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
4861	2025-04-13	Plant stem and leaf segmentation and phenotypic parameter extraction using neural radiance fields and lightweight point cloud segmentation networks 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1491170 PMID:40212877	研究论文	本研究提出了一种结合神经辐射场模型和轻量级点云分割网络的方法，用于植物茎叶分割和表型参数提取	提出了一个轻量级点云分割网络PointSegNet，包含GLSA模块和EAFP模块，用于整合局部和全局特征并增强边缘感知能力	NA	开发一种自动提取植物表型参数的方法	玉米、番茄和大豆植物的茎叶	计算机视觉	NA	神经辐射场模型(Nerfacto)、点云分割	PointSegNet	3D点云数据	玉米、番茄和大豆植物样本
4862	2025-04-13	Deep learning-based target spraying control of weeds in wheat fields at tillering stage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1540722 PMID:40212873	研究论文	本研究结合深度学习设计了目标喷洒决策与滞后算法，并在测试平台上验证其有效性	对YOLOv5s进行轻量化改进并设计目标喷洒决策与滞后算法，解决了硬件操作滞后问题	实验仅使用模拟杂草和模拟分蘖小麦进行台架实验，未在真实田间环境中验证	开发基于深度学习的小麦田杂草目标喷洒控制系统	小麦田分蘖期的杂草	计算机视觉	NA	深度学习	YOLOv5s	图像	模拟杂草和模拟分蘖小麦的台架实验数据集
4863	2025-04-13	Machine learning and artificial intelligence in type 2 diabetes prediction: a comprehensive 33-year bibliometric and literature analysis 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1557467 PMID:40212895	综述	本文对33年（1991-2024年）间机器学习（ML）和人工智能（AI）在2型糖尿病（T2DM）预测中的应用研究进行了全面的文献计量和系统综述	采用文献计量和系统综述方法，结合TF-IDF和专家输入筛选文献，并应用双标准方法评估文献的相关性和影响力	未来研究需要解决泛化性、跨学科T2DM预测研究和社会心理整合方面的不足	综述机器学习与人工智能在2型糖尿病预测中的应用，识别关键趋势、方法和研究空白	2型糖尿病（T2DM）预测研究	机器学习	糖尿病	TF-IDF, PRISMA指南, VOSviewer, Bibliometrix	Random Forest, Gradient Boosting, CNN	文献数据	2,351篇文章
4864	2025-04-13	Head and Neck Tumor Segmentation for MRI-Guided Radiation Therapy Using Pre-trained STU-Net Models 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_4 PMID:40213034	研究论文	本研究比较了nnU-Net v2和STU-Net两种深度学习模型在头颈癌MRI图像中自动分割肿瘤的性能	STU-Net在可扩展性和可迁移性方面进行了关键改进，参数规模从1400万到14亿不等，并利用TotalSegmentator等大规模数据集进行预训练，更有效地捕捉复杂多变的肿瘤结构	NA	提高MRI引导放射治疗中头颈癌肿瘤分割的准确性	头颈癌患者的MRI图像	数字病理	头颈癌	深度学习	STU-Net, nnU-Net v2	MRI图像	NA
4865	2025-04-13	Transformers in RNA structure prediction: A review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.021 PMID:40213272	综述	本文全面回顾了基于Transformer的RNA结构预测模型	深入分析了Transformer架构的创新如何提升RNA结构预测性能及其现有不足	未具体说明Transformer模型在RNA结构预测中的具体局限性	探讨Transformer在RNA结构预测领域的应用与发展	RNA的二级和三级结构	自然语言处理	NA	Transformer模型	Transformer	序列数据	NA
4866	2025-04-13	Deep learning-based prediction of chemical accumulation in a pathogenic mycobacterium 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.15.628588 PMID:39764009	研究论文	该研究利用深度学习模型预测病原性分枝杆菌中化学物质的积累情况，以提高抗生素设计的成功率	首次使用深度学习模型预测药物在分枝杆菌中的积累，突破了传统化学性质预测方法的局限	研究仅针对一种特定的病原性分枝杆菌（M. abscessus），结果可能不适用于其他细菌	提高抗生素候选药物的设计成功率，解决细菌药物积累不足的问题	1528种已批准药物在M. abscessus中的积累情况	机器学习	分枝杆菌感染	液相色谱-质谱联用技术（LC-MS）	深度学习模型	化学物质积累数据	1528种已批准药物
