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
4641	2025-04-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	本研究开发了一种基于深度学习的蒙特卡洛剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制（CAM），提高了蒙特卡洛剂量预测的准确性和效率	研究仅针对头颈癌患者，样本量为120例，可能限制了模型的泛化能力	开发深度学习模型以预测独立蒙特卡洛剂量，促进重离子在线自适应放疗和快速质量保证的实施	头颈癌患者	医学影像分析	头颈癌	深度学习，蒙特卡洛模拟	CAM-CHD U-Net	CT图像，三维能量矩阵，射线掩模	120例头颈癌患者数据
4642	2025-04-07	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	research paper	该研究利用神经常微分方程（NODE）模型，结合影像、基因组和临床参数，开发了一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	提出了一种基于重球NODE（HBNODE）的新模型，通过二阶ODE建模深度特征提取过程，实现了对诊断决策轨迹的可视化和解释	样本量相对较小（90个脑转移瘤），且仅针对非小细胞肺癌患者	开发一种可解释的AI方法，用于区分脑转移瘤放射后坏死与复发	62名非小细胞肺癌患者的90个脑转移瘤	digital pathology	lung cancer	T1+c MRI影像分析、基因组特征分析	HBNODE（基于神经常微分方程的模型）	影像数据、基因组数据、临床数据	62名非小细胞肺癌患者的90个脑转移瘤
4643	2025-04-07	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-Apr, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文全面回顾了基于人工智能的河流水污染检测与控制策略	突出了机器学习和深度学习技术在河流水质模拟中的关键进展，以及物联网技术在实时监测和预测能力中的作用	主要基于2019年至2024年的研究文章，可能未涵盖最新技术发展	探讨人工智能技术在河流水污染检测与控制中的应用	河流水质	机器学习	NA	机器学习、深度学习、物联网	ANN、DNN、LSTM、RF	水质相关数据集	分析了超过110篇研究文章
4644	2025-04-07	AI/ML modeling to enhance the capability of in vitro and in vivo tests in predicting human carcinogenicity 2025-Apr, Mutation research. Genetic toxicology and environmental mutagenesis DOI:10.1016/j.mrgentox.2025.503858 PMID:40185541	研究论文	本研究旨在利用先进的深度学习技术，特别是图神经网络（GNN），通过多任务学习（MTL）方法开发一种预测人类致癌性的计算机模型	采用多任务学习框架结合多种辅助任务（如致突变性、遗传毒性、动物致癌性等）来增强GNN模型在预测人类致癌性方面的性能	未提及具体的数据集大小或模型在外部验证集上的表现	开发更准确的人类致癌性预测模型以提高化学物质筛选和优先排序的可靠性	化学物质的致癌性预测	机器学习	癌症	GNN, MTL	图神经网络（GNN）	化学物质数据	NA
4645	2025-04-07	Deep prior embedding method for Electrical Impedance Tomography 2025-Mar-31, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107419 PMID:40184867	research paper	提出了一种基于深度学习的电阻抗断层扫描(EIT)重建新方法，有效整合图像先验信息以提高重建质量	利用图像先验信息指导神经网络初始化，更充分地利用先验知识，显著提升重建保真度	未提及具体计算复杂度或实时性能指标	改进电阻抗断层扫描的图像重建质量	电阻抗断层扫描重建算法	medical imaging	NA	deep learning, Electrical Impedance Tomography	neural network	medical imaging data	通过仿真和实验研究验证（未提具体样本量）
4646	2025-04-07	The environmental risk of heterogeneous oxidation is unneglectable: Time-resolved assessments beyond typical intermediate investigation 2025-Mar-29, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123572 PMID:40184704	research paper	本文提出了一种环境风险评估方法，用于区分高级氧化过程中解毒效应的优选氧化途径，从而为每种污染物选择最合适的处理系统	通过基于副产物量化的环境风险分析，重新发现了之前被忽视的40%以上的毒性，显著提高了污染物解毒评估的准确性	当前研究仅限于对目标污染物副产物的定性毒性调查，而异构高级氧化过程的解毒效应在很大程度上是未知的	提高高级氧化过程的安全性和效率，支持复杂异构氧化过程中新兴污染物降解的定量环境风险评估	高级氧化过程中的污染物及其副产物	环境科学	NA	密度泛函理论，深度神经网络回归建模	深度神经网络	化学数据	NA
