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
4401	2025-05-07	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本文介绍了一种自动化分析视频荧光吞咽研究(VFSS)的新框架，用于表征头颈癌患者的吞咽困难	提出了一种结合深度学习和机器学习的自动化框架，用于识别VFSS中的关键区域和吞咽困难相关损伤	数据集规模有限且VFSS存在变异性	开发自动化方法来评估头颈癌放疗后患者的吞咽困难	头颈癌患者放疗前后的VFSS数据	数字病理学	头颈癌	深度学习, 机器学习	深度学习框架, ML分类器	视频	未明确提及具体样本量
4402	2025-05-07	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	创新性地将深度学习与传统机器学习方法结合，用于乳腺癌风险预测，并在性能上取得了提升	需要进一步的验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以提高筛查的个性化水平	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习与传统机器学习结合	深度学习与传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片
4403	2025-05-07	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	本文介绍了一种名为REMED-T2D的集成机器学习模型，用于通过医疗数据集早期检测2型糖尿病	REMED-T2D通过整合多种机器学习算法提高了预测准确性和鲁棒性，并首次在Pima数据集上进行了全面分析	模型主要针对亚洲女性群体，可能在其他人群中的适用性有待验证	开发一种更准确、稳健的早期2型糖尿病检测方法	2型糖尿病患者（主要针对亚洲女性）	机器学习	糖尿病	集成学习	集成ML模型（包含传统ML和深度学习）	结构化医疗数据	Pima Indian Diabetes数据集（具体数量未明确说明），以及RTML1、Pabna和RTML2外部验证数据集
4404	2025-05-07	Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124323 PMID:39914214	研究论文	本研究结合深度学习和机器学习技术，利用遥感数据追踪空气污染与植被覆盖之间的关系	结合ML和DL技术分析空气污染与植被覆盖的关系，并采用多种模型进行预测	未使用高分辨率图像和未整合社会经济数据，未来研究可进一步优化	探讨空气污染与城市绿地减少之间的关系，并提出污染管理策略	达卡市的空气污染（PM2.5和PM10）与植被覆盖变化	机器学习	NA	遥感数据	XGB, SVM, RF, Unet, Unet++, MAnet, Linknet	遥感图像	1990年至2022年的数据
4405	2025-05-07	Performance of Machine Learning Models in Predicting BRAF Alterations Using Imaging Data in Low-Grade Glioma: A Systematic Review and Meta-Analysis 2025-Mar, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123742 PMID:39914655	系统综述与荟萃分析	本研究首次系统综述和荟萃分析了机器学习和深度学习模型在预测低级别胶质瘤中BRAF变异方面的性能	首次系统评估AI模型在预测低级别胶质瘤BRAF变异方面的性能	样本量有限，未来需要更大样本量和不同算法来减少不精确性	评估AI模型通过影像数据预测低级别胶质瘤BRAF变异的性能	低级别胶质瘤患者	数字病理学	低级别胶质瘤	影像数据分析	机器学习和深度学习模型	影像数据	6项研究共951名患者
4406	2025-05-07	DeepPrep: an accelerated, scalable and robust pipeline for neuroimaging preprocessing empowered by deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02599-1 PMID:39915693	research paper	介绍了一种名为DeepPrep的神经影像预处理流程，该流程利用深度学习和工作流管理器，显著提升了处理速度和可扩展性	DeepPrep通过深度学习和工作流管理器实现了十倍加速，并展示了可扩展性和鲁棒性	未提及具体的技术细节或在不同数据集上的泛化能力	解决神经影像大数据预处理中的计算挑战	神经影像数据	digital pathology	NA	deep learning	NA	neuroimaging scans	超过55,000次扫描
4407	2025-05-07	Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01876 PMID:39908426	research paper	使用深度变分异常生成方法对分子表示进行模糊测试	利用变分自编码器(VAE)生成SELFIES分子字符串的异常示例，挑战了所有SELFIES都能转换为有效SMILES字符串的断言	仅针对SELFIES 2.1.1版本进行了测试，未涵盖其他分子表示格式	压力测试和验证分子表示的鲁棒性	SELFIES分子字符串	machine learning	NA	变分自编码器(VAE)	VAE	分子字符串(SELFIES格式)	NA
