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
6021	2025-03-23	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出了一种基于深度学习的关联学习方法，用于理解体育教学概念，并通过超图卷积构建神经认知诊断模型，以分析学生的认知模式	使用卷积神经网络提取与教学概念相关的图像特征，并构建基于超图卷积的神经认知诊断模型，用于挖掘学生的长期学习序列数据并识别认知结果	NA	提高学生对体育教学概念的理解，帮助教师分析学生的认知模式	学生和体育教学概念	机器学习	NA	深度学习算法	卷积神经网络（CNN）、超图卷积	图像、学习序列数据	90,000个训练样本
6022	2025-03-23	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型，探索其在预测中风方面的效果，并利用SHAP方法提高模型的可解释性	本研究首次系统比较了多种深度学习和机器学习模型在中风预测中的表现，并利用SHAP方法增强了模型的可解释性	研究样本仅来自伊朗德黑兰的一家医院，可能限制了结果的普适性	比较深度学习和机器学习模型在中风预测中的效果	663名住院患者，包括401名健康个体和262名中风患者	机器学习	心血管疾病	10折交叉验证和超参数调优	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录	663名患者（401名健康个体和262名中风患者）
6023	2025-03-23	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	本研究通过多中心、随机、双盲、非劣效性平行组试验，评估了深度学习在选择体外受精最佳胚胎中的价值	首次在体外受精胚胎选择中比较了深度学习算法（iDAScore）与标准形态学评估的效果	未能证明深度学习在临床妊娠率上不劣于标准形态学评估和预定义的优先方案	评估深度学习在体外受精胚胎选择中的应用价值	42岁以下、至少有2个早期囊胚的女性	数字病理	生殖健康	深度学习	iDAScore	胚胎图像	1066名患者（533名在iDAScore组，533名在形态学组）
6024	2025-03-23	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	本文介绍了一个名为ehrapy的开源Python框架，用于电子健康记录（EHR）数据的端到端分析	ehrapy框架首次提供了一个模块化的开源工具，能够处理异构的流行病学和EHR数据，并支持从数据提取到低维表示生成的全流程分析	尽管ehrapy功能强大，但其在特定疾病或数据类型的应用效果仍需进一步验证	开发一个标准化的分析框架，用于电子健康记录数据的全面探索性分析	电子健康记录（EHR）数据	数字病理学	肺炎, 心血管疾病, SARS-CoV-2	数据提取, 质量控制, 低维表示生成, 生存分析, 轨迹推断, 因果推断	深度学习模型	电子健康记录（EHR）数据, 影像数据	未明确提及具体样本数量
6025	2025-03-23	ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology 2024-10, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102130 PMID:39233013	研究论文	本文提出了一种新的两阶段深度学习方法CNMI-YOLO，用于数字病理学中的有丝分裂检测，旨在提高不同类型癌症中有丝分裂的识别准确性	结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决了细胞形态变异和领域转移问题，显著提高了有丝分裂检测的准确性和鲁棒性	虽然模型在多个数据集上表现出色，但在未包含在训练数据集中的软组织肉瘤和黑色素瘤样本上的泛化能力仍需进一步验证	提高数字病理学中有丝分裂检测的准确性，以支持癌症的诊断和预后	数字病理学中的有丝分裂细胞	数字病理学	癌症	深度学习	YOLOv7, ConvNeXt	图像	Mitosis Domain Generalization Challenge 2022数据集，以及外部的黑色素瘤和肉瘤测试集
6026	2025-03-23	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	研究论文	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统性地评估了MR图像质量指标与深度学习模型分割性能之间的相关性，并提出了基于特定IQMs选择训练图像以提升模型准确性和泛化能力的方法	研究仅基于BraTS数据集，未在其他数据集上验证结果的普适性	评估输入训练图像的IQMs与基于深度学习的脑肿瘤分割准确性之间的关系，以开发更具泛化能力的模型	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	3D DenseNet	MRI图像	BraTS 2020和2021训练队列的多模态MRI扫描
6027	2025-03-23	Hessian Regularized L 2 , 1 -Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction 2024-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00594-8 PMID:38099958	研究论文	本文提出了一种结合Hessian正则化非负矩阵分解和深度学习的模型，用于预测miRNA与疾病之间的关联	引入了一种新的迭代融合方法，有效减少了初始miRNA-疾病关联矩阵的稀疏性，并设计了一个混合模型框架，结合深度学习、矩阵分解和奇异值分解来捕捉和描述miRNA与疾病的复杂非线性特征	NA	预测miRNA与疾病之间的潜在关联，为医学研究者提供初步见解	miRNA与疾病的关联	机器学习	肺癌、膀胱癌、乳腺癌	深度学习、矩阵分解、奇异值分解	Hessian正则化非负矩阵分解与深度学习结合的混合模型	miRNA-疾病关联矩阵	NA
