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
6401	2025-02-28	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012423 PMID:39255309	研究论文	本文提出了一种基于深度自编码器的行为模式识别方法，用于分析斑马鱼的高维行为数据，优于传统的统计方法	使用半监督深度自编码器提取斑马鱼的“正常”行为模式，并识别出传统方法未能捕捉到的化学物质诱导的异常行为	研究主要基于斑马鱼模型，可能无法直接推广到其他生物系统	开发一种更有效的方法来分析斑马鱼的高维行为数据，以识别化学物质暴露引起的行为变化	斑马鱼幼虫	机器学习	NA	深度自编码器	自编码器	行为数据	未暴露于有毒物质的斑马鱼幼虫行为数据
6402	2025-02-28	Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos 2024-08-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.25124 PMID:39106068	研究论文	本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂	利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	开发一种AI模型，用于早期检测儿童眼病	儿童眼病（近视、斜视和上睑下垂）	计算机视觉	儿童眼病	深度学习	深度学习模型	图像	476名患者的1419张图像
6403	2024-10-24	Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.09.24308603 PMID:38946986	研究论文	本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例	本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例	本文未详细讨论模型的泛化能力和在其他数据集上的表现	开发一种更准确的方法来识别ANCA相关性血管炎病例	ANCA相关性血管炎病例的识别	机器学习	其他疾病	深度学习	深度学习算法	文本	三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本
6404	2025-02-28	Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning 2024-Mar-06, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c04815 PMID:38407030	研究论文	本文介绍了一种利用深度学习技术识别和结构表征扭曲原子薄双层材料的方法	使用语义分割卷积神经网络（CNN）快速准确地识别MoS薄片的厚度，并训练第二个CNN模型预测CVD生长的双层薄片的扭曲角度	NA	开发一种可扩展的方法，用于自动化检测扭曲原子薄CVD生长的双层材料	扭曲双层石墨烯和过渡金属二硫化物	计算机视觉	NA	光学显微镜、化学气相沉积（CVD）、二次谐波生成、拉曼光谱	CNN	图像	超过10,000张合成图像
6405	2025-02-28	Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1458374 PMID:39735601	研究论文	本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态	利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性	研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者	开发预测肺腺癌患者EGFR突变状态的深度学习模型	430名非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	Inception V3	图像	430名非小细胞肺癌患者
6406	2025-02-28	DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data 2023-12-15, Journal of visualized experiments : JoVE DOI:10.3791/65910 PMID:38163278	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6407	2025-02-28	Artificial Intelligence-based System for Detecting Attention Levels in Students 2023-12-15, Journal of visualized experiments : JoVE DOI:10.3791/65931 PMID:38163270	研究论文	本文提出了一种基于人工智能的系统，用于检测学生的注意力水平，通过分析学生的情绪、视线方向、身体姿势和生物特征数据来帮助教师优化教学过程	创新点在于整合多种数据源（如情绪、视线、姿势和生物特征数据）来训练AI系统，以自动识别学生的注意力水平，并提出创建标注数据集和注意力分类器的方案	整合不同类型的数据具有挑战性，需要创建标注数据集，且依赖专家输入和现有研究进行准确标注	研究目标是利用AI技术自动检测学生的注意力水平，以帮助教师调整教学策略，优化教学效果	研究对象是课堂中的学生	机器学习	NA	深度学习	NA	图像、生物特征数据	未明确提及样本数量
6408	2025-02-27	Brain analysis to approach human muscles synergy using deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10228-y PMID:39996071	研究论文	本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用	结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号	NA	改进康复方法和脑机接口	脑信号和肌肉运动	机器学习	NA	EEG, EMG	神经网络, 卷积网络	信号数据	NA
