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
10541	2025-02-13	Deep Learning-Enabled STEM Imaging for Precise Single-Molecule Identification in Zeolite Structures 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408629 PMID:39703985	研究论文	本文开发了一种深度学习框架，用于在低剂量条件下进行集成差分相位对比扫描透射电子显微镜（iDPC-STEM）成像，以精确捕捉沸石结构中的单分子行为	提出了一种名为DIVAESR的去噪超分辨率模型，有效减少了散粒噪声，从而获得更清晰的原子分辨率iDPC-STEM图像，并支持高级单分子检测和分析	测试主要基于合成数据集，虽然展示了在真实iDPC-STEM图像上的应用潜力，但仍需进一步验证其在实际复杂环境中的表现	开发深度学习框架以提升iDPC-STEM成像质量，用于精确捕捉和分析沸石结构中的单分子行为	沸石结构中的单分子行为	计算机视觉	NA	集成差分相位对比扫描透射电子显微镜（iDPC-STEM）	DIVAESR（去噪推理变分自编码器超分辨率模型）	图像	合成数据集和真实iDPC-STEM图像
10542	2025-02-13	Semi-supervised learning-based identification of the attachment between sludge and microparticles in wastewater treatment 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124268 PMID:39889421	研究论文	本文提出了一种基于半监督学习的方法，用于识别废水处理系统中污泥与微粒之间的附着情况	采用基于SimCLR的半监督学习方法，结合预训练的ResNet50和Mask R-CNN架构，显著提高了在有限标注数据情况下的检测精度	需要一定量的未标注数据进行预训练，且标注数据量较少时性能提升有限	提高废水处理系统中微粒转移过程的监测精度	废水处理系统中的污泥和微粒	计算机视觉	NA	半监督学习（SSL），SimCLR，Mask R-CNN	ResNet50，Mask R-CNN	图像	1000张未标注图像，约200张标注图像（包含约600个标注微粒）
10543	2025-02-13	Integrating deep learning algorithms for forecasting evapotranspiration and assessing crop water stress in agricultural water management 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124363 PMID:39889430	研究论文	本研究旨在通过先进的深度学习技术提高蒸散发（ET）、潜在蒸散发（PET）和作物水分胁迫指数（CWSI）的预测精度，以优化农业水资源管理	结合高分辨率气候数据和四种共享社会经济路径（SSPs），采用多种深度学习模型（FFNNs、CNNs、GRUs、LSTMs）进行预测，显著提高了预测精度	研究主要针对孟加拉国，可能在其他地区的适用性有限	开发先进的预测模型以优化农业水资源管理	蒸散发（ET）、潜在蒸散发（PET）和作物水分胁迫指数（CWSI）	机器学习	NA	深度学习	FFNNs、CNNs、GRUs、LSTMs	气候数据	NA
10544	2025-02-13	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	该方法不仅利用退化的图像输入，还结合了系统的模糊和噪声特性，通过输入变异和权重变异两种方法将辅助输入整合到卷积神经网络中	当模糊和噪声参数偏离其真实值时，模型的鲁棒性可能有限	提高CT图像恢复的质量	受模糊和噪声影响的CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
10545	2025-02-13	Deep Learning-Based Detection of Malignant Bile Duct Stenosis in Fluoroscopy Images of Endoscopic Retrograde Cholangiopancreatography 2024-Dec-13, Digestion IF:3.0Q2 DOI:10.1159/000543049 PMID:39675349	研究论文	本研究探讨了使用深度学习技术在内镜逆行胰胆管造影（ERCP）的透视图像中区分良恶性胆管狭窄的可行性	首次将卷积神经网络应用于ERCP透视图像，以提高恶性胆管狭窄的诊断准确性和可重复性	研究为回顾性设计，需要在前瞻性研究中进一步验证	提高恶性胆管狭窄的诊断准确性	接受ERCP的成年患者	计算机视觉	胆管狭窄	深度学习	卷积神经网络（CNN）	图像	251名来自德国三个大学中心的患者
10546	2025-02-13	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	研究论文	本文介绍了一种名为iGTP的新型可解释生成转录程序框架，用于从单细胞转录组数据中推断生物学机制	iGTP框架能够建模转录程序空间和蛋白质-蛋白质相互作用的重要性，并通过整合图神经网络框架有效推断细胞对扰动的响应	未明确提及具体限制	开发一种能够从单细胞转录组数据中推断生物学机制的可解释深度学习模型	单细胞转录组数据	生物信息学	NA	单细胞转录组测序	变分自编码器（VAE）、图神经网络（GNN）	单细胞转录组数据	未明确提及具体样本数量
10547	2025-02-13	Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges 2024-Sep-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325458 PMID:38925907	研究论文	本文探讨了生成式人工智能在眼科领域的当前创新、未来应用及挑战	生成对抗网络和扩散模型的应用，以及多模态基础模型的引入，为眼科领域提供了新的诊断和教育工具	该技术尚处于初期阶段，存在数据偏见、安全问题及临床实施等挑战	探讨生成式人工智能在眼科领域的应用潜力及挑战	眼科领域的诊断、患者教育和医疗专业人员培训	计算机视觉	NA	生成对抗网络（GAN）、扩散模型	GAN, 扩散模型	图像、文本、视频	NA