4867	2025-04-13	Deep Learning-Based Classification of Histone-DNA Interactions Using Drying Droplet Patterns 2024-Nov, Small science IF:11.1Q1 DOI:10.1002/smsc.202400252 PMID:40213456	研究论文	本研究利用深度学习神经网络对源自不同组蛋白-DNA混合物的干燥液滴沉积物的偏振光显微镜图像进行分类，以预测组蛋白-DNA结合亲和力	首次发现组蛋白-DNA相互作用可以通过染色模式进行分层，并应用深度学习实现高准确度的DNA分类和结合亲和力预测	对于训练集未包含的物种样本，预测准确度有所下降	开发可扩展且准确的蛋白质-DNA结合分类预测分析方法	组蛋白-DNA相互作用	数字病理学	NA	偏振光显微镜	CNN	图像	多种物种的DNA样本（具体数量未明确说明）
4868	2025-04-13	Knot data analysis using multiscale Gauss link integral 2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2408431121 PMID:39392667	research paper	提出了一种结合曲线分割和多尺度分析的高斯链环积分方法，用于数据科学中的拓扑数据分析	引入了knot data analysis (KDA)范式，通过多尺度高斯链环积分(mGLI)捕捉数据的局部结构和连通性，显著优于现有方法	未提及具体局限性	开发一种新的拓扑数据分析方法，以解决传统方法在定位和量化方面的不足	13种复杂的生物数据集，包括蛋白质灵活性分析、蛋白质-配体相互作用等	machine learning	NA	multiscale Gauss link integral (mGLI)	NA	biological datasets	13种生物数据集
4869	2025-04-13	Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72120-5_4 PMID:40207034	research paper	提出一种结合噪声标签学习（LNL）和主动学习的两阶段方法，以提高医学图像分类在标签噪声下的鲁棒性，并通过有限标注预算迭代提升数据集质量	引入梯度方差方法在LNL阶段补充基于损失的样本选择，同时采样代表性不足的样本，避免将少数类别的干净样本误判为噪声样本	方法仅在两种不平衡噪声医学分类数据集上验证，需进一步测试更广泛场景	提升医学图像分类在标签噪声和不平衡数据集下的鲁棒性	医学图像分类任务	digital pathology	NA	Learning with Noisy Labels (LNL), active learning	deep learning	image	两种不平衡噪声医学分类数据集（未明确样本数量）
4870	2025-04-13	qlty: handling large tensors in scientific imaging deep-learning workflows 2024-Sep, Software impacts IF:1.3Q3 DOI:10.1016/j.simpa.2024.100696 PMID:40206204	research paper	介绍了一个名为qlty的工具包，用于处理科学成像中深度学习工作流程中的大型张量数据	提出了一个专门用于处理超出标准GPU内存容量的大型体积数据集的工具包qlty，通过张量管理技术实现有效训练和推理	未提及具体的性能对比实验或与其他工具的比较	解决科学成像中深度学习工作流程中大型张量数据处理的问题	大型体积数据集	computer vision	NA	NA	NA	image	NA
4871	2025-04-13	Multiscale Computational and Artificial Intelligence Models of Linear and Nonlinear Composites: A Review 2024-May, Small science IF:11.1Q1 DOI:10.1002/smsc.202300185 PMID:40213577	综述	本文综述了多尺度建模方法在硬质和软质复合材料中的应用，包括分子动力学模拟、有限元分析和机器学习/深度学习替代模型	综述了最新的多尺度建模方法，包括无网格方法、混合机器学习和有限元模型，以及非线性本构材料模型	计算资源可用性、模型保真度和可重复性方面的限制	为读者提供复合材料多尺度建模研究和开发的未来趋势的清晰展望	硬质（聚合物、金属、纱线、纤维、纤维增强聚合物和聚合物基复合材料）和软质（如脑白质[BWM]等生物组织）复合材料	机器学习	NA	分子动力学模拟、有限元分析、机器学习/深度学习	分子动力学、有限元、机器学习/深度学习替代模型	数值模拟和大量实验结果	NA
4872	2025-04-13	Development and Validation of a Deep Learning Algorithm to Differentiate Colon Carcinoma From Acute Diverticulitis in Computed Tomography Images 2023-01-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.53370 PMID:36705919	研究论文	开发并验证了一种深度学习算法，用于在CT图像中区分结肠癌和急性憩室炎	提出了一种3D卷积神经网络(CNN)模型，能够显著提高放射科医生在区分结肠癌和急性憩室炎方面的诊断准确性	研究样本仅包括2005年至2020年间接受手术的患者，可能无法代表所有病例	开发并评估能够区分结肠癌和急性憩室炎的AI支持系统	结肠癌和急性憩室炎患者	数字病理学	结肠癌/急性憩室炎	3D卷积神经网络	3D CNN	CT图像	585名患者(267例AD，318例CC)
