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
6421	2025-03-21	A deep learning model for predicting selected organic molecular spectra 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00550-y PMID:38177591	研究论文	本文开发了一种名为DetaNet的深度学习模型，用于预测分子光谱，提高了效率和准确性	结合E(3)-等变群和自注意力机制，通过传递高阶几何张量信息，能够生成多种分子属性，达到量子化学计算的精度	NA	提高分子光谱模拟的准确性和效率，以促进物质发现和结构识别	分子光谱	机器学习	NA	深度学习	DetaNet	分子光谱数据	130,000种分子物种的QM9S数据集
6422	2025-03-21	High-throughput property-driven generative design of functional organic molecules 2023-Feb, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00391-1 PMID:38177626	研究论文	本文提出了一种结合生成深度学习模型和监督深度学习模型的方法，用于预测具有最优特性的有机分子	通过结合生成模型和监督模型，实现了对分子电子结构的预测和优化，避免了量子化学计算，适用于高通量筛选	未提及具体局限性	设计具有定制特性的有机分子，特别是用于有机电子应用	有机分子	机器学习	NA	生成深度学习模型，监督深度学习模型	生成模型，监督模型	分子结构数据	未提及具体样本数量
6423	2025-03-21	Dimensionally consistent learning with Buckingham Pi 2022-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00355-5 PMID:38177386	研究论文	本文提出了一种自动化方法，利用测量数据的对称性和自相似结构，通过Buckingham Pi定理发现最佳降维的无量纲群	开发了三种数据驱动技术，结合Buckingham Pi定理作为约束，包括约束优化问题、深度学习算法（BuckiNet）和基于稀疏识别非线性动力学的技术	NA	探索在没有控制方程的情况下，通过维度分析提取物理系统的洞察和对称性	物理系统中的测量变量和参数	机器学习	NA	Buckingham Pi定理，深度学习，稀疏识别非线性动力学	深度学习算法（BuckiNet）	测量数据	NA
6424	2025-03-21	A universal graph deep learning interatomic potential for the periodic table 2022-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00349-3 PMID:38177366	研究论文	本文介绍了一种基于图神经网络的通用原子间势能模型M3GNet，用于材料的结构弛豫、动态模拟和性质预测	M3GNet模型通过结合三体相互作用，能够广泛应用于不同化学空间中的材料，且训练数据来源于Materials Project过去十年的大规模结构弛豫数据库	NA	开发一种通用的原子间势能模型，以加速可合成材料的发现	材料的结构弛豫、动态模拟和性质预测	机器学习	NA	图神经网络	M3GNet	结构弛豫数据	约180万种材料，筛选自3100万种假设晶体结构
6425	2025-03-21	Challenges and opportunities in quantum machine learning 2022-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00311-3 PMID:38177473	综述	本文探讨了量子机器学习在加速数据分析方面的潜力，特别是在量子数据领域，并回顾了当前的方法和应用	强调了量子机器学习与经典机器学习之间的差异，特别是量子神经网络和量子深度学习	量子机器学习模型的可训练性仍存在挑战	探讨量子机器学习在量子材料、生物化学和高能物理等领域的应用潜力	量子数据及其在多个科学领域的应用	量子机器学习	NA	NA	量子神经网络, 量子深度学习	量子数据	NA
6426	2025-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种通过细针抽吸（FNA）进行肿瘤免疫微环境（TME）连续评估的创新技术FAST-FNA	首次展示了通过简单的FNA可以准确且连续地测量治疗期间复杂且快速变化的TME	NA	发现并整合预测和/或预后生物标志物到治疗算法中	肿瘤免疫微环境（TME）	数字病理学	癌症	FAST-FNA	深度学习辅助分析管道	单细胞数据	临床前样本和人类样本
6427	2025-03-21	Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning 2021-Mar, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-020-03366-9 PMID:32852634	研究论文	本研究开发了基于CT图像的XGBoost和深度学习模型，用于术前预测肝细胞癌的微血管侵犯	结合了放射组学特征、放射学特征和临床变量，开发了XGBoost模型和3D-CNN模型，用于术前预测MVI状态	需要进一步验证这些机器学习模型的有效性	术前预测肝细胞癌的微血管侵犯状态	405名肝细胞癌患者	计算机视觉	肝细胞癌	CT图像分析	XGBoost, 3D-CNN	图像	405名患者
6428	2025-03-20	Effect of adaptive statistical iterative reconstruction-V algorithm and deep learning image reconstruction algorithm on image quality and emphysema quantification in COPD patients under ultra-low-dose conditions 2025-Apr-01, The British journal of radiology DOI:10.1093/bjr/tqae251 PMID:39862404	研究论文	本研究探讨了在超低剂量扫描条件下，不同重建算法（ASIR-V和DLIR）对慢性阻塞性肺疾病（COPD）患者图像质量和肺气肿定量的影响	首次在超低剂量CT扫描条件下比较了ASIR-V和DLIR算法对COPD患者图像质量和肺气肿定量的影响，并发现DLIR-M在图像质量和肺气肿定量方面表现最佳	样本量相对较小（62名COPD患者），且仅使用了商业计算机辅助诊断（CAD）软件进行分析	探讨不同重建算法在超低剂量CT扫描条件下对COPD患者图像质量和肺气肿定量的影响	62名COPD患者	数字病理	慢性阻塞性肺疾病（COPD）	CT扫描、计算机辅助诊断（CAD）	ASIR-V、DLIR	CT图像	62名COPD患者
