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
1461	2025-05-07	Forecasting daily total pollen concentrations on a global scale 2024-Aug, Allergy IF:12.6Q1 DOI:10.1111/all.16227 PMID:38995241	研究论文	该研究使用CatBoost和深度学习模型预测全球23个城市未来14天的每日总花粉浓度	首次在全球范围内应用CatBoost和深度学习模型进行花粉浓度预测，并分析了影响预测的关键环境变量	部分城市预测效果较差(如布里斯班和首尔)，模型在不同城市的表现差异较大	提高空气花粉预测的准确性以应对气候变化带来的影响	全球23个城市的花粉浓度数据	机器学习	过敏性疾病	CatBoost和深度学习	CB和DL	环境参数和花粉浓度数据	23个城市的数据
1462	2025-05-07	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	研究论文	本研究旨在利用卷积神经网络从平衡放射性核素血管造影数据集中生成深度学习感兴趣区域（ROIs），用于左心室射血分数（LVEF）测量	使用2D U-Net卷积神经网络架构自动生成深度学习ROIs，减少了观察者间的变异性，提高了LVEF测量的便利性和可重复性	研究仅基于特定医疗中心的数据，可能无法完全代表其他医疗环境的情况	开发一种自动测量左心室射血分数的方法，提高测量的准确性和效率	平衡放射性核素血管造影数据集	数字病理	心血管疾病	平衡放射性核素血管造影	2D U-Net CNN	医学影像	41,462次扫描（来自19,309名患者）
1463	2025-05-07	Single-cell multi-omics analysis reveals cooperative transcription factors for gene regulation in oligodendrocytes 2024-Jun-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.19.599799 PMID:38948852	研究论文	通过单细胞多组学分析揭示少突胶质细胞中转录因子的协同调控机制	整合scRNA-seq和scATAC-seq数据，利用深度学习模型预测目标基因表达，并计算TF重要性和TF-TF相互作用分数，揭示了少突胶质细胞中转录因子的协同调控机制	研究主要基于计算模型预测，部分结果需要实验验证	探究少突胶质细胞中转录因子如何协同调控基因表达	少突胶质细胞中的转录因子及其靶基因	生物信息学	脑部疾病	scRNA-seq, scATAC-seq, 深度学习, ChIP-seq	深度学习模型	单细胞多组学数据	NA
1464	2025-05-07	Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2023.111887 PMID:38128469	研究论文	本文介绍了一种新型磁驱动压缩系统'MagnaSquish'，用于研究人类骨软骨栓在循环加载过程中轴向和侧向应变的时间动态	开发了磁驱动装置，实现加载周期之间的完全提升，解决了传统系统因持续接触可能影响组织再水化的问题	研究仅使用了尸体人类骨软骨栓样本，可能无法完全反映活体组织的动态特性	研究循环加载过程中软骨组织应变积累的机制	人类骨软骨栓	生物力学	骨关节疾病	磁驱动压缩系统	UNet	图像	人类尸体骨软骨栓样本，进行了750次加载循环
1465	2025-05-07	Predicting trabecular arrangement in the proximal femur: An artificial neural network approach for varied geometries and load cases 2023-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2023.111860 PMID:37948877	research paper	使用前馈神经网络预测股骨近端小梁排列，以几何和载荷参数为输入，输出表观密度	采用机器学习方法替代有限元法，显著减少计算时间，同时保持高精度	结果需依赖特定数据集，扩展至其他结构需重新获取数据	开发高效准确的骨重塑现象预测模型	股骨近端小梁排列	machine learning	NA	feed-forward neural networks	NN	density distribution dataset	包含多种几何形状和载荷情况的样本
1466	2025-05-06	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	research paper	介绍了一种基于深度学习的LOCA-PRAM方法，用于在光子共振吸收显微镜中实现金纳米颗粒的数字化分辨率检测	结合深度学习与光子共振吸收显微镜，通过金纳米颗粒作为分子标签实现数字化分辨率检测，无需样品分区或酶扩增	未明确提及方法的局限性	实现数字化分辨率的分子生物标志物检测，用于疾病诊断和治疗研究	金纳米颗粒（AuNPs）作为分子标签	digital pathology	NA	Photonic Resonator Absorption Microscopy (PRAM), Scanning Electron Microscopy (SEM)	deep learning	image	未明确提及样本数量
1467	2025-05-06	Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli 2025-Jul-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.03.155 PMID:40187420	research paper	开发一种结合面部表情和身体姿势的多模态识别模型，用于抑郁症的快速初步筛查	结合面部表情和身体姿势的多模态识别模型，利用深度学习技术进行抑郁症筛查	样本量较小，仅包含146名受试者	提高抑郁症检测效率，辅助医生早期识别患者	抑郁症患者和健康个体的面部表情及身体姿势变化	digital pathology	geriatric disease	深度学习技术	ResNet-50, OpenFace	视频图像	146名受试者（73名患者组和73名对照组）
