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
1541	2025-05-29	Self-Powered, Flexible, Wireless and Intelligent Human Health Management System Based on Natural Recyclable Materials 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02186 PMID:39436357	research paper	该研究设计了一种基于天然可回收材料的自供电、柔性、无线智能健康管理系统，用于人体运动识别和睡眠呼吸异常的早期预警	通过将丝瓜导电石墨四摩擦层增强的摩擦纳米发电机（LG-TENG）与深度学习模型结合，实现了高精度的运动分析和睡眠呼吸监测	NA	开发一种基于天然可回收材料的自供电健康管理系统，用于肥胖引起的慢性疾病的监测和干预	肥胖引起的慢性疾病（如阻塞性睡眠呼吸暂停、II型糖尿病、心血管疾病和阿尔茨海默病）患者	物联网与大数据	肥胖相关慢性疾病	摩擦纳米发电机（TENG）技术	深度学习模型	运动信号和呼吸信号	三个个体的七种位移速度类别
1542	2025-05-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究整合空间转录组学和单核RNA测序数据，增强了对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	结合空间转录组学(ST)和单核RNA测序(snRNA-seq)数据，提高了空间信息和细胞类型特异性差异基因表达(DGE)分析的效力，发现了传统方法无法检测到的与阿尔茨海默病相关的基因和通路	研究依赖于推断的空间位置信息，可能不如直接测量的空间数据准确	增强对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	阿尔茨海默病相关的β-淀粉样蛋白、缠结密度和认知衰退表型	生物信息学	阿尔茨海默病	空间转录组学(ST)、单核RNA测序(snRNA-seq)	深度学习工具CelEry、线性混合回归模型	基因表达数据	436个死后大脑的背外侧前额叶皮层(DLPFC)组织的约150万个细胞
1543	2025-05-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-11-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	research paper	介绍了一种名为ChromaFold的深度学习模型，能够从单细胞ATAC测序数据预测3D接触图谱	ChromaFold仅需scATAC-seq数据即可预测3D接触图谱，包括调控相互作用，且在性能上达到领先水平	模型依赖于配对scATAC-seq和Hi-C数据进行训练，可能限制了其在没有Hi-C数据情况下的应用	开发一个能够从单细胞染色质可及性数据预测3D接触图谱的深度学习模型	人类和小鼠的测试细胞类型	machine learning	NA	scATAC-seq, Hi-C	deep learning model	genomic data	人类和小鼠的测试细胞类型
1544	2025-05-29	Automated detection and de novo structure modeling of nucleic acids from cryo-EM maps 2024-10-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53721-4 PMID:39477926	research paper	提出了一种基于深度学习的自动化方法EM2NA，用于从冷冻电镜图谱中准确检测和从头建模核酸结构	EM2NA方法在<5 Å分辨率的冷冻电镜图谱中实现了DNA/RNA结构的从头建模，性能优于现有方法	NA	提高从冷冻电镜图谱中确定DNA/RNA结构的准确性	DNA/RNA结构	structural biology	NA	cryo-EM, deep learning	deep learning-based method	cryo-EM maps	50个实验图谱（2.0-5.0 Å分辨率）和263个未建模原始图谱
1545	2025-05-29	Predictive models and applicability of artificial intelligence-based approaches in drug allergy 2024-Aug-01, Current opinion in allergy and clinical immunology IF:3.0Q3 DOI:10.1097/ACI.0000000000001002 PMID:38814733	review	本文综述了预测模型和人工智能在药物过敏诊断中的潜在应用	探讨了人工智能技术（如机器学习和深度学习）在药物过敏诊断中的新兴应用	现有的药物过敏预测模型较少，且多采用逻辑回归分析，缺乏多样性	评估预测模型和人工智能在药物过敏诊断和管理中的效用	药物过敏患者	machine learning	drug allergy	machine learning, deep learning, artificial neural networks	logistic regression, artificial neural networks	clinical data	NA
1546	2025-05-29	FedAssist: Federated Learning in AI-Powered Prosthetics for Sustainable and Collaborative Learning 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781961 PMID:40039020	研究论文	本文探讨了联邦学习在开发深度学习驱动的表面肌电信号解码方法中的应用，用于AI控制的假肢	提出了FedAssist框架，通过本地和全局预热策略，有效解决了sEMG数据集的非独立同分布问题	未提及具体样本量或实验规模	推进去中心化机器学习方法在sEMG领域的应用，提高假肢精度和康复效果	AI控制的假肢	机器学习	NA	联邦学习	深度学习	表面肌电信号(sEMG)	NA
