能影响结果的广泛适用性	解析iCCA的空间TME特征，为精准患者分类和个性化治疗策略开发提供基础	肝内胆管癌（iCCA）患者的肿瘤微环境	数字病理学	肝内胆管癌	成像质谱流式细胞术、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序（scRNA-seq）、批量RNA测序、批量蛋白质组学	深度学习	多组学数据（蛋白质组、转录组、影像数据）	总计超过106万个细胞，包括155例内部成像质谱流式细胞术样本、155例内部空间蛋白质组学样本、4例内部空间转录组学样本、20例内部多重免疫荧光样本、9例内部和34例公共scRNA-seq样本、244例公共批量RNA-seq样本、110例内部和214例公共批量蛋白质组学样本
2191	2025-04-12	Detection of periodontal bone loss and periodontitis from 2D dental radiographs via machine learning and deep learning: systematic review employing APPRAISE-AI and meta-analysis 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae070 PMID:39656957	系统综述与荟萃分析	本文通过系统综述和荟萃分析探讨了人工智能在牙科全景和根尖周X光片上评估牙槽骨流失和牙周炎的应用	使用APPRAISE-AI工具对AI研究进行定量评估，并进行了荟萃分析，揭示了深度学习在评估牙周骨水平方面的潜力	纳入研究的质量参差不齐，缺乏非常高质量的研究，AI研究的透明度和报告标准有待提高	评估人工智能在牙科X光片上诊断牙槽骨流失和牙周炎的应用效果	牙科全景和根尖周X光片	数字病理	牙周炎	深度学习	深度学习模型	2D图像	30篇论文纳入综述，其中10篇适合荟萃分析
2192	2025-04-12	Integrating artificial intelligence with endoscopic ultrasound in the early detection of bilio-pancreatic lesions: Current advances and future prospects 2025-Feb, Best practice & research. Clinical gastroenterology DOI:10.1016/j.bpg.2025.101975 PMID:40210329	综述	本文综述了人工智能（AI）与内镜超声（EUS）结合在胆胰病变早期检测中的当前进展和未来前景	AI驱动的模型（如机器学习和深度学习）显著提高了诊断准确性，特别是在区分胰腺导管腺癌与良性病变及胰腺囊性肿瘤的特征分析方面	数据标准化、模型可解释性以及数据隐私的伦理问题仍是挑战	探讨AI与EUS结合在胆胰病变早期检测和管理中的潜力	胆胰病变，包括胰腺导管腺癌（PDAC）、良性病变及胰腺囊性肿瘤	数字病理	胰腺癌	机器学习和深度学习	CNN	图像	NA
2193	2025-04-12	Critical factors influencing live birth rates in fresh embryo transfer for IVF: insights from cluster ensemble algorithms 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88210-1 PMID:39881210	研究论文	本研究通过引入一种基于非负矩阵分解的集成算法（NMFE），分析了影响新鲜胚胎移植成功的关键临床因素	提出了一种新颖的NMFE算法，结合了NMF、AMU-NMF和GDLC算法，提高了分析IVF-ET数据集的准确性和可靠性	研究未提及算法的计算复杂度或在实际临床环境中的适用性	识别影响体外受精（IVF）新鲜胚胎移植成功的关键临床因素	2238个IVF周期和85个独立临床特征	机器学习	不孕症	非负矩阵分解（NMF）、加速乘法更新（AMU-NMF）、广义深度学习聚类（GDLC）	NMFE	临床数据	2238个IVF周期
2194	2025-04-12	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的模型RSG-Net，用于糖尿病视网膜病变的分级	提出了一种新的深度神经网络RSG-Net，能够自动进行特征提取，并在多类和二分类任务中表现出色	未提及模型在其他数据集上的泛化能力	开发一个自动化且高效的系统，用于早期检测和准确分级糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	Messidor-1数据集
