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
1721	2025-05-04	Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1442114 PMID:39835306	research paper	该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级	引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度	未提及具体的数据集规模或模型在更大规模数据集上的泛化能力	开发一种高效的自动化糖尿病视网膜病变分级方法	糖尿病视网膜病变的医学图像	digital pathology	diabetic retinopathy	vision transformer	Transformer	image	NA
1722	2025-05-04	Integrating deep learning in public health: a novel approach to PICC-RVT risk assessment 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1445425 PMID:39839389	研究论文	本研究评估了七种机器学习算法（包括三种深度学习和四种传统机器学习模型）在利用时间序列数据评估PICC-RVT风险方面的有效性，并确定了关键预测因素	首次将深度学习模型应用于PICC-RVT风险评估，并比较了深度学习与传统机器学习模型的性能差异	研究为回顾性多中心队列研究，可能存在选择偏倚	评估机器学习算法在PICC-RVT风险评估中的有效性并识别关键预测因素	接受PICC置管的患者	机器学习	静脉血栓	机器学习	DeepSurv, Cox-Time等	时间序列数据	5,272名患者
1723	2025-05-04	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型	研究基于回顾性数据，样本量相对有限（261例患者）	开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	CT扫描、放射组学分析	ResNet34、DNN	CT图像、临床数据	261例肺癌患者
1724	2025-05-04	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	research paper	本研究提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号中预测血压，以改善远程医疗中的健康监测	提出ResNet-LSTM混合模型，结合ResNet的特征提取能力和LSTM的序列数据处理能力，提高了血压预测的准确性	计算成本较高（约4,375 FLOPs），未来需要优化云基础设施以实现实时分析	开发一种非侵入式血压预测方法，以改善心血管疾病的远程健康监测	通过智能可穿戴设备收集的生理信号（ECG和PPG）	machine learning	cardiovascular disease	deep learning	ResNet-LSTM	physiological signals (ECG, PPG)	NA
1725	2025-05-04	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种名为NuFold的新型深度学习方法，用于预测RNA的三级结构	NuFold采用了一种灵活的核苷碱基中心表示方法，能够准确再现所有可能的核苷酸构象	NA	解决RNA序列数据与结构理解之间的差距，提供一种经济高效的RNA三级结构预测方法	RNA的三级结构	机器学习和计算生物学	NA	深度学习	NuFold	RNA序列数据	NA
1726	2025-05-04	Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses 2023-Jul-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.13.548611 PMID:37503003	研究论文	开发了一种高通量基因标记方法，用于生成和分析内源性标记蛋白的复杂细胞池，以可视化或直接扰动蛋白质	结合高通量基因标记、荧光标记、测序和基于深度学习的图像分析，实现了蛋白质定位模式的大规模识别，并通过疏水性配体诱导蛋白质错误折叠，揭示了细胞器间的组织和直接串扰	NA	研究蛋白质组的动态、功能和稳态	内源性标记蛋白的复杂细胞池	蛋白质组学	NA	高通量基因标记、HaloTag标记、单细胞RNA测序、深度学习	深度学习	图像、RNA测序数据	NA
1727	2025-05-03	Robust DEEP heterogeneous ensemble and META-learning for honey authentication 2025-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144001 PMID:40184746	研究论文	本研究提出了一种结合多种分析技术和深度学习模型的新框架，用于区分纯蜂蜜与掺假蜂蜜	通过元学习整合多种分析技术和深度学习模型，扩展了输入特征空间，提高了预测性能	未提及具体的数据来源和样本采集细节	解决蜂蜜掺假问题，保障消费者健康和经济诚信	纯蜂蜜与掺假蜂蜜（蔗糖糖浆、葡萄糖浆或焦糖味冰淇淋配料）	分析化学	NA	多种分析技术	CNN, 元学习	NA	NA
1728	2025-05-03	Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton 2025-Jul, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109791 PMID:40048988	研究论文	本研究提出了一种新颖的嗅觉可视化图像数据增强方法，结合深度学习准确预测冷藏羊肉中的总挥发性盐基氮（TVB-N）含量	提出滑动窗口方法增强嗅觉可视化图像，结合深度学习模型提高TVB-N含量预测的准确性	NA	准确预测冷藏羊肉中的TVB-N含量，用于现场评估羊肉新鲜度	冷藏羊肉	计算机视觉	NA	嗅觉可视化传感器阵列	InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF	图像	NA
1729	2025-05-03	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-Jun, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接结构	结合U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征	未提及具体局限性	预测金属离子与蛋白质的结合结构	金属蛋白	机器学习	NA	深度学习	U-net与自注意力模块结合	距离矩阵	来自MOAD的高质量金属蛋白数据集
1730	2025-05-03	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-Jun, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	research paper	介绍了一种名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了高精度的细胞器分割和单细胞水平的数据处理	未提及具体的性能对比实验或在实际应用中的具体表现	开发一个低成本、易用的图像分析流程，用于细胞器研究	细胞器的形态和动态	digital pathology	NA	deep learning-based image analysis	CNN (implied by deep learning-based tools)	image	NA
1731	2025-05-03	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议	引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化中风患者的血清钠管理策略，提供临床决策支持工具	ICU中风患者	医疗信息学	中风	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
