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
6181	2025-02-26	Harnessing the Power of Deep Learning to Assess Breast Cancer Risk 2020-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.2019192471 PMID:31846401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6182	2025-02-25	Artificial intelligence-based molecular property prediction of photosensitising effects of drugs 2025-Apr, Journal of drug targeting IF:4.3Q1 DOI:10.1080/1061186X.2024.2434911 PMID:39618307	研究论文	本研究探讨了利用先进的人工智能工作流程预测药物和化合物光敏效应的可行性	使用三种不同的模型（逻辑回归、XGBoost和深度学习模型Chemprop）预测药物的光敏效应，并在外部验证集上进行了评估	尽管模型在预测光敏效应方面表现出色，但复杂模型在预测分数分布上表现出更高的置信度，这可能限制了简单模型的应用	预测药物和化合物的光敏效应，以减少药物诱导的光敏性不良反应	2200种药物和化合物	机器学习	NA	人工智能工作流程	逻辑回归、XGBoost、Chemprop	药物和化合物的分子属性数据	2200种药物
6183	2025-02-25	Spatial-frequency aware zero-centric residual unfolding network for MRI reconstruction 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110334 PMID:39863026	研究论文	本文提出了一种空间频率感知的零中心残差展开网络，用于MRI重建，旨在通过深度学习技术减少k空间欠采样引起的图像域伪影，并提高图像质量	提出了一种可学习的空间频率差异感知模块，补充了可学习的数据一致性层，将k空间域差异映射到空间图像域进行感知补偿，并引入了小波分解的显式先验，通过将图像分解为均值和残差分量，对残差施加精细的零均值约束，同时保持计算效率	未明确提及具体局限性	提高MRI重建的图像质量，减少k空间欠采样引起的伪影	MRI图像	医学影像处理	NA	深度学习	零中心残差展开网络	MRI图像数据	FastMRI和Calgary-Campinas数据集
6184	2025-02-25	Nonlinear ageing gero-marker dynamics of transcriptomic profile during calcific aortic valve mouse modeling 2025-Apr, Archives of gerontology and geriatrics IF:3.5Q2 DOI:10.1016/j.archger.2025.105777 PMID:39922128	研究论文	本研究通过构建不同年龄点的钙化主动脉瓣小鼠模型，探讨了转录组谱在衰老过程中的非线性动态变化	首次在钙化主动脉瓣小鼠模型中揭示了线性和非线性衰老标志物的动态变化，并识别出特定时期的显著加速衰老阶段	研究仅限于小鼠模型，未涉及人类样本，且样本量相对较小	探讨衰老标志物在钙化主动脉瓣疾病中的动态变化，以改善退行性心脏病的预防和管理	C57BL/6 N小鼠模型	数字病理	心血管疾病	RNA测序	深度学习模型	测序数据	不同年龄点的小鼠样本
6185	2025-02-25	Intelligent recognition of subsurface utilities and voids: A ground penetrating radar dataset for deep learning applications 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111338 PMID:39990121	研究论文	本文介绍了一个专门为深度学习应用设计的GPR数据集，用于自动检测地下设施和空洞	创建了一个包含2,239张JPEG格式的Radargram图像的数据集，填补了GPR数据集的空白，并具有通用性	GPR调查成本高且处理耗时	开发自动化系统，有效检测地下异常，减少人工错误	地下设施（如管道、电缆）和地下空洞	计算机视觉	NA	GPR	深度学习模型	图像	2,239张Radargram图像
6186	2025-02-25	CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images 2025-Mar-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001598 PMID:39680679	研究论文	本文提出了一种基于深度学习的方法CATALYZE，用于在SS-OCT图像上进行白内障评估和分级	开发了一种新的客观深度学习模型，用于基于SS-OCT扫描的白内障分级，并引入了临床显著性指数（CSI）作为评估指标	单中心研究，排除了有眼部手术史、角膜或视网膜疾病以及眼干燥症的患者	评估一种新的客观深度学习模型在白内障分级中的应用	白内障患者和对照组的眼睛	计算机视觉	白内障	SS-OCT扫描	深度学习模型	图像	548只眼睛（315名患者，年龄19至85岁）
6187	2025-02-25	Opportunistic assessment of steatotic liver disease in lung cancer screening eligible individuals 2025-Mar, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20053 PMID:39868889	研究论文	本研究利用深度学习模型在肺癌筛查的胸部CT中评估脂肪肝病（SLD），并探讨其在重度吸烟者中的预后价值	首次在肺癌筛查的胸部CT中利用深度学习模型评估SLD，并发现SLD是重度吸烟者长期死亡率的独立预测因子	研究仅基于NLST参与者的数据，可能无法推广到其他人群	评估SLD在肺癌筛查中的预后价值	19,774名NLST参与者	数字病理	肺癌	深度学习	深度学习模型	CT图像	19,774名NLST参与者
