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
4541	2025-03-20	An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1461542 PMID:40098633	研究论文	本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色	结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗	乳腺超声图像	计算机视觉	乳腺癌	深度学习	U2NET-Lite, DeepCardinal-50	图像	未提及具体样本数量
4542	2025-03-19	Leveraging deep learning for epigenetic protein prediction: a novel approach for early lung cancer diagnosis and drug discovery 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00347-5 PMID:40083337	研究论文	本文提出了一种基于深度学习的表观遗传蛋白预测方法，用于早期肺癌诊断和药物发现	构建了CNN-BiLSTM模型，结合AmpPseAAC特征提取方法，显著提高了表观遗传蛋白预测的性能	未提及具体的数据集大小和模型在实际应用中的验证情况	通过预测表观遗传蛋白，改进疾病诊断和治疗策略，特别是肺癌	表观遗传蛋白	机器学习	肺癌	深度学习	CNN-BiLSTM	蛋白质序列数据	NA
4543	2025-03-19	StopSpamX: A multi modal fusion approach for spam detection in social networking 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103227 PMID:40093577	研究论文	本文提出了一种多模态融合方法StopSpamX，用于社交网络中的垃圾信息检测	结合了多种最先进的词嵌入技术和深度学习混合融合分类器技术，包括GRU、LSTM和CNN，以提高垃圾信息检测的性能	未提及具体的数据集大小或实验环境的限制	实现一个无垃圾信息的社交网络环境	社交网络平台（如Twitter、Instagram、Youtube、Facebook、Whatsapp）上的数据	自然语言处理	NA	Word2Vec, GloVe, FastText, GRU, LSTM, CNN	混合融合分类器（基于文本的分类器和组合分类器）	文本	未提及具体样本数量
4544	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）
4545	2025-03-19	Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137325 PMID:39864200	研究论文	本研究开发了一种蒸发增强的水凝胶数字RT-LAMP方法，用于食品和水中人类诺如病毒的敏感定量	通过干燥样品在芯片上原位富集病毒颗粒，并在水凝胶-芯片界面触发核酸的界面扩增，提高了检测灵敏度20倍	NA	开发一种高效的方法用于食品安全监测和环境监测中的生物危害检测	人类诺如病毒（HuNoV）	生物技术	NA	数字RT-LAMP（逆转录环介导等温扩增）	深度学习模型	NA	包括3个湖水、草莓、自来水和饮用水在内的多个实际样品
4546	2025-03-19	Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137314 PMID:39874751	研究论文	本文提出了一种新的深度学习框架，用于从高光谱图像中进行多参数估计，以解决水质映射不准确的问题	提出了一种结合高维注意力加权差异的深度卷积空间-光谱联合学习方法，优化了深度特征	NA	准确估计与富营养化相关的三个关键水质参数的分布：总氮、总磷和氨氮	内陆水体	计算机视觉	NA	高光谱遥感	深度卷积网络	高光谱图像	NA
4547	2025-03-19	Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100670 PMID:40091912	研究论文	本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用	通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性	研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用	验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光谱域OCT（SD-OCT）	UNet, DeepLabv3	图像	402个SD-OCT扫描
4548	2025-03-19	Exploring the potential performance of 0.2 T low-field unshielded MRI scanner using deep learning techniques 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01234-6 PMID:39964601	研究论文	本文探讨了使用深度学习技术提升0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜在性能	通过结合主动电磁屏蔽和基础超分辨率技术，实现了在无屏蔽条件下的快速高质量成像，并进一步通过减少激励次数提升成像速度，最终通过级联基础和跨场超分辨率技术，将低场低分辨率图像质量提升至高场超高分辨率水平	研究主要针对0.2 T低场无屏蔽MRI扫描仪，未涉及其他场强或屏蔽条件下的性能比较	探索0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜力，克服硬件物理限制	0.2 T低场无屏蔽MRI扫描仪	医学影像	NA	深度学习、主动电磁屏蔽、超分辨率成像	NA	图像	NA