1732	2025-05-03	Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection 2025-May-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1517 PMID:40136052	研究论文	通过整合血浆游离DNA片段末端基序、大小及基因组特征，开发了一种提高肺癌检测准确性的深度学习方法	结合cfDNA片段末端基序与大小特征及基因组覆盖度，开发了性能优于单一特征的集成分类器，并在不同种族人群中验证了其泛化能力	样本量相对有限，尤其是高加索人验证队列仅包含50例患者和50例对照	提高肺癌早期检测的准确性	肺癌患者与健康对照的血浆游离DNA	数字病理学	肺癌	全基因组测序	深度学习分类器	基因组数据	韩国发现数据集（218例患者+2559例对照）、韩国验证数据集（111例患者+1136例对照）、高加索人验证队列（50例患者+50例对照）
1733	2025-05-03	Deep Learning-Based Prediction of Decoy Spectra for False Discovery Rate Estimation in Spectral Library Searching 2025-May-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00304 PMID:40252226	研究论文	本研究探讨了基于深度学习的诱饵光谱预测方法，用于光谱库搜索中的假发现率估计	提出了无需模板光谱即可生成诱饵光谱的shuffle-and-predict方法，提高了诱饵光谱的多样性和数量	未明确说明该方法在预测库场景下的具体性能限制	改进蛋白质组学数据分析中的假发现率估计方法	预测光谱库和诱饵光谱	机器学习	NA	深度学习	NA	光谱数据	NA
1734	2025-05-03	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	整合了多模态数据（MRI、全切片图像和临床风险因素）的全自动系统，显著优于单模态模型	需要进一步验证系统的临床适用性和泛化能力	提高乳腺癌患者对新辅助化疗病理完全缓解的预测准确性	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	深度学习	MIFAPS	图像、临床数据	1004名患者
1735	2025-05-03	A depression detection approach leveraging transfer learning with single-channel EEG 2025-May-02, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adcfc8 PMID:40314182	research paper	提出一种利用单通道脑电图（EEG）和迁移学习技术检测抑郁症的方法	采用单通道EEG信号和迁移学习技术，解决了多通道EEG在日常生活应用中的限制，并通过图像转换提高了模型性能	可用的抑郁症EEG数据有限，可能影响模型在区分抑郁症患者和健康受试者方面的效果	开发一种基于单通道EEG信号的抑郁症检测模型	抑郁症患者和健康个体的EEG信号	machine learning	geriatric disease	EEG信号处理和迁移学习	ResNet152V2	EEG信号（转换为图像）	有限数量的受试者
1736	2025-05-03	Heuristic multi-scale feature fusion with attention-based CNN for sentiment analysis 2025-May-02, Network (Bristol, England) DOI:10.1080/0954898X.2025.2498735 PMID:40314204	研究论文	提出了一种基于注意力机制的启发式多尺度特征融合CNN模型，用于情感分析	结合了多尺度特征融合和注意力机制的CNN模型，并使用改进的FORSO算法进行参数调优	未提及具体的数据集规模和模型计算复杂度	提高情感分析的准确率	用户生成的文本数据	自然语言处理	NA	BERT, Transformers, word2vector	MFF-AACNet (基于注意力机制的CNN)	文本	未提及具体数量，数据来自公开资源
1737	2025-05-03	Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp 2025-May-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00271 PMID:40314617	研究论文	该研究通过机器学习和分子动力学模拟探讨了Burkholderia spp中四种Pen β-内酰胺酶的动态差异和功能差异	结合机器学习、增强采样分子动力学模拟和深度学习技术，揭示了Pen β-内酰胺酶的动态特征和活性位点局部动态	NA	研究Pen β-内酰胺酶的动态差异和功能差异，以应对抗菌素耐药性	四种Pen β-内酰胺酶（PenA、PenI、PenL和PenP）	生物信息学	细菌感染	机器学习和分子动力学模拟	Markov State Models (MSMs)、卷积变分自编码器(CVAE)、BindSiteS-CNN	分子动力学模拟数据	四种Pen β-内酰胺酶
1738	2025-05-03	Automatic ultrasound image alignment for diagnosis of pediatric distal forearm fractures 2025-May-02, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03361-w PMID:40314702	研究论文	开发了一种自动对齐超声图像的方法，用于诊断儿童远端前臂骨折	提出了一种全自动的超声图像对齐流程，减少了X射线依赖，降低了辐射暴露和疼痛	数据集规模有限，未来需要增加数据量以提高诊断准确性和可靠性	开发一种自动对齐超声图像的方法，用于儿童远端前臂骨折的诊断	儿童远端前臂骨折	数字病理	骨折	深度学习	深度学习模型	超声图像	未明确提及样本数量
1739	2025-05-03	Deep learning-based automatic cranial implant design through direct defect shape prediction and its comparison study 2025-May-02, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03363-5 PMID:40314711	research paper	提出了一种基于深度学习的自动颅骨植入物设计工作流程，通过直接预测缺损形状并与传统后处理步骤结合	将颅骨植入物设计问题视为一种特殊的形状补全任务，提出了一种结合深度神经网络和传统后处理的自动化工作流程	未提及具体的数据集规模或多样性限制	自动化颅骨植入物设计流程以减少治疗时间	人类颅骨缺损及修复植入物	digital pathology	NA	deep learning	deep neural network	3D shape data	未明确提及具体样本数量
1740	2025-05-03	Deep learning for automatic volumetric bowel segmentation on body CT images 2025-May-02, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11623-z PMID:40314787	research paper	开发了一种用于自动肠道分割的深度神经网络，并评估其在便秘患者中估计大肠长度的适用性	使用3D nnU-Net模型实现了胃肠道的高精度分割和四部分分离，性能优于现有工具TotalSegmentator	食管的分割精度相对较低（DSC为0.807±0.173）	开发自动肠道分割模型并评估其在便秘患者中的应用	便秘患者和健康检查者的腹部CT图像	digital pathology	constipation	CT imaging	3D nnU-Net	image	模型开发使用了133例CT扫描（88名患者），外部测试使用了60例CT扫描（30名患者），LBL测量使用了100例CT扫描（51名患者）