4647	2025-04-07	MuSIA: Exploiting multi-source information fusion with abnormal activations for out-of-distribution detection 2025-Mar-29, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107427 PMID:40184868	research paper	提出了一种名为MuSIA的新方法，通过多源信息融合和异常激活捕获来提高深度学习模型在开放世界中的分布外检测性能	MuSIA方法首次结合多源信息融合与异常激活捕获，显著提升了分布外样本的检测效果	实验仅在六种预训练模型上进行验证，未涵盖所有可能的模型架构	提高深度学习模型在开放世界中的分布外检测性能	分布外样本检测	machine learning	NA	多源信息融合技术	ViT, RepVGG, DeiT等预训练模型	NA	六个分布外数据集
4648	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体
4649	2025-04-07	Temporal and spatial feature extraction using graph neural networks for multi-point water quality prediction in river network areas 2025-Mar-26, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123561 PMID:40184707	研究论文	提出了一种时空特征图神经网络（STF-GNN），用于河流网络区域多点水质预测	结合图卷积网络（GCN）、门控循环单元（GRU）和自注意力机制，显式建模分布式监测站之间的多尺度时空依赖关系	未提及模型在极端环境条件下的表现或对其他污染物的适用性	改进河流网络区域的水质预测	分布式水质监测站	机器学习	NA	图卷积网络（GCN）、门控循环单元（GRU）、自注意力机制	STF-GNN	多元时间序列数据	未明确提及具体样本数量，涉及多个监测站点的数据
4650	2025-04-07	AESeg: Affinity-enhanced segmenter using feature class mapping knowledge distillation for efficient RGB-D semantic segmentation of indoor scenes 2025-Mar-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107438 PMID:40184869	研究论文	提出了一种结合静态和动态方法的亲和力增强语义分割框架，用于室内场景的RGB-D语义分割	通过构建二进制亲和矩阵和特征到类别的映射细化技术，实现了全局上下文感知与静态特征的结合，提高了准确性且减少了计算负担	未明确提及	提高RGB-D语义分割的效率和准确性	室内和室外场景的RGB-D图像	计算机视觉	NA	深度学习	AESeg	RGB-D图像	NYUv2、SUN-RGBD和CamVid数据集
4651	2025-04-07	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-Mar-24, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	research paper	本研究介绍了一种基于深度学习的组织学分析流程SEKO，用于在啮齿动物模型中空间评估膝骨关节炎	开发了SEKO流程，结合深度学习和可视化工具，用于量化并可视化啮齿动物膝关节内侧区域的关节重塑	未提及具体样本量或数据集的多样性限制	开发一种自动化工具，用于客观评估骨关节炎进展和治疗干预效果	啮齿动物膝关节的组织学数据	digital pathology	osteoarthritis	深度学习驱动的组织学分析	U-Net, HRNet	组织学图像	NA
4652	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)
4653	2025-04-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发一种基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT中准确检测急性颅内出血	基于U-Net和ResNet架构的深度学习模型在稀疏训练数据下实现高准确率，并在多中心验证中表现出普遍可靠性	训练数据仅来自单一中心，可能影响模型的泛化能力	开发并评估一种深度学习算法，用于检测非增强头部CT中的急性颅内出血	非增强头部CT图像	数字病理学	颅内出血	深度学习	U-Net和ResNet	CT图像	1,815个CT图像集用于训练，多个中心的数据集用于验证和测试