6188	2025-02-25	Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01877 PMID:39927847	研究论文	本文比较了AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的表现，探讨了影响预测准确性的因素，并提出了改进策略	首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行了系统比较，并揭示了CDR3特征对预测准确性的重要影响	两种工具的整体成功率仍低于50%，且AlphaFold3仅在特定纳米抗体类别中表现出显著改进	评估和改进纳米抗体表位预测工具的准确性	纳米抗体的表位预测	生物信息学	NA	分子对接、AI驱动工具	AlphaFold3、AlphaFold2-Multimer	蛋白质结构数据	未明确提及具体样本数量
6189	2025-02-25	Deep Learning for Antimicrobial Peptides: Computational Models and Databases 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00006 PMID:39927895	综述	本文综述了用于抗菌肽预测的深度学习模型及其相关数据库	总结了现有的抗菌肽预测深度学习模型，并讨论了它们的局限性和挑战	未提出新的模型，仅对现有模型进行了总结和讨论	帮助计算生物学家设计更好的抗菌肽预测深度学习模型	抗菌肽	机器学习	NA	深度学习	深度学习模型	NA	NA
6190	2025-02-25	Ectopic, intra-thyroid parathyroid adenoma better visualised by deep learning enhanced choline PET/CT 2025-Feb-24, QJM : monthly journal of the Association of Physicians DOI:10.1093/qjmed/hcaf057 PMID:39992255	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6191	2025-02-25	Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI? 2025-Feb-24, La Radiologia medica DOI:10.1007/s11547-024-01947-z PMID:39992330	综述	本文讨论了人工智能在肌肉骨骼成像领域的应用，包括深度学习重建和基于MRI的皮质骨成像的临床应用，以及自动化诊断支持的定性和定量诊断	本文聚焦于人工智能在肌肉骨骼成像中的最新临床应用，特别是深度学习重建和MRI皮质骨成像的创新应用	本文未提及具体的技术细节或实验数据，主要侧重于概念性讨论和未来展望	探讨人工智能在肌肉骨骼成像中的临床应用，帮助放射科医生了解并应用这些技术	肌肉骨骼成像	计算机视觉	NA	深度学习重建，MRI	深度学习	图像	NA
6192	2025-02-25	Subclinical tremor differentiation using long short-term memory networks 2025-Feb-24, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01526-0 PMID:39992543	研究论文	本研究探讨了使用长短期记忆网络（LSTM）区分帕金森病（PD）和特发性震颤（ET）的亚临床震颤的潜力	提出了一种基于LSTM的深度学习模型，能够有效区分PD、ET和正常生理性震颤的亚临床震颤，准确率分别达到95%和93%	未来需要增强模型的可解释性，并在更大、更多样化的数据集上进行验证，包括动作性震颤	开发一种深度学习模型，以区分帕金森病、特发性震颤和正常生理性震颤的亚临床震颤	51名PD患者、15名ET患者和58名正常受试者的亚临床震颤数据	机器学习	帕金森病	长短期记忆网络（LSTM）	LSTM	传感器数据	124名受试者（51名PD患者、15名ET患者和58名正常受试者）
6193	2025-02-25	Event-driven figure-ground organisation model for the humanoid robot iCub 2025-Feb-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56904-9 PMID:39984477	研究论文	本文提出了一种基于事件驱动的人形机器人iCub的图形-背景组织模型，用于检测物体和边界	该模型采用生物启发的感知系统，利用事件驱动视觉技术减少数据冗余和计算量，与传统的深度学习模型相比，能够在感兴趣区域（ROI）内仅处理相关数据，从而实现低延迟的自主机器人应用	尽管在简单刺激和伯克利分割数据集上表现出与基于帧的版本相当的结果，但在复杂场景中的性能仍需进一步验证	开发一种适用于人形机器人iCub的生物启发感知系统，用于图形-背景分割	人形机器人iCub	计算机视觉	NA	事件驱动视觉技术	生物启发感知系统	事件驱动摄像头数据	在模拟和真实场景中使用事件驱动摄像头进行评估
6194	2025-02-25	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究旨在验证使用基于深度学习的识别模型进行手术技能评估的可行性，特别是针对腹腔镜结直肠手术中的组织切割效率	开发了一种基于深度学习计算机视觉技术的模型，用于自动评估手术中的组织切割效率，减少了人为判断的偏差	研究依赖于回顾性数据，且仅针对特定类型的手术和工具，可能限制了模型的广泛适用性	验证使用深度学习模型自动评估腹腔镜结直肠手术中组织切割效率的可行性	腹腔镜结直肠手术（乙状结肠切除术或高位前切除术）的视频数据	计算机视觉	结直肠癌	深度学习	CNN	视频	来自日本的766例腹腔镜结直肠手术视频
