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
2861	2025-07-04	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	research paper	该研究提出了一种结合深度学习和先验信息的集成分析方法，用于基因与疾病关系的复杂特征选择和结果预测	引入了先验辅助的集成深度学习方法（PANDA），通过特征选择层和集成学习利用先前研究中的先验信息	未提及具体的数据集规模限制或模型泛化能力的验证	解决生物医学研究中‘小而大’的挑战，提高基因与疾病关系的预测准确性	基因与疾病关系	machine learning	skin cutaneous melanoma (SKCM)	deep learning, ensemble learning	PANDA	genomic data	NA
2862	2025-07-04	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出了一种基于深度人工神经网络的非线性加速失效时间模型deepAFT，用于建模生存结果数据	开发了非参数、非线性算法deepAFT，直接预测生存结果，并通过插补算法、重加权和基于逆审查概率的转换技术处理审查问题	未明确提及具体局限性	改进生存分析中的预测准确性，提供非线性协变量效应的灵活建模	生存结果数据	机器学习	淋巴瘤	深度人工神经网络	deepAFT	生存数据	NA
2863	2025-07-04	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型，用于从医疗记录中识别手术部位感染	结合注意力机制提升模型的可解释性，同时性能优于传统机器学习方法	研究数据仅来自单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工审查负担	手术病例的电子健康记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	来自犹他大学医疗系统的9185例手术事件
2864	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据，提高了空间生物学中细胞类型和状态识别的准确性和可扩展性	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞，无需训练数据	算法在泛化性方面可能存在挑战，因为细胞、邻域和生态位在健康和疾病中的变异性	提高空间生物学中细胞类型和状态识别的准确性和可扩展性	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	5个数据集（5,000,000个细胞；51种细胞类型）
2865	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学检测中的模糊细胞，提高了准确性和可扩展性	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	五个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠、腺体）
2866	2025-07-04	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一种从面部照片估计生物年龄的深度学习系统，并评估其在癌症患者中的临床效用	利用深度学习从面部照片客观估计生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群中的适用性有待验证	开发一种客观、定量的方法，从面部照片估计生物年龄，并评估其在医学判断中的临床效用	健康个体和癌症患者的面部照片	数字病理学	癌症	深度学习	CNN	图像	58,851名健康个体和6,196名癌症患者
2867	2025-07-03	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本文构建了一个贝母生物碱数据库（FasMID），并开发了一种多维匹配策略，用于全面注释已知和未知成分	提出了一种维度增强的方法，结合固相萃取（SPE）和液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）获取四维结构信息，并通过机器学习预测碰撞截面（CCS）值	未来研究可以通过扩大样本来源和优化深度学习算法来提高预测准确性	精确表征贝母生物碱，用于质量控制和药理机制研究	贝母生物碱	质谱分析	NA	固相萃取（SPE）、液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）、机器学习	机器学习	质谱数据	248种贝母生物碱
2868	2025-07-03	Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116842 PMID:40597544	研究论文	本研究通过整合近红外光谱和拉曼光谱，开发了一种快速、非破坏性的化学计量学框架，用于预测山茶油的氧化稳定性	采用三级数据融合策略（低、中、高级），特别是高级融合策略，显著提高了氧化稳定性的预测准确性	未来研究需要整合下一代高光谱成像和先进的深度学习架构，以建立超越基质特定限制的智能油品质量监测通用范式	开发一种快速、非破坏性的方法来预测山茶油的氧化稳定性	山茶油的氧化稳定性	化学计量学	NA	近红外光谱（NIR）、拉曼光谱	NA	光谱数据	NA