10548	2024-08-08	Commentary: Detection of Endoleak After Endovascular Aortic Repair Through Deep Learning Based on Non-contrast CT 2024-Sep, Cardiovascular and interventional radiology IF:2.8Q2 DOI:10.1007/s00270-024-03830-w PMID:39110204	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10549	2025-02-13	Applications of artificial intelligence in biliary tract cancers 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01518-0 PMID:38427281	综述	本文综述了人工智能在胆道癌诊断和预后改善中的应用	探讨了深度学习在医学影像中的应用，以提高胆道癌的诊断性能	未提及具体AI模型的性能比较或实际应用中的挑战	提高胆道癌的诊断和预后	胆道癌，包括胆管癌和胆囊癌	数字病理	胆道癌	深度学习	NA	影像数据	NA
10550	2025-02-13	Attribute-guided prototype network for few-shot molecular property prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae394 PMID:39133096	研究论文	本文提出了一种属性引导的原型网络（APN），用于解决少样本分子属性预测（MPP）的挑战	APN引入了分子属性提取器，能够提取三种不同类型的指纹属性，并通过自监督学习方法自动提取深度属性，设计了属性引导的双通道注意力模块来学习分子图与属性之间的关系	NA	解决少样本分子属性预测的挑战，提高分子属性预测的准确性	分子属性预测	机器学习	NA	自监督学习	属性引导的原型网络（APN）	分子图	基准数据集
10551	2025-02-13	Predicting dynamic, motion-related changes in B0 field in the brain at a 7T MRI using a subject-specific fine-trained U-net 2024-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29980 PMID:38193276	研究论文	本文提出了一种基于深度学习的方法，用于预测7T MRI中由于头部运动引起的B0场变化，以提高MR图像质量	使用3D U-net模型，结合特定受试者的有限头部位置数据进行微调，预测B0场变化，避免了传统导航器方法的局限性	需要结合外部跟踪硬件来实现实时校正，且依赖于特定受试者的数据进行微调	研究目的是预测7T MRI中由于头部运动引起的B0场变化，以提高MR图像质量	研究对象为7T MRI中的B0场变化	计算机视觉	NA	7T MRI	3D U-net	图像	NA
10552	2025-02-13	Discovery of a structural class of antibiotics with explainable deep learning 2024-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06887-8 PMID:38123686	研究论文	本文介绍了一种基于可解释深度学习的抗生素结构类别发现方法	提出了一种基于子结构的可解释深度学习方法，用于高效探索化学空间并预测抗生素的结构类别	需要进一步验证所发现的结构类别在其他细菌感染模型中的效果	发现新型抗生素结构类别以应对抗生素耐药性危机	化学化合物	机器学习	细菌感染	图神经网络	图神经网络	化学结构数据	39,312种化合物的抗生素活性和细胞毒性数据，以及12,076,365种化合物的预测数据
10553	2025-02-13	Deep IDA: a deep learning approach for integrative discriminant analysis of multi-omics data with feature ranking-an application to COVID-19 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae060 PMID:39027641	研究论文	本文提出了一种名为Deep IDA的深度学习方法，用于整合多组学数据的判别分析，并通过特征排序提供可解释的结果	Deep IDA方法能够学习两个或多个视图的复杂非线性变换，使得投影具有最大关联性和最大分离性，同时提出了基于集成学习的特征排序方法	现有方法主要关注线性关系，而Deep IDA虽然解决了非线性关系的问题，但其应用仍受限于数据类型的多样性	通过整合多组学数据，更好地理解疾病的复杂性，特别是COVID-19的严重程度及其后遗症	COVID-19患者的多组学数据，包括RNA测序、代谢组学和蛋白质组学数据	机器学习	COVID-19	RNA测序、代谢组学、蛋白质组学	深度学习	多组学数据	两个大型真实世界数据集
10554	2025-02-13	Automated recognition of emotional states of horses from facial expressions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302893 PMID:39008504	研究论文	本研究首次开发了AI模型，通过受控实验中收集的数据自动识别马匹的情绪状态	首次利用AI模型从马匹的面部表情中自动识别情绪状态，探索了两种不同的处理流程	期待和沮丧情绪难以区分，准确率仅为61%	开发AI模型以自动识别马匹的情绪状态	马匹	动物情感计算	NA	深度学习, 机器学习	深度学习模型, 机器学习模型	视频, EquiFACS注释	NA
