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
8121	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）
8122	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA
8123	2025-03-27	Deep learning-based discovery of compounds for blood pressure lowering effects 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83924-0 PMID:39747442	研究论文	本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物	利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物	仅验证了50个分子的预测结果，样本量相对较小	预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现	26,000种化合物	机器学习	心血管疾病	深度学习，分子对接	深度学习模型	化合物数据	26,000种化合物，其中50个分子用于验证
8124	2025-03-27	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本文通过机器学习方法全面研究了药物分子表示在药物反应预测中的效果	比较了不同药物分子表示与遗传特征结合在药物反应预测中的效果，并揭示了PubChem指纹或SMILES分子表示与深度学习模型结合能显著提升预测性能	最佳药物分子表示的选择依赖于预测模型和具体任务，没有一种通用的最优表示	评估不同药物分子表示在药物反应预测中的效果，为构建高效预测模型提供指导	药物分子表示和遗传特征	机器学习	NA	机器学习	深度学习模型	分子表示数据（PubChem指纹、SMILES）和遗传特征数据	NA
8125	2025-03-27	The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84023-w PMID:39748016	研究论文	开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果	比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性	未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法	开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应	结直肠癌患者	机器学习	结直肠癌	特征选择方法包括互信息、F-classif和卡方检验	决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN	基因数据	NA
8126	2025-03-27	LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_13 PMID:40123747	research paper	本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动	LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动	在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播	提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析	心脏磁共振（CMR）成像视频	digital pathology	cardiovascular disease	DENSE CMR, 潜在扩散模型	diffusion model	video	NA
8127	2025-03-27	Automatic brain quantification in children with unilateral cerebral palsy 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1540480 PMID:40129724	研究论文	本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积	利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能	样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁）	探索单侧脑瘫儿童脑部结构与功能之间的关系	单侧脑瘫儿童	数字病理学	脑瘫	T1加权和FLAIR MRI	深度学习模型	MRI图像	训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁）
8128	2025-03-27	Laser induced forward transfer imaging using deep learning 2025, Discover applied sciences DOI:10.1007/s42452-025-06679-x PMID:40129928	研究论文	提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法	利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路	预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差	提高激光诱导正向转移技术的精度和效率	铜滴在受体基板上的沉积图像	计算机视觉	NA	激光诱导正向转移（LIFT）	神经网络	图像	NA
8129	2025-03-27	Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1448106 PMID:40129949	研究论文	该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet	提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测	研究为初步研究，可能存在数据量和模型泛化能力的限制	预测药物不良反应（ADRs）的发生	药物和基因表达变化	机器学习	NA	药物基因组学数据	CNN	基因组学数据	NA
8130	2025-03-27	Code generation system based on MDA and convolutional neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1491958 PMID:40135112	研究论文	该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码	结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码	神经网络训练过程中存在硬件限制	开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段	系统描述图和相应案例研究	计算机视觉	NA	计算机视觉、深度学习	CNN	图像	NA
