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
881	2025-06-10	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-Jul, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	利用机器学习分析视频尿动力学数据，预测脊柱裂患者发生肾积水的风险	开发了四种机器学习模型，包括随机生存森林模型和集成模型，用于从视频尿动力学数据中预测肾积水	研究样本量相对较小，且仅针对脊柱裂患者	提高脊柱裂患者肾积水风险的预测准确性	脊柱裂患者	机器学习	脊柱裂	视频尿动力学研究	随机生存森林模型, 集成模型	视频尿动力学数据, 荧光镜图像	训练队列354例患者，验证队列200例患者
882	2025-06-10	Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110329 PMID:40403641	研究论文	该研究提出了一种结合变分模态分解与模糊权重粒子群优化（VMD-FWPSO）、主成分分析（PCA）和深度可分离卷积网络（DwSCN）的先进框架，用于从心电信号中精确检测心肌梗死	创新点包括使用VMD-FWPSO进行优化的噪声消除，PCA降低特征维度，以及DwSCN模型捕捉心电数据的时空依赖性以提高分类准确性	未明确提及具体局限性	提高心肌梗死（MI）在心电信号中的检测精度	心电信号（ECG）	数字病理学	心血管疾病	变分模态分解（VMD）、模糊权重粒子群优化（FWPSO）、主成分分析（PCA）	深度可分离卷积网络（DwSCN）	心电信号数据	使用了PTB-ECG和MIT-BIH心律失常数据集
883	2025-06-10	Automatic adult age estimation using bone mineral density of proximal femur via deep learning 2025-Jul, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112511 PMID:40440868	研究论文	本研究开发了一种基于深度学习的端到端流程，利用股骨近端CT扫描的骨密度数据进行自动成人年龄估计	首次构建大规模真实世界临床和尸体队列数据集，微调Segment Anything Model (SAM)进行股骨分割，并评估多种CNN模型用于基于骨密度数据的精确年龄估计	外部尸体数据集验证的MAE较高(6.91年)，表明模型在死后样本上的性能有待提高	开发自动成人年龄估计方法用于法医和人类学应用	5151例来自临床和尸体队列的股骨近端CT扫描	数字病理	NA	CT扫描	CNN, SAM	医学影像	5151例CT扫描(临床和尸体来源)
884	2025-06-10	Multiclass ensemble framework for enhanced prostate gland Segmentation: Integrating Self-ONN decoders with EfficientNet 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110459 PMID:40449047	research paper	该研究提出了一种多类集成框架，用于增强前列腺腺体分割，通过结合EfficientNet编码器与Self-ONN解码器来提高分割准确性	采用Self-ONN解码器结合EfficientNet编码器，解决了传统CNN线性神经元模型在捕捉生物神经系统的复杂动态方面的局限性	未提及具体局限性	提高前列腺癌诊断和治疗的自动化分割技术质量	前列腺腺体及其分区区域（外周区PZ、移行区TZ和整个腺体）	digital pathology	prostate cancer	Self-organized Operational Neural Network (Self-ONN), EfficientNetB4, STAPLE方法	Self-ONN, EfficientNetB4	MRI图像	大规模PI-CAI Challenge数据集，使用5折交叉验证
885	2025-06-10	Deep Learning Reveals Liver MRI Features Associated With PNPLA3 I148M in Steatotic Liver Disease 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70164 PMID:40478199	研究论文	该研究利用深度学习模型分析肝脏MRI图像，以识别与PNPLA3 I148M基因变异相关的脂肪肝病特征	首次应用深度学习模型于MRI图像，非侵入性检测PNPLA3 I148M纯合子，揭示了该基因变异与肝脏脂肪分布的关系	研究排除了杂合子个体，可能限制了结果的全面性；样本全部来自UK Biobank，可能存在人群偏差	开发非侵入性方法识别PNPLA3 I148M基因变异携带者，为脂肪肝病患者提供个性化医疗	UK Biobank中的45,603名个体的MRI图像和常见基因变异数据	数字病理学	脂肪肝病	MRI成像、水脂分离技术、基因分型	Vision Transformer、U-Net	MRI图像、基因数据	45,603名UK Biobank参与者，其中600张手动分割的肝脏图像用于训练U-Net模型
