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
5661	2025-05-03	The data analysis of sports training by ID3 decision tree algorithm and deep learning 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99996-5 PMID:40301591	研究论文	本文提出了一种结合ID3决策树算法和深度学习模型的优化分析模型，以提高体育训练数据分析的准确性和效率	结合ID3决策树算法和深度学习模型，优化体育训练数据分析的性能	未提及具体的数据集规模或实际应用中的潜在问题	提高体育训练数据分析的准确性和效率，为运动员和教练提供决策支持	体育训练数据	机器学习	NA	ID3决策树算法、深度学习	ID3、XGBoost、CapsNets	体育训练数据	NA
5662	2025-05-03	Automated radiography assessment of ankle joint instability using deep learning 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99620-6 PMID:40301608	research paper	本研究开发并评估了一种基于深度学习的系统，用于自动测量负重踝关节X光片中的距骨倾斜和前距骨平移，这些是诊断踝关节不稳定的关键参数	开发了一种深度学习系统，能够自动且高精度地测量踝关节X光片中的关键参数，为临床诊断提供客观和可重复的测量结果	排除了接受关节融合、骨移植或关节置换手术的患者，可能限制了系统的普适性	开发一种自动化系统以辅助临床诊断踝关节不稳定	踝关节X光片中的距骨倾斜和前距骨平移	digital pathology	ankle joint instability	deep learning	DL-based system	image	1,452张前后位X光片和2,984张侧位X光片，来自4,000名患者
5663	2025-05-03	Brain tumor detection empowered with ensemble deep learning approaches from MRI scan images 2025-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99576-7 PMID:40301625	research paper	该研究提出了一种结合两种深度学习模型的新型AI技术，用于从MRI扫描图像中检测和分类脑肿瘤	结合InceptionV3和Xception两种深度学习模型，提高了脑肿瘤检测的准确性和可靠性	未提及具体的数据集大小或多样性限制	提高脑肿瘤检测的准确性和可靠性，以促进早期诊断和治疗	脑MRI扫描图像，分为垂体瘤、脑膜瘤、胶质瘤和正常四类	digital pathology	brain tumor	MRI扫描	InceptionV3 + Xception	image	NA
5664	2025-05-03	Application of deep learning reconstruction combined with time-resolved post-processing method to improve image quality in CTA derived from low-dose cerebral CT perfusion data 2025-Apr-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01623-2 PMID:40301751	研究论文	评估深度学习重建（DLR）与时间分辨最大强度投影（tMIP）或时间分辨平均（tAve）后处理方法结合对低剂量脑CT灌注（CTP）数据衍生的CTA图像质量的影响	结合DLR与tMIP或tAve后处理方法，在降低辐射剂量的同时提升CTA图像质量	样本量较小（仅60例患者），且为回顾性研究	提升低剂量脑CTP衍生的CTA图像质量	低剂量脑CTP数据	医学影像处理	脑血管疾病	深度学习重建（DLR）、时间分辨最大强度投影（tMIP）、时间分辨平均（tAve）	深度学习	医学影像（CT图像）	60例患者（30例常规剂量组，30例低剂量组）
5665	2025-05-03	PPI-Graphomer: enhanced protein-protein affinity prediction using pretrained and graph transformer models 2025-Apr-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06123-2 PMID:40301762	研究论文	提出了一种名为PPI-Graphomer的模块，通过整合大规模语言模型和逆折叠模型的预训练特征，增强蛋白质结合界面的表征能力	结合预训练特征和分子相互作用信息，定义边关系和界面掩码，提升蛋白质结合界面的表征能力	未明确提及具体局限性	提高蛋白质-蛋白质亲和力预测的准确性	蛋白质-蛋白质相互作用（PPIs）及其结合界面	生物信息学	NA	预训练语言模型、逆折叠模型	Graph Transformer	蛋白质序列和结构数据	多个基准数据集（未明确提及具体数量）
5666	2025-05-03	LAGNet: better electron density prediction for LCAO-based data and drug-like substances 2025-Apr-29, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01010-7 PMID:40301997	research paper	该研究提出了一种名为LAGNet的新架构，用于预测基于LCAO数据的药物类物质的电子密度	提出了一种专门为药物类物质和DFT数据集设计和调整的新型架构LAGNet，并改进了电子密度的存储方式	未提及具体的局限性	提高基于LCAO数据的药物类物质电子密度预测的准确性	药物类物质的电子密度	量子化学	NA	DeepDFT模型	LAGNet	量子化学数据	未提及具体样本量