1468	2025-05-06	Interpretable machine learning and graph attention network based model for predicting PAMPA permeability 2025-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109050 PMID:40245571	研究论文	本研究使用机器学习和深度学习模型预测PAMPA渗透性	结合可解释机器学习和图注意力网络（GAT）模型预测PAMPA渗透性，并在外部数据集上验证模型性能	GAT模型在初始验证数据集上的准确率相对较低（74%）	预测药物化合物在脂质膜中的渗透性和吸收性	5447种具有PAMPA渗透性评分的化合物	机器学习	NA	PAMPA（平行人工膜渗透性测定）	Random forest (RF), Explainable boosting machine (EBM), Adaboost, Graph attention network (GAT)	化合物数据	5447种化合物
1469	2025-05-06	Multi-class brain malignant tumor diagnosis in magnetic resonance imaging using convolutional neural networks 2025-Jun-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111329 PMID:40180191	研究论文	本研究开发了一种深度学习模型FoTNet，用于提高多类脑恶性肿瘤在磁共振成像中的自动诊断准确性	整合了基于频率的通道注意力层和焦点损失函数，以解决由PCNSL样本有限引起的类别不平衡问题	样本量相对有限，尤其是PCNSL肿瘤的样本较少	提高多类脑恶性肿瘤（GBM、PCNSL和BM）在MRI中的自动诊断准确性	多中心MRI数据集，包括GBM、PCNSL和BM病例	数字病理学	脑恶性肿瘤	MRI	CNN	图像	58例GBM、82例PCNSL和269例BM的T1加权对比增强MRI图像
1470	2025-05-06	Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data 2025-May-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179303 PMID:40245507	研究论文	提出了一种基于LSTM自编码器的新型时间空气质量风险指数（TARI），用于更全面地评估空气污染对健康的影响	首次将深度学习应用于环境指数开发，通过LSTM自编码器捕捉环境因素的复杂相互作用和时间依赖性	研究仅基于韩国空气质量数据，未在其他地区验证	开发更全面的空气质量指数以更准确地评估空气污染对健康的影响	韩国空气质量数据	机器学习	NA	LSTM autoencoder	LSTM	时间序列数据	韩国空气质量数据（具体样本量未提及）
1471	2025-05-06	Pix2Pix generative-adversarial network in improving the quality of T2-weighted prostate magnetic resonance imaging: a multi-reader study 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243102 PMID:40320939	research paper	评估生成对抗网络Pix2Pix在提升T2加权前列腺磁共振成像质量方面的性能和可行性	使用Pix2Pix模型在合成降质图像上进行训练，有效提升前列腺MRI图像质量并保持真实性	研究主要基于合成降质图像，真实临床环境中的效果需进一步验证	提升T2加权前列腺磁共振成像的质量	前列腺磁共振成像图像	digital pathology	prostate cancer	MRI	GAN (Pix2Pix)	image	1,476名生物学男性，1,500次扫描（训练集1,300，验证集100，测试集100），外加33名患者的内部外部测试数据集
1472	2025-05-06	Detection of common bile duct dilatation on magnetic resonance cholangiopancreatography by deep learning 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253218 PMID:40321102	研究论文	本研究利用深度学习技术从磁共振胰胆管造影（MRCP）图像中检测胆总管扩张	采用DenseNet121 CNN模型在胆总管扩张检测中实现了97%的高准确率	需要在多中心研究和更大数据集上进行验证，并解决技术、伦理和财务限制	开发一种基于深度学习的胆总管扩张检测方法	胆总管扩张	数字病理学	胆道疾病	磁共振胰胆管造影（MRCP）	CNN（包括ResNet50、DenseNet121和VGG模型）	图像	147张MRCP图像（77张无胆总管扩张，70张有胆总管扩张）
1473	2025-05-06	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-May-05, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	本研究开发了一种多模态机器学习模型，结合MRI影像组学、深度学习特征和临床指标，用于预测儿童恶性肿瘤患者术后3年无病生存期	整合MRI影像组学、深度学习特征和临床指标，构建多模态预测模型，显著提高了术后预后的预测准确性	回顾性研究设计，样本量相对有限（260例），且仅针对儿童脑肿瘤患者	预测儿童恶性肿瘤患者术后3年无病生存期，为个性化治疗提供科学依据	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	数字病理	脑肿瘤	MRI影像组学分析、深度学习特征提取	SVM、RF、LightGBM等6种机器学习模型，其中LightGBM表现最佳	MRI图像（T1增强）和临床数据	260例儿童脑肿瘤患者
1474	2025-05-06	ASAS-NANP SYMPOSIUM: MATHEMATICAL MODELING IN ANIMAL NUTRITION: Synthetic Database Generation for Non-Normal Multivariate Distributions: A Rank-Based Method with Application to Ruminant Methane Emissions 2025-May-04, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skaf136 PMID:40319357	research paper	本研究提出了一种基于秩的方法，用于生成具有相关非正态多元分布的合成数据库，以提高预测建模工具的准确性和可靠性	提出了一种新颖的基于秩的方法，用于生成合成数据库，该方法在保留原始分布矩和相关结构方面优于基于copula的方法	可能在合成数据库的子集中引入人工（未知）关系，且随机森林回归在不同分布类型的数据上表现不佳	解决动物科学中数据可用性有限的问题，特别是在建模复杂生物过程（如反刍动物甲烷排放）时	反刍动物甲烷排放	machine learning	NA	rank-based method, copula-based approaches	random forest (RF), multiple linear model (LM)	synthetic database	生成两个合成数据库（正态和非正态分布）