886	2025-06-10	Use of Artificial Intelligence and Machine Learning in Critical Care Ultrasound 2025-Jul, Critical care clinics IF:3.0Q2 DOI:10.1016/j.ccc.2025.02.008 PMID:40484623	research paper	本文探讨了人工智能（AI）在重症监护超声中的变革潜力	AI技术，特别是深度学习和卷积神经网络，现在辅助图像采集、解释和质量评估，简化工作流程并减少操作者变异性	需要可解释的AI系统以获得临床医生的信任并促进更广泛的采用	探索AI在重症监护超声中的应用及其潜力	重症监护超声	machine learning	NA	deep learning, convolutional neural networks	CNN	image	NA
887	2025-06-10	Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals 2025-Jun-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.003 PMID:40334975	研究论文	本文提出了一种结合熵度量和现代预处理技术的深度学习方法，用于自动检测脑电图信号中的癫痫	结合多元熵特征（如mvMPE和mvMFE）与UMAP非线性降维技术，以及ResNet与Bi-LSTM混合模型，提高了癫痫检测的准确性和鲁棒性	未提及模型在实时检测或临床环境中的表现，也未讨论数据集的多样性和潜在偏差	开发一种鲁棒且有效的癫痫自动检测方法	脑电图（EEG）信号	机器学习	癫痫	自适应小波去噪、UMAP非线性降维	ResNet与Bi-LSTM混合模型	EEG信号	NA
888	2025-06-10	YOLOv11-Based quantification and temporal analysis of repetitive behaviors in deer mice 2025-Jun-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.017 PMID:40368233	research paper	本研究提出了一种基于YOLOv11的自动化系统，用于鹿鼠重复行为的量化与时间分析	结合YOLOv11深度学习直接进行行为分类，绕过初始运动学特征工程，提供了一种客观、高通量的行为频率、持续时间和复杂时间组织的量化方法	NA	详细描述鹿鼠行为的时间动态，为未来研究提供基础数据和分析工具	鹿鼠（Peromyscus maniculatus bairdii）	computer vision	NA	YOLOv11	YOLOv11	video	NA
889	2025-06-10	Deep-Learning-Based Integration of Sequence and Structure Information for Efficiently Predicting miRNA-Drug Associations 2025-Jun-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00038 PMID:40380921	研究论文	提出一种名为DLST-MDA的深度学习方法，整合序列和结构信息以预测miRNA与药物的关联	利用miRNA和药物的属性信息而非常用的相互作用图信息，采用多尺度CNN和图神经网络分别学习序列和结构信息	未明确提及具体局限性	预测miRNA与药物的关联，以克服癌症治疗中的耐药性	miRNA和药物	机器学习	癌症	多尺度CNN, 图神经网络	CNN, GNN	序列数据, 分子图数据	基于最新数据库构建的基准数据集，具体数量未明确
890	2025-06-10	EMOCPD: Efficient Attention-Based Models for Computational Protein Design Using Amino Acid Microenvironment 2025-Jun-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00378 PMID:40418077	研究论文	提出了一种基于注意力机制的高效计算方法EMOCPD，用于计算蛋白质设计，通过分析氨基酸的微环境来预测和优化蛋白质	采用多头注意力机制关注稀疏蛋白质微环境中的重要特征，并利用逆残差结构优化网络架构，提高了蛋白质设计的准确性和效率	预测结果受20种氨基酸含量的影响，更适合设计负氨基酸含量较低的蛋白质	开发高效的计算方法以改进蛋白质设计的准确性和效率	蛋白质及其氨基酸微环境	计算生物学	NA	多头注意力机制，逆残差结构	注意力机制模型	蛋白质三维原子环境数据	NA