4549	2025-03-19	A dual-stage framework for segmentation of the brain anatomical regions with high accuracy 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01233-7 PMID:40042762	研究论文	本研究提出了一种基于深度学习的两阶段框架，用于精确分割大脑MR区域，旨在识别大脑内不同解剖结构的位置和形状细节	采用两阶段3D分割技术，第一阶段使用3D U-Net分割13个大脑区域，第二阶段使用SegResNet对具有挑战性的区域进行细化分割，显著提高了分割精度	未提及具体的数据集规模或多样性限制	开发一种高精度的大脑MR区域分割框架	成年受试者，包括认知正常者和认知衰退者	计算机视觉	认知衰退	3D分割技术	3D U-Net, SegResNet	MR图像	未提及具体样本数量
4550	2025-03-19	Towards precision agriculture: A dataset for early detection of corn leaf pests 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111394 PMID:40083639	研究论文	本文介绍了一个用于早期检测玉米叶害虫的数据集，旨在通过机器学习和深度学习模型提高精准农业和自动化害虫检测的水平	提供了一个包含多种玉米叶害虫图像的数据集，涵盖了不同生长阶段和田间环境下的图像，并包含了手动和算法分割的背景，增强了数据集的多样性和实用性	数据集主要基于智能手机拍摄的图像，可能存在图像质量不一致的问题，且背景污染可能影响模型的训练效果	开发机器学习和深度学习模型，用于早期检测玉米叶害虫，以支持精准农业和可持续农业实践	玉米叶害虫，特别是Spodoptera frugiperda（秋粘虫）、叶枯病和Zonocerus variegatus（杂色蝗虫）	计算机视觉	NA	机器学习和深度学习	NA	图像	数据集包含1308张未增强的健康叶片图像、11772张增强的健康叶片图像、848张感染叶片图像和7632张增强的感染叶片图像
4551	2025-03-19	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-Mar-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文开发了基于深度迁移学习的模型，用于筛选针对A类GPCRs的更安全药物	通过迁移学习和神经网络结合自然语言处理技术，预训练模型并微调以预测低效化合物或偏向性激动剂，实现了对A类GPCRs的大规模虚拟筛选	高质量数据的有限可用性可能限制了模型的预测能力	开发能够可靠预测具有特定生物活性的GPCR配体的深度学习模型，以促进药物开发	A类G蛋白偶联受体（GPCRs）及其配体	自然语言处理	NA	迁移学习，神经网络	深度学习模型	受体序列，配体数据集	所有A类GPCRs的受体序列和配体数据集
4552	2025-03-19	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Mar-18, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究旨在整合社会健康决定因素（SDoH）与传统风险因素，以预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，使用先进的机器学习和深度学习模型进行风险预测，并评估各预测因素的贡献	研究样本仅限于70岁及以上且初始无CVD、痴呆和独立性受限的老年人，可能限制了结果的普适性	预测健康老年人的心血管疾病风险	12,896名70岁及以上且初始无CVD、痴呆和独立性受限的老年人	机器学习	心血管疾病	NA	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
4553	2025-03-19	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2025-Mar-17, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	本文利用几何和机器学习方法，特别是深度学习架构，来高效筛选具有高光学各向异性的范德华材料	结合几何方法和机器学习模型（如Atomistic Line Graph Neural Network），提高了筛选范德华材料的效率和准确性	需要进一步的实验验证来确认机器学习模型的预测能力	探索具有高光学各向异性的范德华材料，以推动先进光子学的发展	范德华材料	机器学习	NA	密度泛函理论、椭偏测量	Atomistic Line Graph Neural Network	晶体学参数、光学各向异性数据	2H-MoTe和CdPS等材料样本
4554	2025-03-19	Automatic bone age assessment: a Turkish population study 2025-Mar-17, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究探讨了深度学习算法在土耳其人群中的应用，以增强骨龄评估模型，并理解人口统计学影响	开发了一个包含土耳其人群的自动骨龄评估模型，这是少数使用深度学习进行此类研究之一	人口差异和数据异质性带来的挑战	通过理解人口统计学影响，增强骨龄评估模型	土耳其人群的手部X光片	计算机视觉	NA	深度学习	修改后的InceptionV3模型	图像	2,730张来自Bağcılar医院的手部X光片，12,572张来自北美放射学会（RSNA）的数据集，6,185张来自放射手部姿态估计（RHPE）公共数据集
