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
8541	2025-01-16	Reverse design of broadband sound absorption structure based on deep learning method 2025-Jan-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86077-w PMID:39809864	研究论文	本文提出了一种基于深度学习的逆向设计方法，用于设计宽带吸声结构	利用深度神经网络建立结构参数与吸声系数曲线之间的映射关系，简化了传统方法中耗时的数值模拟和复杂计算过程	未提及具体的数据集规模或实验验证的广泛性	实现宽带高吸声结构的逆向设计，提高复杂超材料设计的效率	吸声结构	机器学习	NA	深度学习	深度神经网络	结构参数与吸声系数曲线	未提及具体样本数量
8542	2025-01-16	Deep-Learning-based Automated Identification of Ventriculoperitoneal-Shunt Valve Models from Skull X-rays 2025-Jan-14, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01490-4 PMID:39809871	研究论文	本研究探讨了使用深度学习技术自动识别颅骨X光片中脑室-腹腔分流阀模型的可行性	首次将深度学习技术应用于颅骨X光片中脑室-腹腔分流阀模型的自动识别	研究仅包含四种分流阀模型，样本量相对有限	研究目的是探索人工智能，特别是深度学习，是否能够自动识别颅骨X光片中的脑室-腹腔分流阀模型	脑室-腹腔分流阀模型	计算机视觉	脑积水	深度学习	CNN	图像	959张颅骨X光片，包含四种分流阀模型（Codman Hakim 774张，Codman Certas Plus 117张，Sophysa Sophy Mini SM8 35张，proGAV 2.0 33张）
8543	2025-01-16	Deep learning empowered sensor fusion boosts infant movement classification 2025-Jan-14, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00701-w PMID:39809877	研究论文	本文提出了一种基于深度学习的传感器融合方法，用于婴儿运动分类，以提高神经发育障碍的早期识别	首次将多传感器融合技术应用于婴儿运动分类，显著提高了分类准确率	所有模型均在专有数据集上设计、训练和评估，难以直接比较	开发一种自动化分类婴儿运动模式的方法，以增强基于AI的神经功能早期识别	51名正常发育的婴儿	机器学习	神经发育障碍	传感器融合	CNN	多模态传感器数据（压力、惯性和视觉传感器）	51名婴儿
8544	2025-01-16	Belt conveyor idler fault detection algorithm based on improved YOLOv5 2025-Jan-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81244-x PMID:39809903	研究论文	本文提出了一种基于改进YOLOv5的深度学习算法，用于实时检测带式输送机托辊故障	在YOLOv5网络中引入了坐标注意力机制，并使用α-CIoU定位损失函数替代传统CIoU，以提高模型的回归精度	NA	提高带式输送机托辊故障检测的准确性和实时性	带式输送机托辊	计算机视觉	NA	深度学习	YOLOv5	红外图像	自建的红外图像数据集
8545	2025-01-16	Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning 2025-Jan-14, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02528-1 PMID:39809933	研究论文	本文介绍了一种名为SCP-Nano的实验与深度学习集成管道，用于全面量化纳米载体在整个小鼠体内的单细胞分辨率靶向分布	SCP-Nano能够在极低剂量下揭示纳米载体的组织分布模式，远低于传统全身成像技术的检测限，并能推广到多种纳米载体类型	NA	开发一种高效准确的方法来分析纳米载体在整个生物体中的细胞水平生物分布，以加速精确和安全的纳米载体治疗的发展	小鼠体内的纳米载体	数字病理学	NA	深度学习	NA	图像	小鼠
8546	2025-01-16	Predictive value of dendritic cell-related genes for prognosis and immunotherapy response in lung adenocarcinoma 2025-Jan-14, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-03642-z PMID:39810206	研究论文	本研究通过筛选树突状细胞相关基因，构建了一个预测肺腺癌患者预后和免疫治疗反应的预后签名	创新性地建立了一个基于深度学习的预测模型DCRGS，用于预测肺腺癌患者的预后，并具有高准确性和敏感性	研究结果需要进一步在更大规模的临床样本中进行验证	预测肺腺癌患者的预后和免疫治疗反应	肺腺癌患者	数字病理	肺癌	单细胞RNA测序（scRNA-seq）、批量RNA测序、实时定量PCR（q-PCR）	深度学习模型	RNA测序数据、临床数据	恶性胸腔积液样本中的树突状细胞
8547	2025-01-16	Predicting Seizures Episodes and High-Risk Events in Autism Through Adverse Behavioral Patterns 2025-Jan-13, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.06.24306938 PMID:38766049	研究论文	本研究通过分析自闭症谱系障碍（ASD）儿童的行为模式，开发了一种深度学习算法，用于预测次日的高风险行为（如攻击性、逃跑、自伤行为）和癫痫发作	利用深度学习算法预测自闭症儿童的高风险行为和癫痫发作，为早期干预提供支持	研究依赖于历史行为数据，可能无法完全捕捉到所有潜在的行为模式	探索自闭症儿童行为模式与高风险行为及癫痫发作之间的关系，并开发预测模型	331名重度自闭症谱系障碍儿童	机器学习	自闭症谱系障碍	深度学习	深度学习算法	行为数据和癫痫数据	331名儿童，数据覆盖9年
