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
5421	2025-04-24	Deep Geometric Learning With Monotonicity Constraints for Alzheimer's Disease Progression 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394598 PMID:38771688	research paper	提出了一种结合单调性约束的深度几何学习方法，用于预测阿尔茨海默病的进展	结合拓扑空间变换、ODE-RGRU和轨迹估计三个模块，开发了反映测量转换不可逆性的训练算法	ODE-RGRU在从不完整样本中推断正定对称矩阵时存在限制，可能导致特征逆转	预测阿尔茨海默病的临床诊断和治疗进展	阿尔茨海默病患者的结构磁共振成像(MRI)生物标志物和认知评分	digital pathology	geriatric disease	structural magnetic resonance imaging (MRI)	ODE-RGRU, RNN	image, time-series data	NA
5422	2025-04-24	High-Throughput Multiplexed Plasmonic Color Encryption of Microgel Architectures via Programmable Dithering-Mask Flow Microlithography 2025-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202405388 PMID:39568283	research paper	介绍了一种可扩展且成本效益高的方法，通过在微凝胶结构中原位光还原银纳米颗粒（AgNPs）来产生多重等离子体颜色	利用数字微镜设备（DMD）基于流动微光刻系统结合可编程抖动掩模技术，实现了形状或条形码微粒的高通量合成，以及嵌入隐藏多重等离子体颜色的大规模高分辨率图像	NA	开发一种高通量、低成本的多重等离子体颜色编码方法，用于隐藏数据存储、安全光学标记和防伪技术	银纳米颗粒（AgNPs）和微凝胶结构	纳米技术	NA	数字微镜设备（DMD）基于流动微光刻系统，可编程抖动掩模技术	深度学习分类器	图像	大规模（>5.6 × 5.6 cm）高分辨率（>300 dpi）微凝胶阵列
5423	2025-04-24	Application of Artificial Intelligence in Thoracic Radiology: A Narrative Review 2025-Apr, Tuberculosis and respiratory diseases IF:2.5Q2 DOI:10.4046/trd.2024.0062 PMID:39689720	review	本文综述了人工智能在胸部放射学中的最新成就，主要关注深度学习技术	探讨了人工智能在胸部放射学中检测、分类异常以及量化正常和异常解剖结构的潜力	讨论了当前人工智能技术在胸部放射学中的局限性及未来发展方向	评估人工智能在胸部放射学中的应用及其对放射科医生表现的提升	胸部放射学中的异常检测、分类及解剖结构量化	digital pathology	lung cancer	deep learning	NA	image	NA
5424	2025-04-24	Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning 2025-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.008 PMID:39864961	research paper	开发并比较了三种自动评估超声心动图区域图像质量的方法	提出了三种新的图像质量评估方法，包括基于像素的经典指标、局部图像一致性以及端到端深度学习模型	gCNR指标在本研究中表现不佳，效果有限	开发自动评估超声心动图区域图像质量的方法	超声心动图图像	computer vision	心血管疾病	深度学习	U-Net, 端到端深度学习模型	图像	由三位经验丰富的心脏病专家提供的手动区域质量注释
5425	2025-04-24	Kernel Conversion Improves the Correlation between the Extent of Emphysema and Clinical Parameters in Chronic Obstructive Pulmonary Disease: A Multicenter Cohort Study 2025-Apr, Tuberculosis and respiratory diseases IF:2.5Q2 DOI:10.4046/trd.2024.0166 PMID:39904364	研究论文	本研究通过核转换技术处理不同CT设置下的图像，评估了肺气肿指数与临床参数之间的相关性变化	首次在多中心研究中应用核转换技术，显著提高了肺气肿指数与临床参数之间的相关性	研究仅基于韩国COPD亚组研究数据库，可能限制了结果的普遍性	评估核转换技术对不同CT设置下肺气肿指数与临床参数相关性的影响	484名COPD患者的CT扫描图像	数字病理学	慢性阻塞性肺疾病	CT扫描	基于深度学习的程序	图像	484名COPD患者