6409	2025-02-27	Improving the thermostability of ulvan lyase from polysaccharide lyase family 25 based on multiple computational rational design strategies 2025-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140468 PMID:39894113	研究论文	本研究提出了一种结合深度学习和多种能量函数方法的计算机辅助理性设计策略，用于提高ulvan裂解酶的热稳定性	结合深度学习和多种能量函数方法进行计算机辅助理性设计，显著提高了ulvan裂解酶的热稳定性	NA	提高ulvan裂解酶的热稳定性，以推进其工业应用	ulvan裂解酶	生物信息学	NA	ColabFold, FoldX, Rosetta, Schrödinger, 分子动力学模拟	深度学习	蛋白质结构数据	三个单点突变体（A117V, K145L, A237V）及其组合突变体
6410	2025-02-27	Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124323 PMID:39914214	研究论文	本研究结合深度学习和机器学习技术，利用遥感数据追踪空气污染与植被覆盖的关系	结合ML和DL技术，首次在达卡市范围内系统分析空气污染与植被覆盖的长期关系，并采用多种模型进行预测	未使用高分辨率图像，未整合社会经济数据，可能影响结果的全面性	探讨空气污染与城市绿地减少之间的关系，为污染管理和城市规划提供依据	达卡市的空气污染（PM2.5和PM10）和植被覆盖变化	机器学习	NA	遥感技术	XGB, SVM, RF, Unet, Unet++, MAnet, Linknet	遥感数据	1990年至2022年的达卡市数据
6411	2025-02-27	Carbon source dosage intelligent determination using a multi-feature sensitive back propagation neural network model 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124341 PMID:39933376	研究论文	本文提出了一种基于多特征敏感反向传播神经网络（BPNN）的模型，用于预测污水处理厂（WWTP）中的碳源投加量，以解决数据短期和有限的问题	该模型结合了Shapley加性解释（SHAP）和敏感性分析（SA），并引入理论公式以提高预测准确性，同时通过反馈调节处理异常数据	模型依赖于特定污水处理厂的数据，可能在其他环境中的适用性有限	开发一种智能模型以优化污水处理厂中的碳源投加量，减少污染和碳排放	污水处理厂中的碳源投加量	机器学习	NA	反向传播神经网络（BPNN），Shapley加性解释（SHAP），敏感性分析（SA）	多特征敏感反向传播神经网络（MFS-BPNN-SSA）	污水处理厂运行数据	超过两年的污水处理厂运行数据
6412	2025-02-27	Deep learning-driven behavioral analysis reveals adaptive responses in Drosophila offspring after long-term parental microplastic exposure 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124502 PMID:39933380	研究论文	本研究利用深度学习技术分析果蝇后代幼虫的行为，以评估长期暴露于聚苯乙烯微塑料（PS-MPs）对果蝇的跨代影响	首次结合深度学习技术对果蝇后代幼虫行为进行追踪和分析，揭示了长期暴露于PS-MPs的果蝇后代在运动能力上的适应性变化	研究仅针对果蝇这一模型生物，未涉及其他陆地生物，且未探讨PS-MPs对其他生理指标的影响	评估聚苯乙烯微塑料对果蝇的跨代影响	果蝇（Drosophila melanogaster）及其后代幼虫	机器学习	NA	深度学习	NA	行为数据	不同时间点（第2天、第8天、第14天）收集的果蝇后代幼虫
6413	2025-02-27	Hybrid deep learning downscaling of GCMs for climate impact assessment and future projections in Oman 2025-Mar, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124522 PMID:39951996	研究论文	本研究提出了一种结合序列到序列模型、时间卷积网络（TCN）和Transformer的混合深度学习方法，用于全球环流模型（GCMs）的降尺度，以评估气候变化对阿曼水资源管理的影响	提出了一种新颖的混合深度学习方法，结合了序列到序列模型、TCN和Transformer，用于GCMs的降尺度，并在性能上优于其他方法	研究仅针对阿曼的Wadi Dayqah流域，结果可能不适用于其他地区	评估气候变化对阿曼水资源管理的影响，并进行未来气候预测	阿曼的Wadi Dayqah流域	气候变化	NA	混合深度学习方法，包括序列到序列模型、TCN和Transformer	序列到序列模型、TCN、Transformer	气候数据（降水和温度）	1992年至2011年的气候数据，包括14个GCMs
6414	2025-02-27	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	本研究开发并验证了一种基于MRI的拓扑深度学习模型，用于术前预测肝细胞癌（HCC）的微血管侵犯（MVI），并辅助预后分层	结合拓扑学改进深度学习模型，提高了预测性能和可解释性，并首次在HCC的MVI预测中应用	研究为回顾性设计，可能存在选择偏倚；外部验证数据集规模相对较小	开发并验证一种基于MRI的拓扑深度学习模型，用于术前预测HCC的MVI，并辅助预后分层	接受手术治疗的HCC患者	数字病理	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	图像	589名患者（其中292名经病理证实存在MVI）
