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
13821	2024-12-11	CGPDTA: An Explainable Transfer Learning-Based Predictor With Molecule Substructure Graph for Drug-Target Binding Affinity 2025-Jan-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27538 PMID:39653581	研究论文	本文介绍了一种基于可解释迁移学习的深度学习框架CGPDTA，用于预测药物-靶点结合亲和力	CGPDTA通过结合药物-药物和蛋白质-蛋白质相互作用知识，利用分子子结构图和蛋白质口袋序列来增强预测能力和可解释性	NA	开发一种更准确且可解释的药物-靶点结合亲和力预测方法	药物-靶点结合亲和力	机器学习	NA	迁移学习	深度学习框架	分子子结构图，蛋白质口袋序列	NA
13822	2024-12-11	Detection of Brain Tumor Employing Residual Network-based Optimized Deep Learning 2025, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/1573409920666230816090626 PMID:37587819	研究论文	本文提出了一种基于残差网络优化的深度学习方法，用于脑肿瘤的自动检测和分割	使用改进的ResNet50模型进行肿瘤检测，并提出基于ResUNet模型的卷积神经网络进行分割，提高了检测和分割的准确性	NA	提高脑肿瘤检测和分割的自动化和准确性	脑肿瘤的自动检测和分割	计算机视觉	脑肿瘤	深度学习	ResNet50, ResUNet	图像	110名患者的预对比、FLAIR和后对比MRI图像
13823	2024-12-11	BCDPi: An interpretable multitask deep neural network model for predicting chemical bioconcentration in fish 2025-Jan-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120356 PMID:39549907	研究论文	本文提出了一种可解释的多任务深度神经网络模型BCDPi，用于预测化学物质在鱼类中的生物富集潜力	该研究的创新点在于开发了一种多任务深度学习模型，能够预测不同类别的化学物质生物富集潜力，并使用SHAP技术进行模型解释	NA	研究目的是开发一种准确且可解释的方法来预测化学物质的生物富集潜力，以评估环境风险和毒理学影响	研究对象是化学物质的生物富集潜力及其分子物理化学性质	机器学习	NA	深度学习	多任务深度神经网络	化学物质数据	NA
13824	2024-12-11	Comparative analysis of Ki-67 labeling index morphometry using deep learning, conventional image analysis, and manual counting 2025-Jan, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.102159 PMID:39489091	研究论文	本文比较了使用深度学习、传统图像分析和手动计数方法对Ki-67标记指数的形态学分析	本文首次比较了多种数字图像分析系统与手动计数方法在Ki-67计数中的表现，并发现不同系统在不同标注方法下具有不同的准确性	本文仅针对胃癌患者的组织微阵列进行了研究，结果可能不适用于其他类型的癌症	评估和比较不同数字图像分析系统在Ki-67计数中的能力	胃癌患者的Ki-67免疫组化染色组织微阵列	数字病理学	胃癌	数字图像分析	NA	图像	239个组织微阵列核心样本
13825	2024-12-11	High-resolution spatiotemporal prediction of PM2.5 concentration based on mobile monitoring and deep learning 2025-Jan-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125342 PMID:39566710	研究论文	本文提出了一种基于移动监测数据和深度学习的高分辨率时空PM2.5浓度预测方法	本文创新性地结合了移动监测数据和深度学习技术，提出了一种基于LightGBM和CNN-Transformer模型的高分辨率PM2.5浓度预测方法	本文的局限性在于仅在沧州地区进行了验证，未来需要在更多地区进行验证以评估其普适性	研究目的是开发一种高分辨率的PM2.5浓度时空预测方法，以支持城市空气污染控制和公共健康	研究对象是城市中的PM2.5浓度分布	机器学习	NA	深度学习	CNN-Transformer	数据	使用了来自中国沧州的实际数据进行验证
