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
4041	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
4042	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
4043	2025-03-18	TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records 2023-Nov-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43715-z PMID:38030638	研究论文	本文介绍了TransformEHR，一种基于transformer的编码器-解码器生成模型，用于增强使用电子健康记录（EHR）预测疾病结果的能力	TransformEHR采用了一种新的预训练目标——从患者之前的就诊记录预测未来就诊时的所有疾病和结果，从而在多个临床预测任务中达到了新的最先进性能	NA	提高使用电子健康记录（EHR）预测临床疾病或结果的能力	电子健康记录（EHR）	自然语言处理	胰腺癌, 创伤后应激障碍	transformer-based encoder-decoder generative model	transformer	电子健康记录（EHR）	NA
4044	2025-03-18	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	本文提出了一种改进的白鲸鲸优化算法驱动的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	采用改进的白鲸鲸优化算法（IBWO）优化多通道DeepLabv3+的超参数，显著提高了分割精度和计算效率	未提及具体的数据集规模或多样性限制	提高航空图像语义分割的准确性和效率	航空图像	计算机视觉	NA	深度学习	AMC-Deeplabv3+, IBWO	图像	未提及具体样本数量
4045	2025-03-17	Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study 2025-Apr-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217557 PMID:39954935	研究论文	本研究开发并验证了一种多模态分析框架，整合CT图像和H&E染色的全切片图像（WSIs），以增强肺腺癌（LUAD）患者的风险分层并预测辅助化疗的益处	创新点在于整合了CT图像和WSIs的多模态特征，使用生存支持向量机（SVM）建立了放射病理学特征，显著优于现有的深度学习方法	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，可能存在异质性	开发并验证一种多模态分析框架，用于肺腺癌患者的风险分层和辅助化疗益处的预测	1039名可切除的肺腺癌患者（I-III期）	数字病理学	肺癌	CT图像和H&E染色的全切片图像（WSIs）分析	生存支持向量机（SVM）	图像	1039名患者（训练集303名，测试集197名和228名，特征测试集311名）
4046	2025-03-17	Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137233 PMID:39823885	研究论文	本文提出了一种名为CellNet的神经网络模型，用于检测密集目标，并通过形状感知的径向基函数学习对象的核表示，提高了目标计数的准确性	CellNet模型通过形状感知的径向基函数学习对象的核表示，显著提高了密集目标的检测准确性，并在识别粘附的聚苯乙烯微球方面表现出色	文中未明确提及模型的局限性	开发一种能够精确检测密集目标的神经网络模型，以提升医学诊断的准确性	密集目标，特别是粘附的聚苯乙烯微球和血清样本中的降钙素原	计算机视觉	NA	人工智能转码（bs-SMART）	神经网络模型（CellNet）	图像	未明确提及具体样本数量
4047	2025-03-17	Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137308 PMID:39847932	研究论文	本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度	使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度	模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制	改进人为NOx排放强度的估计，并预测未来几年的排放趋势	中国2015-2022年的人为NOx排放	机器学习	NA	深度学习	深度学习模型	高分辨率NO浓度数据	2015-2022年的NOx排放数据
4048	2025-03-17	Diagnostic accuracy of an automated classifier for the detection of pleural effusions in patients undergoing lung ultrasound 2025-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.01.041 PMID:39874677	研究论文	本文开发并验证了一种深度学习模型，用于在肺部超声图像中检测胸腔积液，并针对特定临床场景调整性能特征	开发了一种结合帧级卷积神经网络和片段级预测算法的深度学习模型，能够有效检测不同大小和复杂性的胸腔积液，并在不同临床环境中表现出色	当前模型在多样化临床环境中诊断胸腔积液的能力仍有不足	开发并验证一种深度学习模型，用于在肺部超声图像中检测胸腔积液	肺部超声图像中的胸腔积液	计算机视觉	胸腔积液	深度学习	卷积神经网络 (CNN)	图像	103个肺部超声片段来自46名胸腔积液患者，136个片段来自83名无积液患者
