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
6141	2025-03-17	Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures 2025-Mar-15, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00695-6 PMID:40088336	研究论文	本文提出了一种名为Drug-molecule Connect Cell (DconnC)的新方法，用于预测协同药物组合	DconnC方法通过将细胞特征作为节点，建立药物分子结构之间的连接，利用双向循环神经网络（Bi-RNN）和长短期记忆（LSTM）模型进行自增强对比学习，从而提高了预测的准确性	NA	开发可靠且有效的计算方法来预测协同药物组合	药物组合	机器学习	癌症	深度学习	Bi-RNN, LSTM	分子结构数据	NA
6142	2025-03-17	A Two-Stage Lightweight Deep Learning Framework for Mass Detection and Segmentation in Mammograms Using YOLOv5 and Depthwise SegNet 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01471-0 PMID:40087224	研究论文	本文提出了一种轻量级的两阶段深度学习框架，用于在乳腺X光片中进行肿块检测和分割，确保医疗数据隐私	提出了一种能够在用户浏览器中直接运行的轻量级解决方案，确保医疗数据不离开用户计算机	NA	提高乳腺癌分割的效率和准确性，同时确保医疗数据隐私	乳腺X光片中的肿块	计算机视觉	乳腺癌	深度学习	YOLOv5, Depthwise SegNet	图像	CBIS-DDSM和INbreast数据集
6143	2025-03-17	AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01468-9 PMID:40087225	研究论文	本研究探讨了深度学习在活体肝移植中的3D肝脏分割和体积分析的应用	使用多种U-Net变体模型进行术前和术后的肝脏分割，并评估其性能，同时进行体积分析以测量肝脏切除和再生率	样本量较小，仅包含55名捐赠者的数据	评估深度学习模型在活体肝移植中的肝脏分割和体积分析的准确性和临床应用性	活体肝移植捐赠者的腹部CT数据	计算机视觉	肝病	深度学习	3D U-Net, RU-Net, DU-Net, RDU-Net	3D CT图像	55名捐赠者的腹部CT数据
6144	2025-03-17	De novo design of self-assembling peptides with antimicrobial activity guided by deep learning 2025-Mar-14, Nature materials IF:37.2Q1 DOI:10.1038/s41563-025-02164-3 PMID:40087536	研究论文	本文描述了一种基于深度学习的自组装肽抗菌材料设计方法，用于解决细菌耐药性问题	结合非天然氨基酸增强肽自组装，并通过最小实验注释有效预测自组装肽材料的功能活性	NA	设计具有抗菌功能的自组装肽材料，以应对细菌耐药性问题	自组装肽材料	生物医学工程	细菌感染	深度学习	NA	NA	小鼠肠道细菌感染模型
6145	2025-03-17	Quantitative multislice and jointly optimized rapid CEST for in vivo whole-brain imaging 2025-Mar-14, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30488 PMID:40087839	研究论文	本文开发了一种用于体内全脑成像的定量多层化学交换饱和转移（CEST）调度优化和脉冲序列，以减少多层序列固有的灵敏度损失	开发了一种深度学习框架，用于同时优化扫描参数和切片顺序，提高了多层CEST成像的准确性和可重复性	研究仅在3名健康受试者中进行了测试，样本量较小，且仅在一名受试者中测试了全脑临床成像的可行性	开发一种减少多层序列灵敏度损失的定量多层CEST调度优化和脉冲序列	健康受试者的大脑白质（WM）和灰质（GM）区域	医学影像	NA	化学交换饱和转移（CEST）	深度学习框架	医学影像数据	3名健康受试者
6146	2025-03-17	Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation 2025-Mar-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107337 PMID:40088831	研究论文	本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估	STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色	研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力	优化EEG判别模型，提高ASD评估的准确性和适应性	自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据	脑机接口	自闭症谱系障碍	自训练模型，伪标签样本构建	AutoEncoder, BiGRU, 多任务学习模型（MAC）	EEG数据	175名不同年龄组的ASD可疑儿童