8548	2025-01-16	Automatic segmentation model and machine learning model grounded in ultrasound radiomics for distinguishing between low malignant risk and intermediate-high malignant risk of adnexal masses 2025-Jan-13, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01874-7 PMID:39804536	研究论文	本文开发了一种自动分割模型来描绘附件肿块，并构建了一个基于卵巢附件报告和数据系统（O-RADS）的机器学习模型，以区分附件肿块的低恶性风险和中高恶性风险	结合深度学习分割模型和机器学习模型，利用超声影像组学特征进行附件肿块的风险分类，并通过SHapley Additive exPlanations进行模型解释和可视化	研究样本量相对有限，且仅基于超声影像数据，未考虑其他影像模态或多模态数据	开发自动分割和机器学习模型，用于附件肿块的风险分类	附件肿块的超声影像	医学影像分析	卵巢癌	超声影像组学	FCN ResNet101, SVM, LightGBM	图像	663张附件肿块的超声影像（低恶性风险446张，中高恶性风险217张）
8549	2025-01-16	Physics-informed deep learning quantifies propagated uncertainty in seismic structure and hypocenter determination 2025-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84995-9 PMID:39805860	研究论文	本文采用物理信息深度学习（PIDL）方法，量化二维地震速度结构建模中的不确定性及其对震源定位的影响	通过引入神经网络集成，结合主动地震调查数据、地震观测数据和波前运动的物理方程，首次量化了地震速度结构模型中的不确定性及其对震源定位的影响	研究仅针对日本西南部的一次地震进行了分析，未在其他地区或更大规模的数据集上验证	研究目的是通过物理信息深度学习（PIDL）方法，量化地震速度结构建模中的不确定性及其对震源定位的影响	地震速度结构模型和震源定位	地球物理学	NA	物理信息深度学习（PIDL）	神经网络集成	地震调查数据、地震观测数据	日本西南部的一次地震数据
8550	2025-01-16	Integration of Deep Learning and Sub-regional Radiomics Improves the Prediction of Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer Patients 2025-Jan-13, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.049 PMID:39809603	研究论文	本研究开发并验证了一种结合深度学习和亚区域放射组学的模型，用于预测局部晚期直肠癌患者对新辅助放化疗的病理完全反应	创新点在于结合了深度学习和亚区域放射组学特征，构建了名为SRADL的预测模型，提高了预测的准确性和鲁棒性	研究为回顾性研究，可能存在选择偏倚	开发并验证一种预测局部晚期直肠癌患者对新辅助放化疗病理完全反应的模型	局部晚期直肠癌患者	数字病理	直肠癌	MRI成像	3D ResNet50	图像	768名来自三家独立医院的患者
8551	2025-01-16	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	本文介绍了一种名为BIBSNet的深度学习婴儿脑部图像分割网络，用于MRI扫描	BIBSNet是一个开源、社区驱动的模型，利用数据增强和大样本量的手动注释图像，实现了鲁棒且可推广的脑部分割	NA	研究目的是开发一种能够准确分割婴儿脑部MRI图像的深度学习模型	研究对象为0-8个月大的婴儿的MRI脑部图像	计算机视觉	NA	深度学习	BIBSNet	图像	90名参与者，年龄范围为0-8个月（中位年龄4.6个月）
8552	2025-01-16	Precise Large-Scale Chemical Transformations on Surfaces: Deep Learning Meets Scanning Probe Microscopy with Interpretability 2025-Jan-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c14757 PMID:39680589	研究论文	本文开发了一种名为AutoOSS的软件基础设施，用于自动化从Au(111)表面上的数百个Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)中去除溴，利用神经网络模型解释STM输出，并通过深度强化学习模型优化操作参数	结合深度学习和扫描探针显微镜技术，实现了大规模化学反应的精确控制，并通过贝叶斯优化结构搜索和密度泛函理论计算探索了3D结构和反应机制	需要进一步验证该技术在其他系统和化学反应中的适用性和扩展性	开发自动化扫描探针显微镜技术，以实现精确的大规模化学反应控制	Au(111)表面上的Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)	机器学习	NA	扫描探针显微镜(SPM), 深度强化学习, 贝叶斯优化结构搜索(BOSS), 密度泛函理论(DFT)	神经网络, 深度强化学习模型	STM图像	数百个Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)
8553	2025-01-16	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结了机器学习和深度学习在磁粒子成像（MPI）中的应用及其未来潜力	探讨了人工智能方法在MPI图像重建和分析中的新兴应用，展示了其在提高精确信息获取方面的潜力	未提及具体的研究限制	研究机器学习和深度学习在磁粒子成像中的应用	磁粒子成像（MPI）	机器学习	NA	磁粒子成像（MPI）	机器学习和深度学习模型	图像	NA
