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
621	2025-05-02	Deep Learning for Longitudinal Gross Tumor Volume Segmentation in MRI-Guided Adaptive Radiotherapy for Head and Neck Cancer 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_7 PMID:40297614	research paper	该研究开发了一系列深度学习模型，用于头颈癌MRI引导的自适应放疗中纵向总肿瘤体积的自动分割	提出了基于SegResNet的深度学习模型，并引入了掩码感知注意力模块，以提高放疗中和放疗前肿瘤体积的分割精度	研究仅使用了内部测试集进行验证，未提及外部验证的结果	提高头颈癌MRI引导的自适应放疗中总肿瘤体积的自动分割精度	头颈癌患者的总肿瘤体积（GTV）	digital pathology	head and neck cancer	MRI	SegResNet	image	未提及具体样本数量，但使用了放疗前和放疗中的MRI数据
622	2025-05-02	Prediction of stress-strain behavior of rock materials under biaxial compression using a deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321478 PMID:40299820	研究论文	提出一种基于长短期记忆自动编码器（LSTM-AE）的深度学习方法，用于预测离散元数值模拟中岩石材料的应力-应变曲线	使用LSTM网络构建编码器和解码器，提高了岩石材料应力-应变曲线预测的准确性	LSTM-AE网络在处理大数据集时的扩展性及其对实验室数据集预测的适用性需要进一步验证	提高岩石材料应力-应变曲线预测的准确性	岩石材料	机器学习	NA	离散元数值模拟	LSTM-AE, LSTM, RNN, BPNN, XGBoost	数值模拟数据	10组特殊样本
623	2025-05-02	Indoor fire and smoke detection based on optimized YOLOv5 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322052 PMID:40299940	研究论文	本研究提出了一种基于遗传算法优化的YOLOv5模型（HPO-YOLOv5），用于室内火灾和烟雾检测，以提高检测准确性和实时性	结合遗传算法优化YOLOv5模型，并引入Grad-CAM技术提供模型预测的可视化解释，同时结合DeepSORT实现火灾进展的实时监测	研究仅针对室内场景，未涉及室外或其他复杂环境下的火灾检测	提高室内火灾和烟雾检测的准确性和实时性	室内火灾和烟雾	计算机视觉	NA	遗传算法、Grad-CAM、DeepSORT	YOLOv5	图像	5000张室内火灾和烟雾图像，按80:10:10的比例分为训练集、验证集和测试集
624	2025-05-02	Optimizing chemotherapeutic targets in non-small cell lung cancer with transfer learning for precision medicine 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319499 PMID:40299923	研究论文	本文提出了一种结合迁移学习和特征提取的药物发现模型，用于优化非小细胞肺癌的化疗靶点	使用混合UNet transformer进行药物和蛋白质序列的特征提取，并采用改进的Rime优化算法进行特征选择，结合深度迁移学习模型提高药物发现准确性	未提及模型在临床实践中的验证情况	提高非小细胞肺癌患者治疗靶点的药物发现准确率	非小细胞肺癌患者的治疗靶点	机器学习	肺癌	特征提取、迁移学习	UNet transformer、DTransL、LSTM	药物和蛋白质序列	Davis、KIBA和Binding-DB基准数据集
625	2025-05-02	Unlocking Responsive and Unresponsive Signatures: A Transfer Learning Approach for Automated Classification in Cutaneous Leishmaniasis Lesions 2025, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/tbed/5018632 PMID:40302757	研究论文	本研究开发了一种基于迁移学习的深度学习模型，用于自动分类皮肤利什曼病病变的反应性与非反应性	首次探索基于图像的方法来区分皮肤利什曼病的反应性与非反应性病例，并应用迁移学习解决样本量有限的问题	样本量较小，需要进一步扩大数据集以优化模型性能	开发自动化工具以区分皮肤利什曼病病变的反应性，从而指导治疗策略和改善患者预后	皮肤利什曼病病变图像	数字病理学	皮肤利什曼病	迁移学习	DenseNet161, VGG16, ResNet18	图像	102张病变图像（每类51张，均匀分布在训练、测试和验证集中）