5426	2025-04-24	A deep learning-based calculation system for plaque stenosis severity on common carotid artery of ultrasound images 2025-Apr, Vascular IF:1.0Q4 DOI:10.1177/17085381241246312 PMID:38656244	研究论文	开发了一种基于深度学习的系统，用于在超声图像上自动计算颈总动脉斑块狭窄严重程度	提出了新的CANet模型，用于分割颈动脉内膜-中膜厚度和斑块，并自动计算斑块狭窄严重程度，性能优于现有深度学习模型和经验丰富的超声医师	外部测试集的样本量相对较小，可能影响模型的泛化能力评估	开发一种自动化系统，用于评估颈动脉斑块狭窄严重程度，以改善中风风险的管理	颈总动脉横截面超声图像	数字病理	心血管疾病	深度学习	CANet	图像	376名个体的390张图像用于训练和验证，外加115名个体的122张外部测试图像
5427	2025-04-24	A Colorectal Coordinate-Driven Method for Colorectum and Colorectal Cancer Segmentation in Conventional CT Scans 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386610 PMID:38687670	研究论文	本文提出了一种名为DeepCRC-SL的自动化分割算法，用于在常规CT扫描中分割结直肠和结直肠癌	首次提出了一种基于拓扑感知的深度学习方法，构建了新颖的一维结直肠坐标系，并通过自注意力层和坐标驱动的自学习策略提升分割性能	尽管性能优于现有方法，但与有两年专业CRC成像经验的医学住院医师相比，分割精度仍有提升空间	实现结直肠癌在常规CT扫描中的自动化分割，以促进CRC的检测、分期和治疗反应监测	结直肠和结直肠癌	数字病理	结直肠癌	深度学习	CNN与自注意力机制结合	CT图像	227例标记和585例未标记的CRC病例
5428	2025-04-24	Transcriptomic landscape around wound bed defines regenerative versus non-regenerative outcomes in mouse digit amputation 2025-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012997 PMID:40203060	研究论文	本研究通过分析小鼠远端末节指骨（P3）截肢后的伤口床组织，探讨了再生与非再生结果的分子机制	揭示了非再生指骨在伤口床中表现出更强烈的早期转录反应，并发现再生指骨中与Bmp2相关的独特共表达模块，以及HOXA11和HOXD11等转录因子的时间依赖性富集模式	研究仅基于小鼠模型，结果是否适用于人类尚需验证	探索再生与非再生结果的分子机制，为再生医学提供关键见解	小鼠远端末节指骨（P3）截肢后的伤口床组织	再生医学	NA	RNA-seq, 巨噬细胞测定	深度学习AI模型	转录组数据	小鼠P3截肢模型
5429	2025-04-24	Decoding Recurrence in Early-Stage and Locoregionally Advanced Non-Small Cell Lung Cancer: Insights From Electronic Health Records and Natural Language Processing 2025-Apr, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00227 PMID:40249880	研究论文	本研究利用电子健康记录和自然语言处理技术，分析了早期和局部晚期非小细胞肺癌（NSCLC）术后复发的风险因素	开发了一个基于深度学习的定制化NLP系统，用于高效识别NSCLC复发数据，并纵向分析风险因素	研究依赖于电子健康记录的数据质量，可能存在信息不完整或偏差	建立NLP系统以分析NSCLC术后复发的风险因素	6,351名NSCLC患者的电子健康记录，其中1,295名I-IIIA期手术患者	自然语言处理	肺癌	NLP	深度学习	文本	6,351名NSCLC患者的700,000多条记录
5430	2025-04-24	Innovative Approach for Diabetic Retinopathy Severity Classification: An AI-Powered Tool using CNN-Transformer Fusion 2025-Apr, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2408-1811 PMID:40259941	研究论文	开发了一种结合CNN和Transformer架构的深度学习模型，用于糖尿病视网膜病变的严重程度分类	提出了一种结合CNN和Transformer的混合模型，提高了糖尿病视网膜病变诊断的准确性、可靠性和泛化能力	模型性能依赖于数据集的质量和多样性，可能存在对某些罕见病例的识别不足	提高糖尿病视网膜病变的诊断准确性和严重程度分类	糖尿病视网膜病变患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN-Transformer融合模型	图像	APTOS 2019数据集和IDRiD数据集