10555	2025-02-13	Late-Life High Blood Pressure and Enlarged Perivascular Spaces in the Putaminal Regions of Community-Dwelling Japanese Older Persons 2024-01, Journal of geriatric psychiatry and neurology IF:2.9Q2 DOI:10.1177/08919887231195235 PMID:37537887	研究论文	本研究探讨了社区居住的日本老年人中晚期高血压与脑部扩大血管周围空间（EPVS）体积之间的关系	首次在认知正常的老年人中，使用基于深度学习的软件包测量EPVS体积，并发现血压水平与EPVS体积显著相关	研究未探讨EPVS体积增加对认知功能下降的具体影响机制	确定血压与EPVS体积之间的关联，并检查相关因素的相互作用	9296名年龄≥65岁的社区居住的日本老年人	数字病理学	老年疾病	脑磁共振成像	深度学习	图像	9296名社区居住的日本老年人
10556	2025-02-13	A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design 2023 Mar-Apr, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2022.08.014 PMID:36038107	研究论文	本文研究了一种深度学习回归方法，用于预测黄斑神经节细胞内丛状层（GCIPL）和视神经头（ONH）视网膜神经纤维层（RNFL）厚度，以辅助青光眼神经保护临床试验设计	使用深度学习模型预测GCIPL和RNFL厚度，并利用个体化半视网膜预测来减少临床试验样本量需求	模型在预测更严重疾病时的性能略有下降	提高视网膜结构预测的准确性，辅助青光眼神经保护临床试验设计	青光眼患者	计算机视觉	青光眼	深度学习	回归模型	图像	1096只眼睛（550名患者）的3327对GCIPL/RNFL扫描数据
10557	2025-02-12	Hematoxylin and Eosin-stained whole slide image dataset annotated for skin tissue segmentation 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111306 PMID:39925388	研究论文	本文发布了一个用于皮肤组织分割的Hematoxylin和Eosin染色全切片图像数据集，并验证了其有效性	发布了一个包含38张全切片图像及其掩码的数据集，涵盖了12个类别，包括组织、皮肤癌和皮肤层，并使用SegFormer模型验证了数据集的有效性	数据集规模相对较小，仅包含38张图像	通过发布和验证数据集，支持基于深度学习的皮肤疾病自动诊断系统的开发	皮肤组织	数字病理学	皮肤癌	Hematoxylin和Eosin染色	SegFormer	图像	38张全切片图像
10558	2025-02-12	An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105724 PMID:39626596	研究论文	本研究设计并系统评估了一种名为可解释下颌第三磨牙卷积神经网络（E-mTMCNN）的架构，用于在全景X光片中检测下颌第三磨牙（m-M3）的存在	提出了E-mTMCNN架构，结合了GoogLeNet架构和LIME解释方法，提高了检测准确性和模型决策的透明度	未提及具体局限性	提高下颌第三磨牙的早期检测准确性，改善牙科临床决策和治疗计划	下颌第三磨牙在全景X光片中的存在	计算机视觉	牙科疾病	深度学习（DL）、卷积神经网络（CNN）、迁移学习（TL）	CNN（GoogLeNet）	图像	未提及具体样本数量，使用了UESB数据集中的全景X光片
10559	2025-02-12	Universal representations in cardiovascular ECG assessment: A self-supervised learning approach 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105742 PMID:39631267	研究论文	本研究开发并验证了一种自监督学习方法，用于从纵向收集的心电图数据中生成通用的心电图表示，适用于多种心血管评估	采用对比自监督学习方法从大规模未标记的心电图数据中学习有意义的表示，并将其应用于下游任务，特别是在小样本情况下显著提升了分类模型的性能	研究主要依赖于单一医疗机构的内部数据集，虽然也使用了外部公共数据集进行验证，但可能仍存在泛化性问题	开发一种自监督学习方法，用于生成通用的心电图表示，以提升心血管疾病评估的准确性和鲁棒性	1,684,298名成年患者的心电图数据	机器学习	心血管疾病	对比自监督学习	预训练模型	心电图数据	4,932,573条心电图数据，来自1,684,298名成年患者
10560	2025-02-12	Multi-horizon event detection for in-hospital clinical deterioration using dual-channel graph attention network 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105745 PMID:39657403	研究论文	本文提出了一种端到端的深度学习架构，用于早期检测医院内的临床恶化事件	提出了双通道图注意力网络，结合多任务学习策略，能够显式学习多变量时间序列在特征和时间域上的相关性	实验仅在ICU收集的两个临床时间序列数据集上进行，可能限制了模型的泛化能力	实现医院内临床恶化事件的早期检测	医院内的临床恶化事件	机器学习	NA	深度学习	双通道图注意力网络	多变量时间序列	两个ICU收集的临床时间序列数据集