4408	2025-05-07	Triboelectric Nanogenerator-Based Flexible Acoustic Sensor for Speech Recognition 2025-Feb-19, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c21563 PMID:39912319	研究论文	本研究提出了一种基于声驱动摩擦电纳米发电机的柔性声学传感器，用于语音识别	采用PVDF/GO复合纳米纤维薄膜作为介电层，设计了仿刺绣棚结构，结合多层注意力卷积网络(MLACN)实现高精度语音识别	未明确说明传感器在复杂环境噪声下的性能表现	开发低成本、高稳定性、高保真和高灵敏度的人机交互声学传感器	柔性声学传感器及其语音识别系统	人机交互	NA	电纺丝技术	多层注意力卷积网络(MLACN)	语音信号	未明确说明样本数量
4409	2025-05-07	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种基于无配对数据集的信号噪声比增强模态变换的全息深度学习免疫传感器，用于抗生素检测	结合便携式无透镜全息成像设备和CuO@SiO纳米粒子点击反应信号放大策略，解决了传统显微镜在视野和精度上的限制	NA	开发一种高灵敏度、宽线性范围的便携式检测设备，用于食品安全检查和临床诊断	抗生素（特别是氯霉素）的检测	生物传感	NA	无透镜全息成像、点击反应信号放大	深度学习模态变换模型	全息图像	NA
4410	2025-05-07	UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells 2025-Feb-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05271 PMID:39902564	研究论文	介绍了一种基于一维U-net的深度学习架构UNET-FLIM，用于荧光寿命成像显微镜中的寿命测定，特别适用于处理低光子计数和高背景噪声的数据	提出了一种新型的深度学习架构UNET-FLIM，能够有效处理低光子计数和高背景噪声的FLIM数据，并能够通过模拟衰减曲线进行训练，适用于各种时域FLIM系统	未提及在实际生物样本中的广泛验证或与其他现有方法的详细比较	开发一种能够实时监测活细胞中快速溶酶体pH变化的FLIM寿命测定方法	活细胞中的溶酶体pH变化	计算机视觉	NA	荧光寿命成像显微镜(FLIM)	一维U-net	图像	未明确提及具体样本数量，但涉及活细胞实验
4411	2025-05-07	Multi-task learning for automated contouring and dose prediction in radiotherapy 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb23d PMID:39904047	研究论文	本研究应用多任务学习方法，将自动轮廓绘制和基于体素的剂量预测任务无缝集成，以提高放射治疗中自动治疗计划的效率和准确性	首次将多任务学习应用于放射治疗中的自动轮廓绘制和剂量预测任务，通过共享任务间的共同信息提高了自动任务的效率	研究仅使用了前列腺癌和头颈癌两个数据集，可能限制了模型的泛化能力	开发高效的自动放射治疗计划系统	前列腺癌和头颈癌患者的放射治疗计划	数字病理	前列腺癌,头颈癌	深度学习	多任务学习(MTL)	医学影像	内部前列腺癌数据集和公开可用的头颈癌数据集(OpenKBP)
4412	2025-05-07	Impact of pectoral muscle removal on deep-learning-based breast cancer risk prediction 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb367 PMID:39914024	研究论文	研究探讨了在深度学习乳腺癌风险预测模型中去除胸大肌对模型性能的影响	首次系统评估了去除胸大肌对乳腺癌风险预测模型性能的影响，并展示了去除胸大肌后模型性能的提升	研究仅基于特定数据集（美国马萨诸塞州总医院和斯洛文尼亚筛查项目数据），可能无法推广到所有人群	评估胸大肌去除对乳腺癌风险预测模型性能的影响	乳腺癌风险预测模型	数字病理学	乳腺癌	深度学习	MIRAI	乳腺X光图像	23,792张来自斯洛文尼亚筛查项目的乳腺X光片
4413	2025-05-07	Latent alignment in deep learning models for EEG decoding 2025-Feb-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adb336 PMID:39914006	research paper	该论文提出了一种名为潜在对齐（Latent Alignment）的新方法，用于解决脑机接口（BCI）中因个体间脑电图（EEG）信号差异带来的挑战	首次将深度集合架构应用于EEG解码，提出在深度学习模型的特征空间中对齐分布以提高分类效果	在模型后期阶段进行对齐时，分类准确性提高的同时，对试验集中类别不平衡的敏感性也增加	提高脑机接口中EEG信号解码的准确性和跨个体适用性	脑电图（EEG）信号	脑机接口	NA	深度集合架构	deep sets	EEG信号	涉及运动想象、睡眠阶段分类和P300事件相关电位任务
4414	2025-05-07	Unveiling encephalopathy signatures: A deep learning approach with locality-preserving features and hybrid neural network for EEG analysis 2025-Feb-16, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2025.138146 PMID:39894198	研究论文	本研究提出了一种结合局部保留特征提取和混合神经网络的深度学习方法，用于分析脑电图（EEG）信号以诊断脑病	首次尝试将空间和时间特征压缩并表示为单一向量用于脑病检测，简化了视觉诊断并为自动化预测提供了鲁棒特征	NA	提高脑病的自动化诊断准确性	脑电图（EEG）信号	机器学习	脑病	Local Binary Patterns (LBP), LSTM	LSTM	EEG信号	精心策划的主要EEG数据集（具体样本量未提及）
