深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
14241	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）	NA	NA	NA	NA
14242	2025-10-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	研究论文	提出一种面向跨域可变形图像配准的编码器方法，通过建模图像特征和结构特征的匹配准则来提升配准精度和适应性	设计了通用特征编码器(Encoder-G)和结构特征编码器(Encoder-S)，并通过一次性学习更新Encoder-S实现跨域适应	NA	解决跨域可变形图像配准问题，提升深度学习配准方法的泛化能力	医学MRI图像	计算机视觉	多疾病类别	深度学习	编码器网络	医学图像	脑部图像(训练/测试: 870/90对)，腹部图像(训练/测试: 1406/90对)，心脏图像(训练/测试: 64770/870对)	NA	Encoder-G, Encoder-S	Dice相似系数(DSC), 平均对称表面距离(ASSD)	NA
14243	2025-10-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出一种基于合成数据的监督学习方法SDD-IVIM，用于提高IVIM参数估计的精度和噪声鲁棒性	开发了基于模型的合成人脑IVIM数据生成方法，通过结合复杂参数分布和人脑纹理模拟真实脑组织结构	方法依赖于合成数据训练，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	人脑IVIM成像，特别是胶质瘤患者	医学影像分析	脑胶质瘤	IVIM双指数模型，多b值扩散加权成像	U-Net	合成脑IVIM数据，扩散加权图像	数值体模实验和20名胶质瘤患者	NA	U-Net	平均绝对误差，平均偏差，结构相似性，变异系数，对比噪声比	NA
14244	2025-10-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	开发基于深度学习的蒙特卡罗剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制(CAM)，显著提升重离子治疗中蒙特卡罗剂量预测精度	仅针对头颈部癌症患者进行研究，样本量相对有限	开发深度学习模型用于重离子治疗的在线自适应放疗和快速质量保证	120例头颈部癌症患者	医学影像分析	头颈部癌症	蒙特卡罗模拟(GATE/Geant4)	U-Net	CT图像、三维能量矩阵、射线掩模	120例头颈部癌症患者	NA	CHD U-Net, CAM-CHD U-Net	gamma通过率(3%/3mm), 平均绝对差异	NA
14245	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	NA	NA	NA
14246	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)	NA	NA	NA	NA
14247	2025-10-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT图像中准确检测急性颅内出血	基于稀疏训练数据开发临床适用的深度学习系统，并在美国和台湾多中心数据集上验证其普适可靠性	训练数据仅来自单一中心，可能影响模型泛化能力	开发用于检测急性颅内出血的深度学习算法并评估其临床适用性	非增强头部计算机断层扫描图像	计算机视觉	颅内出血	计算机断层扫描	深度学习	医学图像	1,815个CT图像集用于训练，多个外部验证和测试数据集	PyTorch	U-Net, ResNet	准确度	NA
14248	2025-10-07	An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3467384 PMID:39320999	研究论文	提出一种可解释的时空耦合学习统一框架，并应用于动态脑功能连接分析	构建基于时空相关性的深度学习网络，能有效整合节点表征与节点间连接性的时变耦合关系，并提供更好的结果可解释性	NA	开发能够挖掘时空耦合关系的可解释深度学习框架	fMRI和MEG时间序列数据，脑动态功能连接	机器学习	NA	fMRI, MEG	深度学习	时间序列数据，神经影像数据	NA	NA	NA	NA	NA
14249	2025-10-07	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本研究结合蛋白质语言模型和分子动力学模拟从微生物组库中发现抗生物污染肽	首次将基于深度学习的高通量筛选与分子动力学模拟相结合，通过集成随机森林模型和ESM2蛋白质语言模型来发现新型抗生物污染肽	仅从六个候选肽中筛选，样本规模有限；依赖现有数据库可能存在的偏差	开发新型抗生物污染肽材料以扩展其应用场景	微生物组库中的肽序列	机器学习	NA	分子动力学模拟，蛋白质语言模型	随机森林，ESM2	肽序列数据	包含等量抗生物污染和生物污染肽序列的数据库，六个候选肽	NA	ESM2，集成随机森林	NA	NA
14250	2025-10-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出一种名为ProNEP的深度学习算法，用于高通量识别NLR受体与病原体效应子的配对关系	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并首次结合迁移学习与双线性注意力网络进行预测	CNE数据非常稀缺，仅387个已知配对，限制了模型的训练和应用	开发高效识别NLR受体与效应子配对关系的方法，促进作物育种和免疫学研究	核苷酸结合富亮氨酸重复序列受体和病原体效应子	生物信息学	植物免疫疾病	深度学习，迁移学习	双线性注意力网络	蛋白质序列数据	91,291个NLRs和387个已知CNE配对	PyTorch	双线性注意力网络	准确率，精确率，召回率，F1分数，AUC	NA
14251	2025-10-07	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	提出一种基于门控图变换器的可解释性认知能力预测框架，用于分析功能性脑网络	结合可学习结构和位置编码与门控机制，采用随机游走扩散策略捕获脑区复杂关系，通过注意力机制增强可解释性	NA	基于功能性脑网络预测个体认知能力	功能性脑网络和认知能力	机器学习	NA	fMRI	图神经网络,Transformer	功能性脑网络数据	两个大规模脑成像数据集：费城神经发育队列(PNC)和人类连接组计划(HCP)	NA	门控图变换器(GGT)	预测准确率	NA
