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
8301	2025-02-12	Applicability of the regression approach for histological multi-class grading in clear cell renal cell carcinoma 2025-Mar, Regenerative therapy IF:3.4Q2 DOI:10.1016/j.reth.2025.01.011 PMID:39925965	研究论文	本文探讨了回归方法在透明细胞肾细胞癌多类别分级中的适用性	首次广泛研究了回归方法在多类别癌分级中的应用，并证明其在透明细胞肾细胞癌四类分级中的有效性	研究仅基于16张全片图像和11,826个组织学图像块，样本量相对较小	评估回归方法在多类别癌分级中的适用性	透明细胞肾细胞癌的组织学图像	数字病理学	肾癌	深度学习	CNN（DenseNet-121和Inception-v3）	图像	16张全片图像和11,826个组织学图像块
8302	2025-02-12	Correction to "DL 101: Basic Introduction to Deep Learning With Its Application in Biomedical Related Fields" 2025-Feb-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10349 PMID:39932330	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8303	2025-02-12	Attention-Based Interpretable Multiscale Graph Neural Network for MOFs 2025-Feb-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01525 PMID:39841881	研究论文	本文提出了一种基于注意力的可解释多尺度图神经网络（MSAIGNN），用于金属有机框架（MOFs）的气体分离和存储性能预测	引入了多尺度晶体图的构建方法，通过基于不同距离范围内的原子间相互作用将晶体图分解为多个子图，并考虑了晶体的全局结构，提出了具有自注意力机制的图池化机制的MSAIGNN模型，该模型结合了三体键角信息，考虑了不同尺度的结构特征，并最小化了冗余相互作用的干扰	未明确提及具体局限性	研究目的是通过深度学习预测复杂多孔晶体结构（如MOFs）的性能	金属有机框架（MOFs）	机器学习	NA	图神经网络（GNNs）	MSAIGNN（多尺度原子相互作用图神经网络）	晶体图数据	未明确提及具体样本数量
8304	2025-02-12	QuanFormer: A Transformer-Based Precise Peak Detection and Quantification Tool in LC-MS-Based Metabolomics 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04531 PMID:39868899	研究论文	本文介绍了一种基于Transformer架构的深度学习工具QuanFormer，用于在基于液相色谱-质谱联用的代谢组学分析中精确检测和量化峰信号	QuanFormer结合了卷积神经网络（CNN）的特征提取能力和Transformer架构的全局计算能力，通过使用近20,000个标注的兴趣区域（ROIs）进行数据训练，实现了独特的预测，并在测试集上达到了96.5%的平均精度值	尽管QuanFormer在不重新训练的情况下能够区分真假峰的准确率超过90%，但其在更广泛数据集上的泛化能力仍需进一步验证	开发一种能够提高代谢组学分析中峰检测和量化准确性的工具	液相色谱-质谱联用（LC-MS）数据中的峰信号	机器学习	乳腺癌	液相色谱-质谱联用（LC-MS）	Transformer, CNN	质谱数据	近20,000个标注的兴趣区域（ROIs）
8305	2025-02-12	Carbon Dioxide Sensing Based on Off-Axis Integrated Cavity Absorption Spectroscopy Combined with the Informer and Multilayer Perceptron Models 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06057 PMID:39882837	研究论文	本文提出了一种基于离轴积分腔输出光谱（OA-ICOS）和深度学习模型的二氧化碳传感器，结合Informer和多层感知器（MLP）模型进行光谱数据处理和浓度预测	结合Informer模型进行光谱时间序列滤波，并使用MLP模型直接从滤波后的光谱数据中提取特征并预测二氧化碳浓度，显著提高了信噪比和检测精度	未提及具体的数据集规模或实验环境的多样性，可能影响模型的泛化能力	提高基于光谱的二氧化碳传感器的检测精度和信噪比	二氧化碳光谱数据	光谱学	NA	离轴积分腔输出光谱（OA-ICOS）	Informer, 多层感知器（MLP）	光谱时间序列数据	未提及具体样本数量