13826	2024-12-11	Improving PM2.5 and PM10 predictions in China from WRF_Chem through a deep learning method: Multiscale depth-separable UNet 2025-Jan-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125344 PMID:39577612	研究论文	本文开发了一种名为多尺度深度可分离UNet（MDS-UNet）的深度学习模型，用于提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性	提出了多尺度深度可分离UNet（MDS-UNet）模型，能够捕捉模型预测与观测之间的复杂非线性误差，从而提高PM2.5和PM10浓度预测的准确性	NA	提高WRF_Chem在中国PM2.5和PM10浓度预测的准确性	PM2.5和PM10浓度预测	机器学习	NA	深度学习	UNet	数值数据	涉及中国六个主要城市群的PM2.5和PM10浓度预测数据
13827	2024-12-11	Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection 2025-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103025 PMID:39608041	研究论文	本研究介绍了基于人工智能的创新方法，通过分析医学影像提高传染病诊断的准确性	本研究首次将Hypersoft Set（HSS）与模糊上下文结合，利用多准则决策（MCDM）框架开发数学模型，用于从图像中识别潜在的传染病	NA	提高传染病诊断的准确性，并展示其在机器学习、深度学习和模式识别领域的广泛应用潜力	传染病及其在不同国家的独特挑战	机器学习	NA	多准则决策（MCDM）框架	数学模型	图像	NA
13828	2024-12-11	A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis 2025-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103031 PMID:39608042	研究论文	本文提出了一种基于多任务学习的U-Net模型，用于端到端的HEp-2细胞图像分析	本文的创新点在于提出了一种多任务学习的U-Net模型，能够同时处理细胞强度分类、细胞分割和模式分类三个相关任务	NA	本文的研究目的是开发一种能够同时处理多个相关任务的深度学习模型，以提高HEp-2细胞图像分析的诊断准确性	本文的研究对象是HEp-2细胞图像的强度分类、细胞分割和模式分类	计算机视觉	自身免疫性疾病	深度学习	U-Net	图像	本文使用了最大的公开HEp-2图像数据集之一进行实验
13829	2024-12-11	Exploring the Mechanisms of Sanguinarine in the Treatment of Osteoporosis by Integrating Network Pharmacology Analysis and Deep Learning Technology 2025, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099282231240214095025 PMID:38385487	研究论文	本研究通过整合网络药理学分析和深度学习技术，探索血根碱在治疗骨质疏松中的分子机制	本研究首次将网络药理学分析与深度学习技术结合，揭示血根碱在治疗骨质疏松中的潜在靶点和分子机制	本研究主要基于数据库预测和体外细胞实验，缺乏体内实验验证	揭示血根碱在治疗骨质疏松中的分子机制	血根碱在治疗骨质疏松中的潜在靶点和分子机制	生物信息学	骨质疏松	网络药理学分析、深度学习技术、分子对接、基因集变异分析	DeepPurpose算法	基因表达数据	前成骨细胞MC3T3-E1细胞
13830	2024-12-11	Integrating Faith and Learning Using a Biblical Concept-Based Curriculum 2025 Jan-Mar 01, Journal of Christian nursing : a quarterly publication of Nurses Christian Fellowship IF:0.4Q4 DOI:10.1097/CNJ.0000000000001226 PMID:39652482	研究论文	本文探讨了在护理教育中整合信仰与学习（IFL）的历史背景，并提出了基于圣经的概念课程（BBCC），以促进深度学习、批判性思维和以学生为中心的学习	提出了基于圣经的概念课程（BBCC），并通过学生评估验证了其有效性	未详细说明BBCC的具体内容和实施细节	探讨在护理教育中成功整合信仰与学习的方法	护理教育中的信仰与学习整合	NA	NA	NA	NA	NA	NA
