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
6281	2025-02-23	Linear regressive weighted Gaussian kernel liquid neural network for brain tumor disease prediction using time series data 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89249-w PMID:39966518	研究论文	本文提出了一种新的线性回归加权高斯核液态神经网络模型（LRWGKLNN），用于使用时间序列数据进行脑肿瘤疾病预测	提出了一种新的LRWGKLNN模型，结合线性回归、高斯核和液态神经网络，以提高脑肿瘤疾病预测的准确性和时间效率	未提及模型在不同类型脑肿瘤数据上的泛化能力	提高脑肿瘤疾病预测的准确性和时间效率	脑肿瘤疾病	机器学习	脑肿瘤	线性回归、高斯核、液态神经网络	LRWGKLNN	时间序列数据	大量时间序列数据样本
6282	2025-02-23	Applying deep learning and the ecological home range concept to document the spatial distribution of Atlantic salmon parr (Salmo salar L.) in experimental tanks 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90118-9 PMID:39966514	研究论文	本研究应用深度学习和生态学中的家域概念，记录了大西洋鲑鱼幼鱼在实验水槽中的空间分布	结合计算机视觉和机器学习，利用DeepLabCut框架进行鱼类姿态估计，并通过生态学中的家域和核心区域概念量化鱼类的空间分布	研究仅基于5天的实验数据，样本量较小，且仅在小型实验环境中进行	自动化分析鱼类行为，特别是与家域和核心区域相关的行为，以优化鱼类福利监测	大西洋鲑鱼幼鱼（Salmo salar L）	计算机视觉	NA	DeepLabCut框架	深度学习	视频	5天的实验数据
6283	2025-02-23	Jointly exploring client drift and catastrophic forgetting in dynamic learning 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89873-6 PMID:39966528	研究论文	本文提出了一个统一的分析框架，用于联合建模空间和时间偏移，以更接近真实动态环境的模拟	首次联合分析客户端漂移和灾难性遗忘，提出了一种统一的分析框架，并发现适度的空间和时间偏移组合可以提高模型性能	未提及具体的数据集或实验规模，可能缺乏广泛的验证	研究在动态环境中联合解决客户端漂移和灾难性遗忘问题，以提高深度学习模型的鲁棒性	联邦学习和持续学习中的模型性能	机器学习	NA	深度学习	NA	NA	NA
6284	2025-02-23	Hybrid Greylag Goose deep learning with layered sparse network for women nutrition recommendation during menstrual cycle 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88728-4 PMID:39966547	研究论文	本文提出了一种新颖的优化混合深度学习模型（OdriHDL），用于为女性在月经周期期间提供个性化的健康营养建议	结合了混合注意力机制的双向卷积灰雁门控循环网络（HABi-ConGRNet）和灰雁优化算法，以增强模型性能	未提及具体的数据来源和样本量，可能影响模型的泛化能力	为女性在月经周期期间提供个性化的健康营养建议	女性在月经周期期间的营养需求	机器学习	NA	缺失值填补、Z-score标准化、One-hot编码、特征提取	HABi-ConGRNet	NA	NA
6285	2025-02-23	Deep learning-based classification of diffusion-weighted imaging-fluid-attenuated inversion recovery mismatch 2025-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90214-w PMID:39966647	研究论文	本文开发并验证了一种基于深度学习的分类器，用于分类扩散加权成像（DWI）-流体衰减反转恢复（FLAIR）不匹配，以支持急性缺血性卒中患者的治疗决策	开发了一种基于卷积神经网络（CNN）的分类器，用于自动分类DWI-FLAIR不匹配，减少了视觉评估的主观性，提高了准确性和一致性	研究依赖于来自四个卒中中心的数据，尽管进行了外部验证，但可能仍存在数据偏差和泛化能力的问题	开发并验证一种深度学习分类器，用于分类DWI-FLAIR不匹配，以支持急性缺血性卒中患者的治疗决策	急性缺血性卒中患者	计算机视觉	心血管疾病	扩散加权成像（DWI）和流体衰减反转恢复（FLAIR）成像	卷积神经网络（CNN）	医学影像	2369名患者用于模型开发和内部测试，679名患者用于外部验证