8306	2025-02-12	Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors 2025-Feb-11, The Laryngoscope DOI:10.1002/lary.32043 PMID:39932109	研究论文	本研究旨在基于深度学习和传统放射组学特征建立一种预学术诊断工具，以指导咽旁间隙（PPS）肿瘤的临床决策	开发了一种结合深度学习和放射组学特征的深度放射组学（DLR）模型，用于区分PPS肿瘤的良恶性	研究为回顾性研究，可能存在选择偏差	建立一种预学术诊断工具，用于区分咽旁间隙（PPS）肿瘤的良恶性	217名PPS肿瘤患者	数字病理学	头颈部肿瘤	MRI	深度学习模型（DL）、传统放射组学模型（Rad）、深度放射组学模型（DLR）	图像	217名患者（训练集145名，测试集72名）
8307	2025-02-12	Eliminating the second CT scan of dual-tracer total-body PET/CT via deep learning-based image synthesis and registration 2025-Feb-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07113-5 PMID:39932542	研究论文	本研究开发并验证了一种深度学习框架，旨在消除双示踪剂全身PET/CT成像中的第二次CT扫描	结合了注册生成对抗网络（RegGAN）和非刚性配准技术，将第一次扫描的衰减校正CT（ACCT）图像转换为第二次扫描的伪ACCT图像，用于第二次示踪剂PET图像的衰减和散射校正（ASC）	研究为回顾性研究，样本量相对较小，且仅验证了三种示踪剂组合	减少双示踪剂全身PET/CT成像中的CT辐射剂量	247名接受双示踪剂全身PET/CT成像的患者	医学影像处理	NA	深度学习，非刚性配准	RegGAN	CT和PET图像	247名患者，包括167名接受[68Ga]Ga-DOTATATE/[18F]FDG，50名接受[68Ga]Ga-PSMA-11/[18F]FDG，30名接受[68Ga]Ga-FAPI-04/[18F]FDG
8308	2025-02-12	Diffusion-driven multi-modality medical image fusion 2025-Feb-11, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03300-6 PMID:39932643	研究论文	本文提出了一种基于扩散驱动的多模态医学图像融合方法，旨在解决现有深度学习方法在图像细节和颜色信息融合不足的问题	提出了一种利用潜在空间中多模态图像信息分布关系的扩散驱动方法，并设计了局部和全局网络（LAGN）以更好地保留不同模态的互补信息	NA	提高多模态医学图像融合的质量，以提供更全面的临床诊断信息	MRI/CT、MRI/PET和MRI/SPECT图像	计算机视觉	NA	扩散驱动方法	局部和全局网络（LAGN）	医学图像	三个数据集（MRI/CT、MRI/PET和MRI/SPECT图像），16名医生和医学生参与评估
8309	2025-02-12	A deep learning-based prediction model for prognosis of cervical spine injury: a Japanese multicenter survey 2025-Feb-10, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08708-0 PMID:39930051	研究论文	本研究旨在开发一种基于深度学习的预测模型，用于预测老年颈椎损伤患者的预后	使用深度学习模型预测老年颈椎损伤患者的预后，提供了传统统计分析方法未考虑的重要因素	研究仅限于日本的多中心数据，可能不适用于其他地区或人群	开发一种深度学习模型，用于预测老年颈椎损伤患者的预后	1512名65岁及以上的颈椎损伤患者	机器学习	颈椎损伤	深度学习	深度学习模型	临床数据	1512名老年患者
8310	2025-02-12	Recent Development, Applications, and Patents of Artificial Intelligence in Drug Design and Development 2025-Feb-10, Current drug discovery technologies DOI:10.2174/0115701638364199250123062248 PMID:39931986	综述	本文综述了人工智能在药物设计和开发中的最新进展、应用及专利	本文重点介绍了人工智能和深度学习在药物设计中的创新应用，并讨论了相关专利，与已发表材料形成区分	NA	探讨人工智能在药物设计和开发中的应用，以提高药物发现的效率和成功率	药物设计和开发	机器学习	NA	深度学习（DL）、人工神经网络（ANNs）	深度学习算法、机器学习算法	临床试验数据、基因组学数据、蛋白质组学数据、微阵列数据	NA