4654	2025-04-07	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-Mar-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	research paper	本研究旨在开发一个深度学习模型，通过整合治疗前和治疗中的计算机断层扫描（CT）来预测非小细胞肺癌（NSCLC）患者的治疗反应	整合治疗前和治疗中的CT数据，建立变时间间隔长短期记忆网络（LSTM）用于预测治疗反应，并推导出针对预测肿瘤体积消退不理想患者的个性化剂量递增（DE）方案	样本量相对较小（168例患者），且仅来自三家医院，可能影响模型的泛化能力	预测NSCLC患者对放射治疗（RT）的反应，并探索个性化剂量递增的可能性	非小细胞肺癌（NSCLC）患者	digital pathology	lung cancer	CT扫描	LSTM	image	168例NSCLC患者（来自三家医院）
4655	2025-04-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出了一种名为ProNEP的深度学习算法，用于高通量识别NLR-效应子对	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并结合迁移学习和双线性注意力网络进行预测	CNE数据非常稀缺，已知的CNE数量远少于已确认的NLR数量	识别NLR与效应子之间的对应关系，以促进生物学、免疫学和育种研究	核苷酸结合富含亮氨酸重复序列受体（NLR）和病原体效应子	生物信息学	NA	深度学习	双线性注意力网络	蛋白质序列数据	91,291个NLR和387个已知CNE
4656	2025-04-07	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	本文提出了一种基于门控图变换器（GGT）的新框架，用于根据fMRI的功能连接（FC）预测个体的认知能力	结合先验空间知识，采用随机游走扩散策略捕捉大脑区域间的复杂结构功能关系，利用可学习的结构和位置编码（LSPE）及门控机制有效分离位置编码（PE）和图嵌入的学习	NA	预测个体的认知能力并增强功能脑网络生物标志物的可解释性	功能脑网络	神经科学研究	NA	fMRI	GGT（门控图变换器）	功能连接（FC）数据	两个大规模脑成像数据集：费城神经发育队列（PNC）和人类连接组计划（HCP）
4657	2025-04-07	Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1355287 PMID:38919268	研究论文	本研究开发并比较了深度学习和机器学习算法在骨质疏松风险预测中的性能	提出了一种新的深度神经网络（DNN）框架，用于骨质疏松风险预测，并证明其在性能上优于传统的机器学习模型和回归模型	研究样本仅限于路易斯安那骨质疏松研究（LOS）中的8,134名40岁以上受试者，可能不具有普遍代表性	评估深度神经网络（DNN）在骨质疏松风险预测中的性能，并与传统机器学习模型进行比较	8,134名40岁以上受试者的髋部骨密度（BMD）及广泛的 demographic 和常规临床数据	机器学习	骨质疏松	深度学习（DL）和机器学习（ML）	DNN, RF, ANN, KNN, SVM, OST	临床数据和 demographic 数据	8,134名40岁以上受试者
4658	2025-04-07	De novo design of luciferases using deep learning 2023-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-05696-3 PMID:36813896	研究论文	本文介绍了一种基于深度学习的'家族级幻觉'方法，用于设计具有选择性催化氧化化学发光的人工荧光素酶	使用深度学习生成大量理想化的蛋白质结构，包含多样化的口袋形状和设计序列，从而创造出高活性和特异性的生物催化剂	方法依赖于生成的蛋白质结构和设计序列的准确性，可能受限于当前深度学习模型的预测能力	从头设计具有高活性和特异性的荧光素酶	人工荧光素酶及其催化底物二苯基特拉嗪和2-脱氧腔肠素	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
4659	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像
4660	2025-04-06	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	research paper	本研究比较了在脑MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像在转移瘤检测中的敏感性和精确度	首次使用深度学习方法从低剂量MRI图像合成T1加权图像，并与真实对比增强图像在转移瘤检测中的表现进行比较	研究样本量相对较小（40名参与者），且仅评估了两位放射科医生的表现	评估低剂量MRI结合深度学习合成图像在脑转移瘤检测中的可行性	脑转移瘤患者和正常脑部检查结果的参与者	digital pathology	brain metastasis	MRI, deep learning	deep learning method (未具体说明模型类型)	MRI图像	40名参与者（来自917名参与者的子集）