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
4321	2025-03-27	Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay 2023-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202300617 PMID:37104829	研究论文	本文展示了一种基于深度学习的多重即时检测传感器，用于同时量化急性心脏损伤的三种生物标志物	结合纸基荧光垂直流动检测(fxVFA)与低成本移动阅读器，通过训练神经网络在15分钟内完成检测，具有高灵敏度和低交叉反应性	仅验证了46个独立激活的检测卡，样本量相对较小	开发一种低成本、便携式的即时检测平台，用于急性心脏损伤的诊断	人类血清样本中的三种心脏生物标志物（肌红蛋白、肌酸激酶-MB和心型脂肪酸结合蛋白）	数字病理	心血管疾病	纸基荧光垂直流动检测(fxVFA)	神经网络	荧光信号	46个独立激活的检测卡，每个患者使用50µL血清样本
4322	2025-03-27	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2023-Sep-25, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究利用Fgfr3Y367C/+小鼠模型探讨了软骨发育不全症胚胎期颅骨和Meckel软骨的缺陷	首次在胚胎期研究了Fgfr3突变对颅骨和咽部软骨的直接影响，并开发了基于深度学习的3D分割模型	研究仅使用了小鼠模型，结果在人类中的适用性需要进一步验证	探究软骨发育不全症中FGFR3突变对胚胎期软骨发育的影响	Fgfr3Y367C/+突变小鼠的胚胎颅骨和Meckel软骨	数字病理学	软骨发育不全症	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期Fgfr3突变小鼠及其未受影响同窝仔
4323	2025-03-27	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	研究论文	提出了一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	利用Transformer和卷积层的协同作用，实现了毫秒级的光子束剂量分布预测，为在线和实时自适应治疗提供了新方法	研究仅基于1700个光束剂量分布的数据集，可能在不同临床场景中的泛化能力有待验证	开发一种快速且准确的光子束剂量分布预测算法，以支持在线和实时自适应治疗	光子束剂量分布预测	机器学习	前列腺癌、肺癌、头颈癌	深度学习	Transformer与CNN结合	3D CT图像	1700个光束剂量分布，来自11个临床VMAT计划（每个计划194-354个光束）
4324	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA
4325	2025-03-27	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	该研究探讨了使用LSTM模型预测PM2.5浓度的多步短期预测方法，以支持主动环境监管策略的制定	采用贝叶斯优化技术调整LSTM模型的超参数和权重初始化策略，提高了PM2.5浓度预测的准确性	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	量化并预测颗粒物浓度，以支持环境监管和早期预警系统的建立	北京（中国）和旁遮普（巴基斯坦）两个高污染地区的PM2.5浓度数据	机器学习	心血管疾病	LSTM模型，贝叶斯优化	LSTM	时间序列数据	来自北京和旁遮普两个地区的数据
4326	2025-03-26	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-Jun-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	开发并验证了一种基于AI的模型，利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能	首次将AI模型与OCT图像结合，用于自动分析斑块特征和冠状动脉功能，并展示了与OCT分析结果的高度一致性	样本量相对较小（100名患者），且所有患者均来自同一机构，可能限制结果的普遍性	开发并验证一种AI模型，用于自动分析冠状动脉斑块特征和功能评估	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	数字病理学	心血管疾病	CCTA, OCT	CNN	图像	100名患者，21,471张断层图像
4327	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断
4328	2025-03-26	Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102502 PMID:39919535	研究论文	提出了一种弱监督多模态对比学习框架（WSMCL），用于预测乳腺癌中的HER2评分	首次将多模态（H&E和IHC）联合学习与弱监督对比学习相结合，通过多模态注意力对比学习模块（MACL）实现不同模态特征的语义对齐	未提及具体样本量或数据集的多样性限制	提高乳腺癌HER2评分的预测准确性	乳腺癌全切片图像（WSI）中的HER2评分	数字病理学	乳腺癌	多模态对比学习、多头自注意力（MHSA）	WSMCL（弱监督多模态对比学习框架）	全切片图像（WSI）	NA
4329	2025-03-26	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104943 PMID:40023957	研究论文	本研究探讨了在千伏X射线放射图像上通过迁移学习进行肺肿瘤分割的可行性，旨在实现放疗中的无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究仅基于80名肺癌患者的1150张放射图像，样本量和多样性可能有限	开发一种无标记的肺肿瘤运动追踪方法，以提高放疗的精确性	肺肿瘤在千伏X射线放射图像上的分割	数字病理	肺癌	迁移学习，深度学习	VGG-16/19，TL-DSN-JC	图像	80名肺癌患者的1150张放射图像
4330	2025-03-26	Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding 2025-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae138 PMID:40124532	研究论文	本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排	结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性	单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施	预测儿科急诊科拥挤情况并优化医生班次安排	352,843例儿科急诊科入院数据	机器学习	儿科急诊	机器学习操作（MLOps）	Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis	时间序列数据	352,843例儿科急诊科入院数据
4331	2025-03-26	Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers 2025-Mar-25, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c00811 PMID:40074545	research paper	该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为	首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联	研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物	探索复杂拓扑结构嵌段共聚物的自组装行为规律	AB型星形嵌段共聚物PEO-PS	soft matter science	NA	deep learning	neural network	experimental data	包含两种聚合物特性和三种合成条件参数的数据集
