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
7941	2025-02-01	Alzheimer's Disease Classification Using 2D Convolutional Neural Networks 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9629587 PMID:34891877	研究论文	本文提出了一种使用2D卷积神经网络（CNN）对阿尔茨海默病（AD）进行分类的方法，并在3D MRI数据上进行了测试	提出了三种利用2D CNN处理3D MRI数据的方法，相较于基于ResNet的3D CNN模型，在AD诊断上提高了8.33%的准确率和10.11%的auROC，同时显著减少了超过89%的训练时间	讨论了性能提升的潜在原因和局限性	提高阿尔茨海默病的诊断准确性和效率	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑磁共振成像（MRI）	2D CNN	3D MRI数据	阿尔茨海默病神经影像倡议（ADNI）数据集
7942	2025-02-01	Deep learning based Nucleus Classification in pancreas histological images 2017-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2017.8036914 PMID:29059962	研究论文	本文提出了一种基于深度学习的细胞核分类方法（DeepNC），用于胰腺组织学图像中的细胞核分类	提出了一种结合组织病理学和免疫荧光图像的深度学习细胞核分类方法，解决了基因组或转录组与病理学评估之间肿瘤纯度估计的差异问题	训练深度学习模型在大数据集上存在挑战	提高组织学评估的准确性，解决肿瘤纯度估计的差异问题	胰腺组织学图像中的细胞核	数字病理学	胰腺癌	深度学习	深度学习模型	图像	大量样本
7943	2025-01-31	Monitoring nap deprivation-induced fatigue using fNIRS and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10219-z PMID:39866657	研究论文	本文利用便携式fNIRS系统和深度学习模型监测由午睡剥夺引起的疲劳状态，并提出了一种新的1D修订CNN-ResNet网络用于疲劳状态分类	提出了一种基于双层通道衰减残差块的新型1D修订CNN-ResNet网络，用于处理fNIRS信号数据的高维度和多通道特性	NA	监测和分类由午睡剥夺引起的疲劳状态，探索通过运动刺激强制唤醒疲劳受试者的可行性	由午睡剥夺引起的疲劳状态	机器学习	NA	fNIRS	1D revised CNN-ResNet	fNIRS信号数据	NA
7944	2025-01-31	Detecting autism in children through drawing characteristics using the visual-motor integration test 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00338-6 PMID:39877430	研究论文	本研究介绍了一种新颖的分类方法，通过视觉-运动整合测试中的绘图特征来区分自闭症儿童与正常发育儿童	采用深度学习分类模型和集成学习，显著提高了分类准确率至0.934，并识别出五个最能区分自闭症儿童与正常儿童绘图表现的模式	样本量较小，仅包括50名儿童，且性别比例不均（44名男孩和6名女孩）	开发一种跨文化工具，用于自闭症的早期检测和干预	台湾50名6至12岁的学龄儿童，包括44名男孩和6名女孩	计算机视觉	自闭症	深度学习	集成学习	图像	50名儿童（44名男孩和6名女孩）
7945	2025-01-31	A multi-dimensional student performance prediction model (MSPP): An advanced framework for accurate academic classification and analysis 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103148 PMID:39866196	研究论文	本文提出了一种多维学生表现预测模型（MSPP），旨在通过深度学习和先进的数据预处理技术提高学生学术分类的准确性	MSPP模型结合了自适应超参数调整和先进的图神经网络层，能够处理不平衡和时间序列的教育数据集，并通过AI特征提供可解释性	NA	提高学生表现预测的准确性，以支持定制化干预措施，提升学习效果	学生学术数据	机器学习	NA	深度学习	图神经网络（GNN）	结构化训练记录	NA
7946	2025-01-31	An easy-to-use three-dimensional protein-structure-prediction online platform "DPL3D" based on deep learning algorithms 2025-Jun, Current research in structural biology IF:2.7Q3 DOI:10.1016/j.crstbi.2024.100163 PMID:39867105	研究论文	本文介绍了一个基于深度学习算法的易于使用的三维蛋白质结构预测在线平台DPL3D	开发了一个用户友好的平台DPL3D，能够预测和可视化突变蛋白质的三维结构，并集成了多种先进的蛋白质结构预测软件	平台依赖于现有的蛋白质晶体结构数据，对于缺乏这些数据的蛋白质，预测准确性可能受限	开发一个易于使用的在线平台，用于预测和可视化突变蛋白质的三维结构，以促进生物发现	突变蛋白质的三维结构	生物信息学	NA	深度学习算法	AlphaFold 2, RoseTTAFold, RoseTTAFold All-Atom, trRosettaX-Single	蛋白质晶体结构数据	210,180个分子结构，包括52,248个人类蛋白质