6415	2025-02-27	Prognostic models for unplanned intensive care unit readmission risk prediction: A systematic review and meta-analysis based on HSROC model 2025-03, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.13306 PMID:39995380	系统综述与荟萃分析	本文系统回顾并荟萃分析了用于预测非计划性重症监护病房（ICU）再入院风险的预后模型，比较了机器学习模型与评分系统的性能	首次使用HSROC模型进行荟萃分析，比较了机器学习模型与评分系统在ICU再入院预测中的表现，并指出深度学习模型在敏感性上的优势	所有研究存在高偏倚风险，机器学习模型忽略了临床笔记，且模型需要外部验证以确保跨机构的可靠性	评估和比较不同模型在预测ICU非计划性再入院风险中的性能和适用性	ICU再入院预测模型	机器学习	重症监护	HSROC模型	机器学习模型、深度学习模型、评分系统	结构化数据	67项研究，包含335个模型和67个评分系统
6416	2025-02-27	FHD deep learning prognosis approach: Early detection of fetal heart disease (FHD) using ultrasonography image-based IROI combined multiresolution DCNN 2025-Feb-26, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241310981 PMID:40007382	研究论文	本文提出了一种基于超声图像的深度学习预后方法，用于早期检测胎儿心脏病（FHD）	提出了一种结合增强自适应中值滤波（EAMF）、强化感兴趣区域（IROI）分割和多分辨率深度卷积神经网络（MDCNN）分类的自动化分层网络，用于FHD的检测	未提及具体样本量和数据集的多样性，可能影响模型的泛化能力	早期检测胎儿心脏病（FHD）	胎儿心脏病的超声图像	计算机视觉	胎儿心脏病	超声2D成像	多分辨率深度卷积神经网络（MDCNN）	图像	未提及具体样本量
6417	2025-02-27	Artificial Intelligence in Computed Tomography Image Reconstruction: A Review of Recent Advances 2025-Feb-26, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001734 PMID:40008975	综述	本文综述了人工智能在计算机断层扫描（CT）图像重建中的最新进展	人工智能，特别是深度学习，在CT重建中展示了减少辐射剂量同时保持图像质量和噪声纹理的巨大潜力，并在解决低剂量CT、稀疏视图CT、有限角度CT和内部断层扫描等挑战性问题中表现出前所未有的性能	NA	探讨人工智能在CT图像重建中的应用，特别是在低剂量、稀疏视图和有限角度等挑战性条件下的应用	计算机断层扫描（CT）图像	计算机视觉	NA	深度学习	NA	图像	NA
6418	2025-02-27	Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model 2025-Feb-26, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03327-9 PMID:40009142	研究论文	本研究提出了一种基于深度学习的框架，用于在CBCT图像中自动放置模拟牙种植体至最佳位置	采用两阶段深度学习框架，结合YOLOv11进行标记检测和种植体位置预测，提高了牙种植体放置的自动化程度和准确性	YOLOv11在标记检测阶段的F-score仅为59%，种植体位置预测的平均绝对误差在11.931到15.954之间，表明模型仍有改进空间	提高牙种植体放置的自动化程度和准确性，减少对牙医知识和经验的依赖	CBCT图像中的牙种植体	计算机视觉	NA	深度学习	YOLOv11	3D CBCT图像	NA
6419	2025-02-27	A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients 2025-Feb-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04849-4 PMID:40009155	研究论文	本文介绍了一种基于深度学习的psi CT网络，用于预测肝细胞癌（HCC）患者肝切除术后早期复发	结合DenseNet和注意力机制，模型能自动聚焦于对患者生存有显著影响的区域，并通过CAM技术可视化这些区域	研究为回顾性，且样本量相对有限，可能影响模型的泛化能力	开发一种可靠的方法来预测HCC患者肝切除术后早期复发	肝细胞癌（HCC）患者	数字病理	肝癌	深度学习	DenseNet	CT扫描图像	302例患者，来自五个中心
6420	2025-02-27	Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans 2025-Feb-26, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07165-7 PMID:40009163	研究论文	本研究旨在使用基于深度学习的方法对超快速肺部PET扫描图像进行去噪处理，以减少呼吸运动伪影并提高诊断质量	提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限的目标扫描仪训练数据上进行微调，并直接应用于新扫描仪的未见测试数据	研究仅基于两个数据集，且样本量相对较小，可能限制了模型的泛化能力	通过深度学习技术提高超快速肺部PET扫描图像的质量，减少噪声并满足临床诊断需求	超快速20秒屏气（U2BH）PET扫描图像	计算机视觉	肺癌	深度学习	Mask-ViT, U-Net, C-Gan	图像	1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应的全时PET/CT图像