6147	2025-03-17	Toward understanding the role of genomic repeat elements in neurodegenerative diseases 2025-Mar-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-23-01568 PMID:38886931	综述	本文综述了基因组重复元件变异与多种神经退行性疾病之间的关联，并探讨了长读长测序技术和计算模型在识别疾病相关重复元件变异中的应用	强调了基因组重复区域在神经退行性疾病中的重要作用，并介绍了利用长读长测序技术和深度学习语言模型来增强对重复元件变异功能影响的理解	未提及具体的研究数据或样本量，可能缺乏实证支持	探讨基因组重复元件在神经退行性疾病中的作用及其分子机制	基因组重复元件变异	基因组学	神经退行性疾病	长读长测序技术	深度学习语言模型	基因组数据	NA
6148	2025-03-17	Can artificial intelligence lower the global sudden cardiac death rate? A narrative review 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.153882 PMID:39862597	综述	本文探讨了人工智能在预测和预防心脏骤停中的作用和应用	综述了人工智能、机器学习和深度学习在心脏骤停风险分层中的显著前景，并提出了未来研究的方向	当前的人工智能技术尚未得到充分的训练和测试，需要进一步研究可解释性技术、更大的样本量、外部验证、更多样化的患者样本、多模态工具、伦理和偏见缓解	探索人工智能在预测和预防心脏骤停中的作用和应用	心脏骤停	机器学习	心血管疾病	NA	机器学习, 深度学习	NA	NA
6149	2025-03-17	Goose multi-omics database: A comprehensive multi-omics database for goose genomics 2025-Mar, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.104842 PMID:39874782	研究论文	本文介绍了鹅多组学数据库（GMD），一个整合鹅基因组数据的统一平台	GMD是首个为鹅基因组研究提供统一接口的多组学数据库，集成了多种分析工具如GBrowse和BLAST，并支持深度学习等前沿方法	未提及数据库的具体数据量或覆盖范围，可能限制了其在某些研究领域的应用	构建一个统一的平台，整合和分析鹅的基因组数据，以促进鹅生物学研究	鹅的基因组数据	基因组学	NA	多组学分析	深度学习	基因组数据	未明确提及具体样本数量
6150	2025-03-17	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究探讨了基于深度学习的自动检测算法（DLAD）在胸部X光片（CXR）解释中用于肺癌早期诊断的效果	研究表明AI软件在检测CXR上最初未被发现的肺癌方面表现出色，并有可能提高肺癌检测率并缩短诊断时间	研究中存在假阳性率较高的问题，且样本量相对较小	评估AI软件在肺癌诊断中的临床有效性	105名肺癌患者和103名阴性对照的CXR和胸部CT扫描	数字病理	肺癌	深度学习	DLAD	图像	208名患者的320张CXR
6151	2025-03-17	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性	利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在辅助放射治疗患者定位校正中的应用	接受放射治疗的脑部和气道消化道恶性肿瘤患者	数字病理	脑癌, 气道消化道恶性肿瘤	神经网络	神经网络	图像	156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者）
6152	2025-03-17	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	本文提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO，用于解决YOLOv8在资源受限设备上部署的挑战	提出了一种针对物联网嵌入式设备优化的轻量级实时检测网络模型FRYOLO，解决了YOLOv8在资源受限设备上部署的难题	未提及模型在其他类型目标检测任务中的表现，仅以水果检测为例进行了验证	开发一种适用于物联网嵌入式设备的轻量级实时检测网络模型	物联网嵌入式设备中的实时目标检测任务	计算机视觉	NA	深度学习	YOLOv8, FRYOLO	图像	未明确提及具体样本数量，仅以水果检测为例
6153	2025-03-17	DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications 2024-Mar-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.122094 PMID:38646063	研究论文	本文提出了一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构估计种子，用于经典的种子区域生长分割	DeepSeeded方法通过级联深度学习架构增强细胞内部和边界信息，并使用欧几里得距离变换进行体素级分类，从而在密集且强度不均匀的显微镜图像体积中分割接触的细胞实例	尽管在密集细胞群的分割上表现出色，但该方法在低信噪比和高细胞密度的显微镜图像上可能仍存在挑战	开发一种能够准确分割密集细胞群的3D显微镜图像的方法，以量化细胞属性并促进生物医学研究的新发现	细菌生物膜中的密集细胞群	计算机视觉	NA	深度学习	级联深度神经网络	3D显微镜图像	合成数据集和两个真实生物膜数据集
6154	2025-03-16	Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification 2025-Aug, Food microbiology IF:4.5Q1 DOI:10.1016/j.fm.2025.104743 PMID:40086983	研究论文	本文提出了一种结合FT-NIR光谱和机器学习的新工作流程，用于识别牛肝菌的储存期	结合FT-NIR光谱和机器学习，特别是CNN和BPNN模型，用于识别牛肝菌的储存期，提供了一种低成本且用户友好的解决方案	未提及具体的研究局限性	开发一种实时确定牛肝菌储存期的方法，以确保食品安全和真实性	831个储存0、1和2年的牛肝菌样本	机器学习	NA	高效液相色谱（HPLC）和傅里叶变换近红外光谱（FT-NIR）	卷积神经网络（CNN）、反向传播神经网络（BPNN）、数据驱动的软独立建模类类比（DD-SIMCA）、偏最小二乘回归（PLSR）	光谱数据	831个牛肝菌样本
