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
7861	2025-03-26	Deep learning based detection of osteophytes in radiographs and magnetic resonance imagings of the knee using 2D and 3D morphology 2024-07, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25800 PMID:38323840	research paper	本研究探讨了基于深度学习的2D和3D形态学方法在X射线和MRI数据中自动检测膝关节骨赘的能力	开发了深度学习模型用于X射线和MRI数据的骨赘检测，并分析了软组织对检测结果的混杂效应	需要进一步开发骨赘评估标准，特别是针对早期骨赘变化	自动检测膝关节骨赘	膝关节X射线和MRI数据	digital pathology	geriatric disease	X-ray, MRI	DL	image	NA
7862	2025-03-26	Autosurv: interpretable deep learning framework for cancer survival analysis incorporating clinical and multi-omics data 2024-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00494-6 PMID:38182734	研究论文	开发了一个名为Autosurv的可解释深度学习框架，用于结合临床和多组学数据进行癌症生存分析	结合多组学数据和临床信息进行癌症预后预测，并提供了模型解释方法以揭示重要特征	部分识别出的特征的重要性仅得到先前研究的部分支持	优化癌症患者的治疗计划并提高生活质量	乳腺癌和卵巢癌患者	机器学习	乳腺癌, 卵巢癌	多组学数据分析	深度学习框架	基因表达数据, miRNA表达数据, 临床数据	多个独立的多组学数据集
7863	2025-03-26	DLAAD-deep learning algorithms assisted diagnosis of chest disease using radiographic medical images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1511389 PMID:40124976	研究论文	本研究开发了一种基于深度学习的算法，用于通过胸部X光图像辅助诊断胸部疾病	应用深度学习算法提升胸部疾病诊断的准确性和效率，整合现代技术到医疗设备中	数据集仅包含5,863张胸部X光图像，且仅分为肺炎和正常两类，可能限制了模型的泛化能力	提高计算机辅助诊断系统（CADs）在胸部疾病诊断中的效率和准确性	胸部X光图像	计算机视觉	肺炎	迁移学习	MobileNetV2, VGG-16, ResNet50V2	图像	5,863张胸部X光图像
7864	2025-03-26	Deep Learning Methods for Omics Data Imputation 2023-Oct-07, Biology DOI:10.3390/biology12101313 PMID:37887023	综述	本文综述了基于深度学习的组学数据插补方法，重点讨论了自编码器、变分自编码器、生成对抗网络和Transformer等深度生成模型架构在多组学数据插补中的应用	全面概述了当前可用的基于深度学习的组学数据插补方法，并探讨了深度学习在该领域带来的机遇和挑战	未提及具体的实验验证或实际应用案例	解决组学数据分析中的缺失值问题	组学数据	机器学习	NA	NA	自编码器、变分自编码器、生成对抗网络、Transformer	组学数据	NA
7865	2025-03-26	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-May-02, Research square DOI:10.21203/rs.3.rs-2768563/v1 PMID:37205427	research paper	提出一种名为CLCLSA的深度学习方法，用于处理不完整多组学数据的整合问题	结合跨组学链接嵌入、对比学习和自注意力机制，动态识别多组学数据中最具信息量的特征	需要完整的多组学数据作为监督，可能在某些实际应用中受限	解决不完整多组学数据整合问题，提高疾病和表型理解的全面性	多组学数据	machine learning	NA	multi-omics integration	autoencoders, contrastive learning, self-attention	multi-omics data	四个公共多组学数据集
7866	2025-03-26	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023-Mar-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533829 PMID:36993233	研究论文	本文通过分子动力学模拟和深度学习技术，揭示了PPM1D磷酸酶中的一个隐秘结合口袋，解释了其变构抑制剂的结合位点和效力	利用AlphaFold预测结构和分子动力学模拟发现PPM1D中的隐秘结合口袋，并通过深度学习预测化合物结合姿态，提高了虚拟筛选的预测能力	研究依赖于预测结构和模拟数据，缺乏实验验证	探索蛋白质动力学在虚拟筛选中的应用，提高药物发现的预测能力	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	分子动力学模拟, 深度学习, 虚拟筛选	AlphaFold, 马尔可夫状态模型(MSM)	蛋白质结构数据, 分子动力学模拟数据	NA
7867	2025-03-26	Artificial intelligence-based locoregional markers of brain peritumoral microenvironment 2023-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26448-9 PMID:36653382	研究论文	该研究开发了一种基于人工智能的标记物，用于定量评估恶性原发性脑肿瘤周围区域的浸润异质性	利用DTI自由水体积分数图提取基于深度学习的肿瘤周围微环境指数（PMI），并从中提取AI标记物以捕捉浸润异质性的不同方面	研究样本仅限于275例成人型弥漫性胶质瘤（CNS WHO 4级），可能不适用于其他类型肿瘤	开发定量评估肿瘤周围浸润异质性的标记物，以辅助临床决策	恶性原发性脑肿瘤的周围区域	数字病理学	脑肿瘤	Diffusion Tensor Imaging (DTI)	深度学习	医学影像	275例成人型弥漫性胶质瘤（CNS WHO 4级）
