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
801	2025-07-04	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文探讨了如何通过神经编码方法来解释线性规划（LP）的解决方案	提出了一种通过神经编码方法解释线性规划解决方案的新方法，填补了可解释人工智能（XAI）在线性规划领域的空白	在低扰动水平下，Saliency和LIME等归因方法难以区分	提高线性规划解决方案的可解释性	线性规划（LP）	机器学习	NA	神经编码方法	神经网络	数值数据	包括一个10k维的大规模LP在内的多种LP
802	2025-07-04	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	通过对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并结合原子、功能基团和分子等多粒度信息增强分子表示	未明确提及具体局限性	提高分子属性预测的准确性	分子（以图或文本形式表示）	机器学习	NA	对比损失、交叉注意力	多模态深度学习模型	图数据、文本数据	未明确提及具体样本量
803	2025-07-04	A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea 2024-Nov, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.01200 PMID:39600246	研究论文	本研究开发了一种基于心率变异性（HRV）参数和生命体征的深度学习模型，用于预测儿科患者的镇静水平	首次将HRV参数和生命体征结合深度学习模型用于儿科患者镇静水平的连续自动化监测	研究为单中心回顾性研究，需要多中心验证研究以确认广泛适用性	开发能够有效预测儿科患者镇静水平的自动化监测方法	儿科重症监护患者	数字病理	儿科重症	HRV分析	1D ResNet	心电图波形和生命体征数据	324名患者的4,193个特征集
804	2025-07-04	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	research paper	该研究提出了一种结合深度学习和先验信息的集成分析方法，用于基因与疾病关系的复杂特征选择和结果预测	引入了先验辅助的集成深度学习方法（PANDA），通过特征选择层和集成学习利用先前研究中的先验信息	未提及具体的数据集规模限制或模型泛化能力的验证	解决生物医学研究中‘小而大’的挑战，提高基因与疾病关系的预测准确性	基因与疾病关系	machine learning	skin cutaneous melanoma (SKCM)	deep learning, ensemble learning	PANDA	genomic data	NA
805	2025-07-04	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出了一种基于深度人工神经网络的非线性加速失效时间模型deepAFT，用于建模生存结果数据	开发了非参数、非线性算法deepAFT，直接预测生存结果，并通过插补算法、重加权和基于逆审查概率的转换技术处理审查问题	未明确提及具体局限性	改进生存分析中的预测准确性，提供非线性协变量效应的灵活建模	生存结果数据	机器学习	淋巴瘤	深度人工神经网络	deepAFT	生存数据	NA
806	2025-07-04	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型，用于从医疗记录中识别手术部位感染	结合注意力机制提升模型的可解释性，同时性能优于传统机器学习方法	研究数据仅来自单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工审查负担	手术病例的电子健康记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	来自犹他大学医疗系统的9185例手术事件
807	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据，提高了空间生物学中细胞类型和状态识别的准确性和可扩展性	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞，无需训练数据	算法在泛化性方面可能存在挑战，因为细胞、邻域和生态位在健康和疾病中的变异性	提高空间生物学中细胞类型和状态识别的准确性和可扩展性	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	5个数据集（5,000,000个细胞；51种细胞类型）
808	2025-07-04	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	TACIT算法通过无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学检测中的模糊细胞，提高了准确性和可扩展性	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和状态	空间生物学	炎症性腺体疾病	多组学检测	无监督算法	空间转录组学和蛋白质组学数据	五个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠、腺体）
809	2025-07-04	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	本研究开发并验证了FaceAge，一种从面部照片估计生物年龄的深度学习系统，并评估其在癌症患者中的临床效用	利用深度学习从面部照片客观估计生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于美国和荷兰的癌症患者数据，可能在其他人群中的适用性有待验证	开发一种客观、定量的方法，从面部照片估计生物年龄，并评估其在医学判断中的临床效用	健康个体和癌症患者的面部照片	数字病理学	癌症	深度学习	CNN	图像	58,851名健康个体和6,196名癌症患者
810	2025-07-03	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本文构建了一个贝母生物碱数据库（FasMID），并开发了一种多维匹配策略，用于全面注释已知和未知成分	提出了一种维度增强的方法，结合固相萃取（SPE）和液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）获取四维结构信息，并通过机器学习预测碰撞截面（CCS）值	未来研究可以通过扩大样本来源和优化深度学习算法来提高预测准确性	精确表征贝母生物碱，用于质量控制和药理机制研究	贝母生物碱	质谱分析	NA	固相萃取（SPE）、液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）、机器学习	机器学习	质谱数据	248种贝母生物碱
811	2025-07-03	Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116842 PMID:40597544	研究论文	本研究通过整合近红外光谱和拉曼光谱，开发了一种快速、非破坏性的化学计量学框架，用于预测山茶油的氧化稳定性	采用三级数据融合策略（低、中、高级），特别是高级融合策略，显著提高了氧化稳定性的预测准确性	未来研究需要整合下一代高光谱成像和先进的深度学习架构，以建立超越基质特定限制的智能油品质量监测通用范式	开发一种快速、非破坏性的方法来预测山茶油的氧化稳定性	山茶油的氧化稳定性	化学计量学	NA	近红外光谱（NIR）、拉曼光谱	NA	光谱数据	NA
