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
4201	2025-03-19	Real-time quantification of activated sludge concentration and viscosity through deep learning of microscopic images 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100527 PMID:40083746	研究论文	本文介绍了一种通过深度学习分析显微镜图像实时量化活性污泥浓度和粘度的系统	创新点在于使用Xception卷积神经网络架构，从显微镜图像中实时定量识别活性污泥的混合液悬浮固体（MLSS）和表观粘度	研究仅在实验室规模的序批式反应器中进行，尚未在实际废水处理厂中验证	研究目的是开发一种实时在线测量活性污泥参数的方法，以支持未来智能废水处理厂的运行	研究对象是活性污泥的混合液悬浮固体（MLSS）和表观粘度	计算机视觉	NA	深度学习	Xception卷积神经网络	显微镜图像	41482张高质量图像
4202	2025-03-19	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本文旨在开发和验证一个预测模型，使用从治疗前CT图像中提取的完全自动化的定量裂隙完整性评分（FIS）来识别适合进行支气管内瓣膜（EBV）治疗的患者	创新点在于使用完全自动化的深度学习方法来定量评估裂隙完整性，并以此作为预测EBV治疗效果的生物标志物	研究的局限性在于样本量相对较小（96例），且为回顾性研究，可能影响模型的泛化能力	研究目的是开发一个预测模型，用于识别适合进行EBV治疗的肺气肿患者	研究对象为中度至重度肺气肿患者，这些患者接受了EBV治疗	数字病理学	肺气肿	深度学习	逻辑回归模型	CT图像	96例患者的治疗前后胸部CT检查
4203	2025-03-19	Explainable deep learning algorithm for identifying cerebral venous sinus thrombosis-related hemorrhage (CVST-ICH) from spontaneous intracerebral hemorrhage using computed tomography 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103128 PMID:40093990	研究论文	本研究开发了一种可解释的深度学习模型，用于基于非增强计算机断层扫描（NCCT）快速识别由脑静脉窦血栓形成（CVST）引起的脑出血（ICH）	提出了一种基于迁移学习的3D U-Net模型，结合分割和分类，仅使用入院时的平扫CT进行CVST-ICH的识别，并采用多种可解释性方法（如Grad-CAM++、SHAP、IG和遮挡）来理解模型的注意力	需要更大样本量的前瞻性验证	开发一种可解释的深度学习模型，用于快速识别CVST-ICH与自发性脑出血（sICH）	CVST-ICH患者和自发性脑出血（sICH）患者	数字病理学	脑静脉窦血栓形成（CVST）	非增强计算机断层扫描（NCCT）	3D U-Net	CT图像	内部数据集包括102名CVST-ICH患者和306名sICH患者，外部数据集包括38名CVST-ICH患者和119名sICH患者
4204	2025-03-19	Deep learning-based model for prediction of early recurrence and therapy response on whole slide images in non-muscle-invasive bladder cancer: a retrospective, multicentre study 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103125 PMID:40093987	研究论文	本研究旨在开发和验证基于深度学习的早期复发预测模型（ERPM）和治疗反应预测模型（TRPM），以辅助非肌层浸润性膀胱癌（NMIBC）患者的临床决策	首次在NMIBC患者中开发并验证了基于全切片图像的深度学习模型，用于预测早期复发和治疗反应	研究为回顾性研究，需要进一步的前瞻性验证	开发并验证基于深度学习的预测模型，以辅助NMIBC患者的临床决策	非肌层浸润性膀胱癌（NMIBC）患者	数字病理学	膀胱癌	深度学习	多实例学习和集成学习模型	全切片图像（H&E染色和免疫组化染色）	1275名患者的4395张全切片图像