2869	2025-07-03	A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116865 PMID:40597561	研究论文	本研究开发了一种基于3D点云和深度学习的自动化技术，用于量化切片面包的多尺度表型	使用低成本3D激光扫描仪准确捕获和分析面包切片的三维结构，提出3D-PoreSegNet分割模型分离面包表面和孔隙区域，并开发了Bread3D-Measure软件进行快速表型分析	NA	开发一种自动化技术，用于量化切片面包的多尺度表型，以支持全面的面包质量评估	切片面包的三维结构和孔隙表面	计算机视觉	NA	3D激光扫描	3D-PoreSegNet	3D点云数据	NA
2870	2025-07-03	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过血管分割、动静脉分类及血管宽度计算，实现HR的自动检测和分级	研究仅基于AVRDB数据集，未提及在其他数据集上的泛化能力	开发一种自动检测和分级高血压视网膜病变的方法，以辅助临床诊断	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
2871	2025-07-03	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统综述	本文综述了机器学习技术在视网膜图像疾病检测中的应用，包括单模态和多模态成像方法	系统评估了深度学习和经典机器学习模型在视网膜图像疾病检测中的效率和性能，提出了未来研究方向	识别了机器学习在视网膜图像疾病检测中的关键挑战，如模型的泛化能力和临床适用性	探讨机器学习技术在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	机器学习	深度学习和经典机器学习模型	图像	NA
2872	2025-07-03	Enhancing and advancements in deep learning for melanoma detection: A comprehensive review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110533 PMID:40483855	综述	本文系统回顾了深度学习在黑色素瘤检测中的应用趋势和差距，重点关注现有模型的可复制性和泛化能力	总结了深度学习在黑色素瘤检测中的关键进展，并指出了数据多样性和模型透明度不足的问题	现有模型对不同肤色人群的适用性有限，且许多研究缺乏数据分区的透明度，限制了模型的可重复性	探讨深度学习在黑色素瘤早期和准确检测中的应用及其全球有效性	黑色素瘤的深度学习检测模型	数字病理学	黑色素瘤	深度学习（DL）	ResNet, Inception	图像	使用了公共数据库如ISIC和HAM10000，但具体样本数量未明确说明
2873	2025-07-03	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers）对呼吸系统疾病分类领域做出重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，并系统回顾了2017年至2024年间发表的综述文章	研究可能未涵盖2017年之前的基础性工作，且AI的快速发展可能使早期方法不再相关	提高呼吸系统疾病分类的准确性和可靠性，改善临床决策	呼吸系统疾病（如肺炎和COVID-19）的诊断	计算机视觉	肺部疾病	深度学习和Vision Transformers (ViT)	DL和ViT	X射线图像	7867张X射线图像来自5263名患者
2874	2025-07-03	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	研究论文	本文介绍了IDEA（地震损害标注图像数据库），一个包含超过5400张标注图像的数据集，用于支持深度学习在结构损害检测和分类中的应用	提出了一个基于广泛认可的结构损害类别的综合本体论，可用于扩展现有数据集或创建新数据集，从而增加按照结构工程标准标注的数据的可用性	NA	填补结构损害检测和/或分类深度学习开发中标注数据的不足	地震后的结构损害图像	计算机视觉	NA	深度学习	NA	图像	超过5400张图像
2875	2025-07-03	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-Jul-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期	提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期，且在多个中心验证中表现优于临床模型	研究仅基于CT图像，未整合其他模态数据	提高化疗治疗胃癌患者淋巴结转移和总生存期的预测准确性	局部晚期胃癌患者	数字病理学	胃癌	深度学习	CTSMamba (基于co-attention tri-oriented spatial Mamba的多任务模型)	纵向CT图像	1,021名局部晚期胃癌患者（训练验证398例，外部验证623例）
