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
9021	2025-01-16	An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images 2025-Jan-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9dac PMID:39662047	研究论文	本文提出了一种高效的深度展开网络，通过交替优化密集视图正弦图和图像来实现稀疏视图CT重建	与之前的展开方法不同，该方法专注于优化密集视图正弦图而非全视图正弦图，从而减少计算资源和运行时间，并最小化网络在稀疏比例极小时执行正弦图修复的挑战	NA	解决稀疏视图CT重建中的计算资源消耗问题，同时保持重建图像的质量	稀疏视图CT重建	计算机视觉	NA	深度展开方法	深度神经网络	图像	512 × 512像素的图像，2304 × 736的投影数据
9022	2025-01-16	Deep learning-driven prediction of chemical addition patterns for carboncones and fullerenes 2025-Jan-15, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp03238a PMID:39718318	研究论文	本文提出了一种基于深度学习的增量方法，用于预测碳锥和富勒烯的氢化和氯化反应中的区域选择性	利用图基特征，开发了不依赖3D分子坐标输入的深度神经网络模型，能够处理高度扭曲的加成物，并成功预测了其他方法无法解决的实验加成模式	模型仅基于原子连接性，可能忽略了其他潜在的化学影响因素	研究碳锥和富勒烯功能化过程中的区域选择性预测	碳锥和富勒烯	机器学习	NA	深度学习	深度神经网络 (DNN)	图基特征	CH和CH碳锥的氢化反应，CCl和CCl（= 18, 24, 和28）的氯化反应
9023	2025-01-16	Deep Learning-Driven Optimization of Antihypertensive Properties from Whey Protein Hydrolysates: A Multienzyme Approach 2025-Jan-15, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c10830 PMID:39721995	研究论文	本研究利用深度学习优化了乳清蛋白水解物中的抗高血压肽，通过多酶组合方法显著提高了ACE抑制率	结合深度学习和多酶组合方法优化抗高血压肽，显著提高了ACE抑制率和生物稳定性	研究主要基于动物实验，尚未在人体中进行验证	优化乳清蛋白水解物中的抗高血压肽，开发有效的膳食干预方法	乳清蛋白水解物和高血压大鼠	机器学习	心血管疾病	深度学习，分子对接	Large Language Models (LLMs)	生物化学数据	高血压大鼠
9024	2025-01-16	Active Physics-Informed Deep Learning: Surrogate Modeling for Nonplanar Wavefront Excitation of Topological Nanophotonic Devices 2025-Jan-15, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c05120 PMID:39754588	研究论文	本文提出了一种结合监督学习和物理约束的深度学习方法，用于设计特定波长的拓扑纳米光子器件	通过将物理约束嵌入神经网络的训练中，显著减少了模拟时间，并利用非平面波前激发探测拓扑保护的等离子体模式，使设计和训练过程非线性	NA	设计拓扑纳米光子器件，以控制特定波长的光	拓扑纳米光子器件	机器学习	NA	监督学习、物理约束的深度学习	神经网络	模拟数据	NA
9025	2025-01-16	Correction: Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2025-Jan-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4438 PMID:39810588	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9026	2025-01-16	Enhancing safety with an AI-empowered assessment and monitoring system for BSL-3 facilities 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40855 PMID:39811271	研究论文	本文介绍了一种AI赋能的评估和监控系统，用于增强BSL-3实验室的安全性，确保人员遵守个人防护装备（PPE）规定	开发了一种基于深度学习的系统，用于实时检测和监控BSL-3实验室中PPE的使用情况，并通过实时通知系统提高安全性	系统的准确性和召回率虽然较高，但仍存在一定的误报和漏报风险，且数据集规模有限	提高BSL-3实验室的安全性，减少病原体暴露风险	BSL-3实验室中的人员及其PPE使用情况	计算机视觉	NA	深度学习	深度学习模型	图像	外部检测系统使用4112张图像，内部管理系统使用3347张图像
9027	2025-01-16	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jan-15, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	本研究比较了传统统计方法和深度学习技术在预测肾功能方面的准确性，使用日本慢性肾脏病数据库（J-CKD-DB）进行实验	首次在慢性肾脏病（CKD）预测中比较了传统统计方法与深度学习技术，特别是处理缺失值的GRU-D模型	深度学习技术在预测准确性上并未显著优于传统统计方法	探讨深度学习技术是否能够提高未来肾功能预测的准确性	日本慢性肾脏病数据库（J-CKD-DB）中的22,929名CKD患者	机器学习	慢性肾脏病	NA	多元线性回归模型、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	临床数据	22,929名CKD患者
9028	2025-01-16	Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04106 PMID:39711466	研究论文	本文开发了一种高通量双用途质谱芯片阵列（DUMSCA），用于快速分离和检测血浆中的小细胞外囊泡（sEVs），并利用深度学习模型对克罗恩病进行高效诊断	开发了DUMSCA技术，显著提高了sEVs的分离和检测速度，并结合深度学习模型实现了疾病的高效诊断	未明确提及具体局限性	改进sEVs的分离方法，高效收集高质量sEV数据，并快速分析大规模数据集，以实现疾病诊断	血浆中的小细胞外囊泡（sEVs）	数字病理学	克罗恩病	双用途质谱芯片阵列（DUMSCA）、串联质谱实验	深度学习模型	代谢数据矩阵	未明确提及样本数量
9029	2025-01-16	AI-Based Discrimination of Faradaic Current against Nonfaradaic Current Inspired by Speech Denoising 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04448 PMID:39754543	研究论文	本文提出了一种基于深度学习的算法，用于区分循环伏安法中的法拉第电流和非法拉第电流，灵感来源于语音去噪技术	利用深度学习算法从循环伏安图中预测理论法拉第电流，创新性地将语音去噪技术应用于电化学系统研究	未提及算法的泛化能力及在不同电化学系统中的适用性	解决循环伏安法中法拉第电流与非法拉第电流分离的难题，以提取有用信息	循环伏安法中的电流响应	机器学习	NA	循环伏安法（CV）	深度神经网络（DNN）	电化学数据	未明确提及样本数量
9030	2025-01-16	Development of a Deep Learning-Based Model for Pressure Injury Surface Assessment 2025-Jan-14, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17645 PMID:39809598	研究论文	本文开发了一种基于深度学习的压力性损伤表面评估模型	创新点在于使用深度学习技术自动评估压力性损伤，提高了评估的准确性和效率	研究仅基于广州四家医院的图像数据，可能限制了模型的泛化能力	研究目的是开发一种智能评估模型，用于压力性损伤表面的精确评估	研究对象为压力性损伤的图像数据	计算机视觉	压力性损伤	深度学习	神经网络	图像	1063张图像
9031	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
9032	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）
9033	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
9034	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
9035	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
9036	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
9037	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
9038	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）
9039	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
9040	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