1475	2025-05-06	An optimized deep neural network with explainable artificial intelligence framework for brain tumour classification 2025-May-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2500046 PMID:40320295	research paper	本文提出了一种优化的深度神经网络框架，结合可解释人工智能技术，用于脑肿瘤分类	使用Henry气体溶解度优化算法（HGSO）优化ResNet模型的关键超参数，并结合GRAD-CAM算法增强模型的可解释性	仅使用了两个数据库进行验证，可能需要更多样化的数据集来验证模型的泛化能力	提高MRI图像中脑肿瘤分类的准确性和可解释性	脑肿瘤的MRI图像	digital pathology	brain tumour	MRI	ResNet-18, ResNet-50	image	两个数据库（Database1包含四类肿瘤，Database2包含三类肿瘤）
1476	2025-05-06	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-May-04, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估一种基于深度学习的交互式图像搜索系统在口腔病理诊断中的效果	首次评估了交互式CBIR系统在帮助病理学家诊断口腔肿瘤方面的有效性	误诊可能由于查询输入不当、罕见形态类型检索性能差、缺乏详细临床信息或系统无法检索到准确类别	评估交互式图像搜索系统在口腔肿瘤诊断中的临床可用性	口腔肿瘤病例	数字病理	口腔肿瘤	深度学习	CBIR系统	图像	603个病例的54,676个图像块，来自85种口腔肿瘤类别
1477	2025-05-06	Discovery and Prediction on a Family of Hard Superconductors with Kagome Lattice: XY3 Compounds 2025-May-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c15032 PMID:40317254	研究论文	通过结构预测发现具有Kagome晶格的硬超导体XY3化合物，并计算其超导临界温度	利用结构预测技术发现NaSi_6/相中的Kagome晶格，并通过计算揭示CsB在0 GPa下的超导临界温度可达30.54 K	研究仅基于理论预测和计算，尚未进行实验验证	探索和设计具有Kagome晶格和硬度的超导体	XY3化合物（如NaSi、LiB、CsB等）	材料科学	NA	结构预测、深度学习分子动力学模拟	深度学习	计算数据	多种XY3化合物（如NaSi、LiB、CsB等）
1478	2025-05-06	Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping 2025-May-03, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03356-7 PMID:40317423	研究论文	本文提出了一种基于深度学习的定量磁共振参数映射新方法qDC-CNN，旨在加速磁共振成像并提高图像质量	提出了一种集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络进行参数估计	研究主要基于模拟数据集，需要在真实临床数据上进一步验证	提高定量磁共振成像(qMRI)的准确性和临床相关性，显著减少采集时间	脑部多切片多回波(MSME)磁共振成像数据	医学影像分析	NA	定量磁共振成像(qMRI)	qDC-CNN(包含展开的图像重建网络和全连接神经网络)	磁共振图像	基于BrainWeb数据库生成的模拟MSME数据集
1479	2025-05-06	The use of machine learning in transarterial chemoembolisation/transarterial embolisation for patients with intermediate-stage hepatocellular carcinoma: a systematic review 2025-May-03, La Radiologia medica DOI:10.1007/s11547-025-02013-y PMID:40317437	系统性综述	本文系统性综述了机器学习在中期肝细胞癌患者经动脉化疗栓塞/经动脉栓塞治疗中的应用效果	评估机器学习模型在提高TACE和TAE治疗精度和效果方面的潜力	研究异质性限制了比较，需要标准化协议和更大规模的多中心试验	评估机器学习在中期肝细胞癌治疗中的应用效果	中期肝细胞癌患者	机器学习	肝细胞癌	机器学习	深度学习、放射组学	医疗数据	7项研究，涉及4017名患者
1480	2025-05-06	Thorax-encompassing multi-modality PET/CT deep learning model for resected lung cancer prognostication: A retrospective, multicenter study 2025-May-03, Medical physics IF:3.2Q1 DOI:10.1002/mp.17862 PMID:40317503	研究论文	本研究开发了一个结合FDG PET和CT影像以及临床、手术和病理信息的深度学习模型，用于预测非小细胞肺癌（NSCLC）患者的无复发生存期（RFS）并分层风险	首次使用多模态影像结合临床、手术和病理数据预测NSCLC患者术后RFS，并优于传统分期方法	研究为回顾性设计，样本量相对有限（本地机构305例，外部验证195例）	开发优于传统癌症分期的预后预测模型，帮助识别术后需要额外治疗的高风险NSCLC患者	接受手术切除的早期NSCLC患者	数字病理	肺癌	FDG PET和CT影像分析	多模态深度学习模型（DLM）	医学影像（PET/CT）和临床数据	500例患者（本地305例+外部验证195例）