2876	2025-07-03	Evaluating artificial intelligence models for rupture risk prediction in unruptured intracranial aneurysms: a focus on vessel geometry and hemodynamic insights 2025-Jul-02, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03689-6 PMID:40593222	review	本文评估了人工智能模型在未破裂颅内动脉瘤破裂风险预测中的应用，重点关注血管几何和血流动力学因素	结合几何和血流动力学变量，利用AI模型进行更全面和患者特异性的风险评估，超越了传统的基于大小的方法	缺乏大规模高质量数据集，模型预测解释存在挑战	提高未破裂颅内动脉瘤破裂风险预测的准确性	未破裂颅内动脉瘤（UIA）	digital pathology	cardiovascular disease	CFD (Computational Fluid Dynamics), AI	SVM, CNN	image, hemodynamic parameters	NA
2877	2025-07-03	A deep learning and digital archaeology approach for mosquito repellent discovery 2025-Jul-02, Chemical senses IF:2.8Q2 DOI:10.1093/chemse/bjaf021 PMID:40598906	研究论文	本文提出了一种结合深度学习和数字考古学的方法，用于发现新型驱蚊分子	使用图神经网络（GNN）映射分子结构与驱蚊效果的关系，并通过行为实验验证预测结果	NA	发现更有效、更安全的新型驱蚊分子	蚊子驱避分子	机器学习	虫媒传染病	GNN	图神经网络	分子结构数据	约19,000个驱蚊效果测量数据，317个候选分子
2878	2025-07-03	AI in Learning Anatomy and Restoring Central Incisors: A Comparative Study 2025-Jul-02, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251344548 PMID:40598953	研究论文	本研究比较了不同AI方法在学习和重建中切牙解剖结构中的表现	首次比较了PCA和DeepSDF在牙齿解剖学学习和重建中的表现，并评估了其可解释性	DeepSDF模型的可解释性存在不足，且未考虑影响微笑设计的更广泛因素	比较不同AI方法在牙齿解剖学学习和重建中的表现	上颌中切牙的解剖结构	数字病理	牙科创伤	PCA, DeepSDF	DeepSDF	3D扫描数据(STL文件)	来自3所大学的成熟恒上颌中切牙STL文件
2879	2025-07-03	Deep learning-enhanced development of innovative antioxidant liposomal drug delivery systems from natural herbs 2025-Jul-02, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh00699f PMID:40600624	研究论文	本研究开发了一种基于深度学习的双阶段BERT框架，用于从天然草药中筛选抗氧化化合物，并结合脂质体递送系统增强其生物利用度和抗氧化效果	采用BERT框架显著提高了抗氧化化合物的筛选准确率（约20%），并将筛选出的化合物成功整合到脂质体递送系统中，验证了其在减轻氧化应激损伤方面的效果	研究仅针对肾脏急性缺血/再灌注模型验证了抗氧化效果，未涉及其他器官或慢性氧化应激模型	开发一种结合深度学习和脂质体递送技术的抗氧化药物研发平台	天然草药中的抗氧化化合物及其脂质体递送系统	机器学习	氧化应激相关疾病	BERT框架、分子对接模拟	BERT	化合物数据	587种实验确认的抗氧化剂和983种非活性化合物，以及2882种天然草药化合物
2880	2025-07-03	Discovery of novel cathepsin K inhibitors for osteoporosis treatment using a deep learning-based strategy 2025-Jul-02, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2025.2527686 PMID:40600916	研究论文	本研究利用深度学习和实验方法相结合的策略，发现新型组织蛋白酶K抑制剂用于骨质疏松治疗	开发了基于深度学习的预测模型来识别组织蛋白酶K抑制剂，并发现了槲皮素、γ-亚麻酸和异硫氰酸苄酯等有潜力的候选药物	目前尚未进行临床试验验证这些抑制剂的安全性和有效性	发现新型组织蛋白酶K抑制剂用于骨质疏松治疗	组织蛋白酶K(CTSK)及其抑制剂	机器学习	骨质疏松症	深度学习预测模型(Chemprop)、酶动力学研究、分子对接、分子动力学模拟、RANKL诱导的破骨细胞生成实验	深度学习模型	化学分子数据	前100个预测分子进行实验验证，最终确定6种化合物