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
8261	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
8262	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
8263	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
8264	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
8265	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
8266	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
8267	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
8268	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
8269	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
8270	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
8271	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
8272	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）
8273	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
8274	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
8275	2025-03-20	Magnetic resonance image generation using enhanced TransUNet in Temporomandibular disorder patients 2025-Mar-18, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf017 PMID:40104864	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于从质子密度加权图像生成T2加权图像，以减少颞下颌关节紊乱患者的MRI扫描时间	采用TransUNet架构的生成对抗网络框架，并集成椎间盘分割解码器以提高图像质量	NA	开发一种深度学习模型以减少颞下颌关节紊乱患者的MRI扫描时间	颞下颌关节紊乱患者	计算机视觉	颞下颌关节紊乱	MRI	TransUNet, GAN	图像	178名患者的7,226张图像
8276	2025-03-20	A deep learning model based on chest CT to predict benign and malignant breast masses and axillary lymph node metastasis 2025-Mar-17, Biomolecules & biomedicine DOI:10.17305/bb.2025.12010 PMID:40100034	研究论文	本研究开发了一种基于胸部CT的深度学习模型，用于预测乳腺肿块的良恶性及腋窝淋巴结转移	利用胸部CT图像开发深度学习模型，用于乳腺肿块的良恶性分类及腋窝淋巴结转移预测，减少了对昂贵后续检查的需求	研究为回顾性设计，样本量相对较小，且仅使用了非增强胸部CT图像	提高乳腺病变的初步评估准确性，减少对昂贵后续检查的需求	482名乳腺肿块患者	计算机视觉	乳腺癌	胸部CT成像	ResNet-34, ResNet-50, ResNet-101	图像	482名患者（良性224例，恶性258例，其中腋窝淋巴结转移阳性91例，阴性167例）
8277	2025-03-20	A Novel Artificial Intelligence Approach to Kennedy Classification for Partially Edentulous Patients Using Panoramic Radiographs 2025-Mar-13, The European journal of prosthodontics and restorative dentistry DOI:10.1922/EJPRD_2801Hassan09 PMID:40105321	研究论文	本研究旨在开发一种人工智能系统，用于从全景X光片中自动分类部分缺牙弓，并识别现有牙齿以进行自动报告	使用YOLOv8s深度学习模型进行牙齿检测，并结合Kennedy分类系统和Applegate规则进行部分缺牙弓的自动分类	数据集仅包含公开可用的全景X光片，可能无法涵盖所有临床情况	开发一种人工智能系统，用于自动分类部分缺牙弓并识别现有牙齿	部分缺牙患者	计算机视觉	NA	深度学习	YOLOv8s	图像	5261张匿名数字全景X光片，其中1875张高质量图像用于训练、验证和测试
8278	2025-03-20	Detection of Anomalies in Data Streams Using the LSTM-CNN Model 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051610 PMID:40096438	研究论文	本文对应用于数据流异常检测的深度学习方法进行了比较分析，并评估了创新的LSTM-CNN方法的效果	提出了创新的LSTM-CNN方法，并证明其在数据流异常检测中的有效性	仅使用了Yahoo! Webscope S5数据集进行实验，未在其他数据集上验证	比较不同深度学习模型在数据流异常检测中的性能	数据流中的异常检测	机器学习	NA	NA	LSTM, LSTM autoencoder, LSTM-CNN	数据流	Yahoo! Webscope S5数据集
8279	2025-03-20	Landsat Time Series Reconstruction Using a Closed-Form Continuous Neural Network in the Canadian Prairies Region 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051622 PMID:40096481	研究论文	本研究探讨了在加拿大草原地区使用封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合的CFC-mmRNN模型，用于重建1985年至今的Landsat时间序列	提出了一种新的CFC-mmRNN模型，显著提高了Landsat时间序列重建的准确性，相比传统方法在光谱波段上的精度提升了33%至42%	研究主要针对加拿大草原地区，可能在其他地理区域的适用性有待验证	提高Landsat时间序列重建的准确性，以支持更广泛的环境监测和预测应用	Landsat时间序列数据	遥感	NA	封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合	CFC-mmRNN	卫星图像	1985年至今的Landsat时间序列数据
8280	2025-03-20	YOLO-ACE: Enhancing YOLO with Augmented Contextual Efficiency for Precision Cotton Weed Detection 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051635 PMID:40096500	研究论文	本文提出了一种名为YOLO-ACE的改进模型，用于提高棉花田中杂草检测的精度和效率	YOLO-ACE通过集成上下文增强模块（CAM）和选择性核注意力机制（SKAttention），以及解耦检测头，提升了多尺度特征捕捉和动态调整感受野的能力	NA	提高棉花田中杂草检测的精度和效率，以满足现代农业杂草管理的严格要求	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv5s的改进版YOLO-ACE	图像	CottonWeedDet12 (CWD12) 数据集和CropWeed数据集