7947	2025-01-31	Deep learning driven silicon wafer defect segmentation and classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103158 PMID:39877475	研究论文	本文探讨了使用深度学习方法对硅片缺陷进行分割和分类，以提高集成电路制造中的自动化检测效率	结合深度学习模型进行硅片缺陷的自动分割与分类，并集成具有问答能力的LLM以增强交互性	未提及具体数据集规模及模型泛化能力的验证	实现硅片缺陷的自动化检测与分类，提高集成电路制造的质量	硅片缺陷	计算机视觉	NA	深度学习	CNN（推测）	图像	未提及具体样本数量
7948	2025-01-31	Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100665 PMID:39866343	研究论文	本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型	使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性	多模态模型相比计算机视觉模型并未显著提升性能	区分细菌性和真菌性角膜炎	599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者	计算机视觉	角膜炎	深度学习	EfficientNet	图像和临床数据	599名患者
7949	2025-01-31	Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100655 PMID:39866344	研究论文	本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较	Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异	研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限	开发一种能够准确检测OCT扫描中RPD的深度学习模型	OCT扫描中的网状假性玻璃膜疣（RPD）	计算机视觉	老年性黄斑变性	半监督学习（SSL）	3D深度学习网络	OCT扫描图像	476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据）
7950	2025-01-31	Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100663 PMID:39866345	研究论文	本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物	首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联	样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP	开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测	早产儿视网膜病变（ROP）患者	数字病理学	早产儿视网膜病变	OCT（光学相干断层扫描）	U-Net	图像	33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估
7951	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）
7952	2025-01-31	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	本文介绍了一种名为EyeLiner的深度学习管道，用于通过眼底标志物进行纵向图像配准，以监测慢性眼科疾病的进展	提出了一种基于深度学习的图像配准管道，通过关键点匹配算法有效对齐纵向眼底图像，优于现有的最先进方法	未提及具体局限性	开发一种能够自动对齐纵向眼底图像的工具，以帮助临床医生更好地监测疾病进展	眼底图像	计算机视觉	眼科疾病	深度学习	卷积神经网络（CNN）和基于Transformer的算法	图像	三个纵向数据集：FIRE、SIGF和CORIS
7953	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA
7954	2025-01-31	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本文开发了一种基于深度学习的端到端工作流程，用于使用术前基本结构多参数磁共振图像（Bas-mpMRI）预测胶质母细胞瘤（GBM）患者的总体生存期（OS）	提出了一个包含颅骨剥离模型、GBM亚区分割模型和基于集成学习的OS预测模型的端到端工作流程，并利用对比学习进行OS预测	尽管在不同Bas-mpMRI协议下表现良好，但在独立数据集上的AUC仅为0.72，表明模型在外部验证时可能存在一定的局限性	开发一种自动化、准确的早期生存预测方法，以辅助GBM患者的及时治疗决策	胶质母细胞瘤（GBM）患者	数字病理学	胶质母细胞瘤	深度学习	集成学习模型	多参数磁共振图像（Bas-mpMRI）	235名患者（来自MICCAI BraTS 2020挑战赛的多机构公共数据集）和19名GBM患者（来自5次SRS临床试验的机构数据集）