8554	2025-01-16	Fragmentation in patchy ecosystems: a call for a functional approach 2025-Jan, Trends in ecology & evolution IF:16.7Q1 DOI:10.1016/j.tree.2024.09.004 PMID:39510920	研究论文	本文探讨了栖息地破碎化对生物多样性的威胁，特别是自然斑块状生态系统如稀树草原，与森林生态系统的不同	提出了基于景观功能性的破碎化识别方法，强调连通性在理解生态系统动态中的重要性	现有文献主要关注森林生态系统，对自然斑块状生态系统的研究较少	改进破碎化映射方法，结合遥感数据和实地测量，实证测试景观是否功能上破碎化	稀树草原等自然斑块状生态系统	生态学	NA	遥感技术，深度学习	NA	遥感数据，实地测量数据	NA
8555	2025-01-16	Protein Binding Site Representation in Latent Space 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400205 PMID:39692081	研究论文	本文研究了图神经网络在蛋白质-配体复合物亲和力预测中的应用，并评估了配体结合位点的潜在表示及其与蛋白质功能的关系	引入了一种自动化的计算流程，用于降维、聚类、假设检验和潜在空间的可视化，揭示了蛋白质潜在空间的内在结构	未明确提及具体的数据集或样本量限制	理解深度学习模型在计算机辅助药物发现中的特征感知能力	蛋白质-配体复合物	机器学习	NA	图神经网络	图神经网络	蛋白质-配体复合物数据	NA
8556	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8557	2025-01-16	Advances in modeling cellular state dynamics: integrating omics data and predictive techniques 2025, Animal cells and systems IF:2.5Q1 DOI:10.1080/19768354.2024.2449518 PMID:39807350	综述	本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术	强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变	讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化	旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学	细胞状态动态	机器学习	NA	转录组学, 单细胞RNA测序	深度学习模型	组学数据	NA
8558	2025-01-16	Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography 2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70041 PMID:39811700	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI）	开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力	深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求	开发一种基于OCT的深度学习算法，用于检测AD和MCI	228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试	数字病理学	老年疾病	光学相干断层扫描（OCT）	集成三边深度学习模型	图像	228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试
8559	2025-01-16	Importance of Computer-Aided Drug Design in Modern Pharmaceutical Research 2024-Dec-31, Current drug discovery technologies DOI:10.2174/0115701638361318241230073123 PMID:39810447	研究论文	本文探讨了计算机辅助药物设计（CADD）在现代药物研究中的重要性及其基本原理，旨在加速药物发现过程，提高准确性，并减少时间和财务资源	本文综合分析了CADD在药物发现和开发中的应用，强调了其在提高药物效力和减少成本方面的重要性	本文主要基于文献综述，缺乏实际实验数据的支持	研究目的是探讨CADD在药物发现和开发中的应用及其对公共健康的积极影响	研究对象是计算机辅助药物设计（CADD）及其在药物发现和开发中的应用	药物设计	NA	分子对接、片段基药物发现、从头药物设计、药效团建模、定量构效关系、3D-QSAR、同源建模、计算机模拟ADME-Tox、机器学习和深度学习	NA	文献数据	NA
8560	2025-01-16	MS-CLSTM: Myoelectric Manipulator Gesture Recognition Based on Multi-Scale Feature Fusion CNN-LSTM Network 2024-Dec-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9120784 PMID:39727788	研究论文	本文提出了一种基于多尺度特征融合的深度学习模型MS-CLSTM，用于表面肌电信号（sEMG）手势识别，以提高肌电操纵器的手势控制精度	提出了一种结合多尺度卷积块（MS Block）、ResCBAM和双向LSTM（Bi-LSTM）的深度学习模型，能够同时捕捉sEMG信号的局部细节、全局模式和通道间相关性	模型在小样本数据集上可能存在过拟合问题，尽管ResCBAM模块对此有所缓解	提高肌电操纵器手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	深度学习	CNN-LSTM	sEMG信号	Ninapro DB2和DB4数据集