4205	2025-03-19	A deep learning approach to perform defect classification of freeze-dried product 2025-Feb-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.125127 PMID:39756597	研究论文	本文提出了一种基于深度学习的冷冻干燥产品缺陷分类方法，用于提高制造后质量控制的效率和准确性	开发了两种基于卷积神经网络的高分辨率图像处理方法（即基于补丁的方法和多标签分类），并比较了它们的性能，以选择最优方法	研究中使用的样本是通过特定配方和工艺设置故意制造的，可能无法完全代表实际生产中的所有缺陷情况	提高冷冻干燥产品在制造后质量控制中的缺陷检测效率和准确性	冷冻干燥产品	计算机视觉	NA	深度学习	CNN	图像	多个连续冷冻干燥样品，包括故意制造的缺陷样品和无缺陷样品
4206	2025-03-19	Deep Learning for Protein-Ligand Docking: Are We There Yet? 2025-Feb-09, ArXiv PMID:38827451	研究论文	本文介绍了PoseBench，第一个用于蛋白质-配体对接的全面基准测试，旨在评估深度学习方法在蛋白质-配体对接和结构预测中的应用	首次系统地研究了最新对接和结构预测方法在使用预测的蛋白质结构进行对接、同时结合多个配体以及无先验结合口袋知识的情况下的行为	深度学习方法在预测新蛋白质序列或多配体蛋白质目标时，难以在结构准确性和化学特异性之间取得平衡	评估深度学习方法在蛋白质-配体对接和结构预测中的实际应用效果	蛋白质-配体对接和结构预测	机器学习	NA	深度学习方法	DL co-folding methods, AlphaFold 3	蛋白质结构数据	使用主要配体和多配体基准数据集进行测试
4207	2025-03-19	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	研究论文	本文提出了一种基于深度学习的自动化方法，用于评估修复唇裂患者的唇部对称性	使用对比学习量化唇部对称性，并通过面部图像的变换来模拟唇部不对称，无需患者图像进行训练	模型的加权准确率和皮尔逊相关系数仍有提升空间	自动化评估修复唇裂患者的唇部对称性，以更高效和客观地评估手术效果	修复唇裂患者	计算机视觉	唇裂	对比学习	深度学习模型	图像	146张修复唇裂患者的图像
4208	2025-03-19	Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model 2025-Feb, Environmental science and pollution research international DOI:10.1007/s11356-025-36018-x PMID:39966320	研究论文	本研究利用遥感数据和可解释的深度学习模型分析了波斯湾和阿曼海水体透明度的变化	结合MODIS-Aqua影像、统计测试和深度学习模型，首次对波斯湾和阿曼海的水体透明度进行长期监测，并采用解释技术确定各标准的重要性	研究时间跨度较长，但未提及数据采集和处理过程中可能存在的误差或偏差	监测波斯湾和阿曼海的水体透明度，以评估生态系统健康和水质	波斯湾和阿曼海的水体透明度及相关环境参数	遥感与深度学习	NA	MODIS-Aqua影像、统计测试、深度学习模型	CNN、LSTM	遥感影像、环境参数数据	2002年至2018年的MODIS-Aqua影像数据
4209	2025-03-19	Non-invasive Assessment of Coronary Artery Disease: The Role of AI in the Current Status and Future Directions 2025-Feb, Cureus DOI:10.7759/cureus.78994 PMID:40091936	研究论文	本文探讨了人工智能在非侵入性冠状动脉疾病评估中的当前应用和未来发展方向	强调了人工智能，特别是深度学习和自然语言处理技术，在提高非侵入性冠状动脉疾病评估诊断准确性和临床效率方面的革命性潜力	人工智能的广泛应用面临数据隐私、高计算成本和资源分配不均等关键挑战	研究目的是探索人工智能在非侵入性冠状动脉疾病评估中的应用及其未来发展方向	冠状动脉疾病（CAD）患者	自然语言处理	心血管疾病	深度学习，自然语言处理	NA	NA	NA
4210	2025-03-19	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.07.602397 PMID:39026759	研究论文	本文开发了一种完全可微的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了一种完全可微的Gillespie算法，通过平滑函数近似不连续操作，允许使用反向传播计算梯度	NA	开发一种可微的Gillespie算法，用于快速准确地学习动力学参数并设计具有所需特性的生化网络	化学动力学模型和基因启动子的随机模型	机器学习	NA	深度学习	可微Gillespie算法（DGA）	实验测量的mRNA表达水平	两个不同的启动子