4415	2025-05-07	MLAR-UNet: LDCT image denoising based on U-Net with multiple lightweight attention-based modules and residual reinforcement 2025-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb19a PMID:39899989	研究论文	提出一种基于U-Net的深度学习模型MLAR-UNet，用于低剂量CT图像的降噪	结合多种轻量级注意力模块和残差强化模块，改进了U-Net在LDCT图像降噪中的性能	未明确提及具体局限性	提高低剂量CT图像的质量，减少噪声和伪影	低剂量CT图像	计算机视觉	癌症	深度学习	U-Net, CBAM, Transformer	医学图像	临床胸部和腹部CT数据集
4416	2025-05-07	Enhancing U-Net-based Pseudo-CT generation from MRI using CT-guided bone segmentation for radiation treatment planning in head & neck cancer patients 2025-Feb-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb124 PMID:39898433	研究论文	本研究探讨了不同训练协议对提高头颈癌患者仅基于MRI的伪CT生成精度的影响，特别解决了区分骨骼与空气的挑战	通过结合水相、脂肪相和提取的骨骼图像，提高了伪CT中骨骼表示的准确性，增强了基于MRI的放射治疗计划的可行性	研究样本量较小，仅包括25名患者	提高头颈癌患者放射治疗计划中仅基于MRI的伪CT生成的精度	头颈癌患者	数字病理	头颈癌	Dixon梯度回波(GRE)技术	3D U-Net	MRI和CT图像	25名患者（20名用于训练和验证，5名用于测试）
4417	2025-05-07	End-To-End Deep Learning Explains Antimicrobial Resistance in Peak-Picking-Free MALDI-MS Data 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05113 PMID:39893590	research paper	本文提出了一种端到端深度学习模型，用于利用原始MALDI-MS数据预测抗生素耐药性	跳过传统的峰提取步骤，直接使用原始数据预测耐药性，模型性能达到最先进水平	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种能够直接从MALDI-MS数据预测抗生素耐药性的方法	抗生素耐药性表型	machine learning	infectious disease	MALDI-MS	1D CNN	spectrometry data	NA
4418	2025-05-07	Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis 2025-Feb-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2419813122 PMID:39913203	研究论文	本研究介绍了MycoBCP，一种基于卷积神经网络(CNN)的细菌细胞学分析(BCP)方法，用于确定结核分枝杆菌中抗菌药物的作用机制(MOA)	MycoBCP通过应用CNN克服了传统图像分析技术的挑战，无需精确细胞分割即可分析抗菌化合物的形态效应	转录和翻译抑制导致的相似形态需要进一步优化以更好地区分	加速确定结核病治疗药物的作用机制，推动结核病治疗进展	结核分枝杆菌及其对抗菌化合物的反应	数字病理学	结核病	细菌细胞学分析(BCP)	CNN	图像	多种抗菌化合物(具体数量未明确说明)
4419	2025-05-07	Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses 2025-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56784-z PMID:39915478	research paper	该研究利用深度学习模型通过术前多期CT图像预测肾脏肿块恶性和侵袭性的可能性	开发了两个多期卷积神经网络模型，用于预测肾脏肿块的恶性和侵袭性，性能超过资深放射科医生和放射组学模型	研究样本量有限，且仅基于CT图像，未整合其他临床数据	改善肾脏肿块的诊断，区分侵袭性和惰性癌症，以优化治疗方案	4557名患者的13261个术前CT扫描图像	digital pathology	renal cancer	computed tomography (CT)	CNN	image	4557名患者的13261个CT扫描图像
4420	2025-05-07	Application of deep learning algorithm for judicious use of anti-VEGF in diabetic macular edema 2025-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87290-3 PMID:39915516	研究论文	本研究开发了一种混合深度学习模型，用于预测糖尿病黄斑水肿患者对抗VEGF治疗的反应	结合OCT图像和临床数据，采用CNN和MLP混合模型，提高了预测准确性	样本量相对较小(181例患者)，可能需要更大规模验证	优化糖尿病黄斑水肿患者的抗VEGF治疗策略	糖尿病黄斑水肿患者	数字病理学	糖尿病视网膜病变	OCT成像	Hybrid Deep Learning (CNN+MLP)	图像和表格数据	181名患者