5667	2025-05-03	Unified Deep Learning of Molecular and Protein Language Representations with T5ProtChem 2025-Apr-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00051 PMID:40197028	研究论文	介绍了一种基于T5架构的统一模型T5ProtChem，用于同时处理分子和蛋白质序列	提出了T5ProtChem模型，通过新的预训练目标ProtiSMILES，将分子和蛋白质领域连接起来，实现了高效的、可泛化的蛋白质-化学建模	未明确提及具体限制	探索统一的深度学习模型在药物发现、蛋白质工程以及计算生物学和化学的跨学科应用中的潜力	分子和蛋白质序列	计算生物学和化学	NA	T5架构，ProtiSMILES预训练目标	T5ProtChem	分子和蛋白质序列	未明确提及样本数量
5668	2025-05-03	Detection of precancerous lesions in cervical images of perimenopausal women using U-net deep learning 2025-Apr-23, African journal of reproductive health IF:0.7Q4 DOI:10.29063/ajrh2025/v29i4.10 PMID:40314307	研究论文	本研究开发了一种基于U-Net和ResNet的高效准确宫颈细胞图像分割与识别模型，用于提高围绝经期女性癌前病变的检测	结合U-Net与SegNet，并引入SE注意力机制构建2Se/U-Net分割模型；优化ResNet，采用LD-loss和DRL块构建LD/ResNet病变识别模型	研究仅基于103张围绝经期女性的细胞学图像，样本量较小	提高围绝经期女性宫颈癌前病变的检测效率和准确性	围绝经期女性的宫颈细胞图像	数字病理学	宫颈癌	深度学习	U-Net, ResNet, SegNet, SE注意力机制	图像	103张围绝经期女性的细胞学图像
5669	2025-05-03	Graph-based deep learning for predictions on changes in microbiomes and biogas production in anaerobic digestion systems 2025-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123144 PMID:39826399	研究论文	本研究提出了一种基于图卷积网络（GCNs）的方法，用于预测厌氧消化系统中微生物群落变化和沼气产量	首次将图卷积网络应用于厌氧消化过程建模，整合了高通量测序数据和挥发性脂肪酸抑制效应的网络分析	研究仅基于特定操作条件下的厌氧消化器响应，可能不适用于所有厌氧消化系统	理解和优化厌氧消化过程，预测微生物动态和沼气产量	厌氧消化系统中的微生物群落和沼气生产过程	机器学习	NA	高通量测序	GCN	测序数据	281天的厌氧消化器响应数据，包括有机负荷冲击、饥饿和生物强化等多种喂养条件
5670	2025-05-03	Real-life benefit of artificial intelligence-based fracture detection in a pediatric emergency department 2025-Apr-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11554-9 PMID:40192806	研究论文	评估基于人工智能的骨折检测软件在儿科急诊临床环境中的性能及其对经验不足医生诊断准确性的影响	在真实临床环境中评估AI骨折检测软件的性能，并探讨其对经验不足医生诊断准确性的提升作用	AI对某些特定类型骨折(如桡骨髁骨折)的检测灵敏度较低(68%)，且AI辅助可能导致2%病例的正确诊断被错误排除	评估AI骨折检测软件在儿科急诊中的临床应用价值	18岁以下儿童的1672张放射影像	数字病理	骨折	深度学习	深度学习模型(未明确说明具体类型)	医学影像	1672张儿童放射影像(中位年龄10.9岁，59%男性)
5671	2025-05-03	Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137233 PMID:39823885	research paper	提出了一种名为CellNet的神经网络模型，用于检测密集目标，并通过基于形状感知的径向基函数学习对象的核表示，提高目标计数准确性	使用形状感知径向基函数学习对象的核表示，显著提高了密集目标的检测准确率	未明确提及模型在其他类型目标或更复杂场景下的表现	开发高精度的生物标志物检测方法，用于疾病诊断	密集目标和粘附性聚苯乙烯微球	computer vision	NA	biotin-streptavidin-based biosensing method using artificial intelligence transcoding (bs-SMART)	neural network (CellNet)	image	血清样本（具体数量未提及）
5672	2025-05-03	A Paradigm of Computer Vision and Deep Learning Empowers the Strain Screening and Bioprocess Detection 2025-Apr, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28926 PMID:39821114	研究论文	本研究提出并验证了一种结合计算机视觉与深度学习的创新研究范式，以促进高效菌株筛选和有效发酵过程优化	结合计算机视觉与深度学习，开发了一种用于菌株筛选和发酵过程优化的视觉传感研究范式	NA	提高菌株筛选和发酵过程优化的效率和稳定性	庆大霉素C1a效价和荧光蛋白表达	计算机视觉	NA	计算机视觉、深度学习	1D-CNN	图像	NA
5673	2025-05-03	Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images 2025-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02311-y PMID:39821588	research paper	本研究探讨了深度学习在超声图像中诊断急性腹主动脉夹层的能力	使用深度学习模型（Densenet-169和VGG-16）辅助诊断急性腹主动脉夹层，并与人类读者进行比较	样本量较小，仅包含374张超声图像	提高急性腹主动脉夹层的早期诊断准确性，特别是在急诊环境中	急性腹主动脉夹层（AD）患者的超声图像	digital pathology	cardiovascular disease	ultrasound imaging	Densenet-169, VGG-16	image	374张超声图像
