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
4421	2025-03-15	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	本文利用迁移学习训练和解释深度学习模型，通过DNA序列预测两种剂量敏感转录因子（TWIST1, SOX9）对面部祖细胞中调控元件染色质可及性的影响	首次结合迁移学习和定量测量染色质对转录因子剂量的响应，揭示了顺式调控代码的额外层次	研究主要针对两种特定的转录因子，可能不适用于其他转录因子或细胞类型	揭示转录因子剂量对染色质状态的定量响应的序列决定因素	面部祖细胞中的调控元件染色质可及性	机器学习	NA	迁移学习	深度学习模型	DNA序列	NA
4422	2025-03-15	A Perspective on Protein Structure Prediction Using Quantum Computers 2024-May-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00067 PMID:38703105	研究论文	本文探讨了使用量子计算机进行蛋白质结构预测的潜力，并提出了一个框架来选择适合量子优势的蛋白质结构预测问题	提出了一个系统选择适合量子优势的蛋白质结构预测问题的框架，并在量子硬件上验证了该框架	识别适合量子优势的具体问题实例和估计所需的量子资源仍然具有挑战性	探讨量子计算机在蛋白质结构预测中的应用潜力	蛋白质结构预测问题	生物医学研究	NA	量子计算	NA	NA	NA
4423	2025-03-15	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究评估了心外膜和心包脂肪组织（EPAT）与心血管疾病的关联，并探讨了其遗传基础	使用深度学习模型从磁共振图像中量化EPAT面积，并在大规模人群队列中评估其与心血管疾病的关联及遗传基础	研究结果在控制腹部内脏脂肪组织（VAT）后，EPAT与心血管疾病的关联不再显著	评估EPAT与心血管疾病的关联并阐明其遗传基础	44,475名来自UK Biobank的参与者	数字病理学	心血管疾病	磁共振成像（MRI）	深度学习模型	图像	44,475名参与者
4424	2025-03-15	Artificial Intelligence Predicts Hospitalization for Acute Heart Failure Exacerbation in Patients Undergoing Myocardial Perfusion Imaging 2024-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.266761 PMID:38548351	研究论文	本研究评估了结合临床、压力测试和影像参数的人工智能模型是否能预测接受SPECT/CT心肌灌注成像的患者因急性心力衰竭恶化而住院的情况	提出了一个结合临床风险因素、压力变量、SPECT影像参数和深度学习生成的钙化评分的人工智能模型，用于预测心力衰竭住院风险	研究仅基于单一中心的数据，外部验证队列的样本量相对较小	评估人工智能模型在预测心力衰竭住院风险中的应用	接受SPECT/CT心肌灌注成像的患者	数字病理学	心血管疾病	SPECT/CT心肌灌注成像	深度学习	影像数据	内部队列4766名患者，外部验证队列2912名患者
4425	2025-03-15	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了使用深度学习从超声心动图视频中预测心血管磁共振成像（CMR）结果的可能性	首次尝试使用深度学习从超声心动图视频中预测CMR的组织特征，如壁运动异常（WMA）、晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者，包括2,556次配对的超声心动图研究	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	1,453名成年患者，2,556次配对的超声心动图研究
4426	2025-03-15	Deep Learning Models for Predicting Hearing Thresholds Based on Swept-Tone Stimulus-Frequency Otoacoustic Emissions 2024 Mar-Apr 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001443 PMID:37990395	研究论文	本研究旨在开发基于扫频刺激频率耳声发射（SFOAEs）的深度学习模型，用于定量预测听力阈值	提出了四种深度学习模型（CNN、CNN-KNN、CNN-SVM、CNN-RF）用于预测听力阈值，并探索了SFOAEs与听力阈值之间的关系	研究样本量有限，仅包括174只正常听力耳朵和388只感音神经性听力损失耳朵	开发深度学习模型以定量预测听力阈值	正常听力耳朵和感音神经性听力损失耳朵	机器学习	听力损失	扫频刺激频率耳声发射（SFOAEs）	CNN、CNN-KNN、CNN-SVM、CNN-RF	SFOAE振幅谱及其信噪比谱	174只正常听力耳朵和388只感音神经性听力损失耳朵
4427	2025-03-15	scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia 2024-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.25.577200 PMID:38328094	研究论文	本文介绍了一种基于Transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并增强了对精神分裂症中表观遗传改变的检测	scMeFormer模型在单细胞DNA甲基化数据估算方面表现出色，即使在CpG位点覆盖率显著降低的情况下也能实现高保真估算	NA	开发一种深度学习模型，用于在单细胞中估算DNA甲基化状态，以增强对精神分裂症中表观遗传改变的检测	单细胞DNA甲基化数据	深度学习	精神分裂症	单细胞DNA甲基化测序	Transformer	DNA甲基化数据	四个精神分裂症患者和四个神经典型对照的前额叶皮层单核DNA甲基化数据集
