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
2941	2025-04-08	Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A 2024-Jun-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.16.594558 PMID:38798479	research paper	评估机器学习方法在预测未知意义变异（VUS）对芳基硫酸酯酶A（ARSA）基因功能影响方面的性能	一项由遗传学和编程训练营参与者开发的模型在预测性能上表现最佳，且深度学习方法的预测性能有显著提升	研究中仅使用了219个实验验证的错义VUS，样本量可能有限	评估机器学习方法在预测VUS功能影响方面的准确性及其在遗传和临床研究中的潜在应用	芳基硫酸酯酶A（ARSA）基因中的219个错义VUS	machine learning	NA	machine learning, deep learning	NA	genetic variants	219个实验验证的错义VUS
2942	2025-04-08	Critical assessment of missense variant effect predictors on disease-relevant variant data 2024-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597828 PMID:38895200	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的性能	通过CAGI6挑战赛评估多种错义变异效应预测工具，包括临床遗传学社区常用工具和最新开发的深度学习方法，并探讨了不同临床和研究应用场景下的性能表现	评估数据集中可能存在标签不平衡问题，且某些预测工具在区分致病性变异和极罕见良性变异时性能下降	评估错义变异效应预测工具的临床和研究实用性，并为未来改进提供方向	错义变异效应预测工具	生物信息学	遗传病	深度学习	NA	基因组数据	来自疾病相关数据库的罕见错义变异数据集
2943	2025-04-08	Multimodal Autoencoder Predicts fNIRS Resting State From EEG Signals 2022-07, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-021-09538-3 PMID:34378155	研究论文	介绍了一种深度学习架构，用于评估来自40名癫痫患者的多模态脑电图（EEG）和功能性近红外光谱（fNIRS）记录	首次展示了在静息状态下的人类癫痫大脑中，基于EEG频率振荡的功率谱幅度调制，从编码的神经数据（EEG）预测脑血流动力学（fNIRS）的可能性	研究仅限于癫痫患者，样本量为40人	研究EEG信号如何解码fNIRS信号，预测脑血流动力学	40名癫痫患者的EEG和fNIRS记录	机器学习	癫痫	功能性近红外光谱（fNIRS）和脑电图（EEG）	LSTM和CNN集成的多模态序列到序列自编码器	EEG和fNIRS信号	40名癫痫患者
2944	2025-04-07	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	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常规深度学习架构	仅基于52个品种的156个光谱数据集，样本多样性可能有限	快速准确检测豌豆蛋白质含量，以促进育种和食品质量控制	52个不同品种的豌豆在多种条件下培养的光谱数据	机器学习	NA	可见光和近红外光谱	改进的CNN	光谱数据	156个可见光和近红外光谱数据集，来自52个豌豆品种
2945	2025-04-07	Rapid detection of the viability of naturally aged maize seeds using multimodal data fusion and explainable deep learning techniques 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143692 PMID:40068265	research paper	本研究提出了一种基于多模态数据融合和可解释深度学习技术的玉米种子活力快速检测方法	提出了MSCNSVN模型，通过融合多传感器信息（MV、RS、TS、FS、SS）提高种子活力检测的准确性	未提及具体样本量，且模型在单模态数据上的准确率仍较低（<70%）	开发一种高效准确的玉米种子活力无损检测方法	自然老化的玉米种子	machine learning	NA	多模态数据融合，可解释深度学习	MSCNSVN（未明确具体架构，推测为CNN变体）	多传感器数据（MV/可见光、RS/近红外、TS/热成像、FS/荧光、SS/高光谱）	NA（未明确具体数量，仅提及双品种数据集）
2946	2025-04-07	Online assessment of soluble solids content in strawberries using a developed Vis/NIR spectroscopy system with a hanging grasper 2025-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143671 PMID:40073605	研究论文	本研究探讨了使用可见/近红外光谱(VIS/NIRS)在线检测悬挂运输中草莓可溶性固形物含量(SSC)的可行性	开发了一种悬挂式光学传感系统，并结合深度学习方法和传统化学计量学模型，显著提高了在线检测的准确性和效率	研究仅针对草莓进行，未验证对其他小尺寸和易损水果的适用性	实现在线无损检测草莓内部品质(可溶性固形物含量)	草莓	光谱分析	NA	可见/近红外光谱(VIS/NIRS)	PLSR, 1D-CNN, 1D-CNN-LSTM	光谱数据	未明确说明样本数量
