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	2025-05-13	Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet) 2025-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108048 PMID:40252392	研究论文	本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素	首次应用TabNet模型分析农用设备车辆事故严重性因素，并比较县道与非县道差异，提供特征重要性和SHAP图的可解释性	研究基于特定数据集，可能无法完全代表所有地区的农用设备车辆事故情况	评估农用设备车辆在不同类型道路上的碰撞风险因素，为制定针对性安全措施提供依据	涉及农用设备车辆的交通事故	机器学习	NA	TabNet, SMOTE, SHAP	TabNet	表格数据	未明确说明具体样本量（农用设备车辆事故数据）
262	2025-05-13	Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint clinical assessment in shoulder CT scans 2025-Jul, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103131 PMID:40279875	研究论文	介绍了一种创新的深度学习框架，用于处理肩部CT扫描，实现近端肱骨和肩胛骨的语义分割、骨表面3D重建、GH关节区域识别以及三种常见骨关节炎相关病症的分期	提出了一种级联CNN架构（3D CEL-UNet和3D Arthro-Net），用于同时进行骨分割和GH关节临床评估，并在571个CT扫描数据集上验证了其性能	研究基于回顾性数据集，可能需要在更大规模的前瞻性研究中进一步验证	开发一种AI工具，用于骨关节炎的术前规划，帮助外科医生根据患者独特的关节状况选择最合适的手术方法	肩部CT扫描中的近端肱骨和肩胛骨	数字病理学	骨关节炎	深度学习	3D CEL-UNet, 3D Arthro-Net	CT扫描图像	571个CT扫描，包含不同程度GH骨关节炎相关病理的患者
263	2025-05-13	A comprehensive review of ICU readmission prediction models: From statistical methods to deep learning approaches 2025-Jul, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103126 PMID:40300338	综述	本文全面回顾了ICU再入院预测模型的研究，从统计方法到深度学习方法	总结了统计、机器学习和深度学习模型在ICU再入院预测中的应用，并探讨了当前方法论的挑战和最新进展	现有模型在预测精度上仍需提升，以满足构建计算机化决策支持工具的需求	评估和比较不同ICU再入院预测模型的效果，指导未来研究和开发	ICU再入院预测模型的研究	机器学习	重症监护	统计方法、机器学习、深度学习	统计模型、ML模型、DL模型	医疗数据	NA
264	2025-05-13	A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143617 PMID:40049135	研究论文	本研究提出了一种名为PeaNet的深度学习模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白质含量	PeaNet模型采用改进的卷积神经网络架构，显著优于传统机器学习模型和传统深度学习架构	研究仅基于52个品种的156个光谱数据集，样本多样性可能有限	快速准确地检测豌豆蛋白质含量，以促进育种和食品质量控制	豌豆蛋白质含量	机器学习	NA	可见光和近红外光谱	改进的CNN	光谱数据	156个来自52个不同品种的光谱数据集
265	2025-05-13	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-Jun-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	研究论文	本研究通过深度学习模型分析EEG微状态的时空动态，以区分帕金森病（PD）的不同运动亚型	首次将EEG微状态动态空间模式用于PD运动亚型分类，并强调动态脑网络特征作为潜在标记物	研究样本可能有限，未提及具体样本量，且仅关注PD的两种运动亚型	理解PD不同运动亚型的脑网络动态变化，以改善个性化治疗	帕金森病患者（震颤主导型TD和姿势不稳/步态困难型PIGD）及健康对照	机器学习	帕金森病	EEG微状态分析	深度学习模型	EEG数据	NA
266	2025-05-13	Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning 2025-Jun-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179582 PMID:40324314	研究论文	本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响	结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化	研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况	预测气候变化对盐湖特征及周边生态环境的影响	查卡湖、图兹湖和拉扎扎湖等盐湖	遥感与深度学习	NA	SRGAN、MRS、CA-Markov建模、LSTM算法	SRGAN、LSTM	卫星图像	查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据