4428	2025-03-15	Lightweight model-based sheep face recognition via face image recording channel 2024-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skae066 PMID:38477672	研究论文	本文介绍了一种轻量级的绵羊面部识别模型YOLOv7-SFR，旨在解决现有模型体积大、计算成本高的问题	引入了轻量级改进策略，包括在主干网络中引入shuffle attention模块、融合Dyhead模块、使用深度可分离卷积替代传统卷积，并采用知识蒸馏技术进一步提升模型性能	研究仅针对50只小尾寒羊进行实验，样本规模较小，可能限制了模型的泛化能力	开发一种轻量化的绵羊面部识别模型，以推动数字羊场和精准畜牧业的实际应用	小尾寒羊的面部图像	计算机视觉	NA	深度学习	YOLOv7-SFR	图像	50只小尾寒羊，共22,000张面部图像
4429	2025-03-15	Deep Learning-based Assessment of Facial Asymmetry Using U-Net Deep Convolutional Neural Network Algorithm 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009862 PMID:37973054	研究论文	本研究旨在评估基于深度卷积神经网络（DCNN）的计算机辅助诊断（CAD）系统在检测后前位（PA）头颅X光片上的面部不对称性方面的诊断性能，并将其与正畸医生的诊断结果进行比较	使用U-Net深度卷积神经网络算法进行面部不对称性评估，提供了一种新的计算机辅助诊断方法	研究样本量有限，仅使用了1020名患者的PA头颅X光片进行训练，25张用于测试	评估DCNN-based CAD系统在面部不对称性诊断中的性能	1020名正畸患者的PA头颅X光片	计算机视觉	NA	深度卷积神经网络（DCNN）	U-Net	图像	1020名患者的PA头颅X光片
4430	2025-03-15	Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009856 PMID:38294297	研究论文	本研究开发了一种基于深度学习的AI算法，用于通过面部骨骼的计算机断层扫描图像诊断鼻骨骨折	首次开发了一种基于深度学习的AI算法，用于诊断鼻骨骨折，并与人类医生的诊断结果达到了100%的敏感性和77%的特异性	研究处于初步阶段，样本量较小，需要进一步验证和优化	开发一种AI算法，用于通过计算机断层扫描图像诊断鼻骨骨折	面部骨骼的计算机断层扫描图像	计算机视觉	鼻骨骨折	深度学习	深度学习模型	图像	未明确提及样本量
4431	2025-03-15	Diagnostic-therapeutic management of pulmonary nodules 2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti DOI:10.48095/ ccko2024408 PMID:39772821	综述	本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估	文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性	文章未提及具体的研究局限性	优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后	肺结节	数字病理学	肺癌	人工智能（AI），深度学习技术	深度学习	影像数据	NA
4432	2025-03-15	Discrimination of benign and malignant breast lesions on dynamic contrast-enhanced magnetic resonance imaging using deep learning 2023-Dec-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_325_23 PMID:38156926	研究论文	本文评估了深度迁移学习（DTL）和微调方法在区分乳腺动态对比增强磁共振成像（DCE-MRI）中良恶性病变的能力	使用VGG19、ResNet50和DenseNet201模型进行对比，并通过微调策略提升模型性能，验证了VGG19模型在识别良恶性乳腺病变中的有效性	研究样本量有限，仅包含50个额外病变用于验证集，可能影响模型的泛化能力	评估深度迁移学习和微调方法在乳腺DCE-MRI中区分良恶性病变的能力	乳腺动态对比增强磁共振成像（DCE-MRI）中的良恶性病变	计算机视觉	乳腺癌	深度迁移学习（DTL）和微调方法	VGG19, ResNet50, DenseNet201	图像	50个额外病变用于验证集
4433	2025-03-15	Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates 2023 Nov-Dec 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009560 PMID:37815288	研究论文	本文开发了一种基于深度学习的诊断系统，用于评估修复腭裂患者的腭咽功能不全（VPI）	首次将深度学习技术应用于VPI的诊断，并与人类专家的诊断结果进行比较	研究为回顾性分析，可能存在选择偏差	开发一种基于深度学习的诊断系统，用于评估修复腭裂患者的VPI	修复腭裂患者	计算机视觉	腭咽功能不全	深度学习	VGGNet, ResNet, Xception, ResNext, DenseNet, SENet	视频	714例（2010年1月至2019年6月）
4434	2025-03-15	Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate 2023 Jul-Aug 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009299 PMID:36944601	研究论文	本研究应用了一种基于3D点云图卷积神经网络的新深度学习方法，用于预测和定位唇腭裂患者的标志点	首次将深度学习方法应用于唇腭裂患者的3D头影测量标志点预测和定位	未来若扩大唇腭裂训练集，可能会获得更准确的结果	开发适用于唇腭裂患者的3D头影测量系统	唇腭裂患者	计算机视觉	唇腭裂	3D点云图卷积神经网络	PointNet++	3D图像	150名患者
