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
15161	2025-10-07	Habitat Radiomics Based on MRI for Predicting Platinum Resistance in Patients with High-Grade Serous Ovarian Carcinoma: A Multicenter Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.038 PMID:38129227	研究论文	本研究探索基于MRI的栖息地放射组学预测高级别浆液性卵巢癌患者铂类药物化疗反应的可行性	首次将栖息地放射组学应用于预测HGSOC患者铂类药物耐药性，并与传统放射组学和深度学习模型进行比较	回顾性研究设计，样本来源仅限于三家医院	预测高级别浆液性卵巢癌患者对铂类药物化疗的反应	高级别浆液性卵巢癌患者	医学影像分析	卵巢癌	MRI成像，包括T2加权成像、对比增强T1加权成像和表观扩散系数图	放射组学模型，栖息地模型，深度学习模型	医学影像数据	394名符合条件的患者	NA	K-means聚类算法	AUC，NRI，IDI	NA
15162	2025-03-20	Influence of Deep Learning Based Image Reconstruction on Quantitative Results of Coronary Artery Calcium Scoring 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.020 PMID:38582685	研究论文	本文评估了基于深度学习的图像重建（DLIR）对冠状动脉钙化评分（CACS）定量结果的影响，并探讨了DLIR在CACS中减少辐射剂量的潜力	首次系统评估了DLIR在CACS中的应用，并与传统的滤波反投影（FBP）和自适应统计迭代重建（ASiR-V）进行了比较	研究样本量较小（100名患者），且为回顾性研究，可能影响结果的普遍性	评估DLIR对CACS定量结果的影响及其在减少辐射剂量方面的潜力	100名连续患者和一个人体模型	医学影像	心血管疾病	深度学习图像重建（DLIR）	NA	图像	100名患者（平均年龄62±10岁，40%女性）和一个人体模型	NA	NA	NA	NA
15163	2025-03-20	Assertion Detection in Clinical Natural Language Processing using Large Language Models 2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi61247.2024.00039 PMID:40092287	研究论文	本研究旨在解决从临床笔记中提取医学概念时的断言检测任务，这是临床自然语言处理（NLP）中的关键过程	引入了一种利用预训练在大量医学数据上的大型语言模型（LLMs）进行断言检测的新方法，并结合了先进的推理技术如Tree of Thought (ToT)、Chain of Thought (CoT)和Self-Consistency (SC)，并通过Low-Rank Adaptation (LoRA)微调进一步优化	传统方法需要大量手动工作来创建模式，并且往往忽略较少见的断言类型，导致对上下文的理解不完整	提高临床NLP中医学概念断言检测的准确性和效率	临床笔记中的医学概念	自然语言处理	NA	大型语言模型（LLMs）	LLMs	文本	i2b2 2010断言数据集和本地睡眠概念提取数据集	NA	NA	NA	NA
15164	2025-03-20	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	本研究提出了一种自监督学习方法，通过减少对标签的依赖来提高帕金森病检测的泛化能力	结合Barlow Twins损失和差异损失的自监督损失函数，用于从未标记数据中学习更稳健的特征表示	缺乏标准化的数据采集协议和注释数据集的有限可用性	验证自监督学习方法在减少标签依赖和提高帕金森病检测泛化能力方面的有效性	帕金森病患者和对照组	机器学习	帕金森病	自监督学习	自监督学习模型	击键动态信号	2个独立数据集中的对照组和帕金森病患者	NA	NA	NA	NA
15165	2025-03-20	An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1461542 PMID:40098633	研究论文	本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色	结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗	乳腺超声图像	计算机视觉	乳腺癌	深度学习	U2NET-Lite, DeepCardinal-50	图像	未提及具体样本数量	NA	NA	NA	NA
15166	2025-03-19	Leveraging deep learning for epigenetic protein prediction: a novel approach for early lung cancer diagnosis and drug discovery 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00347-5 PMID:40083337	研究论文	本文提出了一种基于深度学习的表观遗传蛋白预测方法，用于早期肺癌诊断和药物发现	构建了CNN-BiLSTM模型，结合AmpPseAAC特征提取方法，显著提高了表观遗传蛋白预测的性能	未提及具体的数据集大小和模型在实际应用中的验证情况	通过预测表观遗传蛋白，改进疾病诊断和治疗策略，特别是肺癌	表观遗传蛋白	机器学习	肺癌	深度学习	CNN-BiLSTM	蛋白质序列数据	NA	NA	NA	NA	NA