5431	2025-04-24	Prediction and Prioritisation of Novel Anthelmintic Candidates from Public Databases Using Deep Learning and Available Bioactivity Data Sets 2025-Mar-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26073134 PMID:40243899	research paper	本研究利用深度学习和生物活性数据集，从公共数据库中预测和优先选择新型抗寄生虫候选药物	采用监督机器学习工作流程，训练多层感知器分类器，对15000个小分子化合物进行标记，并在高度不平衡的训练数据下实现83%的精确率和81%的召回率	训练数据中仅有1%的化合物被标记为'活性'，数据不平衡可能影响模型性能	加速发现具有独特作用机制的新型抗寄生虫化合物，以支持有效的寄生虫控制计划	寄生性线虫（barber's pole worm）及其幼虫和成虫	machine learning	寄生虫感染	high-throughput screening, supervised machine learning	multi-layer perceptron classifier	bioactivity data, small-molecule compounds	15000个小分子化合物，14.2 million compounds from ZINC15 database，10个候选化合物进行实验评估
5432	2025-04-24	Redefining a new frontier in alkaptonuria therapy with AI-driven drug candidate design via in- silico innovation 2025-Mar-26, Zeitschrift fur Naturforschung. C, Journal of biosciences DOI:10.1515/znc-2024-0075 PMID:38996180	研究论文	本研究利用深度学习AI药物设计，针对罕见代谢疾病黑酸尿症（AKU），开发了基于天然黄酮醇分子山奈酚的新型药物候选物	首次将AI驱动的药物设计应用于黑酸尿症治疗，开发出基于山奈酚的新型药物候选物AIK，其结合亲和力达-9.099 kcal/mol	尽管AI设计的AIK在计算上显示有效且安全，但测试结果仍需进一步验证	减轻现有黑酸尿症药物（如尼替西农）的毒性，开发更安全有效的治疗方案	黑酸尿症患者	AI药物设计	黑酸尿症	深度学习AI药物设计、分子对接	深度学习	分子结构数据	NA
5433	2025-04-24	Using deep learning to enhance reporting efficiency and accuracy in degenerative cervical spine MRI 2025-Mar-26, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2025.03.009 PMID:40154625	research paper	使用基于transformer的深度学习模型提升退行性颈椎MRI报告的效率和准确性	首次将transformer-based DLM应用于退行性颈椎MRI报告，显著提升放射科医师的工作效率和诊断一致性	样本量较小（仅50例患者），且排除了有器械植入的病例	评估深度学习模型能否提高放射科医师在退行性颈椎MRI报告中的效率和准确性	退行性颈椎病患者的MRI图像	digital pathology	geriatric disease	MRI	transformer-based DLM	image	50例患者的2555张MRI图像
5434	2025-04-24	Comparison of the characteristics between machine learning and deep learning algorithms for ablation site classification in a novel cloud-based system 2025-Mar-17, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2025.03.1955 PMID:40107403	research paper	本研究比较了CARTONET系统中R12.1和R14模型在消融部位分类上的特性，并评估了R14模型的敏感性和阳性预测值	首次在云基础系统CARTONET中比较了机器学习和深度学习算法在消融部位分类上的性能差异	研究仅基于396例心房颤动消融病例，样本量可能不足以代表所有情况	比较CARTONET系统R12.1和R14模型在消融部位分类上的性能差异	心房颤动消融病例	machine learning	cardiovascular disease	deep learning	CARTONET R14	clinical data	396例心房颤动消融病例，分析39,169个点和625个段的预测数据
5435	2025-04-24	The Prediction of Recombination Hotspot Based on Automated Machine Learning 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168653 PMID:38871176	研究论文	本文研究基于自动化机器学习的重组热点预测方法，通过结合序列信息和物理化学特性，提高了预测准确率	采用自动化机器学习方法构建重组热点预测模型，结合TF-IDF-Kmer和DNA组成成分提取更有效的特征数据，并在三个不同数据集上验证了模型的有效性	未明确提及具体的数据集规模或多样性限制	提高重组热点预测的准确性和泛化能力	基因序列中的重组热点	机器学习	NA	自动化机器学习、TF-IDF-Kmer、DNA组成分析	自动化机器学习模型	基因序列数据	三个不同的数据集（具体数量未提及）