6195	2025-02-25	Early warning study of field station process safety based on VMD-CNN-LSTM-self-attention for natural gas load prediction 2025-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85582-2 PMID:39984509	研究论文	本研究提出了一种基于VMD-CNN-LSTM-Self-Attention的天然气负荷预测方法，以提高天然气供应企业的生产安全管理	创新性地提出了VMD-CNN-LSTM-Self-Attention区间预测方法，并实现了基于85%、90%和95%置信区间的分级报警机制	未提及具体局限性	提高天然气负荷预测的准确性和可靠性，以增强企业生产安全管理	天然气场站出站负荷数据	机器学习	NA	深度学习	VMD-CNN-LSTM-Self-Attention	时间序列数据	未提及具体样本数量
6196	2025-02-25	A detection method for small casting defects based on bidirectional feature extraction 2025-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90185-y PMID:39984609	研究论文	本文提出了一种基于双向特征提取的小型铸件缺陷检测方法，旨在提高铸件检测的科学性和精确性	创新性地开发了一种基于Hadamard积的双层Encoder-Decoder多尺度特征提取架构BiSDE，以及采用基于Wasserstein距离的损失函数来优化小缺陷目标的训练过程	未提及具体局限性	开发一种自动化缺陷检测模型，以提高铸件检测的效率和准确性	小型铸件缺陷	计算机视觉	NA	深度学习	BiSDE（基于Hadamard积的双层Encoder-Decoder多尺度特征提取架构）	图像	未提及具体样本数量
6197	2025-02-25	Foundations of a knee joint digital twin from qMRI biomarkers for osteoarthritis and knee replacement 2025-Feb-21, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01507-3 PMID:39984725	研究论文	本研究基于定量MRI（qMRI）和机器学习技术，构建了一个膝关节的数字孪生系统，旨在推进骨关节炎（OA）管理和膝关节置换（KR）预测的精准医疗	结合深度学习分割膝关节结构和降维技术，创建了一个成像生物标志物的嵌入特征空间，并识别出与OA发病率和KR结果显著相关的特定生物标志物	NA	推进骨关节炎管理和膝关节置换预测的精准医疗	膝关节	数字病理学	骨关节炎	定量MRI（qMRI）	深度学习	图像	NA
6198	2025-02-25	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-Feb-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	研究论文	本研究开发了基于MRI的深度学习模型，用于区分鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤，并评估这些模型是否能提高资深和初级放射科医生的诊断性能	首次使用ResNet101网络结合多序列MRI数据，构建深度学习模型，显著提高了对三种鼻窦恶性肿瘤的区分能力，并提升了放射科医生的诊断表现	研究为回顾性分析，可能存在选择偏差，且样本量相对有限，外部验证集仅有93例患者	开发并验证基于MRI的深度学习模型，以提高对鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤的诊断准确性	465名鼻窦恶性肿瘤患者（包括229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	医学影像分析	鼻窦恶性肿瘤	MRI（包括T2加权成像、对比增强T1加权成像和表观扩散系数）	ResNet101	MRI图像	465名患者（训练和验证集325名，外部测试集93名）
6199	2025-02-25	An ensemble deep learning framework for multi-class LncRNA subcellular localization with innovative encoding strategy 2025-Feb-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02148-4 PMID:39984880	研究论文	本文提出了一种名为MGBLncLoc的深度学习模型，用于多类LncRNA亚细胞定位预测，采用了一种创新的编码策略	引入了基于多类核苷酸组分布密度的广义编码技术（MCD-ND），能更精确地反映核苷酸分布，区分序列中的恒定和判别区域，从而提升预测性能	未明确提及具体局限性	提高LncRNA亚细胞定位预测的准确性	长非编码RNA（LncRNA）	自然语言处理	NA	深度学习	CNN, BiGRU, Multi-Dconv Head Transposed Attention, Gated-Dconv Feed-forward Network	序列数据	未明确提及样本数量
6200	2025-02-25	Multi-cancer early detection based on serum surface-enhanced Raman spectroscopy with deep learning: a large-scale case-control study 2025-Feb-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03887-5 PMID:39984977	研究论文	本研究提出了一种基于血清表面增强拉曼光谱（SERS）技术和深度学习的多癌症早期检测平台	结合了SERS技术、重采样策略、特征维度增强、深度学习和可解释性分析方法，实现了敏感且准确的泛癌症筛查	研究中未提及对晚期癌症患者的检测效果，且样本量虽大但部分癌症类型样本较少	开发一种高效的多癌症早期检测方法	早期乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌患者及健康对照者	数字病理学	多癌症	表面增强拉曼光谱（SERS）	ResNet（卷积神经网络）	光谱数据	1655名早期癌症患者（包括569名乳腺癌、513名肺癌、220名甲状腺癌、215名结直肠癌、100名胃癌、38名食管癌）和1896名健康对照者