6429	2025-03-20	Rational design and synthesis of pyrazole derivatives as potential SARS-CoV-2 Mpro inhibitors: An integrated approach merging combinatorial chemistry, molecular docking, and deep learning 2025-Apr-01, Bioorganic & medicinal chemistry IF:3.3Q1 DOI:10.1016/j.bmc.2025.118095 PMID:39929031	研究论文	本研究结合组合化学、分子对接和深度学习，设计、评估并合成了新的吡唑衍生物作为潜在的SARS-CoV-2主要蛋白酶（Mpro）抑制剂	通过整合组合化学、分子对接和深度学习技术，加速了SARS-CoV-2主要蛋白酶抑制剂的发现，并提供了未来抗病毒药物开发的框架	NA	开发新型抗病毒疗法以应对SARS-CoV-2的全球影响	SARS-CoV-2主要蛋白酶（Mpro）	药物化学	COVID-19	组合化学、分子对接、深度学习	DeepPurpose	化学结构数据	超过60,000种吡唑基结构
6430	2025-03-20	X2-PEC: A Neural Network Model Based on Atomic Pair Energy Corrections 2025-Mar-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70081 PMID:40099806	研究论文	本文介绍了X2-PEC方法，这是一种基于原子对能量校正的神经网络模型，旨在提高低阶密度泛函理论（DFT）计算的准确性	X2-PEC模型通过使用重叠积分和核心哈密顿积分将物理和化学信息整合到特征向量中，以描述原子相互作用，从而提升低阶DFT计算的准确性	NA	提升低阶密度泛函理论（DFT）计算的准确性，使其达到高阶DFT计算的水平	分子性质预测，特别是异构体的原子化能量	机器学习	NA	人工神经网络（ANN）	X2-PEC	分子数据	QM9数据集，以及G2-HCNOF、PSH36、ALKANE28、BIGMOL20和HEDM45等数据集
6431	2025-03-20	Recent Progress on Heterojunction-Based Memristors and Artificial Synapses for Low-Power Neural Morphological Computing 2025-Mar-19, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202412851 PMID:40103529	综述	本文综述了基于异质结的忆阻器和人工突触在低功耗神经形态计算领域的最新进展	通过优化异质结的材料组成、界面特性和器件结构，降低能耗并提高性能稳定性和耐久性，为低功耗神经形态计算系统提供支持	详细讨论了限制基于异质结的忆阻器和人工突触发展的瓶颈	探讨基于异质结的忆阻器和人工突触在低功耗神经形态计算中的应用	异质结忆阻器和人工突触	神经形态计算	NA	NA	NA	NA	NA
6432	2025-03-20	Poisson diffusion probabilistic model for low-dose SPECT sinogram denoising 2025-Mar-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17760 PMID:40103551	研究论文	本文提出了一种基于泊松噪声的扩散概率模型（PDPM），用于低剂量SPECT正弦图的去噪	PDPM将传统扩散模型中的高斯噪声替换为泊松噪声，并利用低剂量和正常剂量SPECT正弦图作为去噪过程的起点和终点	NA	开发有效的低剂量SPECT图像去噪方法	低剂量SPECT正弦图	医学图像处理	NA	扩散概率模型	PDPM	图像	模拟和临床SPECT数据集
6433	2025-03-20	FCM-NPOA: A hybrid Fuzzy C-means clustering with nomadic people optimizer for ovarian cancer detection 2025-Mar-19, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241302736 PMID:40105378	研究论文	本文提出了一种结合模糊C均值聚类和游牧者优化算法的混合模型（FCM-NPOA），用于卵巢癌的早期检测和分类	提出了一种新的混合进化深度学习模型，结合了遗传和病理成像数据，并开发了优化的模糊C均值聚类算法（FCM-NPOA-PM-UI）用于妇科腹部盆腔肿瘤的分类	研究样本量相对较小（349名患者），可能限制了模型的泛化能力	开发一种预测模型，用于卵巢癌的早期诊断和分类	349名卵巢癌患者的临床数据	机器学习	卵巢癌	机器学习、深度学习、特征选择、多模态融合	FCM-NPOA、Transformer、UNeT、随机森林、逻辑回归、SVM、决策树、CNN	临床数据、遗传数据、病理成像数据	349名患者
6434	2025-03-20	The impact of multi-modality fusion and deep learning on adult age estimation based on bone mineral density 2025-Mar-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03432-2 PMID:40100354	研究论文	本研究旨在通过结合多模态融合策略和深度学习技术，基于骨密度（BMD）提高成人年龄估计的准确性	创新点在于将多模态融合策略与深度学习相结合，显著提高了基于骨密度的成人年龄估计的准确性	研究主要基于中国人群的CT扫描数据，可能在其他种族或地区的适用性有限	提高基于骨密度的成人年龄估计的准确性	4296例中国人群的CT扫描数据，涵盖腰椎、股骨和耻骨模态	机器学习	老年疾病	深度学习	深度学习模型	CT扫描图像	4296例CT扫描数据（内部验证队列644例，外部尸体验证队列351例）