6028	2025-03-23	Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences 2024-01-19, Database : the journal of biological databases and curation DOI:10.1093/database/baad094 PMID:38245002	综述	本文对基于机器学习和深度学习的蛋白质序列中赖氨酸丙二酰化位点预测技术及工具进行了全面分析和回顾	提出了一种由经典机器学习模型和深度学习模型组成的混合架构，用于集成预测结果，并展示了其优越性能	现有方法存在特征提取不当、高维特征和低效分类器等特定缺点	提高蛋白质序列中赖氨酸丙二酰化位点的预测准确性和效率	蛋白质序列中的赖氨酸丙二酰化位点	机器学习	NA	机器学习（ML）和深度学习	经典ML模型和深度学习模型	蛋白质序列数据	基于最新数据库提取的新数据集
6029	2025-03-23	Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1243659 PMID:38711781	综述	本文综述了人工智能在皮肤癌生存分析中的应用现状，重点分析了监督学习、无监督学习、深度学习和自然语言处理等方法	本文首次系统性地总结了人工智能在皮肤癌生存分析中的应用，并指出了深度学习在黑色素瘤组织病理学解释中的集中应用，同时提出了结合遗传、组织病理学和临床数据进行更广泛预后分析的机会	本文仅纳入了14篇符合纳入标准的文献，且大多数文献集中在黑色素瘤上，对其他类型皮肤癌的研究较少	探讨人工智能在皮肤癌生存分析中的应用，以改善生存分析、靶向治疗和预后	皮肤癌患者	数字病理学	皮肤癌	深度学习，自然语言处理	监督学习，无监督学习，深度学习	遗传数据，临床历史，人口统计数据，病理数据	14篇文献
6030	2025-03-23	SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants 2023-01-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac584 PMID:36575831	研究论文	本文介绍了一种基于蛋白质语言模型的短框内插入和缺失变异（indel）致病性预测工具SHINE	SHINE利用预训练的蛋白质语言模型从蛋白质序列和多序列比对中构建indel及其蛋白质背景的潜在表示，并通过监督机器学习模型进行致病性预测，相比现有方法在预测性能上有显著提升	由于已知致病性变异数量有限，训练数据可能存在不足	提高短框内插入和缺失变异的致病性预测准确性	短框内插入和缺失变异	自然语言处理	NA	蛋白质语言模型	监督机器学习模型	蛋白质序列	来自ClinVar和gnomAD的训练数据，以及两个不同来源的测试数据集
6031	2025-03-23	With or without human interference for precise age estimation based on machine learning? 2022-May, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-022-02796-z PMID:35157129	研究论文	本文探讨了在基于机器学习的精确年龄估计中，有无人工干预对特征提取的影响	首次在同一图像分析任务中比较了人工干预和自主提取两种特征提取方法的效果	ADSE模型在牙龄估计中的准确性不理想，MAE仅比手动方法低0.04年	比较人工干预和自主提取特征在牙龄估计中的性能差异	牙龄估计	计算机视觉	NA	卷积神经网络（CNN）	ADSE模型和ADAE模型	图像	NA
6032	2025-03-23	MVP predicts the pathogenicity of missense variants by deep learning 2021-01-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20847-0 PMID:33479230	研究论文	本文介绍了一种名为MVP的新预测方法，利用深度残差网络和大规模训练数据集来预测错义变异的致病性	MVP方法通过深度残差网络利用大规模训练数据集和多个相关预测因子，显著提高了错义变异致病性预测的性能，特别是在对功能丧失变异耐受的基因中	文章未明确提及具体局限性	开发一种更准确的错义变异致病性预测方法，以支持遗传研究和临床诊断	错义变异	机器学习	先天性心脏病	深度残差网络	深度残差网络	基因变异数据	NA
6033	2025-03-23	Template-based prediction of protein structure with deep learning 2020-Dec-29, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-020-07249-8 PMID:33372607	研究论文	本文提出了一种名为ThreaderAI的新模板建模方法，通过深度学习提高蛋白质三级结构预测的准确性	ThreaderAI将查询序列与模板对齐的任务公式化为计算机视觉中的经典像素分类问题，并自然应用深度残差神经网络进行预测，显著提高了对远源同源蛋白质的结构预测准确性	NA	提高蛋白质三级结构预测的准确性，特别是对于只有远源同源物的蛋白质	蛋白质三级结构	计算机视觉	NA	深度学习	深度残差神经网络	序列数据	SCOPe数据和CASP13的TBM-hard数据
6034	2025-03-22	Low-speed impact localization of wind turbine blades with a single sensor utilizing multiscale feature fusion convolutional neural networks 2025-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107598 PMID:39955861	研究论文	本文提出了一种基于深度学习的单传感器冲击定位方法，用于风力涡轮机叶片的低速冲击定位	设计了一种多尺度特征融合卷积神经网络，并结合卷积块注意力模块，从单传感器信号中自适应提取特征，实现精确的区域级源定位	NA	开发一种用于评估和定位复合材料结构（如风力涡轮机叶片）冲击的方法	风力涡轮机叶片的低速冲击响应	机器学习	NA	完全集成经验模态分解与自适应噪声	多尺度特征融合卷积神经网络	声发射信号	钢球跌落实验模拟的风力涡轮机叶片翼梁低速冲击响应