13831	2024-12-11	Deep learning-based hyperspectral image correction and unmixing for brain tumor surgery 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111273 PMID:39628576	研究论文	本文提出了两种基于深度学习的模型，用于校正和解混高光谱图像，以改善脑肿瘤手术中的荧光引导	本文的创新点在于提出了两种深度学习模型，能够有效捕捉组织的光学和几何特性的异质性，并展示了半监督模型在人类数据上的更好泛化能力	本文的局限性在于仅在幻影和猪脑数据上进行了评估，尚未在人类临床试验中验证	本文的研究目的是改进高光谱成像在荧光引导脑肿瘤切除中的应用，以提高手术的准确性和患者预后	本文的研究对象是脑肿瘤手术中的高光谱图像校正和解混	计算机视觉	脑肿瘤	深度学习	深度学习模型	高光谱图像	幻影和猪脑数据
13832	2024-12-11	Deep Learning for Generating Phase-Conditioned Infrared Spectra 2024-Dec-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04786 PMID:39575882	研究论文	本文提出了一种高效的相位感知机器学习方法，用于从二维分子结构生成相位条件下的红外光谱	本文首次提出了一种能够生成真实世界复杂分子相位条件下红外光谱的方法，并设计了相位感知的图神经网络与transformer解码器的结合	NA	加速红外光谱分析，解决现有方法忽略红外光谱相位依赖性的问题	红外光谱的生成与分析	机器学习	NA	图神经网络，transformer解码器	图神经网络，transformer	分子结构，红外光谱	包含11,546个实验测量红外光谱的10,288个独特分子的基准数据集
13833	2024-12-11	Data-Quality-Navigated Machine Learning Strategy with Chemical Intuition to Improve Generalization 2024-Dec-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00969 PMID:39589234	研究论文	本文提出了一种基于化学直觉的数据质量导航机器学习策略，以提高有机半导体重组能预测任务的泛化能力	本文创新性地提出了基于化学直觉的数据质量导航策略，包括数据多样性评估、可靠性评估、数据过滤和分割技术，并构建了集成深度学习模型框架	本文未详细讨论该策略在其他领域的适用性和扩展性	提高机器学习模型在实际应用中的泛化能力	有机半导体分子的重组能预测	机器学习	NA	深度学习	集成框架	分子结构数据	15,989个有机半导体分子
13834	2024-12-11	Utilizing deep learning-based causal inference to explore vancomycin's impact on continuous kidney replacement therapy necessity in blood culture-positive intensive care unit patients 2024-Dec-10, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02662-24 PMID:39656005	研究论文	本研究利用基于深度学习的因果推断模型，探讨万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗需求的影响	本研究首次使用深度学习因果推断模型量化万古霉素对连续肾脏替代治疗（CKRT）启动概率的影响，并识别出与高敏感性相关的特定患者特征	NA	评估万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗风险的影响	血培养阳性的重症监护病房患者	机器学习	NA	深度学习因果推断	随机森林、Light Gradient Boosting Machine	文本	1318名患者，其中41名需要连续肾脏替代治疗
13835	2024-12-11	Prognostic Modeling for Liver Cirrhosis Mortality Prediction and Real-Time Health Monitoring from Electronic Health Data 2024-Dec-09, Big data IF:2.6Q2 DOI:10.1089/big.2024.0071 PMID:39651607	研究论文	本研究旨在利用电子健康数据构建预测肝硬化患者死亡率的模型，并进行实时健康监测	提出了一种基于深度学习的人工神经网络模型，旨在超越现有的终末期肝病模型（MELD）的预测能力	在处理不平衡数据集时，模型在精确度和召回率之间存在权衡问题	提高肝硬化相关死亡率的预测准确性，并改进应对这一挑战的方法	肝硬化患者的死亡率预测和健康监测	机器学习	肝病	深度学习	人工神经网络	电子健康数据	使用了不同比例的训练数据集（70%、80%和90%）进行模型训练和评估