8311	2025-02-12	Innovative laboratory techniques shaping cancer diagnosis and treatment in developing countries 2025-Feb-08, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01877-w PMID:39921787	综述	本文探讨了实验室技术在癌症诊断和治疗中的创新应用，特别是在发展中国家的挑战和机遇	整合了人工智能，特别是深度学习和卷积神经网络，以提高诊断准确性和数据分析能力	发展中国家面临财务限制、医疗基础设施不足和先进诊断技术获取有限等挑战	改善癌症诊断和治疗，特别是在资源有限的环境中	癌症患者，特别是在发展中国家的患者	数字病理学	癌症	肿瘤组织学、单细胞技术、流式细胞术、分子成像、液体活检、免疫测定和分子诊断	深度学习、卷积神经网络	NA	NA
8312	2025-02-12	A multi-model feature fusion based transfer learning with heuristic search for copy-move video forgery detection 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88592-2 PMID:39922840	研究论文	本文提出了一种基于多模型特征融合的迁移学习方法，结合启发式搜索，用于检测视频中的复制-移动伪造	提出了一种新的ECMVFD-FTLTDO模型，结合了ResNet50、MobileNetV3和EfficientNetB7三种模型的特征融合迁移学习过程，并使用Tasmanian Devil Optimizer优化ERNN分类器参数	模型对训练数据的依赖性较高，且需要合适的超参数范围	检测和分类视频内容中的复制-移动伪造	视频内容	计算机视觉	NA	迁移学习	ResNet50, MobileNetV3, EfficientNetB7, ERNN	视频	GRIP和VTD数据集
8313	2025-02-12	Deep learning based gasket fault detection: a CNN approach 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85223-8 PMID:39922855	研究论文	本文提出了一种基于深度学习的垫片故障检测方法，采用卷积神经网络（CNN）来自动识别和评估散热器图像中的垫片错位或安装错误	开发了一种基于CNN架构的垫片检测系统，结合了特征提取和分类的深度学习算法，实现了垫片故障的自动化检测	未提及具体的数据集规模或实验环境限制	自动化检测垫片错位或安装错误，提升产品质量控制效率	散热器图像中的垫片	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量
8314	2025-02-12	A deep learning-driven multi-layered steganographic approach for enhanced data security 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89189-5 PMID:39922893	研究论文	本文提出了一种基于深度学习的多层隐写框架，以增强数据安全性	结合Huffman编码、LSB嵌入和深度学习编码器-解码器，提高了隐写术的不可感知性、鲁棒性和安全性	未提及具体局限性	解决传统隐写方法在有效载荷容量、检测易感性和抗攻击鲁棒性方面的局限性	数字图像数据	计算机视觉	NA	Huffman编码、LSB嵌入、深度学习编码器-解码器	深度学习编码器-解码器	图像	使用了Tiny ImageNet、COCO和CelebA等基准数据集
8315	2025-02-12	Applying genetic algorithm to extreme learning machine in prediction of tumbler index with principal component analysis for iron ore sintering 2025-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88755-1 PMID:39922958	研究论文	本研究提出了一种结合遗传算法和极限学习机的集成模型，用于预测铁矿烧结过程中的转鼓指数	通过主成分分析降低数据维度，并结合遗传算法优化极限学习机，提高了模型的鲁棒性和泛化性能	模型仅在单一烧结厂的年度生产数据上进行了验证，可能缺乏广泛适用性	准确预测铁矿烧结过程中的转鼓指数，以优化烧结矿的质量	铁矿烧结过程中的转鼓指数	机器学习	NA	主成分分析（PCA），遗传算法（GA）	极限学习机（ELM），遗传算法优化的极限学习机（GA-ELM）	生产数据	一年内的实际生产数据