267	2025-05-13	Prediction of therapeutic response to transarterial chemoembolization plus systemic therapy regimen in hepatocellular carcinoma using pretreatment contrast-enhanced MRI based habitat analysis and Crossformer model 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04709-7 PMID:39586897	研究论文	本研究利用多期对比增强磁共振成像（CE-MRI）和深度学习模型预测肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）联合系统治疗的早期反应	结合K-means聚类算法和Crossformer模型，首次在CE-MRI基础上构建栖息地模型和深度学习模型来预测HCC治疗反应	样本量相对较小（102例患者），且来自两个机构，可能存在选择偏差	开发能够非侵入性预测HCC患者对TACE联合系统治疗反应的模型	肝细胞癌（HCC）患者	数字病理	肝癌	多期对比增强磁共振成像（CE-MRI），K-means聚类算法	Crossformer, ResNet50, ExtraTrees分类器	医学影像	102例HCC患者（机构A 63例，机构B 39例）
268	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
269	2024-12-12	Evaluating deep learning and radiologist performance in volumetric prostate cancer analysis with biparametric MRI and histopathologically mapped slides 2025-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04734-6 PMID:39658736	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
270	2025-05-13	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jun, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	research paper	该研究探讨了半监督学习在减少标注负担的同时提高脑转移瘤分割性能的可行性	首次在多中心MRI数据上测试了半监督学习方法（包括mean teacher、cross-pseudo supervision和interpolation consistency training）对脑转移瘤分割的效果，并展示了在小规模标注数据下的性能提升	研究为回顾性设计，且仅针对脑转移瘤这一特定病变类型	验证半监督学习能否在减少专家标注工作量的情况下提高脑转移瘤的自动分割性能	来自五个机构的脑转移瘤患者的MRI扫描数据（包含标注和未标注数据）	digital pathology	brain metastases	MRI（包括2D/3D T1加权增强扫描和FLAIR序列）	U-Net	MRI图像	156+65+324+200标注扫描（来自4个中心）和519未标注扫描（来自1个中心）
271	2025-05-13	Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning 2025-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.01.002 PMID:39875279	研究论文	本研究结合口腔内扫描和深度学习算法，开发了一种自动识别牙龈炎症表面特征的方法	首次将口腔内扫描（IOS）与深度学习结合，用于牙龈炎症表面特征的自动识别，提供了一种标准化和自动化的辅助工具	研究样本量较小（120名患者），且仅针对牙周炎患者，可能限制了结果的普遍适用性	开发一种客观、可量化的牙龈炎症表面特征识别方法，以辅助临床诊断	120名牙周炎患者的牙周探诊数据和口腔内扫描图像	数字病理	牙周炎	口腔内扫描（IOS）	GC-U-Net	图像	120名牙周炎患者
272	2025-05-13	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	提出了一种基于深度克罗内克卷积神经网络（DKCN-Net）和联邦学习（FL）的肺病检测方法	结合联邦学习保护患者数据隐私，并引入DKCN-Net提高肺病检测的准确性和稳定性	处理每个时间戳需要50秒，可能影响实时性	开发一种高稳定性且保护隐私的肺病检测技术	肺病检测	数字病理学	肺癌	联邦学习（FL）、自适应高斯滤波（AGF）、深度模糊聚类（DFC）	DKCN-Net（结合DKN和PCNN）、3D-FCN	CT图像	来自LIDC-IDRI数据库的CT图像
273	2025-05-13	Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder 2025-Jun-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.109 PMID:40044084	研究论文	通过自举推断和机器学习方法，研究重度抑郁症（MDD）患者血浆代谢网络的核心差异特征	首次大规模应用代谢网络分析方法揭示MDD患者代谢网络的显著重组特征，特别是亚油酸代谢途径的异常	研究仅基于英国生物银行数据，可能无法完全代表其他人群	探索重度抑郁症的代谢网络特征及其诊断潜力	182,053名英国生物银行参与者（9,425名MDD患者和172,628名健康对照）	机器学习	重度抑郁症	代谢组学网络分析、自举推断分析	极端梯度提升模型（XGBoost）、深度学习模型	血浆代谢组数据	182,053名参与者（9,425例MDD患者和172,628名健康对照）
274	2025-05-13	Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas 2025-Jun, Annals of diagnostic pathology IF:1.5Q3 DOI:10.1016/j.anndiagpath.2025.152462 PMID:40048885	研究论文	开发一种数字算法用于评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	首次开发了一种基于深度学习的数字方法，用于自动评估外阴鳞状细胞癌中的肿瘤-间质比、肿瘤芽和肿瘤浸润淋巴细胞	研究样本量较小（41例），需要更大规模的验证，并且临床相关性尚未确定	开发一种自动化的数字方法来评估外阴鳞状细胞癌中的预后标志物，并研究这些标志物与p16状态的关系	外阴鳞状细胞癌（VSCC）	数字病理学	外阴鳞状细胞癌	深度学习	APP（应用协议包）	图像	41例外阴鳞状细胞癌病例