6286	2025-02-23	Segmentation methods and dosimetric evaluation of 3D-printed immobilization devices in head and neck radiotherapy 2025-Feb-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13669-0 PMID:39966735	研究论文	本研究采用深度学习方法自动分割3D打印的头颈部固定装置，并评估其在头颈部VMAT放疗中的剂量学影响	使用Mask2Former模型自动分割3D打印的头颈部固定装置，提供了一种增强个性化放疗计划准确性的新方法	小目标分割不准确及MFIF中金属紧固件产生的伪影，需要在更大、更多样化的数据集上进行模型优化和验证	评估3D打印的头颈部固定装置在头颈部VMAT放疗中的剂量学影响	49名患者的CT定位图像	数字病理	头颈部癌症	CT成像	Mask2Former	图像	49名患者
6287	2025-02-23	Predicting mother and newborn skin-to-skin contact using a machine learning approach 2025-Feb-18, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07313-9 PMID:39966775	研究论文	本研究利用机器学习方法预测母婴皮肤接触（SSC）的实施情况及其影响因素	首次使用多种机器学习模型（包括深度学习）来识别SSC的预测因素，并比较了不同模型的性能	需要更多研究来进一步验证机器学习模型在预测SSC方面的性能	识别影响母婴皮肤接触（SSC）实施的因素，并评估机器学习模型在预测SSC方面的性能	8031名符合条件的母亲及其新生儿	机器学习	NA	机器学习	线性回归、逻辑回归、决策树分类、随机森林分类、深度学习前馈网络、极端梯度提升模型、轻量梯度提升模型、支持向量机、k近邻排列特征分类	医疗记录数据	8031名母亲及其新生儿
6288	2025-02-23	Integrating ultrasound radiomics and clinicopathological features for machine learning-based survival prediction in patients with nonmetastatic triple-negative breast cancer 2025-Feb-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13635-w PMID:39966783	研究论文	本研究旨在评估基于超声放射组学和临床病理特征的机器学习模型在三阴性乳腺癌（TNBC）患者生存分析中的预测价值	结合超声放射组学和临床病理特征，开发了新的联合列线图模型，用于预测TNBC患者的生存率	样本量相对较小，尤其是外部验证队列的样本量仅为82例	评估机器学习模型在TNBC患者生存分析中的预测价值	非转移性三阴性乳腺癌患者	机器学习	乳腺癌	超声放射组学	深度学习算法	图像	306例训练队列，77例内部验证队列，82例前瞻性外部验证队列
6289	2025-02-23	Development and validation of prediction models for stroke and myocardial infarction in type 2 diabetes based on health insurance claims: does machine learning outperform traditional regression approaches? 2025-Feb-18, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-025-02640-9 PMID:39966813	研究论文	本文旨在开发和验证基于健康保险索赔数据的2型糖尿病患者中风和心肌梗死预测模型，并比较传统回归方法与先进机器学习方法的预测性能	本研究首次在2型糖尿病患者中，基于高维健康保险索赔数据，系统比较了传统回归方法与包括深度学习在内的多种机器学习方法的预测性能	由于文献中缺乏相关指标的报道，如AUPRC、敏感性和阳性预测值等，与其他流行病学模型的比较受到限制	开发和验证2型糖尿病患者中风和心肌梗死的预测模型，并比较不同预测方法的性能	2型糖尿病患者	机器学习	心血管疾病	机器学习方法包括逻辑回归、LASSO正则化、随机森林、梯度提升、多层感知器和特征标记变换器	逻辑回归、LASSO、随机森林、梯度提升、多层感知器、特征标记变换器	健康保险索赔数据	371,006名2型糖尿病患者
6290	2025-02-23	Deep learning-based automated guide for defining a standard imaging plane for developmental dysplasia of the hip screening using ultrasonography: a retrospective imaging analysis 2025-Feb-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02926-8 PMID:39966904	研究论文	本文提出了一种基于深度学习的神经网络模型，用于在二维超声扫描中自动检测五个标志点，以开发用于发育性髋关节发育不良（DDH）筛查的标准平面	创新点在于开发了一种结合全局和局部网络的深度学习模型，用于自动检测超声图像中的五个标志点，以指导DDH筛查	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	研究目的是开发一种自动化工具，用于在超声图像中检测标志点，以辅助DDH筛查	研究对象为2016年1月至2021年12月在一家三级医疗中心接受髋关节超声检查的532名患者	计算机视觉	发育性髋关节发育不良	二维超声（2D US）	深度学习神经网络（EfficientNetB2）	超声图像	532名患者的超声图像数据集