1547	2025-05-29	Multi-class Prediction of Cognitively Normal / Mild Cognitive Impairment / Alzheimer's Disease Status in Dementia Based on Convolutional Neural Networks with Attention Mechanism 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781557 PMID:40039646	研究论文	开发了一个基于MRI和深度学习的多类别阿尔茨海默病分类预测框架	在传统VGG19架构中嵌入卷积块注意力模块（CBAM）注意力层，构建了名为AD_Net的阿尔茨海默病定向预测3D卷积模型	未明确说明模型在其他独立数据集上的泛化能力	阿尔茨海默病的早期诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者	数字病理学	阿尔茨海默病	MRI成像	CNN（VGG19架构改进）与注意力机制结合	MRI图像	来自ADNI开放数据资源的MRI图像（具体数量未说明）
1548	2025-05-29	Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782195 PMID:40040188	研究论文	本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中正则化参数的最优值	利用残差神经网络直接从原始测量数据（正弦图）预测正则化参数的最优值，避免了传统手动调参的繁琐过程	研究仅基于合成数据集进行训练和验证，未在真实临床数据上进行测试	优化PET图像重建过程中的正则化参数设置，提高图像质量	PET重建算法中的正则化参数	医学影像处理	NA	深度学习	残差神经网络(ResNet)	2D正弦图	合成数据集（具体数量未提及）
1549	2025-05-29	Early Detection of Optic Nerve Changes on Optical Coherence Tomography Using Deep Learning for Risk-Stratification of Papilledema and Glaucoma 2024-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001945 PMID:37494177	研究论文	本研究利用深度学习技术分析光学相干断层扫描（OCT）图像，以早期发现视神经变化，预测视乳头水肿和青光眼的风险分层	利用AI检测人类难以识别的微观特征，预测视乳头水肿和青光眼的早期进展，而临床医生在OCT上未发现显著变化	研究为概念验证性质，需要进一步研究以建立可用于眼科早期诊断或风险分层的AI模型	探索人工智能在眼科早期疾病预测中的应用	视乳头水肿和青光眼患者的OCT图像	数字病理学	青光眼	光学相干断层扫描（OCT）	Visual Geometry Group-19 (VGG-19)	图像	视乳头水肿患者93例（166眼），青光眼患者187例（327眼），以及匹配的对照组视乳头水肿254例（379眼）和青光眼441例（739眼）
1550	2025-05-29	Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3497895 PMID:39698476	研究论文	本研究探讨了高分辨率颈部听诊(HRCA)信号在评估鼻胃管(NG)患者吞咽功能中的应用	首次将针对无NG管患者开发的机器学习架构调整应用于NG管患者，以评估其吞咽功能	预测结果的准确度仍有提升空间，如舌骨位置识别的重叠率仅为41.27%	评估HRCA信号在鼻胃管患者吞咽功能分析中的效用	使用鼻胃管的患者	数字病理学	老年疾病	高分辨率颈部听诊(HRCA)	卷积循环神经网络(CNN-RNN), 混合模型, 堆叠循环神经网络	振动和声学信号	未明确提及具体样本数量，但涉及多个NG管患者的HRCA信号分析
1551	2025-05-29	Deep Learning Based Prediction of Myopia Control Effect in Children Treated With Overnight Orthokeratology 2024-Jan-01, Eye & contact lens DOI:10.1097/ICL.0000000000001054 PMID:37934166	研究论文	开发并验证了一种基于深度学习的模型，用于预测接受角膜塑形镜治疗的儿童12个月眼轴长度增长，并研究基线因素和早期角膜地形变化与近视控制效果的关系	首次结合基线因素和角膜地形变化，使用深度神经网络预测近视控制效果	样本量较小（115例患者），且仅评估了12个月的效果	预测儿童接受角膜塑形镜治疗后的眼轴长度增长，评估近视控制效果	接受角膜塑形镜治疗的儿童患者	数字病理	近视	角膜地形图分析	深度神经网络（DNN）	医学记录和角膜地形图数据	115例患者（83例用于算法开发，32例用于评估）
1552	2025-05-29	Structural and functional connectome relationships in early childhood 2023-12, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2023.101314 PMID:37898019	research paper	研究早期儿童大脑结构与功能连接组的关系及其发展模式	应用了一种基于图卷积神经网络的深度学习模型和新损失函数，以更好地捕捉个体间异质性并预测个体的功能连接	研究样本主要集中在1至6岁的儿童和成人，可能无法完全代表其他年龄段的结构-功能关系	探究早期儿童大脑皮质结构与功能耦合的发展及其与成人的比较	儿童（1、2、4、6岁）和成人的大脑结构与功能连接	神经科学	NA	图卷积神经网络	GCN	神经影像数据	360名儿童和89名成人
1553	2025-05-29	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	review	本文综述了人工智能在肝细胞癌放射学诊断中的最新应用进展	探讨了AI特别是深度学习和神经网络模型在HCC放射学检测中的应用及其优势	需要进一步研究和临床实施以充分发挥AI在HCC管理中的潜力	提高肝细胞癌的早期检测、治疗选择和患者预后	肝细胞癌（HCC）	digital pathology	liver cancer	deep learning, neural network models	NA	imaging data	NA
