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
261	2025-05-17	An Early Thyroid Screening Model Based on Transformer and Secondary Transfer Learning for Chest and Thyroid CT Images 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251323168 PMID:40165465	研究论文	提出了一种基于Transformer和二次迁移学习的早期甲状腺筛查模型，用于胸部和甲状腺CT图像	结合Transformer DNN和迁移学习技术，整合时间序列数据，解决小样本量和高噪声问题	数据集有限，样本量较小，噪声较高	提高甲状腺癌早期筛查的准确性和效率	240名来自中国广东和新疆的患者的增强CT扫描图像数据	数字病理学	甲状腺癌	增强CT扫描	Transformer DNN	CT图像	240名患者
262	2025-05-17	Integration of histopathological images and immunological analysis to predict M2 macrophage infiltration and prognosis in patients with serous ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1505509 PMID:40165975	研究论文	该研究通过整合组织病理学图像和免疫学分析，预测浆液性卵巢癌患者中M2巨噬细胞浸润及其对预后的影响	利用深度多实例学习（MIL）和ResNet18网络从组织病理学图像中预测M2巨噬细胞浸润，为浆液性卵巢癌的预后评估提供了新方法	样本量相对较小，且外部验证集的数据来源未详细说明	提高浆液性卵巢癌患者的预后准确性，识别新的治疗靶点，推进个性化治疗策略	浆液性卵巢癌患者	数字病理学	卵巢癌	深度多实例学习（MIL）	ResNet18	图像	86例来自TCGA的患者和106例来自组织微阵列的患者
263	2025-05-17	Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1485311 PMID:40171193	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性	首次对深度学习在OCT和视网膜图像中检测DR的效果进行了系统性的荟萃分析	数据集标准化不足，模型可解释性有待提高，且需要在更多样化的人群中进行验证	评估深度学习算法在检测糖尿病视网膜病变中的准确性和可靠性	光学相干断层扫描（OCT）和视网膜图像	digital pathology	diabetic retinopathy	deep learning	NA	image	188268张视网膜图像和OCT扫描
264	2025-05-17	Analysis of Deep Learning Techniques for Vehicle Detection and Reidentification Using Data from Multiple Drones and Public Datasets 2025, Anais da Academia Brasileira de Ciencias IF:1.1Q3 DOI:10.1590/0001-3765202520240623 PMID:40172334	research paper	本文提出了一种结合多种CNN技术的车辆检测与重识别解决方案，应用于无人机群监控的动态环境	整合了VGG16、VGG19、ResNet50、InceptionV3和EfficientNetV2L等多种CNN技术，并采用YOLOv4进行检测、DeepSORT进行跟踪，以适应不同无人机拍摄角度和条件下的图像多样性	在第一个实验中，最佳网络ResNet50的平均准确率仅为55%，表明在部分场景下性能仍有提升空间	开发适用于无人机群监控环境下车辆检测与重识别的高精度方法	高速公路等动态环境中的车辆	computer vision	NA	CNN, YOLOv4, DeepSORT	VGG16, VGG19, ResNet50, InceptionV3, EfficientNetV2L	image	两个数据集：一个来自Mendeley的公共数据集，另一个由无人机群采集的图像和数据组成
265	2025-05-17	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	research paper	该研究探讨了使用传统机器学习模型预测肝炎感染的有效性，并特别关注了支持向量机（SVM）的卓越表现	采用多种机器学习模型进行肝炎预测，并通过超参数调优和集成建模技术提升模型性能，同时利用解释性分析增强模型的可解释性	研究中未提及模型在更大规模或多样化数据集上的泛化能力	提高肝炎预测的准确性和及时性，以改善患者管理	肝炎感染患者的数据	machine learning	hepatitis	GridSearchCV, 5-fold cross-validation	SVM, logistic regression, decision trees, random forest, MLP	structured data	NA
266	2025-05-17	Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.02.005 PMID:40175043	review	本文综述了蛋白质分子建模的先进方法、突破性进展及未来展望	介绍了深度学习算法如AlphaFold在复杂蛋白质结构预测精度上的显著提升	未提及具体研究案例或数据验证这些方法的实际效果	增强对蛋白质功能的理解，提高药物发现的精确性	蛋白质分子及其行为预测	计算生物学	NA	同源建模、分子动力学模拟、量子力学/分子力学策略、深度学习	AlphaFold	蛋白质结构数据	NA