5674	2025-05-03	Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study 2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.010 PMID:39827035	研究论文	本研究评估了一种基于深度学习和放射组学的自动化方法，用于检测牙科锥形束计算机断层扫描（CBCT）中的血管钙化，并预测心血管疾病	结合深度学习和放射组学技术，首次在牙科CBCT扫描中自动检测血管钙化并预测心血管疾病	椎动脉钙化（VAC）检测性能较低，样本量相对较小（148例扫描）	开发自动化方法来检测血管钙化并预测心血管疾病	颅外和颅内颈动脉及椎动脉的钙化	数字病理学	心血管疾病	CBCT扫描	nn-UNet	医学影像	148例CBCT扫描，135个钙化区域
5675	2025-05-03	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法，旨在提高扩散特性的准确估计	利用深度学习框架校正自由水部分体积效应，适用于单壳采集方案，提高了扩散特性估计的准确性和一致性	方法在临床队列中的广泛应用可能受限于数据采集方案的多样性	开发一种能够准确校正扩散MRI中自由水部分体积效应的方法，以提高扩散特性估计的准确性	Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC)	医学影像处理	NA	扩散磁共振成像(dMRI)	深度学习框架	MRI图像	涉及多个数据集，包括HCP-ya、HCP-a和BTC
5676	2025-05-03	Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery 2025-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.01.003 PMID:39814096	研究论文	本研究评估了多种深度学习模型在基于术前光学相干断层扫描（OCT）图像预测特发性视网膜前膜（ERM）手术术后视力结果方面的性能	利用深度学习模型（特别是ResNet-101）预测ERM手术术后视力结果，并展示其性能优于普通眼科医生和非视网膜专科医生，略优于视网膜专科医生	样本量相对较小，外部测试集仅包含76只眼睛的152张OCT图像	预测特发性视网膜前膜（ERM）手术的术后视力结果	696只眼睛的1,392张OCT图像（内部训练和验证集）和76只眼睛的152张OCT图像（外部测试集）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	Inception-v3, ResNet-101, VGG-19	图像	696只眼睛的1,392张OCT图像（内部训练和验证集）和76只眼睛的152张OCT图像（外部测试集）
5677	2025-05-03	DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108592 PMID:39813937	研究论文	提出了一种用于乳腺X光片分类的单源域泛化的域不变特征学习框架（DIFLF）	通过风格增强模块（SAM）和内容-风格解耦模块（CSDM）增加源域特征多样性并提取域不变特征	仅使用单一源数据集进行训练，可能无法覆盖所有可能的域偏移情况	提高深度学习模型在乳腺X光片分类中的跨域泛化能力	乳腺X光片	计算机视觉	乳腺癌	深度学习	DIFLF（包含SAM和CSDM模块）	图像	一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试
5678	2025-05-03	Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108594 PMID:39813939	研究论文	提出了一种基于去噪扩散概率模型和高斯噪声添加的EEG-fNIRS数据增强框架，以提高混合脑机接口系统的性能	结合去噪扩散概率模型（DDPM）和传统高斯噪声添加方法，首次为EEG-fNIRS混合信号创建联合分布样本并进行数据增强	研究依赖于特定任务的数据集，可能无法直接推广到其他脑机接口应用场景	解决脑机接口系统中脑信号数据稀缺问题，提高深度学习模型性能	EEG和fNIRS混合脑信号数据	脑机接口	NA	去噪扩散概率模型（DDPM），高斯噪声添加	DDPM	EEG-fNIRS多模态神经生理信号	三个公开数据库和一个自采集数据库
5679	2025-05-03	ARGai 1.0: A GAN augmented in silico approach for identifying resistant genes and strains in E. coli using vision transformer 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108342 PMID:39813877	research paper	提出了一种名为ARGai 1.0的深度学习架构，结合GAN和Vision Transformer，用于识别大肠杆菌中的耐药基因和菌株	使用GAN生成合成数据以解决数据稀缺问题，结合Vision Transformer进行特征提取和耐药基因识别	研究仅针对大肠杆菌，未涉及其他细菌的耐药基因识别	开发一种计算基因组学方法，用于识别大肠杆菌中的耐药基因和菌株	大肠杆菌（E. coli）的耐药基因和菌株	computational genomics	infectious disease	WGS, NGS	GAN, Vision Transformer, DCGAN	genomic sequencing data	NA
5680	2025-05-03	Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme 2025-Apr, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.028 PMID:39814211	research paper	通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度	提出了一种新的两阶段深度学习方法，用于评估根治性前列腺切除术的难度，并引入了新的指标来描述前列腺和骨盆之间的空间关系	研究仅基于290名患者的数据，样本量相对较小，且仅验证了腹腔镜和机器人辅助根治性前列腺切除术	探索新的指标来评估根治性前列腺切除术的难度	根治性前列腺切除术的术前磁共振成像数据	digital pathology	prostate cancer	magnetic resonance imaging	nnUNet_v2, PointNet	image	290名患者（包括腹腔镜和机器人辅助根治性前列腺切除术）