891	2025-06-10	GICL: A Cross-Modal Drug Property Prediction Framework Based on Knowledge Enhancement of Large Language Models 2025-Jun-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00895 PMID:40432191	研究论文	提出了一种基于知识增强的大型语言模型的跨模态药物属性预测框架GICL	整合了LLM衍生的嵌入与分子图像表示，通过跨模态对比学习实现分子特征的全面理解	未提及具体的数据质量或结构复杂性问题的解决方案	提高药物属性预测的准确性和效率	药物分子	机器学习	NA	跨模态对比学习	LLM	SMILES字符串和分子图像	NA
892	2025-06-10	Femtosecond Laser Treatment of Ti Surfaces: Antibacterial Mechanisms and Deep Learning-Based Surface Recognition 2025-Jun-09, ACS biomaterials science & engineering IF:5.4Q2 DOI:10.1021/acsbiomaterials.5c00155 PMID:40435514	研究论文	研究飞秒激光处理钛表面的抗菌机制及基于深度学习的表面识别	结合飞秒激光表面处理与深度学习模型（ResNet50-TL）进行钛表面识别与分类，展示超过60%的抗菌效果	使用小数据集进行深度学习模型训练，可能影响模型的泛化能力	探索飞秒激光处理钛表面的抗菌性能及表面识别技术	钛基板及其激光诱导周期性表面结构	数字病理	NA	飞秒激光处理，转录组数据分析，深度学习	ResNet50-TL	扫描电子显微镜图像	小数据集（具体数量未提及）
893	2025-06-10	ADC-MambaNet: a lightweight U-shaped architecture with mamba and multi-dimensional priority attention for medical image segmentation 2025-Jun-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adde66 PMID:40441168	研究论文	提出了一种轻量级的U型架构ADC-MambaNet，结合Mamba算法和多维优先级注意力机制，用于医学图像分割	结合了Depthwise Convolutional层和Mamba算法，设计了Harmonious Mamba-Convolution (HMC)块和Multi-Dimensional Priority Attention (MDPA)块，并引入了Balanced Normalized Cross Entropy损失函数	未提及具体局限性	解决医学图像分割中高计算复杂度和内存需求的问题	医学图像	数字病理	NA	深度学习	ADC-MambaNet, CNN, Transformer	医学图像	五个公共医学图像数据集：ISIC 2018 Lesion Segmentation, PH2, Data Science Bowl 2018, GlaS, 和 Lung x-ray
894	2025-06-10	Decoding the Structure-Activity Relationship of the Dopamine D3 Receptor-Selective Ligands Using Machine and Deep Learning Approaches 2025-Jun-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00575 PMID:40442044	研究论文	本研究利用机器学习和深度学习方法解码多巴胺D3受体选择性配体的结构-活性关系	采用新型超参数优化协议的DNN模型在预测性能上略优于基于树的模型，并通过整合所有算法的预测结果提高了准确性和鲁棒性	未明确提及研究样本的具体数量或实验验证的局限性	促进选择性配体的发现，为靶向治疗药物的合理设计提供框架	多巴胺D2和D3受体的配体	机器学习	神经精神疾病（如帕金森病、精神分裂症和物质使用障碍）	定量结构-活性关系(QSAR)建模	eXtreme Gradient Boosting, random forest, DNN	化学配体数据	NA
895	2025-06-10	MHASegNet: A multi-scale hybrid aggregation network of segmenting coronary artery from CCTA images 2025-Jun-09, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251346484 PMID:40485350	研究论文	提出了一种名为MHASegNet的多尺度混合聚合网络，用于从CCTA图像中分割冠状动脉	MHASegNet结合了多尺度混合注意力和3D上下文锚点注意力模块，以捕捉全局和局部特征，并通过迭代的区域增长细化方法解决冠脉断裂和减少误报	需要进一步验证以确认其在CAD诊断和量化中的适用性	提高CCTA图像中冠状动脉分割的准确性	冠状动脉	计算机视觉	心血管疾病	深度学习与传统技术结合	MHASegNet	图像	内部数据集90例和两个公共数据集1060例