2947	2025-04-07	Analytical and experimental solutions for Fourier transform infrared microspectroscopy measurements of microparticles: A case study on Quercus pollen 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343879 PMID:40187871	研究论文	本文通过比较12种不同的分析和实验方法，研究了傅里叶变换红外显微光谱（FTIR）在微粒子测量中的应用，特别是以四种栎属植物花粉为例	首次对12种不同的分析和实验方法进行了比较研究，探讨了它们在FTIR微粒子测量中的适用性	研究仅针对栎属植物花粉，可能不适用于其他类型的微粒子	比较不同预处理方法在FTIR微粒子测量中的效果，以确定最适合分类和化学表征的方法	四种栎属植物花粉	光谱分析	NA	FTIR显微光谱	EMSC, ME-EMSC, DCNN	光谱数据	四种栎属植物花粉的单个花粉粒
2948	2025-04-07	Measuring the severity of knee osteoarthritis with an aberration-free fast line scanning Raman imaging system 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343900 PMID:40187878	研究论文	使用自主研发的无像差快速线扫描拉曼成像系统结合深度学习去噪和加速算法，实现膝关节骨关节炎的快速诊断和分级	结合无像差线扫描共聚焦拉曼成像设备和深度学习算法，显著提高成像速度和信噪比，实现早期骨关节炎的快速、无标记检测	实验样本仅限于骨关节炎患者的胫骨平台，未涉及其他关节或更大规模的临床验证	开发一种快速、准确的骨关节炎诊断和分级方法	膝关节骨关节炎患者的胫骨平台组织	数字病理	骨关节炎	拉曼成像、深度学习	深度学习算法	拉曼光谱数据	骨关节炎患者的胫骨平台组织样本（具体数量未明确说明）
2949	2025-04-07	Rapid and sensitive detection of pharmaceutical pollutants in aquaculture by aluminum foil substrate based SERS method combined with deep learning algorithm 2025-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343920 PMID:40187885	研究论文	开发了一种基于铝箔的SERS检测基底，并结合多层感知器（MLP）深度学习模型，用于快速识别水产养殖废水中的抗生素成分	结合铝箔基底SERS检测与深度学习算法，实现了高灵敏度和高准确性的复杂污染物检测与识别	未明确提及在实际复杂水体环境中的适用性验证	开发一种快速、高灵敏度的水产养殖废水中药残检测方法	水产养殖废水中的抗生素和消毒剂残留（氟罗沙星、左氧氟沙星、培氟沙星、磺胺嘧啶、亚甲蓝和孔雀石绿）	环境监测	NA	表面增强拉曼光谱（SERS）	多层感知器（MLP）	光谱数据	六种目标化合物（浓度范围1×10-8至6.9×10-8 mol/L）
2950	2025-04-07	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	研究论文	本文提出了一种新型可解释预测模型DRExplainer，用于预测癌细胞系对治疗药物的反应	利用有向图卷积网络在有向二分网络框架中增强预测，并引入可量化的模型解释方法	未提及具体样本量或实验范围的限制	提高药物反应预测的准确性和可解释性，以支持个性化医疗	癌细胞系和治疗药物	机器学习	癌症	多组学分析	有向图卷积网络	多组学数据、药物化学结构、已知药物反应数据	NA
2951	2025-04-07	Deep learning based estimation of heart surface potentials 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，仅从体表电位估计心脏表面电位，旨在简化心电图成像(ECGI)的临床应用	提出了一种新的深度学习框架，无需依赖CT/MRI几何信息，仅通过体表电位即可估计心脏表面电位，并设计了适用于2.5D数据的改进Pix2Pix网络和定制损失函数	样本量相对较小(40例)，且未明确说明模型在不同心脏疾病中的泛化能力	开发无需CT/MRI的ECGI替代方案，降低临床应用门槛	健康受试者和特发性心室颤动患者的心脏电活动	数字病理	心血管疾病	深度学习	改进的Pix2Pix网络(2.5D数据处理)	2D体表电位图(BSPMs)和2D心脏表面电位图(HSPMs)带时序信息	40例(11名健康受试者+29名特发性心室颤动患者)
2952	2025-04-07	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	研究论文	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	动物模型的组织病理学图像和人类全切片图像（WSI）	数字病理学	癌症	无监督域适应方法	深度学习模型	图像	NA
2953	2025-04-07	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统性综述	本文系统综述了当前用于疟疾诊断中自动化分析疟原虫属的方法，特别关注计算机辅助方法	识别了三类最适合疟疾数字诊断的机器学习模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用中的挑战仍未解决	评估自动化疟疾诊断方法的现状及其在提高诊断准确性和减少人为错误方面的潜力	疟原虫属的自动化分析方法和诊断模型	数字病理学	疟疾	深度学习、机器学习	ResNet、VGG、CNN、CADx	显微镜血液涂片图像	2020年至2024年间的同行评议和已发表研究
2954	2025-04-07	Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine 2025-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110327 PMID:40043598	综述	本文探讨了人工智能在癫痫护理中的革命性作用，包括癫痫发作预测、诊断精确性提升和个性化治疗	利用机器学习和深度学习技术改进癫痫监测、自动化EEG分析并促进个性化治疗策略	模型准确性、可解释性以及在不同患者群体中的适用性仍存在挑战	探索人工智能在癫痫护理中的潜在变革及其有效实施的多学科举措	癫痫患者	机器学习	癫痫	机器学习和深度学习	NA	EEG数据	NA