6291	2025-02-23	Developing a semi-automated technique of surface water quality analysis using GEE and machine learning: A case study for Sundarbans 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42404 PMID:39981364	研究论文	本研究提出了一种半自动化的方法，利用机器学习模型结合现场和遥感数据评估孙德尔本斯的水质	结合Google Earth Engine (GEE)和AutoML，利用深度学习库创建动态、自适应模型，提高预测精度	数据可用性的可变性以及机器学习预测动态水系统时固有的不确定性	开发一种半自动化的水质分析技术，以支持可持续环境管理实践和孙德尔本斯应对新兴气候挑战的韧性	孙德尔本斯的水质参数（海表温度、总悬浮固体、浊度、盐度和pH值）	机器学习	NA	机器学习算法、Empirical Bayesian Kriging (EBK)模型、Google Earth Engine (GEE)、AutoML	深度学习模型	现场数据和遥感数据	NA
6292	2025-02-23	Mentorship advances antimicrobial use surveillance systems in low- and middle-income countries 2025-Feb, JAC-antimicrobial resistance IF:3.7Q2 DOI:10.1093/jacamr/dlae212 PMID:39734490	研究论文	本文探讨了在低收入和中等收入国家（LMICs）中，通过导师制培训方法来推进抗菌药物使用（AMU）监测系统的实施	提出了导师制作为一种有效的培训方法，以解决LMICs中AMU监测系统实施中的人员短缺问题	研究主要基于尼泊尔、巴基斯坦、巴布亚新几内亚和东帝汶的经验，可能不适用于所有LMICs	探讨导师制在LMICs中AMU监测系统实施中的有效性	低收入和中等收入国家的AMU专业人员	公共卫生	NA	导师制培训	NA	NA	2019年至2023年间在尼泊尔、巴基斯坦、巴布亚新几内亚和东帝汶进行的1至2年导师制项目
6293	2025-01-30	Author Correction: AIVariant: a deep learning-based somatic variant detector for highly contaminated tumor samples 2025-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01405-4 PMID:39875568	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6294	2025-02-23	Mapping the learning curves of deep learning networks 2025-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012286 PMID:39928655	研究论文	本研究引入了一种受认知科学启发的多维量化和可视化方法，用于捕捉深度神经网络学习过程中的两个时间维度	提出了一种新的多维量化和可视化方法，能够捕捉深度神经网络学习过程中的信息处理轨迹和发展轨迹	现有技术对非表格任务效果较差，且主要侧重于模型的定性解释	系统解释深度神经网络的内部表示，并评估模型与人类学习经验的一致性	深度神经网络	机器学习	NA	多维量化和可视化方法	深度神经网络	时间序列数据	750次模拟运行
6295	2025-02-23	Virtual staining from bright-field microscopy for label-free quantitative analysis of plant cell structures 2025-Jan-31, Plant molecular biology IF:3.9Q1 DOI:10.1007/s11103-025-01558-w PMID:39885095	研究论文	本文探讨了使用深度学习模型对植物细胞结构进行虚拟染色的适用性，基于明场显微镜图像	提出了一种基于深度学习的虚拟染色方法，能够非侵入性地分析植物细胞结构，并应用于细胞形态计量学	该方法仍存在一些局限性，但非侵入性和高效性使其适用于定量植物细胞生物学中的无标记、动态和高通量分析	研究深度学习模型在植物细胞结构虚拟染色中的适用性	烟草BY-2细胞、拟南芥表皮细胞、Egeria densa叶绿体	计算机视觉	NA	深度学习	CNN	显微镜图像	烟草BY-2细胞、拟南芥表皮细胞、Egeria densa叶绿体