15167	2025-03-19	StopSpamX: A multi modal fusion approach for spam detection in social networking 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103227 PMID:40093577	研究论文	本文提出了一种多模态融合方法StopSpamX，用于社交网络中的垃圾信息检测	结合了多种最先进的词嵌入技术和深度学习混合融合分类器技术，包括GRU、LSTM和CNN，以提高垃圾信息检测的性能	未提及具体的数据集大小或实验环境的限制	实现一个无垃圾信息的社交网络环境	社交网络平台（如Twitter、Instagram、Youtube、Facebook、Whatsapp）上的数据	自然语言处理	NA	Word2Vec, GloVe, FastText, GRU, LSTM, CNN	混合融合分类器（基于文本的分类器和组合分类器）	文本	未提及具体样本数量	NA	NA	NA	NA
15168	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）	NA	NA	NA	NA
15169	2025-10-07	Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137325 PMID:39864200	研究论文	开发了一种基于水凝胶数字RT-LAMP的灵敏度增强方法，用于食品和水中诺如病毒的定量检测	通过原位蒸发富集和界面酶反应将检测灵敏度提高20倍，并在15分钟内实现单病毒定量	NA	开发高灵敏度诺如病毒检测方法用于食品安全监测和环境监测	人类诺如病毒、其他细菌和病毒	数字病理	诺如病毒感染	数字反转录环介导等温扩增(RT-LAMP)、水凝胶技术	深度学习模型	图像数据	3个湖水样本、草莓样本、自来水、饮用水	NA	NA	灵敏度	智能手机应用
15170	2025-10-07	Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137314 PMID:39874751	研究论文	提出一种基于多平台高光谱影像和深度回归网络的内陆水体营养盐污染制图方法	提出结合高维注意力加权差异的深度卷积空谱联合学习方法，优化深度特征提取	NA	解决水质制图不准确的问题，实现多参数水质指标的高精度估算	内陆水体中的总氮、总磷和氨氮三种关键富营养化相关水质参数	计算机视觉	NA	高光谱遥感	深度学习回归网络	高光谱影像	NA	NA	深度卷积网络	决定系数(R2), 平均绝对误差(MAE), 均方误差(MSE)	NA
15171	2025-03-19	Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100670 PMID:40091912	研究论文	本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用	通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性	研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用	验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光谱域OCT（SD-OCT）	UNet, DeepLabv3	图像	402个SD-OCT扫描	NA	NA	NA	NA
15172	2025-10-07	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	研究论文	本研究探讨了神经网络复杂度对神经肌肉疾病患者MRI图像中大腿肌肉自动分割的影响	首次系统研究神经网络复杂度降低对个体肌肉脂肪分数量化的影响	研究样本量相对有限（73名受试者），仅针对大腿肌肉区域	评估不同复杂度U-Net架构在神经肌肉疾病患者大腿肌肉分割和脂肪分数量化中的性能	神经肌肉疾病患者和健康受试者的大腿MRI图像	医学影像分析	神经肌肉疾病	MRI	U-Net	医学图像	1450张大腿图像，来自59名患者和14名健康受试者（共73人）	NA	U-Net, nnU-Net	Dice分数, 脂肪分数量化误差	GPU内存使用（2.37-12.8 GB），训练时间（14-167小时）
15173	2025-03-19	Towards precision agriculture: A dataset for early detection of corn leaf pests 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111394 PMID:40083639	研究论文	本文介绍了一个用于早期检测玉米叶害虫的数据集，旨在通过机器学习和深度学习模型提高精准农业和自动化害虫检测的水平	提供了一个包含多种玉米叶害虫图像的数据集，涵盖了不同生长阶段和田间环境下的图像，并包含了手动和算法分割的背景，增强了数据集的多样性和实用性	数据集主要基于智能手机拍摄的图像，可能存在图像质量不一致的问题，且背景污染可能影响模型的训练效果	开发机器学习和深度学习模型，用于早期检测玉米叶害虫，以支持精准农业和可持续农业实践	玉米叶害虫，特别是Spodoptera frugiperda（秋粘虫）、叶枯病和Zonocerus variegatus（杂色蝗虫）	计算机视觉	NA	机器学习和深度学习	NA	图像	数据集包含1308张未增强的健康叶片图像、11772张增强的健康叶片图像、848张感染叶片图像和7632张增强的感染叶片图像	NA	NA	NA	NA
15174	2025-10-07	Can deep learning classify cerebral ultrasound images for the detection of brain injury in very preterm infants? 2025-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11028-4 PMID:39212671	研究论文	本研究开发了深度学习模型用于分类早产儿脑部超声图像，区分正常与异常情况，作为计算机辅助检测工具	首次将深度学习应用于早产儿脑部超声图像的自动分类，并采用预测不确定性过滤策略提升模型性能	模型在初始阶段性能仅达到中等水平，需要多种机器学习策略来提升性能	开发计算机辅助检测工具，为早产儿脑部超声扫描提供及时解读	极早产婴儿（胎龄220-306周）的脑部超声图像	计算机视觉	脑损伤	脑部超声成像	CNN	图像	538名婴儿的4180张脑部超声图像	NA	卷积神经网络	ROC AUC, PR AUC, 精确率, 召回率	NA