8316	2025-02-12	Molecular optimization using a conditional transformer for reaction-aware compound exploration with reinforcement learning 2025-Feb-08, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01437-x PMID:39922979	研究论文	本文提出了一种名为TRACER的框架，用于结合分子属性优化与合成路径生成，以解决现有分子生成模型忽视有机合成可行性的问题	TRACER框架通过条件transformer模型预测给定反应物在特定反应类型约束下的产物，有效生成了具有高活性的化合物	NA	设计具有理想属性的分子，以促进药物发现	分子生成与优化	机器学习	NA	条件transformer模型	transformer	分子结构数据	NA
8317	2025-02-12	Prediction of Intensive Care Length of Stay for Surviving and Nonsurviving Patients Using Deep Learning 2025-Feb-07, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006588 PMID:39928543	研究论文	本文旨在开发一种深度学习模型，用于预测ICU患者的住院时间（LOS），并解决现有模型在幸存和非幸存患者之间的偏差问题	该模型首次考虑了幸存和非幸存患者之间的住院时间差异，并解决了文档偏差问题，从而改进了ICU的基准测试	模型在非幸存患者中的预测性能相对较低，R2值仅为0.23	开发一种能够更公平地评估ICU护理的住院时间预测模型	ICU患者的住院时间	机器学习	NA	深度学习	深度学习框架	患者特征、生命体征和实验室数据	669,876次ICU入院，涉及628,815名患者，来自194家美国医院的329个ICU
8318	2025-02-12	Wastewater quality prediction based on channel attention and TCN-BiGRU model 2025-Feb-01, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13627-0 PMID:39891761	研究论文	本文提出了一种结合通道注意力机制、时间卷积网络（TCN）和双向门控循环单元（BiGRU）的新模型CA-TCN-BiGRU，用于预测关键水质指标	提出了结合通道注意力机制、TCN和BiGRU的CA-TCN-BiGRU模型，能够同时预测多个水质指标，并在数据预处理和通道注意力机制的影响下显著提升预测精度	研究仅基于惠州一家污水处理厂的数据进行训练和测试，模型的泛化能力需要进一步验证	提高水质预测的准确性，为水资源管理提供科学依据	污水处理厂的水质数据	机器学习	NA	深度学习	CA-TCN-BiGRU	时间序列数据	来自惠州一家污水处理厂的数据
8319	2025-02-12	Inverse design of nanophotonic devices enabled by optimization algorithms and deep learning: recent achievements and future prospects 2025-Feb, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0536 PMID:39927200	综述	本文综述了纳米光子器件逆向设计的最新进展，探讨了人工智能和优化方法在自动化设计过程中的应用	结合人工智能和优化算法，提出了一种新的纳米光子器件逆向设计方法，突破了传统直觉驱动的前向设计方法的局限性	当前逆向设计方法仍面临一些挑战，如计算复杂性、设计空间探索的局限性等	探索纳米光子器件的逆向设计方法，以推动下一代光子学的发展	纳米光子器件	机器学习	NA	优化算法、深度学习	判别模型、生成模型、强化学习	NA	NA
8320	2025-02-12	The Future of Breast Cancer Diagnosis in Japan with AI and Ultrasonography 2025-Jan-15, JMA journal IF:1.5Q2 DOI:10.31662/jmaj.2024-0183 PMID:39926065	综述	本文探讨了人工智能（AI）在日本乳腺癌诊断中的应用，特别是在超声成像中的关键进展	介绍了AI在乳腺超声诊断中的最新应用，包括由日本药品医疗器械管理局批准的AI辅助诊断程序	AI在乳腺癌诊断中的应用仍面临患者接受度和环境影响等挑战，需要医生负责任地监督其使用	提高乳腺癌诊断的准确性和效率	乳腺癌患者	数字病理学	乳腺癌	超声成像	机器学习和深度学习	图像	NA