5436	2025-04-24	Similarity-guided graph contrastive learning for lncRNA-disease association prediction 2025-Mar-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168609 PMID:38750722	research paper	提出了一种基于相似性引导的图对比学习方法（SGGCL），用于预测lncRNA与疾病之间的关联	创新性地结合了图神经网络和对比学习，提出了一种相似性引导的图数据增强方法，以解决已验证数据稀缺的问题	未明确提及具体局限性	提高lncRNA与疾病关联预测的准确性	长链非编码RNA（lncRNA）与人类疾病之间的关联	machine learning	NA	图神经网络、对比学习、RWR算法	SGGCL（相似性引导的图对比学习模型）	图数据	多个数据集（未明确提及具体样本数量）
5437	2025-04-24	Impact of Downsampling Size and Interpretation Methods on Diagnostic Accuracy in Deep Learning Model for Breast Cancer Using Digital Breast Tomosynthesis Images 2025-Mar-06, The Tohoku journal of experimental medicine DOI:10.1620/tjem.2024.J071 PMID:39048348	research paper	研究探讨了下采样尺寸和图像插值方法对深度学习模型在数字乳腺断层合成图像中乳腺癌诊断准确性的影响	首次系统评估不同下采样尺寸和插值方法对深度学习模型在乳腺癌诊断中性能的影响	研究为回顾性研究，样本量相对有限（499例）	优化深度学习模型的预处理步骤以提高乳腺癌诊断的准确性和效率	数字乳腺断层合成图像	digital pathology	breast cancer	digital breast tomosynthesis (DBT)	DL models	image	499名患者（年龄29-90岁，平均50.5岁）的乳腺断层合成图像
5438	2025-04-24	Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability 2025-Mar, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.05.027 PMID:38876447	research paper	开发了一种基于Transformer的多标签深度学习模型，用于检测踝关节外侧和内侧韧带损伤，并评估其对临床医生诊断慢性踝关节不稳（CAI）的影响	提出了一种基于Transformer的多标签深度学习模型（AnkleNet），在检测踝关节韧带损伤方面表现优于传统的CNN模型，并显著提高了临床医生的诊断准确性	研究基于回顾性收集的MRI数据，可能存在选择偏差	开发一种深度学习模型，辅助诊断慢性踝关节不稳（CAI）	踝关节外侧和内侧韧带损伤	digital pathology	chronic ankle instability	MRI	Transformer-based multilabel DL model (AnkleNet) and CNN	image	回顾性收集的踝关节MRI数据（2016年4月至2022年3月，来自3个中心）
5439	2025-04-24	Melanoma classification using generative adversarial network and proximal policy optimization 2025 Mar-Apr, Photochemistry and photobiology IF:2.6Q3 DOI:10.1111/php.14006 PMID:39080818	research paper	提出了一种结合生成对抗网络和近端策略优化的新型深度学习框架，用于黑色素瘤分类	引入了Off-policy PPO算法处理数据不平衡问题，并结合GAN进行数据增强以提高模型的泛化能力	未提及模型在外部验证集上的表现或计算资源需求	提高黑色素瘤的早期检测准确率以改善临床治疗效果	黑色素瘤皮肤病变图像	digital pathology	melanoma	deep learning	GAN, Off-policy PPO	image	SIIM-ISIC Melanoma Classification Challenge-ISIC-2020数据集（具体数量未说明）
5440	2025-04-24	Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29499 PMID:39010746	research paper	该研究利用深度学习模型从常规T1-MR图像中分类基于T1ρ-MR的椎间盘退变阶段	提出了一种深度学习模型，能够从常规T1-MR图像中预测T1ρ-MR的椎间盘退变阶段，克服了T1ρ-MR扫描时间长和费用高的问题	样本量较小（60名患者），且研究为回顾性设计	开发一种方法，通过常规T1-MR图像预测T1ρ-MR的椎间盘退变阶段，以促进T1ρ-MR在椎间盘退变中的应用	椎间盘退变（IDD）患者	digital pathology	geriatric disease	T1-, T2-, and T1ρ-MR sequence (spin echo)	deep learning model	image	60名患者（35男/25女），分为训练集（50人）和测试集（10人）