4211	2025-03-19	The Pfam protein families database: embracing AI/ML 2025-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae997 PMID:39540428	研究论文	本文介绍了Pfam蛋白质家族数据库的最新发展，包括与InterPro的整合、ECOD结构分类的协调、以及利用AlphaFold结构预测优化域边界和识别新域	利用AlphaFold结构预测优化域边界和识别新域，开发了Pfam-N，通过深度学习扩展家族覆盖范围，使UniProtKB覆盖范围增加了8.8%	尽管有最新进展，仍有许多蛋白质家族未被分类，Pfam仍在努力实现蛋白质宇宙的全面覆盖	更新和扩展Pfam蛋白质家族数据库，提高蛋白质域和家族的注释和分析能力	蛋白质域和家族	生物信息学	NA	深度学习，AlphaFold结构预测	深度学习模型	蛋白质序列和结构数据	NA
4212	2025-03-19	Comparison of 3D and 2D area measurement of acute burn wounds with LiDAR technique and deep learning model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1510905 PMID:40083475	研究论文	本文比较了使用LiDAR技术和深度学习模型进行急性烧伤伤口3D和2D面积测量的差异	开发了结合深度学习模型和LiDAR技术的应用B.E.N.，用于烧伤伤口的3D和2D测量，并验证了3D分割结果与实际烧伤伤口大小的匹配度	研究中未明确提及样本的具体数量，且仅针对烧伤伤口进行了研究，未涉及其他类型的伤口	比较3D和2D测量烧伤伤口面积的准确性，并探讨肢体曲率对3D/2D面积比的影响	烧伤伤口	计算机视觉	烧伤	LiDAR技术	深度学习模型	图像	NA
4213	2025-03-19	Machine and deep learning to predict viral fusion peptides 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.011 PMID:40083606	研究论文	本文探讨了使用机器学习和深度学习模型预测病毒融合肽的方法	采用基于机器学习和深度学习的方法，特别是使用最先进的氨基酸标记分类转换器模型，有效预测病毒融合肽的位置	对于实验数据有限的病毒，预测结果可能存在不确定性	开发能够预测病毒融合蛋白序列中融合肽段的生物信息学工具	病毒融合蛋白及其融合肽段	自然语言处理	NA	机器学习和深度学习	转换器模型	蛋白质序列	超过50种模型和特征的组合
4214	2025-03-19	Explainable AI in medical imaging: an interpretable and collaborative federated learning model for brain tumor classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1535478 PMID:40083877	研究论文	本文提出了一种可解释的协作联邦学习模型（CFLM），用于脑肿瘤分类，结合了可解释的人工智能（XAI）技术	结合了联邦学习（FL）和GoogLeNet架构，解决了传统集中式模型在数据多样性和模型透明度方面的挑战	研究中仅使用了10个客户端和50轮通信，样本量和训练轮次可能不足以全面验证模型的泛化能力	提高脑肿瘤分类的准确性和模型的可解释性，以支持临床决策	脑肿瘤（包括胶质瘤、脑膜瘤、无肿瘤和垂体瘤）	计算机视觉	脑肿瘤	深度学习（DL）、联邦学习（FL）、Grad-CAM、显著性图可视化	GoogLeNet	MRI图像	10个客户端，每个客户端使用分散的本地数据集进行训练
4215	2025-03-19	Effect of natural and synthetic noise data augmentation on physical action classification by brain-computer interface and deep learning 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1521805 PMID:40083893	研究论文	本研究探讨了自然和合成噪声数据增强对通过脑机接口和深度学习进行物理动作分类的影响	提出了两种噪声数据增强方法（自然和合成），并比较了它们对分类性能的影响，特别是在资源有限的设备上应用的潜力	研究中使用的深度神经网络相对简单，可能限制了模型的复杂性和性能	研究环境噪声对脑机接口中物理动作分类的影响	脑电图（EEG）信号和物理动作分类	脑机接口	NA	噪声数据增强（NDA）	全连接网络（FCN）和卷积神经网络（CNN）	脑电图（EEG）信号	使用grasp-and-lift（GAL）数据集中的手指-手掌-手操作数据