4332	2025-03-26	From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification 2025-Mar-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05707 PMID:40085530	研究论文	提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性	引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法	未明确提及具体局限性	提高核电站中不稳定光谱的分类准确性	核金属材料	机器学习	NA	LIBS（激光诱导击穿光谱）	深度学习算法（含注意力机制）	光谱数据	NA
4333	2025-03-26	Molecular insights fast-tracked: AI in biosynthetic pathway research 2025-Mar-25, Natural product reports IF:10.2Q1 DOI:10.1039/d4np00003j PMID:40130306	review	本文探讨了人工智能（AI）在生物合成途径研究中的潜力，以加速分子洞察并应对相关挑战	综述了AI技术在生物合成途径研究中的多种应用，包括机器学习（ML）、深度学习（DL）、自然语言处理、网络分析和数据挖掘，并讨论了AI在途径发现、设计和优化三个主要领域的应用	讨论了当前AI在生物合成途径研究中的局限性，并强调了AI与实验方法协同的重要性	探索AI在生物合成途径研究中的应用，以加速分子洞察并开发具有药理学、农业和生物技术应用的生物活性天然产物	生物合成途径研究	machine learning	NA	机器学习（ML）、深度学习（DL）、自然语言处理、网络分析、数据挖掘	NA	omics数据	NA
4334	2025-03-26	Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators 2025-Mar-25, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf148 PMID:40130376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4335	2025-03-26	Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models 2025-Mar-24, La Radiologia medica DOI:10.1007/s11547-025-01996-y PMID:40126796	研究论文	使用深度学习模型对腰椎间盘突出症（LDH）在轴向T2加权MRI图像上进行快速准确的自动量化和分类	应用YOLOv8系列模型（包括目标检测、分割和关键点检测）进行LDH的自动识别和分类，实现了高精度的量化与分类	研究仅基于回顾性数据，未涉及前瞻性验证	开发一个自动化辅助诊断模型，用于腰椎间盘突出症的检测和分类	腰椎间盘突出症（LDH）患者	数字病理	腰椎间盘突出症	深度学习	YOLOv8（包括目标检测、分割和关键点检测模型）	MRI图像	2500名患者（训练集2120名患者，25554张图像；内部测试集80名患者，784张图像；外部测试集300名患者，3285张图像）
4336	2025-03-26	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2025-Mar-24, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	research paper	该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级	引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力	未提及具体的数据集规模或潜在的过拟合问题	开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预	透明细胞肾细胞癌（ccRCC）的CT图像	digital pathology	renal cell carcinoma	Computed Tomography (CT), deep learning, machine learning	CNN, EfficientNet, RegNet, DANN	image	NA
4337	2025-03-26	Ensemble Denoising Autoencoders Based on Broad Learning System for Time-Series Anomaly Detection 2025-Mar-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3548941 PMID:40126953	研究论文	提出了一种基于广泛学习系统的集成去噪自编码器方法，用于时间序列异常检测	创新性地利用广泛学习系统(BLS)构建了DBLS-AE和PddBLS-AE模型，通过序列-图像策略和人工异常数据对增强异常知识认知，并采用渐进多样性策略提升模型鲁棒性	未明确提及具体的数据集规模限制或实际应用场景的局限性	解决无监督时间序列异常检测中异常模式识别不足和实时性要求高的挑战	时间序列数据中的异常模式	机器学习	NA	广泛学习系统(BLS)，去噪自编码器	DBLS-AE, PddBLS-AE	时间序列数据	NA
4338	2025-03-26	Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553502 PMID:40126963	研究论文	本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响	提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征	方法的有效性可能受到分析师专业能力的限制	开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响	抑郁症患者	数字病理学	抑郁症	深度学习	DeHTP	图像	基于先前研究中与抑郁症相关的50个结论的指南
4339	2025-03-26	Dose the deep learning-based iterative reconstruction affect the measuring accuracy of bone mineral density in low dose chest CT? 2025-Mar-24, The British journal of radiology DOI:10.1093/bjr/tqaf059 PMID:40127198	research paper	研究深度学习迭代重建算法对低剂量胸部CT中骨密度测量准确性和图像质量的影响	首次评估深度学习迭代重建算法在低剂量胸部CT中对骨密度测量准确性的影响	研究样本量较小，仅包含体模和少量患者数据	评估深度学习迭代重建算法在低剂量胸部CT中的应用效果	体模和患者低剂量胸部CT图像	digital pathology	NA	低剂量CT扫描	深度学习迭代重建算法(AIIR)	CT图像	体模研究和患者研究(具体数量未提及)
4340	2025-03-26	Evaluation of stapes image quality with ultra-high-resolution CT in comparison to cone-beam CT and high-resolution CT in cadaveric heads 2025-Mar-24, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8748 PMID:40127966	研究论文	比较超高清CT、锥束CT和高分辨率CT在尸体头部中对镫骨成像质量的能力	首次将超高清CT（带和不带深度学习重建）与锥束CT和高分辨率CT在镫骨成像质量方面进行比较，并以微CT作为参考标准	样本量较小（11例颞骨标本），且所有样本均为尸体标本，可能无法完全反映活体情况	评估不同CT扫描技术对镫骨成像质量的影响	11例颞骨标本	医学影像	NA	高分辨率CT、超高清CT、锥束CT、微CT、深度学习重建	NA	CT图像	11例颞骨标本