4049	2025-03-17	A deep learning framework for multiplet splitting classification in 1H NMR 2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107851 PMID:39978294	研究论文	本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类	MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分	NA	开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性	小分子生成的一维NMR光谱	机器学习	NA	NMR	深度学习	光谱数据	48个实验性H NMR光谱
4050	2025-03-17	Integrating manual preprocessing with automated feature extraction for improved rodent seizure classification 2025-Apr, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110306 PMID:39983590	研究论文	本研究开发了一种结合手动预处理和自动特征提取的半自动管道，用于改进啮齿动物癫痫发作分类	结合深度学习和计算机视觉技术，提出了一种半自动的动物癫痫发作检测和识别框架，该方法依赖于手动预处理和分割的视频片段，以实现癫痫阶段的自动分类	该方法无法实现完全自动化的癫痫发作检测，且未在未见过的动物上进行测试，限制了其通用性和广泛应用的潜力	开发一种AI驱动的定量分析方法，用于啮齿动物行为分析，特别是癫痫阶段分类	啮齿动物（大鼠）的癫痫发作行为	计算机视觉	癫痫	深度学习	PoseC3D	视频	两个数据集，包括大鼠骨架关键点和癫痫发作行为视频
4051	2025-03-17	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	本研究开发了一种能够处理缺失模态的多模态融合架构，用于医疗数据，以提高临床任务的性能	提出了一种基于Transformer的双模态融合模块，并将其组合成三模态融合框架，同时引入了多元损失函数以提高模型在推理过程中对缺失模态的鲁棒性	未提及具体局限性	开发一种对缺失模态具有鲁棒性的多模态融合架构，以提升临床任务的性能	X光胸片、放射学报告和结构化数值数据	数字病理	NA	Transformer	Transformer-based bi-modal fusion module	图像、文本、表格数据	MIMIC-IV和MIMIC-CXR数据集
4052	2025-03-17	A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104798 PMID:39993588	研究论文	本研究通过多中心数据和丰富的元数据，全面验证了基于咳嗽的COVID-19检测模型在不同影响因素下的性能差异	首次结合自监督学习进行预训练，并利用不同来源的数据进行微调，同时首次观察了预测概率与临床指标（如病毒载量和抗体水平）之间的相关性	现有基于咳嗽的检测模型在康复个体和开源数据集上的检测性能较差，显示出模型的局限性	评估基于咳嗽的COVID-19检测模型在实际应用中的可行性	临床和众包的咳嗽音频数据	机器学习	COVID-19	自监督学习	深度学习模型	音频	临床数据和众包数据
4053	2025-03-17	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	本研究提出了一种基于深度学习的软传感器，用于预测学校环境中的PM2.5浓度，利用附近空气质量监测站的数据，无需在学校现场安装传感器	提出了一种基于注意力深度卷积自编码器（ADCAE）的软传感器，完全消除了学校现场传感器的需求，显著降低了安装、操作和维护的财务和技术成本	NA	预测学校环境中的PM2.5浓度，以确保健康的学习环境	学校环境中的PM2.5浓度（包括室内和室外）	机器学习	NA	深度学习	注意力深度卷积自编码器（ADCAE）	空气质量数据	多所学校（包括小学、初中和高中）
4054	2025-03-17	Realtime particulate matter and bacteria analysis of peritoneal dialysis fluid using digital inline holography 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125373 PMID:39961552	研究论文	本研究开发了一种集成深度学习算法的数字在线全息（DIH）系统，用于实时检测腹膜透析（PD）液中的颗粒物（PM）和细菌污染	该系统结合了微流体样本输送模块和DIH成像模块，利用脉冲激光和40倍物镜的数字相机捕获全息图，并采用基于YOLOv8n的深度学习模型进行颗粒识别和分类	尽管系统在检测和分类细菌方面表现出高灵敏度，但仍需进一步验证其在更广泛临床环境中的适用性	开发一种实时检测腹膜透析液中颗粒物和细菌污染的系统，以提高患者治疗效果和减少物流挑战	腹膜透析液中的颗粒物和细菌（如大肠杆菌和铜绿假单胞菌）	数字病理	NA	数字在线全息（DIH）	YOLOv8n	图像	腹膜透析液样本，包含大肠杆菌和铜绿假单胞菌的浓度从约100到10,000细菌/mL