626	2025-05-02	Prediction of the Therapeutic Response to Neoadjuvant Chemotherapy for Rectal Cancer Using a Deep Learning Model 2025, Journal of the anus, rectum and colon DOI:10.23922/jarc.2024-085 PMID:40302856	research paper	开发了一种基于深度学习模型的非侵入性预测方法，用于预测直肠癌患者对新辅助化疗的治疗反应	使用深度学习模型（残差卷积神经网络）从化疗前的CT图像中预测直肠癌患者对新辅助化疗的病理反应	样本量较小（57名患者），且仅针对SOX化疗方案	优化直肠癌新辅助化疗的治疗方案	直肠癌患者	digital pathology	rectal cancer	CT imaging	CNN	image	57名患者（49名用于训练和验证，8名用于测试）
627	2025-05-02	Automatic pelvic fracture segmentation: a deep learning approach and benchmark dataset 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1511487 PMID:40303367	research paper	提出了一种基于深度学习的自动骨盆骨折分割方法，并公开了一个基准数据集	采用两个顺序网络进行解剖分割和骨折分割，并引入距离加权损失、多尺度深度监督和平滑过渡策略以提高性能	未提及方法在极端骨折情况下的表现或泛化能力	开发自动骨盆骨折分割方法以辅助创伤诊断和图像引导复位手术	骨盆骨折的CT图像	digital pathology	pelvic fracture	CT	CNN	image	150 CTs
628	2025-05-02	Application and research progress of artificial intelligence in allergic diseases 2025, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.105422 PMID:40303497	综述	本文综述了人工智能在过敏性疾病中的应用和研究进展，重点关注哮喘等疾病	总结了人工智能在过敏性疾病预测、诊断、治疗和管理中的最新应用	简要分析了各种智能辅助方法的优势和局限性	为研究团队和医务人员提供人工智能在过敏性疾病中应用的参考	哮喘、特应性皮炎、食物过敏、过敏性鼻炎和荨麻疹等过敏性疾病	自然语言处理	过敏性疾病	强化学习、机器学习、深度学习、自然语言处理	NA	文本、视觉和听觉数据	NA
629	2025-05-02	Artificial intelligence in traditional Chinese medicine: advances in multi-metabolite multi-target interaction modeling 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1541509 PMID:40303920	综述	本文综述了人工智能在传统中医多代谢物多靶点相互作用建模中的应用与进展	整合人工智能的多组学技术、中医专用数据库、机器学习和深度学习等方法，推动中医向精准医学转变	数据异质性、模型可解释性有限、因果混杂以及实际应用中鲁棒性验证不足	探讨人工智能在中医靶点预测中的应用，提升其可靠性和可扩展性	传统中医的多代谢物和多靶点干预机制	人工智能在医学中的应用	复杂疾病	多组学技术、机器学习、深度学习	ML、DL、零样本学习、端到端架构、自监督对比学习	多组学数据	NA
630	2025-05-02	Association prediction of lncRNAs and diseases using multiview graph convolution neural network 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1568270 PMID:40303981	研究论文	提出了一种基于多视图图卷积神经网络的方法MVIGCN，用于预测lncRNA与疾病的关联	整合多模态数据构建异质网络，通过注意力机制建模拓扑特征和多尺度关系，提高预测准确性	网络复杂性可能导致计算成本较高，且模型性能依赖于数据质量	解码lncRNA在疾病生物学中的功能，为治疗靶点优先排序提供工具	lncRNA与疾病的关联	机器学习	NA	图卷积网络(GCN)	MVIGCN	多模态数据	NA