13836	2024-12-11	Current State of Community-Driven Radiological AI Deployment in Medical Imaging 2024-Dec-09, JMIR AI DOI:10.2196/55833 PMID:39653370	综述	本文概述了人工智能与医学影像领域的交叉现状，并探讨了在医院环境中部署AI模型的挑战	介绍了AI用例的分类法，并提供了AI模型在医院中集成的实际案例，同时介绍了MONAI作为解决AI集成需求的开放源代码联盟	未具体提及	探讨AI在医学影像中的应用现状及部署挑战	医学影像领域的AI模型及其在临床工作流程中的应用	医学影像	NA	深度学习	NA	影像	NA
13837	2024-12-11	Fusion Learning from Non-contrast CT Scans for the Detection of Hemorrhagic Transformation in Stroke Patients 2024-Dec-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01350-0 PMID:39653876	研究论文	本研究开发并验证了一种基于非对比CT扫描的计算机辅助诊断系统，用于预测接受再灌注治疗的卒中患者的出血性转化	本研究通过结合DenseNet201和Vision Transformers（ViTs）特征，显著提高了预测模型的准确性和AUC值	本研究为回顾性研究，样本量相对较小，且仅限于急性缺血性卒中患者	开发和验证一种基于非对比CT扫描的计算机辅助诊断系统，用于预测卒中患者的出血性转化	接受再灌注治疗的急性缺血性卒中患者	计算机视觉	卒中	卷积神经网络（CNN）、Vision Transformers（ViTs）	DenseNet201、Vision Transformers（ViTs）	图像	188名急性缺血性卒中患者，包含2076张非对比CT图像
13838	2024-12-11	Prediction of Nursing Need Proxies Using Vital Signs and Biomarkers Data: Application of Deep Learning Models 2024-Dec-09, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17612 PMID:39654010	研究论文	本研究开发了深度学习模型，用于预测住院患者的护理需求代理，并将其预测效能与传统回归模型进行比较	本研究首次将循环神经网络（RNN）和长短期记忆网络（LSTM）应用于护理需求预测，并证明了其优于传统回归模型的预测能力	在快速变化时期，模型的预测准确性显著降低	开发和验证深度学习模型，以预测住院患者的护理需求代理	20,855名20岁及以上住院成年患者的电子健康记录数据	机器学习	NA	深度学习	RNN, LSTM	文本	20,855名成年患者
13839	2024-12-11	Evaluating deep learning models for classifying OCT images with limited data and noisy labels 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81127-1 PMID:39638854	研究论文	本研究评估了在数据有限和标签噪声情况下，使用深度学习模型对OCT图像进行分类的性能	本研究首次系统评估了在数据稀缺和标签噪声情况下，多种深度学习架构在OCT图像分类中的表现，并提出了通过增加训练样本量来缓解标签错误对分类性能的影响	研究中使用的样本量和标签噪声水平有限，可能无法完全代表所有临床情况	评估在数据稀缺和标签噪声情况下，深度学习模型对OCT图像分类的性能，以提高视网膜疾病诊断和管理的准确性和实际应用	视网膜病理与健康情况的OCT图像分类	计算机视觉	NA	深度学习	ResNet18, ResNet34, ResNet50, VGG16, InceptionV3	图像	5526张OCT图像，以及减少到21张的子集
13840	2024-12-11	A hybrid cardiovascular arrhythmia disease detection using ConvNeXt-X models on electrocardiogram signals 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81992-w PMID:39638880	研究论文	本研究提出了一种结合ConvNeXt-X深度学习模型和数据平衡技术的混合方法，用于提高心律失常分类的准确性	本研究的创新点在于将ConvNeXt-X模型与随机过采样和SMOTE-TomekLink技术结合，显著提高了心律失常检测的准确性	本研究的局限性在于仅在MIT-BIH心律失常数据库上进行了验证，未来需要在更多数据集上进行验证	本研究的目的是提高心血管心律失常疾病的检测准确性，以支持临床决策	本研究的研究对象是心电图信号中的心律失常类型	机器学习	心血管疾病	ConvNeXt-X模型	ConvNeXt	信号	MIT-BIH心律失常数据库