15175	2025-10-07	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2025-Mar-17, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	利用几何方法和机器学习加速筛选具有高光学各向异性的范德华材料	结合几何聚类与深度学习架构（特别是原子线图神经网络）实现范德华材料光学各向异性的高效预测	NA	开发高效筛选具有巨大光学各向异性范德华材料的方法	范德华材料	机器学习	NA	密度泛函理论, 椭圆偏振测量	图神经网络	晶体结构数据, 光学参数	NA	NA	Atomistic Line Graph Neural Network	预测能力验证	NA
15176	2025-03-19	EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model 2025-Mar-17, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2477801 PMID:40096584	研究论文	本文提出了一种基于自编码器特征融合和MSC-TimesNet模型的脑电图（EEG）情感识别方法	提出了一种创新的深度学习模型MSC-TimesNet，结合多尺度卷积核，有效提取周期内和周期间信息	未提及具体局限性	提高EEG信号在情感识别任务中的分类性能	脑电图（EEG）信号	机器学习	NA	自编码器特征融合，MSC-TimesNet模型	MSC-TimesNet	EEG信号	公共数据集DEAP和Dreamer	NA	NA	NA	NA
15177	2025-10-07	A deep learning tissue classifier based on differential co-expression genes predicts the pregnancy outcomes of cattle† 2025-Mar-16, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioaf009 PMID:39832283	研究论文	基于差异共表达基因开发深度学习组织分类器预测牛妊娠结局	首次整合多来源样本分析基因共变异，利用差异共表达基因而非传统差异表达基因构建预测模型	样本量相对有限（330个样本），仅基于转录组数据	预测牛人工授精或胚胎移植后的妊娠结局	牛血液和子宫内膜组织样本	机器学习	生殖疾病	转录组分析	深度学习	基因表达数据	330个样本（来自7个不同来源，两种组织类型）	NA	NA	准确率	NA
15178	2025-03-19	VM-UNet++ research on crack image segmentation based on improved VM-UNet 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92994-7 PMID:40089495	研究论文	本文提出了一种基于改进VM-UNet的裂纹图像分割方法VM-UNet++，旨在提高裂纹检测的准确性	本文创新性地结合了Mamba架构和UNet模型的优势，显著提升了裂纹分割的准确性	尽管VM-UNet++在分割精度上有所提升，但其计算成本仍然是一个挑战	研究目的是改进裂纹图像分割的准确性，以满足实际应用需求	研究对象是裂纹图像	计算机视觉	NA	深度学习	VM-UNet++	图像	Crack500和Ozgenel公共数据集	NA	NA	NA	NA
15179	2025-03-19	Emerging trends in SERS-based veterinary drug detection: multifunctional substrates and intelligent data approaches 2025-Mar-15, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00393-z PMID:40089516	review	本文综述了基于表面增强拉曼散射（SERS）的兽药检测方法的发展，特别是多功能基底和智能数据分析的应用	提出了多功能基底的概念，并探讨了深度学习技术在SERS检测中的应用，包括基底结构设计优化、光学性质预测、光谱预处理及定性和定量分析	选择报告分子、数据不平衡和计算需求方面的挑战	提高兽药残留检测的精确性和效率	兽药残留	machine learning	NA	SERS	深度学习	光谱数据	NA	NA	NA	NA	NA
15180	2025-03-19	A theory and data-driven method for rapid bottom hole pressure calculation in UGS 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93337-2 PMID:40087345	研究论文	本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力	创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度	方法在样本有限的环境中的应用仍需进一步验证	提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理	地下储气库（UGS）的井底压力	机器学习	NA	神经网络模型	TDDNN（理论和数据驱动的神经网络模型）	理论模型生成的样本和真实样本	NA	NA	NA	NA	NA