631	2025-05-02	Performance Improvement with Reduced Number of Channels in Motor Imagery BCI System 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010120 PMID:39796911	研究论文	本研究探讨了在运动想象脑机接口系统中减少通道数量以提高灵活性、便携性和计算效率的方法	结合EOG通道和少量EEG通道比单独使用大量EEG通道更有效，挑战了EOG仅引入眼相关噪声的传统观点	在7类运动想象任务中准确率相对较低（61%）	提高运动想象脑机接口系统的实用性和性能	运动想象EEG信号分类	脑机接口	NA	深度学习	1D卷积块和深度可分离卷积	EEG和EOG信号	两个数据集：BCI Competition IV Dataset IIa（4类MI）和Weibo数据集（7类MI）
632	2025-05-02	Cross-Shaped Heat Tensor Network for Morphometric Analysis Using Zebrafish Larvae Feature Keypoints 2024-Dec-28, Sensors (Basel, Switzerland) DOI:10.3390/s25010132 PMID:39796924	research paper	提出了一种基于深度学习的特征端点检测方法，用于定量确定斑马鱼幼体的表型和器官特征	引入了交叉形热张量网络（CSHT-Net），通过新颖的关键点训练方法和组合卷积块特征提取器，解决了基于热图方法仅关注关键点局部区域的问题，并增强了模型学习连续带状特征的能力	NA	开发一种非破坏性的斑马鱼幼体形态计量分析方法，用于识别异常和诊断疾病	斑马鱼幼体	computer vision	NA	deep learning	CSHT-Net	image	4389张斑马鱼幼体的明场显微照片
633	2025-05-02	Porter 6: Protein Secondary Structure Prediction by Leveraging Pre-Trained Language Models (PLMs) 2024-Dec-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010130 PMID:39795988	研究论文	利用预训练语言模型（PLMs）进行蛋白质二级结构预测的研究	提出了Porter 6模型，结合CBRNN和蛋白质语言模型ESM-2，显著提升了预测准确率	未提及具体局限性	提高蛋白质二级结构预测的准确性和计算效率	蛋白质二级结构	自然语言处理	NA	预训练语言模型（PLMs），包括ProtTrans和ESM-2	CBRNN	蛋白质序列数据	大规模独立测试集（2022年和2024年测试集）
634	2025-05-02	Comparative Analysis of Edge Detection Operators Using a Threshold Estimation Approach on Medical Noisy Images with Different Complexities 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010087 PMID:39796878	研究论文	本文通过提出的阈值估计方法，比较分析了噪声对不同复杂度医学图像边缘检测的影响	提出了一种创新的边缘检测方法，考虑了不同噪声类型和浓度，并在多种复杂度的医学图像上进行了评估	研究仅针对特定类型的医学图像（视网膜图像、脑肿瘤分割和肺部CT扫描），可能不适用于其他类型的医学图像	评估噪声对医学图像边缘检测的影响，并提出一种有效的阈值估计方法	医学图像（视网膜图像、脑肿瘤分割和肺部CT扫描）	计算机视觉	脑肿瘤、肺部疾病	网格搜索（GS）方法和随机搜索（RS9）	Canny算子、Laplace算子、AlexNet、ResNet、VGGNet、MobileNetv2、Inceptionv3	图像	三个不同的数据集（视网膜图像、脑肿瘤分割和肺部CT扫描）
635	2025-05-02	Deep Learning Unravels Differences Between Kinematic and Kinetic Gait Cycle Time Series from Two Control Samples of Healthy Children Assessed in Two Different Gait Laboratories 2024-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s25010110 PMID:39796901	research paper	研究利用深度学习比较两个不同步态实验室评估的健康儿童步态周期时间序列的差异	使用基于ResNet的深度学习模型成功识别数据来源实验室，并探索减少实验室间差异的预处理方法	研究仅涉及两个实验室的数据，可能无法完全代表所有实验室的差异	比较不同实验室评估的健康儿童步态周期时间序列差异，并提高机器学习模型在临床环境中的可转移性	两组健康儿童的步态周期时间序列数据	machine learning	NA	步态分析协议	ResNet	时间序列数据	两组健康儿童的步态数据