812	2025-07-03	A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116865 PMID:40597561	研究论文	本研究开发了一种基于3D点云和深度学习的自动化技术，用于量化切片面包的多尺度表型	使用低成本3D激光扫描仪准确捕获和分析面包切片的三维结构，提出3D-PoreSegNet分割模型分离面包表面和孔隙区域，并开发了Bread3D-Measure软件进行快速表型分析	NA	开发一种自动化技术，用于量化切片面包的多尺度表型，以支持全面的面包质量评估	切片面包的三维结构和孔隙表面	计算机视觉	NA	3D激光扫描	3D-PoreSegNet	3D点云数据	NA
813	2025-07-03	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过血管分割、动静脉分类及血管宽度计算，实现HR的自动检测和分级	研究仅基于AVRDB数据集，未提及在其他数据集上的泛化能力	开发一种自动检测和分级高血压视网膜病变的方法，以辅助临床诊断	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
814	2025-07-03	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统综述	本文综述了机器学习技术在视网膜图像疾病检测中的应用，包括单模态和多模态成像方法	系统评估了深度学习和经典机器学习模型在视网膜图像疾病检测中的效率和性能，提出了未来研究方向	识别了机器学习在视网膜图像疾病检测中的关键挑战，如模型的泛化能力和临床适用性	探讨机器学习技术在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	机器学习	深度学习和经典机器学习模型	图像	NA
815	2025-07-03	Enhancing and advancements in deep learning for melanoma detection: A comprehensive review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110533 PMID:40483855	综述	本文系统回顾了深度学习在黑色素瘤检测中的应用趋势和差距，重点关注现有模型的可复制性和泛化能力	总结了深度学习在黑色素瘤检测中的关键进展，并指出了数据多样性和模型透明度不足的问题	现有模型对不同肤色人群的适用性有限，且许多研究缺乏数据分区的透明度，限制了模型的可重复性	探讨深度学习在黑色素瘤早期和准确检测中的应用及其全球有效性	黑色素瘤的深度学习检测模型	数字病理学	黑色素瘤	深度学习（DL）	ResNet, Inception	图像	使用了公共数据库如ISIC和HAM10000，但具体样本数量未明确说明
816	2025-07-03	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers）对呼吸系统疾病分类领域做出重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，并系统回顾了2017年至2024年间发表的综述文章	研究可能未涵盖2017年之前的基础性工作，且AI的快速发展可能使早期方法不再相关	提高呼吸系统疾病分类的准确性和可靠性，改善临床决策	呼吸系统疾病（如肺炎和COVID-19）的诊断	计算机视觉	肺部疾病	深度学习和Vision Transformers (ViT)	DL和ViT	X射线图像	7867张X射线图像来自5263名患者
817	2025-07-03	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	研究论文	本文介绍了IDEA（地震损害标注图像数据库），一个包含超过5400张标注图像的数据集，用于支持深度学习在结构损害检测和分类中的应用	提出了一个基于广泛认可的结构损害类别的综合本体论，可用于扩展现有数据集或创建新数据集，从而增加按照结构工程标准标注的数据的可用性	NA	填补结构损害检测和/或分类深度学习开发中标注数据的不足	地震后的结构损害图像	计算机视觉	NA	深度学习	NA	图像	超过5400张图像
818	2025-07-03	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-Jul-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期	提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期，且在多个中心验证中表现优于临床模型	研究仅基于CT图像，未整合其他模态数据	提高化疗治疗胃癌患者淋巴结转移和总生存期的预测准确性	局部晚期胃癌患者	数字病理学	胃癌	深度学习	CTSMamba (基于co-attention tri-oriented spatial Mamba的多任务模型)	纵向CT图像	1,021名局部晚期胃癌患者（训练验证398例，外部验证623例）
819	2025-07-03	optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+) 2025-Jul-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade2b5 PMID:40490001	研究论文	该研究提出了一种基于生成对抗网络（GAN）的optiGAN模型，用于加速GATE医学物理框架中的光学光子传输模拟，同时保持高建模精度	将GAN模型optiGAN集成到Python版本的GATE 10中，作为传统光学蒙特卡洛模拟的高效替代方案，显著减少了计算时间	研究未提及模型在不同医学成像场景下的泛化能力，以及是否适用于其他类型的粒子模拟	加速光学光子传输模拟，降低计算成本，同时保持高建模精度	GATE医学物理模拟框架中的光学光子传输	医学物理	NA	生成对抗网络（GAN）	GAN	模拟数据	NA
820	2025-07-03	Evaluating artificial intelligence models for rupture risk prediction in unruptured intracranial aneurysms: a focus on vessel geometry and hemodynamic insights 2025-Jul-02, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03689-6 PMID:40593222	review	本文评估了人工智能模型在未破裂颅内动脉瘤破裂风险预测中的应用，重点关注血管几何和血流动力学因素	结合几何和血流动力学变量，利用AI模型进行更全面和患者特异性的风险评估，超越了传统的基于大小的方法	缺乏大规模高质量数据集，模型预测解释存在挑战	提高未破裂颅内动脉瘤破裂风险预测的准确性	未破裂颅内动脉瘤（UIA）	digital pathology	cardiovascular disease	CFD (Computational Fluid Dynamics), AI	SVM, CNN	image, hemodynamic parameters	NA