7868	2025-03-26	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1171143 PMID:37143823	研究论文	本文探讨了通过考虑蛋白质动力学来提高虚拟筛选预测能力的方法，并以癌症药物靶点PPM1D磷酸酶为例，发现了一个隐秘的结合口袋	利用AlphaFold预测的结构和分子动力学模拟构建的马尔可夫状态模型(MSM)揭示了PPM1D中的一个隐秘结合口袋，这为靶向该蛋白的药物发现提供了新策略	研究仅针对PPM1D磷酸酶，该方法在其他蛋白系统中的应用效果尚需验证	提高虚拟筛选在结构数据有限情况下的预测能力，并探索PPM1D抑制剂的结合机制	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	虚拟筛选、AlphaFold结构预测、分子动力学模拟、马尔可夫状态模型(MSM)、深度学习	AlphaFold、MSM	蛋白质结构数据	NA
7869	2025-03-26	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究探讨了在有限数据集条件下，利用自监督对抗学习进行计算机断层扫描结肠成像中电子清洁的初步可行性	提出了一种新型的自监督对抗学习方案，能够在有限训练数据集上实现亚体素精度的电子清洁	研究为初步可行性研究，样本量较小（18例临床CTC病例），且仅在仿真模型上进行了预训练	评估在有限训练数据集条件下使用自监督对抗学习进行电子清洁的技术可行性	计算机断层扫描结肠成像（CTC）中的电子清洁	数字病理学	结肠癌	自监督对抗学习	3D GAN	3D医学影像	18例临床CTC病例
7870	2025-03-26	Genome-wide association analysis reveals insights into the genetic architecture of right ventricular structure and function 2022-06, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01083-2 PMID:35697868	research paper	该研究通过全基因组关联分析揭示了右心室结构和功能的遗传基础	首次利用深度学习算法对心血管磁共振图像进行分析，识别了25个与右心室表型相关的独特基因位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	探索右心室测量指标的遗传基础	29,506名UK Biobank参与者的右心室表型数据	machine learning	cardiovascular disease	全基因组关联分析(GWAS), 心血管磁共振成像	deep learning	image	29,506名UK Biobank参与者(初始研究), 41,830名(验证阶段)
7871	2025-03-26	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	research paper	该研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的异种移植肿瘤的MRI图像，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性，其中D-R2UNet表现最佳	研究仅针对三阴性乳腺癌患者来源的异种移植肿瘤，未涉及其他类型肿瘤	开发自动化管道以准确分割MRI图像中的肿瘤，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的异种移植肿瘤的T1w和T2w MRI图像	digital pathology	breast cancer	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	image	未明确提及具体样本数量
7872	2025-03-25	Ink classification in historical documents using hyperspectral imaging and machine learning methods 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125916 PMID:40049019	研究论文	本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类	结合高光谱成像和多种机器学习方法（包括传统算法和深度学习模型）进行墨水分类，并在具有挑战性的条件下实现高准确率	仅针对三种特定类型的墨水进行分类，可能不适用于其他类型的墨水	开发非侵入性的墨水识别和映射方法，以促进历史文献的保护和分析	历史文献中的墨水（纯金属没食子酸墨水、含碳墨水和非含碳墨水）	计算机视觉	NA	高光谱成像	SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model	图像	模拟样本和历史文献样本
7873	2025-03-25	Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy 2025-Apr, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.17519 PMID:39627947	研究论文	本研究开发了一种基于机器学习的算法，用于在离体共聚焦激光扫描显微镜（EVCM）图像中检测基底细胞癌（BCC）	首次将卷积神经网络（MobileNet-V1）应用于EVCM图像中的BCC检测，以辅助临床决策	样本量较小（50张训练图像和19张测试图像），且为概念验证研究	通过机器学习算法提高EVCM图像中基底细胞癌的检测效率，减少专业人员培训时间	基底细胞癌（BCC）的离体组织样本	数字病理学	基底细胞癌	离体共聚焦激光扫描显微镜（EVCM）	CNN（MobileNet-V1）	图像	50张训练EVCM图像（来自组织学确认的BCC新鲜组织样本）和19张测试图像（10张含肿瘤，9张无肿瘤）