267	2025-05-17	Deep learning: A game changer in drug design and development 2025, Advances in pharmacology (San Diego, Calif.) DOI:10.1016/bs.apha.2025.01.008 PMID:40175037	research paper	本文探讨了深度学习在药物设计和开发中的革命性作用	深度学习通过分析大量生物数据，加速药物发现过程，包括靶点识别、先导化合物选择、毒性预测、药物再利用和从头药物设计	NA	研究深度学习如何改变药物设计和开发过程	药物发现和开发过程	machine learning	NA	deep learning	NA	biological data	NA
268	2025-05-17	[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1537 PMID:40175157	研究论文	比较两种深度学习技术在低噪声头部CT图像上对脑CT值、图像噪声内容及白质与灰质对比噪声比的影响	比较了两种深度学习技术（AiCE和PixelShine）在低噪声头部CT图像上的效果，揭示了它们在减少图像噪声、改变CT值及影响白质与灰质对比噪声比方面的差异	研究样本量较小（21名正常患者），且仅针对无异常发现的正常患者，可能限制了结果的广泛适用性	比较深度学习技术对低噪声头部CT图像质量的影响	低噪声头部CT图像	医学影像处理	NA	深度学习技术（AiCE和PixelShine）	深度学习	CT图像	21名无异常发现的正常患者
269	2025-05-17	Developing predictive models for µ opioid receptor binding using machine learning and deep learning techniques 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10359 PMID:40177220	研究论文	本研究旨在开发机器学习和深度学习模型，用于预测化学物质与µ阿片受体（MOR）的结合活性	结合机器学习和深度学习技术，开发了多种预测模型，用于识别MOR结合剂，可能有助于开发非成瘾性或低成瘾性药物	模型的马修斯相关系数在0.528-0.654和0.408之间，仍有提升空间	预测化学物质与µ阿片受体的结合活性，以辅助开发非成瘾性或低成瘾性阿片类镇痛药	化学物质及其与µ阿片受体的结合活性数据	机器学习	NA	分子描述符计算	随机森林、k近邻、支持向量机、多层感知机、LSTM	分子描述符数据	从公共数据库和文献中收集的化学物质数据
270	2025-05-17	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合了XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，更全面地捕捉风险事件的关键特征	NA	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集，包括S&P 500历史数据集
271	2025-05-17	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	research paper	开发了一种基于深度学习的AI系统，用于自动识别沙蝇的性别和分类三种不同物种	首次将深度学习技术应用于沙蝇的性别识别和物种分类，实现了超过95%的分类准确率	研究仅针对三种沙蝇物种，可能无法推广到其他物种	开发自动化工具以提高沙蝇分类和性别识别的准确性和效率	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, Phlebotomus sergenti）	computer vision	leishmaniasis	深度学习	CNN	image	两年内本地采集和制备的沙蝇样本
272	2025-05-17	Active learning regression quality prediction model and grinding mechanism for ceramic bearing grinding processing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320494 PMID:40193368	研究论文	探讨陶瓷轴承磨削加工中的质量预测，重点关注磨削参数对表面粗糙度的影响	使用主动学习回归模型进行模型构建和优化，并结合多种深度学习模型进行磨削加工质量预测实验	实验仅覆盖特定磨削参数范围，可能无法涵盖所有实际生产中的复杂情况	优化陶瓷轴承磨削加工质量预测和磨削参数	陶瓷轴承磨削加工过程	机器学习	NA	主动学习回归模型，深度学习	回归模型，深度学习模型	实验数据	多种磨削参数条件下的实验数据
273	2025-05-17	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	research paper	该研究开发并评估了一种创新的深度学习集成模型，用于从MRI扫描中精确识别阿尔茨海默病的标志物	集成VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，克服了单个模型在处理不同图像形状和纹理时的局限性	NA	提高阿尔茨海默病的诊断准确性，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者	digital pathology	geriatric disease	MRI	ensemble of VGG16, MobileNet, and InceptionResNetV2	image	NA
274	2025-05-17	Derivative-Guided Dual-Attention Mechanisms in Patch Transformer for Efficient Automated Recognition of Auditory Brainstem Response Latency 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3558730 PMID:40198282	研究论文	本文提出了一种名为Patch-DAT的新型轻量级深度学习模型，用于自动识别听觉脑干反应(ABR)波I、III和V的潜伏期	引入了导数引导的双注意力机制和重叠分块策略，以更好地捕捉局部时间模式和全局依赖关系	未来工作需要扩展数据集多样性和提高模型可解释性	开发高效自动化的ABR潜伏期识别方法	听觉脑干反应(ABR)波I、III和V的潜伏期	机器学习	NA	深度学习	Transformer	时间序列数据	来自两家医院的大规模多样化数据集