6035	2025-03-22	Automated Bone Cancer Detection Using Deep Learning on X-Ray Images 2025-Apr, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506241299886 PMID:39679470	研究论文	本文提出了一种基于深度学习的自动化骨癌检测方法，使用X射线图像进行骨癌分类	提出了一种结合Golden Search优化算法和深度学习的计算机辅助诊断方法（GSODL-CADBCC），用于骨癌分类	未提及具体的数据集规模或多样性限制，也未讨论模型在其他类型医学图像上的泛化能力	开发一种自动化系统，用于从X射线图像中准确区分健康骨骼和癌变骨骼	X射线图像中的骨骼	计算机视觉	骨癌	深度学习，Golden Search优化算法，双边滤波	SqueezeNet，LSTM	X射线图像	未明确提及具体样本数量
6036	2025-03-22	A Systematic Review of Advances in AI-Assisted Analysis of Fundus Fluorescein Angiography (FFA) Images: From Detection to Report Generation 2025-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01109-y PMID:39982648	综述	本文系统回顾了人工智能在眼底荧光血管造影（FFA）图像分析中的应用进展，从病变检测到报告生成	总结了AI在FFA图像分析中的关键突破，并探讨了其对眼科临床实践的潜在影响	需要进一步研究以提高模型透明度，并确保在不同人群中的稳健性能，数据隐私和技术基础设施仍是广泛临床应用的挑战	探讨人工智能在FFA图像分析中的应用及其对眼科临床实践的影响	眼底荧光血管造影（FFA）图像	计算机视觉	眼底疾病	深度学习，机器学习	NA	图像	23篇文章
6037	2025-03-22	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-Mar-21, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	本文介绍了一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器PCANN，它结合了ESM-2语言模型和图注意力网络（GAT）来预测蛋白质结合界面的信息	PCANN预测器结合了ESM-2语言模型和图注意力网络（GAT），在预测蛋白质-蛋白质复合物亲和力方面表现优于现有的最佳公开预测器BindPPI	开发基于深度学习模型的预测器面临两个问题：实验数据量有限且数据准确性不高，缺乏内部一致性	开发一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器	蛋白质-蛋白质复合物	自然语言处理	NA	ESM-2语言模型，图注意力网络（GAT）	神经网络	蛋白质结构数据	两个文献提取的数据集
6038	2025-03-22	Deep learning analysis of magnetic resonance imaging accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis 2025-Mar-20, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001314 PMID:40112296	研究论文	本研究开发了一种深度学习模型，通过分析磁共振成像（MRI）来检测原发性硬化性胆管炎（PSC）患者的早期肝门部胆管癌（pCCA），并与放射科专家的诊断性能进行比较	使用3D DenseNet-121模型分析MRI图像，显著提高了早期pCCA的检测灵敏度，尤其是在无肿块的情况下	研究为回顾性队列研究，可能存在选择偏差，且样本量相对较小	开发一种深度学习模型，用于早期检测PSC患者的pCCA	原发性硬化性胆管炎（PSC）患者	数字病理	胆管癌	MRI	3D DenseNet-121	图像	398名患者（训练队列150名，测试队列248名）
6039	2025-03-22	Deep Learning Neural Network Based on PSO for Leukemia Cell Disease Diagnosis from Microscope Images 2025-Mar-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01474-x PMID:40113730	研究论文	本文提出了一种基于粒子群优化（PSO）的深度学习神经网络方法，用于从显微镜图像中诊断白血病细胞疾病	结合深度学习和PSO方法进行特征提取和优化，使用多种机器学习算法进行分析，提高了白血病细胞诊断的准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高白血病细胞疾病的诊断准确性	显微镜图像中的白血病细胞	计算机视觉	白血病	深度学习，粒子群优化（PSO）	GoogLeNet, ResNet-50, 决策树（DT）, 支持向量机（SVM）, K近邻（K-NN）	图像	NA
6040	2025-03-22	Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101242 PMID:40112776	评论	本文是对De Vries等人关于3D细胞形状分析的深度学习方法的同行评审过程的评价	NA	NA	评估De Vries等人的研究，探讨细胞形状与其反应之间的关系	3D细胞形状	数字病理学	NA	深度学习	NA	3D图像	NA