8131	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量
8132	2025-03-27	Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00103 PMID:39652797	研究论文	该研究开发了一种基于深度学习的模型，用于从三维重建的数字乳腺断层合成图像中估计乳腺体积密度，并评估其与乳腺癌诊断的关联	首次使用深度学习模型直接从三维重建的DBT图像中估计乳腺体积密度，无需依赖原始二维数据	研究为回顾性分析，且样本量相对有限	开发一种无需原始DBT数据的乳腺密度自动估计方法，并验证其临床价值	乳腺组织密度与乳腺癌风险	数字病理	乳腺癌	深度学习	DL模型	三维医学图像	1080例非活动性DBT筛查检查(2011-2016年)，外加834例病例对照样本(180例病例和654例对照)
8133	2025-03-27	Effect of childhood atropine treatment on adult choroidal thickness using sequential deep learning-enabled segmentation 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100107 PMID:39378966	研究论文	使用序列深度学习分割技术评估儿童期阿托品治疗对成人脉络膜厚度的影响	首次使用序列深度学习方法测量成人脉络膜厚度，并探讨儿童期阿托品治疗的长期影响	研究样本量有限，且未考虑其他可能影响脉络膜厚度的因素	评估儿童期阿托品治疗对成人脉络膜厚度的长期影响	接受过儿童期阿托品治疗的成人	数字病理学	近视	扫频光学相干断层扫描（SS-OCT）	序列深度学习	图像	422只眼睛（94只未接受阿托品治疗，328只接受过治疗）
8134	2025-03-27	Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images 2024-Aug-30, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.24036 PMID:39085139	研究论文	本文提出了一种基于深度学习的亚细胞器在高分辨率相位对比图像中的分割方法	利用荧光标记作为真实掩码的起源，开发了机器学习分割模型，实现了无标记活细胞中亚细胞器的精确分割	NA	开发一种精确分割亚细胞器的方法，以研究无标记活细胞中的细胞动力学	亚细胞器	计算机视觉	NA	深度学习	NA	图像	NA
8135	2025-03-27	Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373703 PMID:38507374	研究论文	本文提出了一种利用对抗攻击预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化的简单框架	通过对抗攻击找到输入空间中的对抗进展方向，利用决策边界的距离预测患者下一次就诊的诊断结果	阿尔茨海默病研究中的可用数据集规模不足以从患者数据中学习复杂模型	预测MCI向AD的转化并辅助患者分型	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	对抗攻击	浅层神经网络	患者数据	两个公开可用的阿尔茨海默病研究数据集
8136	2025-03-27	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本文开发了一种基于深度学习的全自动分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以提高数据分析的重复性和鲁棒性	首次应用3D U-Net进行颅内狭窄血管的全自动分割，显著提高了分割的准确性和效率	未来需要更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病变的数据来提高模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D流动MRI数据分割，以改善血流动力学的定量评估	颅内动脉粥样硬化疾病（ICAD）患者和健康对照者的4D流动MRI数据	数字病理	颅内动脉粥样硬化疾病	4D流动MRI	3D U-Net	MRI图像	154例双VENC 4D流动MRI扫描（68例ICAD患者，86例健康对照）
8137	2025-03-27	Deep Learning-Enabled Multiplexed Point-of-Care Sensor using a Paper-Based Fluorescence Vertical Flow Assay 2023-12, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202300617 PMID:37104829	研究论文	本文展示了一种基于深度学习的多重即时检测传感器，用于同时量化急性心脏损伤的三种生物标志物	结合纸基荧光垂直流动检测(fxVFA)与低成本移动阅读器，通过训练神经网络在15分钟内完成检测，具有高灵敏度和低交叉反应性	仅验证了46个独立激活的检测卡，样本量相对较小	开发一种低成本、便携式的即时检测平台，用于急性心脏损伤的诊断	人类血清样本中的三种心脏生物标志物（肌红蛋白、肌酸激酶-MB和心型脂肪酸结合蛋白）	数字病理	心血管疾病	纸基荧光垂直流动检测(fxVFA)	神经网络	荧光信号	46个独立激活的检测卡，每个患者使用50µL血清样本
8138	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA
8139	2025-03-27	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	该研究探讨了使用LSTM模型预测PM2.5浓度的多步短期预测方法，以支持主动环境监管策略的制定	采用贝叶斯优化技术调整LSTM模型的超参数和权重初始化策略，提高了PM2.5浓度预测的准确性	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	量化并预测颗粒物浓度，以支持环境监管和早期预警系统的建立	北京（中国）和旁遮普（巴基斯坦）两个高污染地区的PM2.5浓度数据	机器学习	心血管疾病	LSTM模型，贝叶斯优化	LSTM	时间序列数据	来自北京和旁遮普两个地区的数据
8140	2025-03-26	Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100671 PMID:40124313	研究论文	本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据	利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者	需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响	开发AI模型以早期识别青光眼高风险患者	64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者	机器学习	青光眼	机器学习与深度学习	惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器	结构化电子健康记录数据	64,735名患者，其中7,268名（11.22%）有青光眼诊断