6435	2025-03-20	Deep learning reconstruction for accelerated 3-D magnetic resonance cholangiopancreatography 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01987-z PMID:40100541	研究论文	本研究比较了传统的三维磁共振胰胆管成像（MRCP）序列与深度学习加速的MRCP序列（MRCPDL）在采集时间和图像质量方面的差异	首次将深度学习技术应用于加速3-D MRCP序列，显著减少了采集时间并保持了图像质量	样本量较小（30名参与者），且仅在单一的三级中心进行	比较传统MRCP序列与深度学习加速MRCP序列的采集时间和图像质量	接受MRCP检查的连续患者	医学影像	NA	深度学习	NA	医学影像	30名参与者（16名男性，14名女性，平均年龄63±15岁）
6436	2025-03-20	Monitoring kidney microanatomy during ischemia-reperfusion using ANFIS optimized CNN 2025-Mar-18, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04449-7 PMID:40100537	研究论文	本文提出了一种基于自适应神经模糊推理系统优化的卷积神经网络（ANFIS-CNN）方法，用于监测肾脏疾病	提出了一种结合ANFIS和Resnet50的优化CNN方法，用于提高肾脏疾病的分类准确率	NA	提高肾脏疾病监测的分类准确率	肾脏微解剖结构	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	ANFIS-Resnet50 CNN	图像	NA
6437	2025-03-20	Total brain dose estimation in single-isocenter-multiple-targets (SIMT) radiosurgery via a novel deep neural network with spherical convolutions 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17748 PMID:40100547	研究论文	本研究开发了一种基于球形卷积的深度学习模型，用于预测单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中正常脑组织的剂量	提出了一种新颖的球形卷积神经网络（SCNN）模型，通过将3D体积数据投影到球形几何上进行剂量预测	研究仅基于106个SIMT病例，样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于预测SIMT SRS治疗计划中正常脑组织的剂量，以提高治疗计划质量的一致性	单等中心多目标（SIMT）立体定向放射外科（SRS）治疗计划中的正常脑组织	数字病理学	脑部疾病	深度学习	球形卷积神经网络（SCNN）	3D体积数据	106个SIMT病例
6438	2025-03-20	Deep learning-based segmentation of ultra-low-dose CT images using an optimized nnU-Net model 2025-Mar-18, La Radiologia medica DOI:10.1007/s11547-025-01989-x PMID:40100539	研究论文	本研究旨在开发一种基于深度学习的管道，用于在超低剂量CT图像上进行器官分割	开发了专门用于噪声CT图像的LD-nnU-Net模型，相较于传统的高质量图像训练的模型，在超低剂量CT图像上表现出色	研究主要依赖于模拟的低剂量CT图像，实际低剂量CT图像的外部数据集验证较少	开发一种深度学习模型，用于在超低剂量CT图像上进行器官分割	274个CT原始数据集，包括全剂量和模拟低剂量CT图像	计算机视觉	NA	深度学习	nnU-Net	CT图像	274个CT原始数据集
6439	2025-03-20	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2025-Mar-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	本文提出了一种基于改进的深度卷积生成对抗网络（DCGAN）的数据增强方法，用于数字病理学中的全切片图像（WSI）分析	利用自监督预训练的CTransPath模型提取多样且具有代表性的WSI特征，引入最小二乘对抗损失和频域损失以提高像素级精度和结构保真度，并通过残差块和跳跃连接增加网络深度、缓解梯度消失并提高训练稳定性	实验仅在PatchCamelyon数据集上进行，未验证在其他数据集上的泛化能力	解决数字病理学中WSI数据集因隐私法规限制而可用性不足的问题，提升深度学习模型的性能和泛化能力	全切片图像（WSI）	数字病理学	肿瘤学	DCGAN	改进的DCGAN	图像	PatchCamelyon数据集
6440	2025-03-20	Multimodal feature-guided diffusion model for low-count PET image denoising 2025-Mar-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17764 PMID:40102174	研究论文	本文提出了一种新的多模态特征引导扩散模型（MFG-Diff），用于低计数PET图像去噪，并充分利用MRI信息	MFG-Diff模型通过引入新的退化操作符模拟PET成像的物理退化过程，并使用跨模态引导恢复网络和多模态特征融合模块，充分挖掘LPET和MR图像的模态特定特征	未明确提到具体局限性	研究目的是开发一种能够从低计数PET图像生成高质量标准计数PET图像的方法，以减少辐射暴露	低计数PET图像和MRI图像	计算机视觉	NA	扩散模型	MFG-Diff	图像	未明确提到样本数量