896	2025-06-10	Employment of artificial intelligence for an unbiased evaluation regarding the recovery of right ventricular function after mitral valve transcatheter edge-to-edge repair 2025-Jun-09, European journal of heart failure IF:16.9Q1 DOI:10.1002/ejhf.3705 PMID:40488515	research paper	本研究使用传统超声心动图和人工智能技术评估严重二尖瓣反流患者在接受经导管二尖瓣缘对缘修复术（M-TEER）后右心室功能的恢复情况	首次结合传统超声心动图和深度学习模型评估M-TEER对右心室功能的影响	研究仅基于双中心注册数据，样本量有限，且随访时间较短（3个月）	评估M-TEER对严重二尖瓣反流患者右心室功能恢复的影响	接受M-TEER治疗的严重二尖瓣反流患者	数字病理学	心血管疾病	超声心动图、深度学习	深度学习模型	视频（二维心尖四腔视图超声心动图）	851名患者
897	2025-06-10	Colloidoscope: detecting dense colloids in 3D with deep learning 2025-Jun-09, Soft matter IF:2.9Q2 DOI:10.1039/d4sm01307g PMID:40488586	研究论文	介绍了一种名为Colloidoscope的深度学习流程，用于通过共聚焦显微镜增强密集胶体悬浮液的3D追踪	采用3D残差U-net架构，利用模拟训练数据集反映多种真实成像条件，特别是在高胶体体积分数和低对比度场景下优于传统检测方法	NA	提升密集胶体悬浮液的3D追踪能力	密集胶体悬浮液	计算机视觉	NA	共聚焦显微镜	3D残差U-net	3D图像	模拟和实验数据集
898	2025-06-10	Federated deep learning enables cancer subtyping by proteomics 2025-Jun-09, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-24-1488 PMID:40488620	research paper	本文提出了一种联邦深度学习（FDL）方法ProCanFDL，用于在保护数据隐私的前提下，通过蛋白质组学数据进行癌症亚型分类	开发了ProCanFDL方法，通过联邦学习在保护数据隐私的同时，整合多个私有数据源进行癌症亚型分类，性能提升43%	NA	解决生物医学人工智能应用中的数据隐私问题，实现癌症亚型分类	临床注释的组织蛋白质组数据	machine learning	cancer	DIA-MS, TMT proteomics	FDL	proteomic data	1,260（泛癌队列） + 6,265（29个私有队列） + 625（测试集） + 55（外部DIA-MS队列） + 832（TMT蛋白质组学数据）
899	2025-06-10	From Aphrodite to Algorithm: Assessing the Unassessable 2025-Jun-09, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011542 PMID:40488729	research paper	本文探讨了从神话理想到现代算法量化美的演变历程	研究了从神话到现代算法对美的量化尝试，并揭示了算法评估的局限性	算法评估可能同质化审美标准，忽视种族多样性，并引发不切实际的期望	探讨美是否可以通过科学方法精确评估	美的量化历史和现代算法评估	machine learning	NA	deep learning	CNN	image	SCUT-FBP5500数据集
900	2025-06-10	Hybrid adaptive attention deep supervision-guided U-Net for breast lesion segmentation in ultrasound computed tomography images 2025-Jun-09, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03377-z PMID:40488959	research paper	提出了一种基于深度学习的混合自适应注意力深度监督引导的U-Net（HAA-DSUNet）网络，用于乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变分割	用混合自适应注意力模块（HAAM）替换了U-Net的传统采样卷积模块，以扩大感受野并探测丰富的全局特征，同时保留细节	未提及	开发一种自动化的乳腺癌诊断系统，用于早期筛查乳腺病变以提高患者生存率	乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变	digital pathology	breast cancer	深度学习	HAA-DSUNet（基于U-Net的改进模型）	image	两个UCT图像数据集HCH和HCH-PHMC