275	2025-05-13	Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108698 PMID:40054320	研究论文	本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖	使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果	研究仅针对PPG数据，未验证在其他生理信号上的适用性	提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖	PPG信号数据	机器学习	心血管疾病	对比学习（SimCLR和BYOL）	自监督学习模型	PPG信号	1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集）
276	2025-05-13	Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning 2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26071 PMID:40113341	research paper	该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹	首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性	模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段	开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤	关节软骨中的微裂纹	digital pathology	osteoarthritis	second harmonic generation (SHG) imaging	YOLOv8	image	未明确提及具体样本数量
277	2025-05-13	Computer-aided assessment for enlarged fetal heart with deep learning model 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112288 PMID:40343273	研究论文	本文提出了一种基于YOLO架构的深度学习方法，用于自动化胎儿心脏扩大的评估	使用YOLOv8结合CBAM模块以及ResNeXtBlock残差网络，提高了胎儿心脏扩大检测的准确性和预测一致性	需要进一步验证以确认其临床适用性	通过自动化评估胎儿心脏扩大，提高产前筛查的准确性和效率	胎儿心脏扩大的超声视频	计算机视觉	先天性心脏病	深度学习	YOLOv8, YOLOv11, ResNeXtBlock	超声视频	NA
278	2025-05-13	NeuroPred-AIMP: Multimodal Deep Learning for Neuropeptide Prediction via Protein Language Modeling and Temporal Convolutional Networks 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00444 PMID:40258183	研究论文	提出了一种名为NeuroPred-AIMP的多模态深度学习模型，用于通过蛋白质语言建模和时间卷积网络预测神经肽	结合蛋白质语言模型(ESM)的全局语义表示和时间卷积网络(TCN)的多尺度结构特征，引入残差增强的自适应特征融合机制，动态重新校准特征贡献，实现进化和局部序列信息的稳健整合	依赖于有限的实验验证数据，可能影响模型的泛化能力	提高神经肽识别的准确性，以促进神经系统疾病治疗和基于肽的药物设计	神经肽	自然语言处理	神经系统疾病	蛋白质语言建模，时间卷积网络	ESM, TCN	蛋白质序列数据	NA
279	2025-05-13	Modeling Chemical Reaction Networks Using Neural Ordinary Differential Equations 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00296 PMID:40262040	研究论文	本文提出了一种结合动态建模与深度学习的神经常微分方程方法，用于建模化学反应网络并揭示其中的隐含信息	将神经常微分方程（Neural ODEs）引入化学反应网络建模，以识别现有经验模型的不足并辅助未来网络设计	未明确提及方法在复杂或大规模反应网络中的适用性限制	通过深度学习增强化学反应网络的动态建模能力	化学反应网络中的化学物种浓度变化	机器学习	NA	神经常微分方程（Neural ODEs）	Neural ODEs	化学物种浓度时序数据	NA
280	2025-05-13	COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00205 PMID:40272990	research paper	该论文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对蛋白质特性的贡献	引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标	主要应用于分类任务，如结合位点识别，且在这些任务中准确率有限（40-45%）	开发一种可解释的蛋白质序列表示方法，用于识别关键功能基序	蛋白质序列，特别是抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白	natural language processing	NA	深度学习，可解释AI（XAI）	DL	蛋白质序列数据	主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集