14252	2025-10-07	Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1355287 PMID:38919268	研究论文	本研究开发并比较了深度学习与传统机器学习算法在骨质疏松风险预测中的性能	提出了一种新型深度神经网络框架，并在大规模临床数据上验证其在骨质疏松风险预测中的优越性能	研究样本仅来自单一研究队列（路易斯安那骨质疏松研究），需要外部验证	评估深度学习算法在骨质疏松风险预测中的性能表现	8,134名40岁以上成年人的髋部骨密度和临床数据	机器学习	骨质疏松症	骨密度测量，临床数据分析	DNN, RF, ANN, KNN, SVM	临床数据，人口统计学数据	8,134名受试者	NA	深度神经网络	AUC, 准确率	NA
14253	2025-10-07	De novo design of luciferases using deep learning 2023-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-05696-3 PMID:36813896	研究论文	本研究使用深度学习方法从头设计具有高活性和选择性的荧光素酶	开发了基于深度学习的'家族级幻觉'方法，能够生成大量包含多样化口袋形状的理想化蛋白质结构和编码这些结构的序列	NA	从头设计具有高催化效率和底物选择性的荧光素酶	人工设计的荧光素酶及其对合成荧光素底物（二苯基特拉嗪和2-脱氧腔肠素）的催化性能	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	NA	NA	催化效率(k/K)、底物选择性、热稳定性(熔解温度)、酶分子量	NA
14254	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像	NA	NA	NA	NA
14255	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA	NA	NA	NA	NA
14256	2025-04-06	Predictive Value of Social Determinants of Health on 90-Day Readmission and Health Utilization Following ACDF: A Comparative Analysis of XGBoost, Random Forest, Elastic-Net, SVR, and Deep Learning 2025-Apr-02, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251332556 PMID:40173192	研究论文	本研究评估了社会健康决定因素（SDH）对前路颈椎间盘切除融合术（ACDF）患者90天再入院和健康利用（HU）的预测影响，并比较了多种机器学习模型的效果	首次应用机器学习评估SDH在ACDF患者中的作用，并识别出影响90天再入院和HU的关键SDH因素	依赖单一医疗系统的数据，且SDH测量采用代理指标而非患者直接报告的数据	评估SDH对ACDF患者术后90天再入院和健康利用的预测价值	3127名ACDF患者（2003-2023年）	机器学习	颈椎疾病	机器学习（包括XGBoost、随机森林、弹性网络、SVR和深度学习）	Balanced Random Forest, Support Vector Regression (SVR)	临床和人口统计学数据	3127名ACDF患者	NA	NA	NA	NA
14257	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用	NA	NA	NA	NA
14258	2025-04-06	A compact deep learning approach integrating depthwise convolutions and spatial attention for plant disease classification 2025-Apr-02, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01325-4 PMID:40176127	研究论文	提出一种轻量级深度学习模型LWDSC-SA，用于植物病害分类，结合深度可分离卷积和空间注意力机制以提高特征提取能力并保持计算效率	整合空间注意力和深度可分离卷积，提升模型在资源受限环境中的部署能力，同时在PlantVillage数据集上达到98.7%的准确率	模型仅在PlantVillage数据集上进行测试，未在其他多样化的真实农业场景中验证	开发高效轻量的植物病害分类模型以支持农业生产力	14种植物物种的叶片病害图像	计算机视觉	植物病害	深度学习	LWDSC-SA（深度可分离卷积与空间注意力结合的轻量模型）	图像	55,000张图像（涵盖38个病害类别）	NA	NA	NA	NA
14259	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据	NA	NA	NA	NA
14260	2025-04-06	Applications of AI in Predicting Drug Responses for Type 2 Diabetes 2025-Mar-27, JMIR diabetes DOI:10.2196/66831 PMID:40146874	research paper	本文探讨了人工智能在预测2型糖尿病药物反应中的应用	利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型	未提及具体的数据集规模或模型性能的局限性	预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗	2型糖尿病患者	machine learning	diabetes	machine learning, deep learning	ensemble methods	electronic health records, clinical trials, observational studies	NA	NA	NA	NA	NA