4435	2025-03-14	A breakthrough computational strategy for efficient enzymatic digestion of walnut protein to prepare antioxidant peptides 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143311 PMID:39970520	研究论文	本研究提出了一种高效的计算策略（CAE-VD），结合深度学习模型和虚拟消化技术，用于制备具有特定活性的天然生物活性肽	创新点在于将高精度的深度学习模型（卷积自编码器，CAE）与虚拟消化（VD）相结合，用于指导酶的选择和生物活性肽的制备	研究未提及该策略在其他类型生物活性肽制备中的广泛适用性，且未讨论实际应用中的潜在挑战	研究目的是开发一种高效的计算策略，用于指导酶的选择和生物活性肽的制备	研究对象为核桃蛋白及其衍生的抗氧化肽	机器学习	NA	虚拟消化（VD）	卷积自编码器（CAE）	肽序列数据	未明确提及具体样本数量
4436	2025-03-14	Specific glycomacropeptide detection via polyacrylamide gel electrophoresis with dual imaging and signal-fusion deep learning 2025-Jun-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143293 PMID:39986063	研究论文	本文报告了一种结合双成像和信号融合深度学习的SDS-PAGE方法，用于牛奶样品中糖巨肽（GMP）的特异性识别和分析	通过结合固有荧光成像（IFI）和银染色的双成像方法，以及信号融合深度学习模型，提高了对GMP的特异性识别和定量分析能力	该方法主要适用于具有独特IFI特性的蛋白质/肽的分析，可能不适用于所有类型的蛋白质/肽	开发一种特异性、灵敏且简便的方法，用于牛奶样品中糖巨肽（GMP）的识别和定量分析	牛奶样品中的糖巨肽（GMP）	食品安全	NA	SDS-PAGE, 固有荧光成像（IFI）, 银染色	信号融合深度学习模型	图像	NA
4437	2025-03-14	Role of artificial intelligence in data-centric additive manufacturing processes for biomedical applications 2025-Jun, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106949 PMID:40036906	综述	本文综述了人工智能（AI）在增材制造（AM）过程中，特别是在生物医学应用中的角色，以增强从预处理到后处理的各个环节，满足更广泛的个性化医疗需求	本文首次全面探讨了AI在AM全过程中的应用，包括预处理、打印过程和后处理，特别是在生物医学领域的应用，展示了AI在提高资源效率和产品质量方面的潜力	本文主要集中于理论探讨和现有研究的综述，缺乏具体的实验验证和案例分析	探讨AI如何增强AM过程，以满足生物医学应用中的个性化需求	增材制造（AM）过程及其在生物医学应用中的各个环节	机器学习	NA	监督学习、无监督学习、深度学习、强化学习	NA	NA	NA
4438	2025-03-14	"Optimizing sEMG Gesture Recognition with Stacked Autoencoder Neural Network for Bionic Hand" 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103207 PMID:40071216	研究论文	本研究提出了一种使用堆叠自编码器神经网络（SAE）进行表面肌电图（sEMG）手势识别的新方法	利用堆叠自编码器神经网络进行层次表示学习，从原始sEMG信号中提取有意义的特征，提高了手势分类的精度和鲁棒性	NA	优化sEMG手势识别，以增强仿生手的控制技术	表面肌电图（sEMG）信号	机器学习	NA	MODWT分解（最大重叠离散小波变换）	堆叠自编码器神经网络（SAE）	sEMG信号	NA
4439	2025-03-14	An accurate and trustworthy deep learning approach for bladder tumor segmentation with uncertainty estimation 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108645 PMID:39954510	研究论文	本文提出了一种基于深度学习的膀胱肿瘤分割模型，该模型不仅能够有效分割病变区域，还能提供分割结果的置信度信息	该模型通过测试时间增强（TTA）和测试时间dropout（TTD）来估计内部和外部数据集中的随机不确定性和认知不确定性，探索了这两种不确定性对不同数据集的影响	未提及具体局限性	探索一种可信赖的基于AI的肿瘤分割模型，提供预测结果的置信度信息	膀胱肿瘤	计算机视觉	膀胱癌	深度学习	BSU模型	图像	内部和外部膀胱镜数据集
4440	2025-03-14	Injury degree appraisal of large language model based on retrieval-augmented generation and deep learning 2025 May-Jun, International journal of law and psychiatry IF:1.4Q3 DOI:10.1016/j.ijlp.2025.102070 PMID:39970564	研究论文	本研究提出了一种结合检索增强生成（RAG）、图知识库和深度学习的新方法，使大型语言模型（LLMs）能够基于中国人体损伤程度评定标准（SAEBI）进行损伤评定	结合检索增强生成（RAG）、图知识库和深度学习，显著提升了LLMs在损伤评定任务中的性能，准确率提升21至59个百分点	NA	提升大型语言模型在法医损伤评定等专业领域的应用性能	26,199个真实世界的损伤评定案例	自然语言处理	NA	检索增强生成（RAG）、深度学习	RoBERTa-CNN	文本	26,199个损伤评定案例