4555	2025-03-19	Accelerated intracranial time-of-flight MR angiography with image-based deep learning image enhancement reduces scan times and improves image quality at 3-T and 1.5-T 2025-Mar-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03564-7 PMID:40095006	研究论文	本研究评估了基于深度学习的图像增强技术在加速颅内时间飞行磁共振血管成像（TOF-MRA）中的应用效果，与传统TOF-MRA相比，在3-T和1.5-T下均显著提高了图像质量并减少了扫描时间	首次在3-T和1.5-T磁共振扫描仪上应用深度学习图像增强技术，显著提高了TOF-MRA的图像质量并减少了40%的扫描时间	研究为回顾性设计，样本量相对较小，且仅使用了商业化的深度学习算法，未探索其他可能的深度学习模型	评估深度学习图像增强技术在加速颅内TOF-MRA中的应用效果，并与传统TOF-MRA进行比较	129名接受1.5-T或3-T磁共振扫描的患者	医学影像	脑血管疾病	深度学习图像增强	深度学习模型（未具体说明）	磁共振图像	129名患者（99名在3-T，30名在1.5-T）
4556	2025-03-19	Availability and transparency of artificial intelligence models in radiology: a meta-research study 2025-Mar-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11492-6 PMID:40095011	meta-research study	本研究探讨了2022年发表在领先放射学期刊上的人工智能（AI）模型开发研究中模型的可用性，可用性定义为透明报告相关技术细节，如模型架构和权重，以便独立复制	首次系统评估了放射学领域AI模型的可获得性，特别是深度学习（DL）模型的低可用性问题	研究仅涵盖了2022年发表在五个领先放射学期刊上的AI模型开发研究，可能无法全面反映整个领域的现状	评估放射学领域AI模型的可用性，特别是深度学习模型的透明度和可复制性	2022年发表在五个领先放射学期刊上的AI模型开发研究	放射学	NA	NA	深度学习（DL）模型, 传统回归模型	NA	268项研究
4557	2025-03-19	Progress in the application of machine learning in CT diagnosis of acute appendicitis 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04864-5 PMID:40095017	综述	本文综述了机器学习在急性阑尾炎CT诊断中的应用、进展及挑战，并探讨了未来发展方向	介绍了机器学习在急性阑尾炎诊断中的创新应用，如自动检测、鉴别诊断和严重程度分层，并展示了深度学习模型如AppendiXNet和3D卷积神经网络在诊断中的优异表现	面临人工智能的'黑箱'性质、与临床工作流程的整合以及所需大量资源等挑战	探讨机器学习在急性阑尾炎CT诊断中的应用及其对提高诊断精度、优化治疗路径和降低医疗成本的潜力	急性阑尾炎的CT诊断	数字病理学	急性阑尾炎	CT成像	深度学习模型（如AppendiXNet）、3D卷积神经网络（CNNs）	CT图像	NA
4558	2025-03-19	Diagnosis of moderate-to-severe hepatic steatosis using deep learning-based automated attenuation measurements on contrast-enhanced CT 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04872-5 PMID:40095018	研究论文	本研究评估了基于深度学习的自动化衰减测量在对比增强CT（CECT）上诊断中度至重度肝脂肪变性（HS）的效用，以组织学为参考标准	利用深度学习算法自动测量肝脏和脾脏的衰减值，并与手动测量结果进行比较，评估其在诊断中度至重度肝脂肪变性中的性能	研究为回顾性研究，可能存在选择偏差，且仅针对肝移植供体，结果可能不适用于其他人群	评估基于深度学习的自动化衰减测量在CECT上诊断中度至重度肝脂肪变性的效用	3,620名肝移植供体（2,393名男性和1,227名女性；平均年龄31.7±9.4岁）	计算机视觉	肝脂肪变性	对比增强CT（CECT）	深度学习算法	CT图像	3,620名肝移植供体
4559	2025-03-19	Comparing two deep learning spectral reconstruction levels for abdominal evaluation using a rapid-kVp-switching dual-energy CT scanner 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04868-1 PMID:40095024	研究论文	本研究通过定量和定性比较两种深度学习光谱重建（DLSR）算法的强弱水平，全面评估了其在腹部双能CT（DECT）扫描中的图像质量	首次在人类腹部DECT扫描中应用深度学习光谱重建（DLSR）算法，并比较了强弱两种重建水平的图像质量	研究样本量较小，仅涉及51名患者的腹部/骨盆DECT扫描	评估深度学习光谱重建（DLSR）算法在腹部双能CT（DECT）扫描中的图像质量	51名患者的腹部/骨盆DECT扫描数据	医学影像	NA	双能CT（DECT）扫描	深度学习光谱重建（DLSR）算法	CT图像	51名患者的腹部/骨盆DECT扫描数据
4560	2025-03-19	Integrative Protein Assembly With LZerD and Deep Learning in CAPRI 47-55 2025-Mar-17, Proteins IF:3.2Q2 DOI:10.1002/prot.26818 PMID:40095385	研究论文	本文报告了我们团队在CAPRI第47-55轮中的蛋白质复合物预测方法及其结果，不包括联合CASP第50和54轮以及特殊的COVID-19第51轮	整合了经典管道和最近开发的深度学习管道，并在人类组预测中整合了文献信息	未包括联合CASP第50和54轮以及特殊的COVID-19第51轮的结果	提高蛋白质复合物预测的准确性	蛋白质复合物	机器学习	NA	深度学习	NA	蛋白质数据	NA