2195	2025-04-12	Deep learning-based malaria parasite detection: convolutional neural networks model for accurate species identification of Plasmodium falciparum and Plasmodium vivax 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87979-5 PMID:39885248	research paper	该研究提出了一种基于CNN的模型，用于从厚血涂片中准确分类感染疟原虫（P. falciparum和P. vivax）及未感染的白细胞	该模型通过七通道输入显著提高了疟原虫物种识别的准确性，解决了以往模型难以区分不同疟原虫物种的问题	模型目前尚未在实际质量图像上进行全面测试，且依赖于厚血涂片样本	开发一种高精度的自动化疟疾诊断工具，特别是在缺乏训练有素的显微镜技师的偏远地区	感染P. falciparum和P. vivax的红细胞及未感染的白细胞	digital pathology	malaria	显微镜图像分析	CNN	image	12,954例（训练集）和64,126例（交叉验证）
2196	2025-04-12	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究利用迁移学习构建分层分类模型，以提高亚马逊鹦鹉物种分类的深度学习模型性能	通过基于诊断形态特征构建分层分类模型，显著提升了模型在检测和分类亚马逊鹦鹉方面的性能，特别是在形态相似物种间的分类准确性	研究依赖于有限的野生动物数据，尤其是稀有或濒危物种的数据	提高野生动物物种分类的深度学习模型性能，以支持野生种群监测和全球贸易管理	亚马逊鹦鹉物种	计算机视觉	NA	迁移学习	深度学习模型	图像	NA
2197	2025-04-12	Adapting a style based generative adversarial network to create images depicting cleft lip deformity 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86588-6 PMID:39875471	research paper	本研究开发了一个名为CleftGAN的深度学习模型，用于生成大量高质量、多样化的唇裂面部图像	利用StyleGAN作为基础模型，通过迁移学习仅需514张唇裂面部照片即可生成大量逼真图像，并引入新颖的Divergence Index of Normality评估指标	模型训练依赖于有限的唇裂面部照片数据集（仅514张）	开发能够生成大量唇裂面部图像的工具，以解决医疗机器学习中数据稀缺的问题	唇裂面部图像	digital pathology	cleft lip deformity	transfer learning, data augmentation	StyleGAN (GAN)	image	514张唇裂面部照片和70,000张正常面部照片
2198	2025-04-12	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	research paper	本研究评估了通过将人工生成的牙齿植入物图像纳入深度学习过程，使用全景X射线图像优化牙齿植入物分类性能的潜力	利用三维扫描技术生成植入物表面模型，并进一步生成二维X射线图像，结合原始图像创建综合数据集，显著提升了分类模型的性能	研究中仅使用了10种类型的植入物，可能无法涵盖所有商业可用产品的多样性	优化牙齿植入物的识别和分类性能	牙齿植入物的全景X射线图像	digital pathology	dental disease	三维扫描，深度学习	ResNet50	X-ray图像	7,946张体内牙齿植入物图像及人工生成的图像
2199	2025-04-12	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	research paper	该研究探讨了使用卷积神经网络（CNN）来提高植物病害检测的准确性和效率	采用CNN模型自主学习和提取复杂特征，相比传统机器学习方法，准确率达到96%，减少了误报	研究仅针对芒果和花生的叶片病害，可能不适用于其他植物或病害类型	提高植物病害检测的准确性和效率，支持大规模农业管理	芒果和花生的叶片	computer vision	plant disease	image processing, deep learning	CNN	image	芒果和花生叶片样本，来自印度马哈拉施特拉邦的实地采集及在线数据集
2200	2025-04-12	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究利用深度学习和可解释人工智能分析了双重医疗系统使用者与阿片类药物使用障碍风险之间的关系	首次探讨了双重系统使用与人口统计学和临床因素之间的交互作用对阿片类药物使用障碍风险的影响	研究仅限于华盛顿特区和巴尔的摩VA医疗中心的数据，可能无法推广到其他地区	评估双重医疗系统使用对阿片类药物使用障碍风险的影响及其与人口统计学和临床因素的交互作用	856,299名来自华盛顿特区和巴尔的摩VA医疗中心的患者实例(2012-2019年)	医疗健康数据分析	阿片类药物使用障碍	深度神经网络(DNN), 可解释人工智能, 自然语言处理	DNN	临床记录和ICD-9/10诊断数据	856,299名患者实例(其中146,688名(17%)患有阿片类药物使用障碍)