6155	2025-03-16	Deep learning combined Monte Carlo simulation reveal the fundamental light propagation in apple puree: Monitoring the quality changes from different cultivar, storage period and heating duration 2025-Apr, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115997 PMID:40086950	研究论文	本研究通过深度学习结合蒙特卡罗模拟，揭示了苹果泥中光传播的基本规律，以监测不同品种、储存期和加热时间对苹果泥质量的影响	结合深度学习和蒙特卡罗模拟，首次系统地研究了苹果泥在不同条件下的光传播特性，并提出了基于光学参数的质量监测策略	研究仅针对苹果泥，未涉及其他水果或食品基质的光传播特性	研究苹果泥在不同条件下的光传播特性，以监测其化学、结构和流变学参数的变化	苹果泥	机器学习	NA	蒙特卡罗模拟	反向传播神经网络	光学数据	不同品种、储存期和加热时间的苹果泥样本
6156	2025-03-16	NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3538335 PMID:40085464	研究论文	本文提出了一种结合注意力机制的非迭代脉冲神经网络（NiSNN-A），用于运动想象（MI）脑电图（EEG）分类，旨在提高精度并降低能耗	提出了一种非迭代漏积分发放（NiLIF）神经元模型，解决了传统SNN在长时间步中使用迭代LIF神经元的梯度问题，并引入了基于序列的注意力机制来优化特征图	尽管NiSNN-A在精度和能效上有所提升，但其在EEG分类任务中的表现仍需进一步验证和优化	提高运动想象（MI）脑电图（EEG）分类的精度并降低能耗	运动想象（MI）脑电图（EEG）数据	机器学习	NA	NA	非迭代脉冲神经网络（NiSNN-A）	脑电图（EEG）数据	两个MI EEG数据集（OpenBMI和BCIC IV 2a）
6157	2025-03-16	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构	提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构	未明确提及具体限制	提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率	薄膜和多层结构	物理学	NA	反射测量	PANPE（先验摊销神经后验估计）	X射线或中子散射测量数据	未明确提及具体样本数量
6158	2025-03-16	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumour marker prognostic study 2025-Mar-14, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	研究论文	本文开发了一种基于CT的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂（ICIs）治疗的持久临床获益（DCB）	结合放射组学特征、深度学习模型和临床变量，构建了一个综合模型，能够有效预测ICIs治疗的DCB，并揭示与免疫相关机制的关联	模型的预测能力在训练集和测试集之间存在一定差异，且需要进一步验证其在不同人群中的适用性	开发一种预测模型，用于评估潜在可转化肝细胞癌患者对ICIs治疗的响应	潜在可转化肝细胞癌患者	数字病理学	肝细胞癌	CT成像、放射组学分析、RNA和DNA测序	深度学习模型	CT图像、临床数据、RNA和DNA测序数据	未明确提及具体样本数量
6159	2025-03-16	The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm 2025-Mar-13, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2025.105207 PMID:39929328	研究论文	本研究通过μCT分析和深度学习算法，探讨了冷冻保存对牙釉质微裂纹的影响	首次使用深度学习算法对冷冻保存引起的牙釉质裂纹进行直接评估，并提出了可扩展且精确的量化方法	研究样本量较小，仅涉及5颗牙齿，且未探讨裂纹对牙齿功能的具体影响	研究冷冻保存对牙釉质微裂纹的影响	牙釉质微裂纹	计算机视觉	NA	μCT分析	U-Net	图像	5颗牙齿
6160	2025-03-16	Deep learning models in classifying primary bone tumors and bone infections based on radiographs 2025-Mar-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00855-3 PMID:40074845	研究论文	本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染	提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性	研究依赖于特定数据集，可能无法完全推广到其他医疗环境	提高原发性骨肿瘤和骨感染的诊断精度	原发性骨肿瘤和骨感染	计算机视觉	骨肿瘤	深度学习	EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers	X光片	外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集）