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
6361	2025-03-18	Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts 2025-Jan-20, ArXiv PMID:39148932	研究论文	本文提出了一种自动评估不完全海马反转（IHI）的方法，通过预测四个解剖学标准并汇总形成IHI评分，进行了广泛的机器学习方法和训练策略的实验研究	首次提出自动评估IHI的方法，并展示了深度学习模型在多个队列中的泛化能力	研究基于特定队列，可能缺乏对其他人群的普适性	开发自动评估不完全海马反转（IHI）的方法，以理解其与神经和精神疾病的潜在关系	不完全海马反转（IHI）	数字病理	癫痫, 精神分裂症	深度学习	conv5-FC3, ResNet, SECNN, 岭回归	T1加权MR图像	IMAGEN研究的2,008名参与者，QTIM研究的993名参与者，QTAB研究的403名参与者，以及UKBiobank的985名受试者
6362	2025-03-18	High resolution kinematic approach for quantifying impaired mobility of dystrophic zebrafish larvae 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.05.627004 PMID:39713379	研究论文	本文开发了一种高分辨率运动学方法，用于量化营养不良斑马鱼幼虫的受损运动能力	使用高速摄像技术和基于深度学习的无标记运动捕捉技术，开发了幼虫逃逸反应游泳的链接段模型，提供了高精度的运动学估计	NA	开发一种高分辨率的方法来评估营养不良斑马鱼幼虫的运动能力，作为早期治疗开发的生理相关目标	营养不良斑马鱼幼虫	计算机视觉	肌肉疾病	高速摄像技术，深度学习	随机森林，支持向量机	视频	NA
6363	2025-03-18	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	提出了一种结合深度学习和进化策略的协同框架，显著提高了逆问题求解的效率和精度	未明确提及具体局限性	提高从磁共振图像中估计脑肿瘤细胞浓度的效率和精度	脑肿瘤细胞浓度	计算机视觉	脑肿瘤	深度学习算法与高精度进化策略	深度学习集成模型	磁共振图像	未明确提及样本数量
6364	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
6365	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
6366	2025-03-18	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	本文提出了一种改进的白鲸鲸优化算法驱动的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	采用改进的白鲸鲸优化算法（IBWO）优化多通道DeepLabv3+的超参数，显著提高了分割精度和计算效率	未提及具体的数据集规模或多样性限制	提高航空图像语义分割的准确性和效率	航空图像	计算机视觉	NA	深度学习	AMC-Deeplabv3+, IBWO	图像	未提及具体样本数量
6367	2025-03-17	Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137308 PMID:39847932	研究论文	本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度	使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度	模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制	改进人为NOx排放强度的估计，并预测未来几年的排放趋势	中国2015-2022年的人为NOx排放	机器学习	NA	深度学习	深度学习模型	高分辨率NO浓度数据	2015-2022年的NOx排放数据
6368	2025-03-17	Diagnostic accuracy of an automated classifier for the detection of pleural effusions in patients undergoing lung ultrasound 2025-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.01.041 PMID:39874677	研究论文	本文开发并验证了一种深度学习模型，用于在肺部超声图像中检测胸腔积液，并针对特定临床场景调整性能特征	开发了一种结合帧级卷积神经网络和片段级预测算法的深度学习模型，能够有效检测不同大小和复杂性的胸腔积液，并在不同临床环境中表现出色	当前模型在多样化临床环境中诊断胸腔积液的能力仍有不足	开发并验证一种深度学习模型，用于在肺部超声图像中检测胸腔积液	肺部超声图像中的胸腔积液	计算机视觉	胸腔积液	深度学习	卷积神经网络 (CNN)	图像	103个肺部超声片段来自46名胸腔积液患者，136个片段来自83名无积液患者
6369	2025-03-17	A deep learning framework for multiplet splitting classification in 1H NMR 2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107851 PMID:39978294	研究论文	本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类	MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分	NA	开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性	小分子生成的一维NMR光谱	机器学习	NA	NMR	深度学习	光谱数据	48个实验性H NMR光谱
6370	2025-03-17	Replicating PET Hydrolytic Activity by Positioning Active Sites with Smaller Synthetic Protein Scaffolds 2025-Mar-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202500859 PMID:40089854	研究论文	本文展示了一种计算策略，通过利用已知的催化机制并实施多种深度学习和分子计算算法，创建新型的聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	通过计算构建的蛋白质支架重新构建功能基序，成功复制了PET水解活性，并设计了比模板酶（LCC）序列长度至少短30%的设计酶	NA	扩展酶多样性，获取自然界中不存在的高活性和稳健的酶	聚对苯二甲酸乙二醇酯水解酶（PET水解酶）	蛋白质工程	NA	深度学习算法和分子计算	NA	蛋白质序列数据	NA
6371	2025-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Mar-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究旨在通过深度学习技术实现肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出使用深度学习模型（SqueezeNet和2D U-Net）自动化处理MRE图像的质量控制和肝脏硬度测量，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对较小（69名患者），可能影响结果的普适性	通过深度学习技术解决MRE质量控制和肝脏硬度测量中的挑战，提升临床应用的效率和准确性	69名患者的897个MRE图像切片	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	SqueezeNet, 2D U-Net	图像	69名患者的897个MRE图像切片
6372	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
6373	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
6374	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
6375	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
6376	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
6377	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
6378	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
6379	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
6380	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