7874	2025-03-25	Collaborative Deep Learning and Information Fusion of Heterogeneous Latent Variable Models for Industrial Quality Prediction 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3537809 PMID:40036535	研究论文	本文提出了一种结合深度学习和信息融合的异构潜在变量模型框架，用于工业质量预测	通过协作逐层特征提取和异构模型集成，提高了质量预测的准确性和稳定性	仅通过两个工业案例验证了方法的有效性，可能需要更多案例进一步验证	提高工业质量预测的准确性和稳定性	工业质量预测系统	机器学习	NA	深度学习, 信息融合, 集成学习	潜在变量模型	工业质量数据	两个真实工业案例
7875	2025-03-25	Co-Training Broad Siamese-Like Network for Coupled-View Semi-Supervised Learning 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3531441 PMID:40036533	研究论文	提出了一种用于耦合视图半监督分类的协同训练宽Siamese-like网络（Co-BSLN）	利用基于宽学习系统（BLS）的简单浅层网络简化网络结构并减少训练时间，通过直接伪逆计算替代反向传播迭代	未提及具体的数据集规模或特定应用场景的限制	改进多视图半监督学习的准确性和训练效率	多视图数据	机器学习	NA	宽学习系统（BLS）	Co-BSLN（协同训练宽Siamese-like网络）	多视图数据	未提及具体样本数量
7876	2025-03-25	Evaluation of a novel ensemble model for preoperative ovarian cancer diagnosis: Clinical factors, O-RADS, and deep learning radiomics 2025-Apr, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102335 PMID:40048985	research paper	本研究开发了一种结合临床变量、O-RADS和深度学习放射组学的集成模型，用于术前卵巢癌诊断，并评估其对超声医师诊断能力的提升效果	首次将临床变量、O-RADS评分和深度学习放射组学特征相结合，构建集成模型，显著提高了卵巢癌的诊断准确性和超声医师的诊断能力	研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的泛化能力	提高术前卵巢癌诊断的准确性并评估模型对超声医师诊断能力的提升效果	卵巢癌患者	digital pathology	ovarian cancer	deep learning radiomics, LASSO method	ensemble model	transvaginal ultrasound images	来自两个中心的数据（具体样本量未明确说明）
7877	2025-03-25	Gran canaria vegetation segmentation dataset from multi-year aerial imagery for environmental monitoring and conservation 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111419 PMID:40124302	research paper	介绍了一个针对Gran Canaria（加那利群岛，西班牙）的新数据集，旨在通过计算机视觉技术自动生成植被地图	该数据集在基于航拍图像的语义分割领域中独特，提供了20个明确定义的植被群落的详细注释，超越了现有数据集的广泛分类	NA	开发并测试能够自动生成植被地图的深度学习模型，以支持环境监测和保护	Gran Canaria的植被群落	computer vision	NA	deep learning, computer vision	NA	aerial imagery	20个明确定义的植被群落，以及五个非植被类别（如水体、道路或建筑物）
7878	2025-03-25	Thermal conductivity of the layered titanate K0.8Li0.27Ti1.73O4 explored by a deep learning interatomic potential 2025-Mar-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0255515 PMID:40125679	研究论文	本研究通过深度学习原子间势能预测层状钛酸盐K0.8Li0.27Ti1.73O4的热导率	采用深度神经网络模型构建原子间势能，克服了传统方法的局限性，为层状材料的热导率研究提供了新方法	研究仅针对K0.8Li0.27Ti1.73O4一种材料，未验证其他层状材料的适用性	预测层状氧化物材料的热导率	层状钛酸盐K0.8Li0.27Ti1.73O4 (KLTO)	材料科学	NA	深度学习	深度神经网络	原子力、能量和弹性性质数据	NA
7879	2025-03-25	Deep learning for cardiac abnormalities in chest X-rays: performance metrics with imbalanced data and extracardiac objects 2025-Mar-24, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae759 PMID:39776179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7880	2025-03-25	Transforming wearable sensor data for robust feature selection in human activity recognition using reinforcement learning approach 2025-Mar-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2480686 PMID:40125899	研究论文	本文提出了一种利用深度强化学习方法处理可穿戴传感器数据，以提高人体活动识别的准确性和鲁棒性	结合生成式演员-评论家（GAC）方法和循环生成对抗网络，增强了类间差异并减少了类内变化，提高了噪声环境下的识别准确率	未提及该方法在实时处理或计算资源消耗方面的表现	提高可穿戴传感器数据在人体活动识别中的准确性和鲁棒性	可穿戴传感器收集的人体活动数据	机器学习	NA	深度强化学习（GAC）、循环生成对抗网络	GAC、GAN	时间序列传感器数据	UCI-HAR和Motion Sense数据集（具体样本量未提及）