2955	2025-04-07	Open-source deep-learning models for segmentation of normal structures for prostatic and gynecological high-dose-rate brachytherapy: Comparison of architectures 2025-Apr-05, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70089 PMID:40186596	research paper	该研究比较了两种UNet衍生架构（UNet++和nnU-Net）在前列腺和妇科高剂量率（HDR）近距离放射治疗计划中自动分割风险器官（OARs）的性能	研究比较了两种UNet衍生架构在HDR近距离放射治疗计划中的性能，并选择了计算硬件需求较低的UNet++模型用于临床常规使用	研究仅针对前列腺和妇科HDR近距离放射治疗计划中的膀胱和直肠分割，未涵盖其他器官或治疗类型	实现和评估用于前列腺和妇科CT引导的HDR近距离放射治疗计划中的自动风险器官分割模型	前列腺和妇科HDR近距离放射治疗患者的CT扫描和分割文件	digital pathology	prostate cancer	CT扫描	UNet++, nnU-Net	image	1316 CT scans from 1105 patients for training, 100 CT scans from 62 patients for testing
2956	2025-04-07	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Apr-05, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一种用于多类牙齿分割的深度学习模型，验证了人工智能在牙科影像分析中的有效性	NA	开发自动化的牙齿分割技术以提高牙科影像分析的精确度	人类牙齿	计算机视觉	NA	锥形束计算机断层扫描	深度学习	医学影像	210例扫描（140例训练集，40例验证集，30例测试集）
2957	2025-04-07	Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium 2025-Apr-05, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06804-x PMID:40186633	研究论文	本研究开发了一种深度学习模型，用于区分眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）的裂隙灯照片	首次使用深度学习模型自动分割和分类OSSN与PTG的裂隙灯照片，并展示了较高的准确率	样本量相对较小（162例患者），且未提及模型在其他数据集上的泛化能力	开发一种能够准确区分OSSN和PTG的深度学习模型	眼表鳞状上皮瘤（OSSN）和翼状胬肉（PTG）患者	计算机视觉	眼科疾病	深度学习	EfficientNet B7, GoogleNet	图像	162例患者（77例OSSN，85例PTG）
2958	2025-04-07	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	research paper	本研究评估了基于深度学习的去噪图像重建技术在儿童身体磁共振成像（MRI）中的应用效果	首次在儿童身体MRI中应用深度学习技术进行图像去噪和重建，显著提高了图像质量和扫描速度	非呼吸门控的T1加权图像显示出更明显的呼吸运动伪影	评估深度学习重建技术在儿童身体MRI中的图像质量	21名儿童（中位年龄7岁）的胸腹部MRI图像	digital pathology	NA	radial k-space sampling, PROPELLER序列	DL-based	MRI图像	21名儿童（年龄范围1.5-15.8岁）
2959	2025-04-07	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-Apr-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	research paper	开发了一种基于磁共振图像的深度学习放射组学列线图，用于预测胰胆管合流异常儿童胆汁淤积进展	首次利用深度学习放射组学列线图非侵入性评估肝细胞CK7状态，并预测胆汁淤积进展	研究样本量较小（180例），且为回顾性研究	开发非侵入性方法评估胰胆管合流异常患者的肝细胞CK7状态及胆汁淤积进展	胰胆管合流异常儿童患者	digital pathology	pancreaticobiliary maljunction	MRI, immunohistochemical analysis	ResNet50	image	180例胰胆管合流异常患者（训练集144例，验证集36例）
2960	2025-04-07	Parametric-MAA: fast, object-centric avoidance of metal artifacts for intraoperative CBCT 2025-Apr-05, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03348-7 PMID:40186717	research paper	提出了一种新型参数化金属伪影避免方法（P-MAA），用于快速优化锥束CT（CBCT）成像中的轨迹，以减少金属伪影	通过深度学习模型检测关键点，将临床相关物体建模为椭球体，提出了一种计算高效的轨迹评分方法，显著提高了速度	未明确说明方法在极端复杂情况下的表现，以及是否适用于所有类型的金属植入物	解决锥束CT成像中金属伪影的问题，提高图像质量	骨科和创伤应用中的金属植入物及其周围的临床相关区域	医学影像处理	骨科疾病	深度学习，椭球体建模	深度学习模型	图像	模拟和真实临床数据