275	2025-05-17	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应SARS-CoV-2等病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变的预测能力	与使用实验结构相比，性能略有下降	开发高效的计算方法以应对病毒的快速进化	SARS-CoV-2刺突蛋白受体结合域（RBD）和人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	深度突变扫描（DMS）和拓扑数据分析（TDA）	多任务拓扑拉普拉斯（MT-TopLap）	蛋白质-蛋白质相互作用（PPI）复合物结构	四个实验性DMS数据集
276	2025-05-17	Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321530 PMID:40359407	研究论文	本文提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI）	提出了一种新颖的混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性	CPI数据的月度频率导致时间序列相对稀疏，且外部因素（如政策变化和疫情）增加了CPI的波动性	准确预测韩国的总消费者价格指数（CPI），以支持更及时有效的经济政策制定	韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目	机器学习	NA	数据增强、情感分析	CNN-LSTM	时间序列数据、文本数据	NA
277	2025-05-17	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	research paper	该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术	通过成对解缠技术对多标签分类器的潜在空间进行正则化，使得潜在空间中两个脑MRI表示之间的差异与其神经心理学测试分数的差异相似	研究样本量相对较小，特别是HIV无HAND组仅有32个样本	提高MRI脑部研究中深度学习模型的可解释性，促进神经科学发现	156名对照者、165名轻度认知障碍(MCI)患者、166名HIV相关认知障碍(HAND)患者和32名HIV无HAND患者	digital pathology	geriatric disease	MRI	multi-label classifier	image	519人(156对照+165MCI+166HAND+32HIV无HAND)
278	2025-05-17	Advancing patient care: Machine learning models for predicting grade 3+ toxicities in gynecologic cancer patients treated with HDR brachytherapy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312208 PMID:40367095	研究论文	该研究开发并比较了机器学习模型，用于预测接受高剂量率（HDR）近距离放射治疗的妇科癌症患者的3级或更高毒性	应用多种机器学习模型预测妇科癌症患者HDR近距离放射治疗后的3级或更高毒性，为个性化放射治疗提供新方法	研究为回顾性分析，样本量相对较小（233例患者）	开发预测妇科癌症患者HDR近距离放射治疗后3级或更高毒性的机器学习模型	接受HDR近距离放射治疗的妇科癌症患者	机器学习	妇科癌症	HDR近距离放射治疗	Logistic Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines, Gaussian Naive Bayes, Multi-Layer Perceptron Neural Networks, XGBoost	临床数据、剂量学数据	233例妇科癌症患者
279	2025-05-17	Time Scale Network: An Efficient Shallow Neural Network For Time Series Data in Biomedical Applications 2025-Jan, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2024.3443659 PMID:40370581	研究论文	本文提出了一种高效的时间尺度网络，用于处理生物医学应用中的时间序列数据	结合离散小波变换的平移和膨胀序列与传统卷积神经网络及反向传播，显著减少参数和操作数量	未明确提及具体限制	开发一种计算效率高、参数少的时间序列分类网络	生物医学时间序列数据（如ECG和EEG信号）	机器学习	心血管疾病	离散小波变换与CNN结合	Time Scale Network	时间序列数据	未明确提及具体样本数量
280	2025-05-17	Diagnosis of pneumonia from chest X-ray images using YOLO deep learning 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1576438 PMID:40370634	research paper	提出了一种使用Fast-YOLO深度学习网络从胸部X光图像中诊断肺炎的新方法	设计了YOLOv11网络结构，整合了C3k2模块、DCNv2和DynamicConv，提高了特征表示能力并降低了计算复杂度	NA	提高肺炎诊断的准确性和实时性	胸部X光图像	computer vision	pneumonia	deep learning	Fast-YOLO, YOLOv11	image	包含五个类别的肺炎数据集