636	2025-05-02	DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf019 PMID:39799516	research paper	介绍了一种名为DDGemb的新方法，结合蛋白质语言模型嵌入和transformer架构，预测蛋白质在单点和多点变异时的ΔΔG值	DDGemb是首个结合蛋白质语言模型嵌入和transformer架构来预测蛋白质在单点和多点变异时稳定性变化的方法	NA	开发一种计算方法来预测蛋白质在单点和多点变异时的稳定性变化，以辅助功能性蛋白质设计和疾病变异研究	蛋白质在单点和多点变异时的稳定性变化	生物信息学	NA	蛋白质语言模型嵌入和transformer架构	transformer	蛋白质序列数据	来源于文献的高质量数据集和可用的基准测试数据集
637	2025-05-02	EnrichRBP: an automated and interpretable computational platform for predicting and analysing RNA-binding protein events 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf018 PMID:39804669	research paper	介绍了一个名为EnrichRBP的自动化、可解释的计算平台，用于预测和分析RNA结合蛋白事件	EnrichRBP是一个集成了70种深度学习算法的网络服务，支持特征表示、选择、模型训练、比较、优化和评估，并提供了全面的可视化和模型可解释性	NA	预测RNA结合蛋白（RBPs）以理解转录后调控机制	RNA结合蛋白（RBPs）与RNA的相互作用	natural language processing	NA	深度学习、机器学习	多种深度学习算法	RNA序列数据	NA
638	2025-05-02	Prior-FOVNet: A Multimodal Deep Learning Framework for Megavoltage Computed Tomography Truncation Artifact Correction and Field-of-View Extension 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010039 PMID:39796828	research paper	提出了一种名为Prior-FOVNet的多模态深度学习框架，用于校正兆伏级计算机断层扫描（MVCT）的截断伪影并扩展视野	利用从同一患者的千伏级计算机断层扫描（KVCT）中学到的材料和形状先验，结合对比学习生成对抗网络（TransNet）和基于Swin Transformer的图像修复网络，实现了截断伪影校正和视野扩展	未提及具体局限性	提高MVCT在自适应放射治疗中的可靠性和临床适用性	兆伏级计算机断层扫描（MVCT）图像	digital pathology	NA	GAN, Swin Transformer	TransNet, Swin Transformer-based image inpainting network	image	模拟和真实患者数据
639	2025-05-02	Real-Time PPG-Based Biometric Identification: Advancing Security with 2D Gram Matrices and Deep Learning Models 2024-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s25010040 PMID:39796830	research paper	本研究探讨了基于光电容积描记（PPG）信号的生物识别技术，通过二维Gram矩阵转换和深度学习模型提高安全性	采用PPG信号结合Gram矩阵转换和EfficientNetV2 B0与LSTM网络，实现了99%的准确率，并在实时识别场景中验证了其有效性	样本量较小，仅包含40名受试者	提升生物识别系统的安全性和抗欺骗能力	PPG信号	machine learning	NA	PPG信号采集	EfficientNetV2 B0与LSTM网络	PPG信号	40名受试者
640	2025-05-02	Challenges and Prospects of Sensing Technology for the Promotion of Tele-Physiotherapy: A Narrative Review 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010016 PMID:39796804	综述	本文综述了传感技术在远程物理治疗中的应用挑战与前景	探讨了传感技术如何通过大数据提升AI深度学习的准确性，并可能揭示运动障碍或病理状态的运动特征	存在使用性和分析性问题，限制了其应用范围	促进远程物理治疗中传感技术的发展和应用	远程物理治疗中的传感技术和数据分析技术	远程医疗	运动障碍	传感技术	深度学习	生物信号和患者运动数据	NA