4216	2025-03-19	Graph-Based 3-Dimensional Spatial Gene Neighborhood Networks of Single Cells in Gels and Tissues 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0110 PMID:40084126	研究论文	本文开发了一种基于图的三维空间基因邻域网络嵌入方法（3D-spaGNN-E），用于发现亚细胞基因邻近关系并识别细胞间通讯中的关键亚细胞模式	结合了3D成像空间转录组学和基于图的深度学习，首次在三维空间中解析亚细胞基因邻近关系	数据复杂性增加，需要新的分析方法来处理三维空间数据	研究细胞间通讯中的亚细胞基因邻近关系	间充质干细胞（MSCs）、外周血单核细胞（PBMC）、小鼠下丘脑和皮质的星形胶质细胞与神经元	数字病理学	NA	3D成像空间转录组学、MERFISH	图自编码器	3D图像、基因表达数据	间充质干细胞培养物、MSC-PBMC共培养系统、小鼠下丘脑和皮质组织
4217	2025-03-19	Multi-omics and single-cell analysis reveals machine learning-based pyrimidine metabolism-related signature in the prognosis of patients with lung adenocarcinoma 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.107694 PMID:40084259	研究论文	本研究通过多组学和单细胞分析，开发了基于机器学习的嘧啶代谢相关特征（PMRS），并评估其在肺腺癌（LUAD）患者预后和治疗中的潜在价值	首次结合多组学和单细胞分析，利用机器学习算法开发了PMRS模型，揭示了其在肺腺癌患者预后和治疗中的新见解	研究主要基于生物信息学分析，实验验证部分仅限于LYPD3的功能验证，未全面覆盖PMRS模型中所有关键因子	探索嘧啶代谢在肺腺癌患者预后和治疗中的意义，并开发相关预测模型	肺腺癌（LUAD）患者及其细胞系	机器学习	肺腺癌	多组学分析、单细胞分析	随机生存森林（Random Survival Forest）	基因组数据、单细胞数据	肺腺癌患者及其细胞系
4218	2025-03-19	Patho-Net: enhancing breast cancer classification using deep learning and explainable artificial intelligence 2025, American journal of cancer research IF:3.6Q2 DOI:10.62347/XKFN1793 PMID:40084355	研究论文	本文提出了一种名为Patho-Net的深度学习模型，用于乳腺癌分类，解决了可扩展性、固定大小输入图像和有限数据集上的过拟合问题	Patho-Net模型结合了GRU网络和U-Net架构，无需调整图像大小，提高了计算效率，并通过XAI提供了模型预测的清晰视觉解释	NA	提高乳腺癌分类的准确性和可解释性	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习，可解释人工智能（XAI）	U-Net，GRU	图像	100X BreakHis数据集
4219	2025-03-19	Automatic Detection of Cognitive Impairment in Patients With White Matter Hyperintensity Using Deep Learning and Radiomics 2025 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175251325091 PMID:40087144	研究论文	本研究利用深度学习和放射组学技术，自动检测白质高信号患者的认知障碍	结合深度学习的VB-Nets卷积神经网络和放射组学特征，开发了一种新的认知障碍检测方法	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种可靠的工具，用于早期诊断白质高信号患者的认知障碍	白质高信号患者	数字病理学	老年疾病	深度学习，放射组学	VB-Nets卷积神经网络，随机森林模型	医学影像	108名患者（79名来自医院1，29名来自医院2）
4220	2025-03-19	BMWP: the first Bengali math word problems dataset for operation prediction and solving 2025, Discover artificial intelligence DOI:10.1007/s44163-025-00243-7 PMID:40092969	研究论文	本文介绍了首个孟加拉语数学应用题数据集BMWP，用于操作预测和解题，并探讨了使用深度学习技术进行孟加拉语应用题操作预测的方法	首次创建了孟加拉语数学应用题数据集BMWP，填补了低资源语言在这一领域的空白	数据集仅包含8653个应用题，可能不足以覆盖所有复杂情况	评估和提升AI模型在解决低资源语言数学应用题方面的能力	孟加拉语数学应用题	自然语言处理	NA	深度学习	深度学习神经网络架构	文本	8653个孟加拉语数学应用题