1554	2025-05-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550836 PMID:37546906	research paper	提出了一种名为ChromaFold的深度学习模型，用于从单细胞ATAC测序数据预测3D接触图和调控相互作用	ChromaFold能够仅使用scATAC-seq数据预测3D接触图和调控相互作用，且在性能上优于现有方法	需要依赖配对scATAC-seq和Hi-C数据进行训练，可能限制了其在某些场景下的应用	通过预测3D染色质相互作用来解析基因调控和疾病相关非编码变异的功能	人类和小鼠细胞系及组织中的3D染色质相互作用	machine learning	NA	scATAC-seq, Hi-C	deep learning	genomic data	人类和小鼠细胞系及组织
1555	2025-05-28	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Sep-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	research paper	该研究基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术，检测两种单花蜜（油菜蜜和枸杞蜜）及其掺假样品的真实性	通过优化GoogLeNet架构中的inception模块、应用L2正则化改进全连接层，并实施监控训练网络模型以减少过拟合，提升了模型鲁棒性	样本量较小（训练集133个，验证集33个，测试集12个），可能影响模型的泛化能力	开发一种高效准确的蜂蜜真实性检测方法	油菜蜜、枸杞蜜及其掺假样品（玉米糖浆或其他类型蜂蜜）	computer vision	NA	三维荧光光谱技术	Canny-GoogLeNet（改进的CNN架构）	光谱图像数据	总计178个样本（训练133，验证33，测试12）
1556	2025-05-28	Artificial intelligence in refractive surgery 2025-Jul-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001139 PMID:40277339	review	本文综述了人工智能在屈光手术中的应用及其进展	人工智能在屈光手术中的应用包括生物测量、病理检测、手术决策和教育等多个方面	未提及具体的技术局限性或研究不足	探讨人工智能在屈光手术中的应用及其对手术安全性和有效性的提升	屈光手术中的生物测量、病理检测、手术决策和教育	人工智能在医学中的应用	眼科疾病	人工智能、机器学习和深度学习	NA	前段成像数据	NA
1557	2025-05-28	Advancements in artificial intelligence for the diagnosis and management of anterior segment diseases 2025-Jul-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001150 PMID:40279352	review	本文综述了人工智能在前段眼病诊断和管理中的最新进展及其潜力	利用AI技术（包括机器学习和深度学习模型）提升前段眼病的诊断准确性和治疗个性化	数据多样性不足和模型可解释性问题	探讨人工智能在前段眼病诊断和管理中的应用及其对临床实践的潜在影响	前段眼病，包括角膜疾病、屈光手术、白内障、结膜疾病（如翼状胬肉）、沙眼和干眼症等	digital pathology	anterior segment diseases	machine learning, deep learning, generative AI	NA	imaging data, clinical information	large-scale
1558	2025-05-28	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	research paper	本研究利用深度学习框架AIGO-DTI预测茵陈蒿汤主要成分对TLR4的靶向概率，并验证了异莨菪亭通过TLR4影响树突状细胞成熟的潜在治疗作用	提出AIGO-DTI深度学习框架，在预测YCHD成分与TLR4相互作用方面优于其他机器学习模型，并发现异莨菪亭的治疗潜力	研究主要基于计算预测和体外实验，需要进一步的体内实验验证	探索茵陈蒿汤中针对TLR4的有效成分及其治疗肝病的机制	茵陈蒿汤的主要成分及其与TLR4的相互作用	machine learning	hepatitis	deep learning	AIGO-DTI, RF, SVM, KNN, XGBoost, GCN, GAT	chemical compounds data	NA
1559	2025-05-28	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	research paper	提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于预测药物-药物相互作用	首次结合原子视图和子结构视图特征，并设计了一个可解释的交互模块，提高了预测的准确性和可解释性	仅验证了BIOSNAP和DrugBank数据集，在其他数据集上的泛化能力尚未验证	提高药物-药物相互作用预测的准确性和可解释性	药物分子	machine learning	NA	Message Passing Neural Network (MPNN), transformer encoders	MPNN, transformer	molecular graphs, drug SMILES	BIOSNAP数据集和DrugBank数据集
1560	2025-05-28	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	本文提出了一种通过手术刀运动分析评估开放手术中切割技能的方法	设计了3D多面ArUco代码立方体，并使用YOLOv8模型识别手术刀类型和选择其尖端位置，提出了五个评估指标来量化外科医生的切割技能	实验样本量较小，仅涉及20名专家和新手外科医生	评估开放手术中外科医生的切割技能	外科医生的切割技能	计算机视觉	NA	运动分析、YOLOv8模型	YOLOv8	图像、3D坐标数据	20名专家和新手外科医生