6296	2025-02-23	KaMLs for Predicting Protein pK a Values and Ionization States: Are Trees All You Need? 2025-Jan-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.09.622800 PMID:39605739	研究论文	本文介绍了基于决策树和图注意力网络（GAT）的pKa预测模型KaML，利用物理化学理解和新的实验数据库PKAD-3，显著提高了蛋白质电离状态的预测准确性	KaML模型通过创新方法如酸和碱的分别处理、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练，显著提升了预测性能，特别是在去质子化半胱氨酸和赖氨酸的预测上	尽管KaML模型在预测pKa值和电离状态方面表现出色，但其性能可能仍受限于实验数据的稀缺性	提高蛋白质电离状态的预测准确性，以促进生物学理解和计算机辅助药物发现	蛋白质的电离状态	机器学习	NA	决策树、图注意力网络（GAT）	KaML-CBtree、GAT	实验数据、理论pKa数据库	NA
6297	2025-02-23	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025-Jan-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.07.631402 PMID:39829895	研究论文	本文介绍了一种名为EPISeg的深度学习模型，用于在梯度回波平面成像（EPI）数据上自动分割脊髓	EPISeg模型在脊髓分割质量上显著优于现有模型，并且对不同的采集协议和fMRI数据中常见的伪影具有鲁棒性	尽管EPISeg在分割质量上有显著提升，但仍需进一步验证其在更广泛数据集上的性能	开发一种自动分割脊髓的深度学习模型，以减少手动分割的时间和用户偏差	脊髓的梯度回波EPI图像	医学影像分析	NA	深度学习	深度学习模型	图像	多中心数据集，具体样本数量未明确说明
6298	2025-02-23	RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation 2025-Jan-26, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634669 PMID:39896539	研究论文	本文介绍了RNAbpFlow，一种基于序列和碱基对条件的SE(3)-等变流匹配模型，用于生成RNA的三维结构集合	RNAbpFlow利用核碱基中心表示法，无需显式或隐式使用进化信息或同源结构模板，即可端到端生成全原子RNA结构	由于RNA分子的高度灵活性以及进化序列或结构同源性的有限可用性，预测准确的RNA三维结构仍然具有挑战性	开发一种新的方法来预测RNA的三维结构	RNA的三维结构	生物信息学	NA	SE(3)-等变流匹配模型	RNAbpFlow	RNA序列和碱基对信息	大规模基准测试中的RNA拓扑采样和预测建模
6299	2025-02-23	Cell-APP: A generalizable method for microscopic cell annotation, segmentation, and classification 2025-Jan-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.23.634498 PMID:39896521	研究论文	本文提出了一种通用的方法，用于在透射光显微镜图像中生成大规模实例分割训练数据集，并训练基于视觉变换器（ViT）的Mask-RCNN模型，以实现细胞的实例分割和分类	提出了一种通用的方法，用于生成大规模实例分割训练数据集，并利用视觉变换器（ViT）改进Mask-RCNN模型，解决了细胞分类中的类别不平衡问题	该方法依赖于通用的细胞特征，可能无法适用于所有类型的细胞	开发一种通用的方法，用于细胞的实例分割和分类	组织培养细胞	计算机视觉	NA	透射光显微镜	Mask-RCNN, 视觉变换器（ViT）	图像	NA
6300	2025-02-23	CPI-Pred: A deep learning framework for predicting functional parameters of compound-protein interactions 2025-Jan-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.16.633372 PMID:39896624	研究论文	本文介绍了一个名为CPI-Pred的深度学习框架，用于预测化合物-蛋白质相互作用的功能参数	CPI-Pred结合了来自新型消息传递神经网络的化合物表示和由最先进的蛋白质语言模型生成的酶表示，利用创新的序列池化和交叉注意力机制	由于化合物-蛋白质相互作用的复杂性以及可用数据的稀疏性和异质性，预测这些相互作用仍然具有挑战性	研究目的是预测化合物-蛋白质相互作用的功能参数，以解决代谢工程中的一系列挑战	研究对象是化合物-蛋白质相互作用的功能参数，包括米氏常数、酶转换数、催化效率和抑制常数	机器学习	NA	深度学习	消息传递神经网络和蛋白质语言模型	氨基酸序列和化合物结构表示	迄今为止最大的酶动力学参数数据集，涵盖四个关键指标