4055	2025-03-17	A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125385 PMID:39999900	综述	本文综述了通过纳米技术和机器学习重新利用药物治疗银屑病的新方法，讨论了传统治疗的挑战以及纳米技术和人工智能如何克服这些障碍	结合纳米技术和人工智能进行药物再利用，以克服传统银屑病治疗的局限性	药物再利用仍处于早期阶段，可能存在潜在缺陷	探索通过纳米技术和机器学习重新利用药物治疗银屑病的新方法	银屑病	机器学习	银屑病	机器学习、深度学习	NA	NA	NA
4056	2025-03-17	Replicating PET Hydrolytic Activity by Positioning Active Sites with Smaller Synthetic Protein Scaffolds 2025-Mar-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500859 PMID:40089854	研究论文	本文展示了一种计算策略，通过利用已知的催化机制并实施多种深度学习和分子计算算法，创建新型的聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	通过计算构建的蛋白质支架重新构建功能基序，成功复制了PET水解活性，并设计了比模板酶（LCC）序列长度至少短30%的设计酶	NA	扩展酶多样性，获取自然界中不存在的高活性和稳健的酶	聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	蛋白质工程	NA	深度学习算法和分子计算	NA	蛋白质序列数据	NA
4057	2025-03-17	Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology 2025-Mar-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.01.059 PMID:39894326	研究论文	本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法	引入了Orthopedic Implants-Osteogenic Differentiation Network (OIODNet)，利用早期细胞形态图像和碱性磷酸酶（ALP）活性值进行高通量、高效的成骨能力评估	传统评估方法耗时且效率低，本研究通过深度学习模型克服了这一限制，但仍需进一步验证其在不同材料和条件下的适用性	开发一种高效、准确的骨科植入物表面成骨能力预测方法	钛及其合金表面修饰后的成骨能力	数字病理	骨科疾病	深度学习	OIODNet	图像	NA
4058	2025-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Mar-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究旨在通过深度学习技术实现肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出使用深度学习模型（SqueezeNet和2D U-Net）自动化处理MRE图像的质量控制和肝脏硬度测量，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对较小（69名患者），可能影响结果的普适性	通过深度学习技术解决MRE质量控制和肝脏硬度测量中的挑战，提升临床应用的效率和准确性	69名患者的897个MRE图像切片	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	SqueezeNet, 2D U-Net	图像	69名患者的897个MRE图像切片
4059	2025-03-17	Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures 2025-Mar-15, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00695-6 PMID:40088336	研究论文	本文提出了一种名为Drug-molecule Connect Cell (DconnC)的新方法，用于预测协同药物组合	DconnC方法通过将细胞特征作为节点，建立药物分子结构之间的连接，利用双向循环神经网络（Bi-RNN）和长短期记忆（LSTM）模型进行自增强对比学习，从而提高了预测的准确性	NA	开发可靠且有效的计算方法来预测协同药物组合	药物组合	机器学习	癌症	深度学习	Bi-RNN, LSTM	分子结构数据	NA
4060	2025-03-17	A Two-Stage Lightweight Deep Learning Framework for Mass Detection and Segmentation in Mammograms Using YOLOv5 and Depthwise SegNet 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01471-0 PMID:40087224	研究论文	本文提出了一种轻量级的两阶段深度学习框架，用于在乳腺X光片中进行肿块检测和分割，确保医疗数据隐私	提出了一种能够在用户浏览器中直接运行的轻量级解决方案，确保医疗数据不离开用户计算机	NA	提高乳腺癌分割的效率和准确性，同时确保医疗数据隐私	乳腺X光片中的肿块	计算机视觉	乳腺癌	深度学习	YOLOv5, Depthwise SegNet	图像	CBIS-DDSM和INbreast数据集