7955	2025-01-31	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	本文提出了一种名为ItpCtrl-AI的端到端可解释和可控的人工智能框架，旨在模拟放射科医生的决策过程，通过模拟放射科医生的眼动模式来生成注意力热图，并用于诊断医学影像中的发现	提出了一种新的端到端可解释和可控的AI框架，通过模拟放射科医生的眼动模式生成注意力热图，并允许用户进行方向性输入，从而增强模型的可解释性和可控性	NA	解决深度学习在计算机辅助诊断系统中缺乏可解释性的问题，提高诊断的准确性和透明度	放射科医生的决策过程和医学影像中的发现	计算机视觉	NA	深度学习	端到端可解释和可控的AI框架	医学影像和眼动数据	创建了一个名为Diagnosed-Gaze++的数据集，包含医学发现与眼动数据的对齐
7956	2025-01-31	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了TransformerLSR，一种基于Transformer的深度建模和推理框架，用于同时联合建模纵向数据、生存数据和复发事件	TransformerLSR首次将深度时间点过程整合到联合建模框架中，处理复发和终止事件作为两个竞争过程，并引入了新的轨迹表示和模型架构以整合已知的潜在结构	当前方法仅处理定期观察时间的纵向测量和生存事件的联合建模，忽略了复发事件	开发一个灵活的框架来联合建模纵向测量、复发事件和生存数据，同时考虑它们的依赖关系	肾移植后的患者	机器学习	NA	深度时间点过程	Transformer	纵向数据、生存数据、复发事件数据	NA
7957	2025-01-31	ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification 2025-Feb-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.12.023 PMID:39705887	研究论文	本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率	提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程	NA	提高垃圾图像分类的准确性和效率，以优化废物管理策略	有机和可回收废物的图像	计算机视觉	NA	深度学习	ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18	图像	24,705张图像，分为有机和可回收两类
7958	2025-01-31	ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102281 PMID:39799749	研究论文	本文开发并验证了一种名为ConvXGB的深度学习模型，用于预测宫颈癌患者术后复发风险	结合卷积神经网络（CNN）和极端梯度提升（XGBoost）开发了新的深度学习模型ConvXGB，用于预测宫颈癌术后复发风险	NA	开发并验证一种深度学习模型，用于预测宫颈癌患者术后复发风险	406名宫颈癌患者的临床病理数据和多参数MRI图像	数字病理学	宫颈癌	多参数MRI	CNN, XGBoost	图像	406名宫颈癌患者
7959	2025-01-31	A deep learning framework for in silico screening of anticancer drugs at the single-cell level 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae451 PMID:39872221	研究论文	本文介绍了一个名为Shennong的深度学习框架，用于在单细胞水平上进行抗癌药物的计算机筛选	利用泛癌和泛组织单细胞转录组数据揭示恶性细胞、癌前细胞以及癌症相关基质和内皮细胞的异质性表达模式，并开发了Shennong框架进行药物筛选	未提及具体的数据集大小和模型验证的局限性	提高抗癌药物筛选的准确性和效率，加速药物发现过程	恶性细胞、癌前细胞、癌症相关基质和内皮细胞	数字病理学	癌症	单细胞RNA测序（scRNA-seq）	深度学习	单细胞转录组数据	未提及具体样本数量
7960	2025-01-14	A CNN-based self-supervised learning framework for small-sample near-infrared spectroscopy classification 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01970a PMID:39803715	研究论文	本文提出了一种基于卷积神经网络（CNN）的自监督学习框架，用于小样本近红外光谱分类	提出了一种自监督学习框架，能够在少量标记数据的情况下提高光谱分析的性能	需要大量伪标记数据进行预训练，可能在实际应用中受到数据获取的限制	提高小样本近红外光谱分类的准确性	三种茶叶品种的光谱数据	机器学习	NA	近红外光谱分析	CNN	光谱数据	自收集的三种茶叶品种数据集及三个公共数据集