4873	2025-04-12	Tracking protein kinase targeting advances: integrating QSAR into machine learning for kinase-targeted drug discovery 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2483631 PMID:40181786	综述	本文探讨了定量构效关系（QSAR）模型在激酶药物发现中的应用，重点介绍了将传统QSAR与机器学习（ML）和结构数据相结合的进展	深度学习增强的QSAR在自动特征提取和捕捉复杂关系方面具有创新性，超越了传统QSAR方法	强调了可解释性和实验验证对于临床转化的重要性	提高激酶靶向药物设计的效率和准确性	蛋白激酶及其选择性抑制剂	机器学习	NA	定量构效关系（QSAR）、机器学习（ML）、深度学习	CNN、RNN	结构数据、实验数据	NA
4874	2025-04-12	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	本文报告了一种多模态特征学习工作流程在预测治疗性抗体粘度中的应用	整合了多种数据源，包括序列、结构、物理化学性质以及语言模型的嵌入，使模型能够从分子模拟的物理化学规则和大型预训练深度学习模型捕获的蛋白质进化模式中学习	未提及具体样本量或实验验证的局限性	预测治疗性抗体的粘度，以解决皮下给药制剂的高粘度问题	治疗性抗体	机器学习	NA	多模态特征学习	深度学习模型	序列、结构、物理化学性质数据	NA
4875	2025-04-12	Simulation of a Free Boundary Cell Migration Model through Physics Informed Neural Networks 2025-Jul, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106961 PMID:40058062	研究论文	本研究通过物理信息神经网络模拟了具有移动边界的迁移细胞中的一维肌动球蛋白流动	使用物理信息神经网络解决具有移动边界的复杂生物物理问题，无需合成数据进行训练	模型仅针对一维情况，未扩展到更高维度	理解单细胞迁移的复杂机制	迁移细胞中的肌动球蛋白流动	计算生物学	NA	物理信息神经网络	PINN(物理信息神经网络)	数值模拟数据	NA
4876	2025-03-04	Corrigendum to "A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China's elderly" [J. Affect. Disord. Volume 369, 15 January 2025, Pages 329-337] 2025-Jun-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.070 PMID:40024843	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4877	2025-04-12	Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-024-04593-1 PMID:39311948	研究论文	评估基于CT图像的深度学习模型在预测透明细胞肾细胞癌患者术后预后中的价值	提出了一种基于三期CT图像的深度学习模型，并与Leibovich评分结合，显著提高了预测性能	研究为回顾性设计，样本量相对较小，且未进行外部验证	预测透明细胞肾细胞癌患者的术后预后	382名透明细胞肾细胞癌患者	数字病理学	肾细胞癌	CT成像	ResNet50, ELM	图像	382名患者（训练集229名，测试集153名）
4878	2025-04-12	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本研究通过扩展相位图（EPG）建模提高了骨关节炎倡议（OAI）数据集中软骨T2映射的准确性和可重复性	首次将EPG建模应用于OAI数据集，解决了传统单指数模型忽略刺激回波和B1不均匀性的问题	研究样本量相对较小（100名受试者），且为回顾性研究	评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响	OAI数据集中的受试者膝关节软骨	医学影像分析	骨关节炎	Multi-Echo Spin-Echo (MESE)序列，扩展相位图（EPG）建模	非线性最小二乘法、字典匹配、深度学习	医学影像数据	100名受试者（50名骨关节炎患者和50名健康对照）
4879	2024-11-07	Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy" 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29637 PMID:39501638	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4880	2025-04-12	Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29639 PMID:39501646	研究论文	开发一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者接受管状显微椎间盘切除术后的1年预后效果	首次将术前双平面MRI的深度学习特征与临床特征相结合，用于评估管状显微椎间盘切除术的1年预后效果	研究为回顾性设计，可能存在选择偏倚；外部验证集的样本量相对较小	评估深度学习模型在预测腰椎间盘突出症手术预后中的应用价值	接受管状显微椎间盘切除术的腰椎间盘突出症患者	数字病理学	腰椎间盘突出症	MRI (T2加权序列)	ResNet50, ResNet101, ResNet152	图像	548名患者（训练集305名，内部验证集131名，外部验证集112名）