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
41	2025-04-26	An enhanced GhostNet model for emotion recognition: leveraging efficient feature extraction and attention mechanisms 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1459446 PMID:40270901	研究论文	提出了一种增强型GhostNet模型（EGT），结合Transformer编码器和双重注意力机制，用于通过面部表情进行鲁棒的情绪识别	整合了GhostNet的高效特征提取、Transformer的全局上下文捕捉能力以及双重注意力机制，以选择性地增强关键特征	未明确提及具体限制，但可能包括对复杂自然环境和多样化情绪表达的处理能力仍有提升空间	提高情绪识别系统的准确性和鲁棒性，以增强智能人机交互系统、个性化推荐系统和心理健康监测工具	面部表情情绪识别	计算机视觉	NA	深度学习	GhostNet, Transformer, 双重注意力机制	图像	RAF-DB数据集和AffectNet数据集（具体样本数量未提及）
42	2025-04-25	Single-cell spatial multi-omics and deep learning dissect enhancer-driven gene regulatory networks in liver zonation 2024-01, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-023-01316-4 PMID:38182825	研究论文	本研究结合单细胞多组学、空间组学、大规模并行报告基因检测和深度学习技术，解析了小鼠肝脏细胞类型中的增强子-基因调控网络	首次结合多种组学技术和深度学习模型DeepLiver，系统解析了肝脏分区中的增强子驱动基因调控网络	研究主要基于小鼠模型，人类肝脏中的适用性需要进一步验证	解析肝脏分区现象的基因调控机制	小鼠肝脏细胞（特别是肝细胞）	生物信息学	NA	单细胞多组学、空间组学、大规模并行报告基因检测	DeepLiver（分层深度学习模型）	单细胞基因表达数据、染色质可及性数据	NA
43	2025-04-23	Survival Analysis for Multimode Ablation Using Self-Adapted Deep Learning Network Based on Multisource Features 2024-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3260776 PMID:37015120	研究论文	本文提出了一种基于多源特征的自适应深度学习网络，用于肝癌症多模式消融治疗的生存分析和疗效评估	结合术前术后MRI影像组学特征、基于视觉变换器的深度学习特征以及外周血免疫特征，提出了一种改进的深度Cox混合模型和自适应全连接层，用于多类型输入特征的生存分析	研究仅基于临床数据集进行评估，未进行大规模多中心验证	开发肝癌症多模式消融治疗后的生存预测和疗效评估框架	接受多模式消融治疗的肝癌患者	数字病理学	肝癌	MRI影像组学、流式细胞术、常规血液检测	改进的深度Cox混合模型(DCM)、随机生存森林、视觉变换器	MRI影像数据、血液检测数据	临床数据集（具体数量未提及）
44	2025-04-20	RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae163 PMID:39678209	research paper	该研究开发了一个名为RecGOBD的模型，用于准确预测与大脑发育相关的蛋白质功能	RecGOBD通过多特征融合和注意力机制，专门针对大脑发育数据集进行了优化，提高了预测准确性	模型仅针对10个关键的基因本体(GO)术语进行了优化，可能不适用于其他GO术语	开发一个计算模型来预测与大脑发育相关的蛋白质功能，以支持神经发育障碍研究	与大脑发育相关的蛋白质序列及其功能	生物信息学	神经发育障碍	深度学习，注意力机制	RecGOBD	蛋白质序列和结构数据	NA
45	2025-04-19	Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound 2024-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-023-01390-z PMID:38051461	研究论文	本研究提出了一种深度学习模型，用于利用对比增强超声（CEUS）的九个时间相图像来区分肝脏病变	提出了一种并行排列三个ResNet50迁移学习模型的新型深度学习模型，能够同步输入九个不同时间相的CEUS图像并进行图像增强	样本量相对较小（181例肝脏病变），且特异性有待提高	评估深度学习模型在肝脏结节特征诊断中的性能	181例肝脏病变（48例良性，78例肝细胞癌，55例非肝细胞癌恶性）	数字病理	肝癌	对比增强超声（CEUS）	ResNet50	图像	181例肝脏病变
46	2025-04-19	Evaluation and Prediction of Post-Hepatectomy Liver Failure Using Imaging Techniques: Value of Gadoxetic Acid-Enhanced Magnetic Resonance Imaging 2024-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0507 PMID:38184766	research paper	评估和预测肝切除术后肝衰竭（PHLF）的影像学技术价值，特别是钆塞酸增强磁共振成像（MRI）的应用	结合体积和功能分析，利用钆塞酸增强MRI提供更精确的肝功能评估和PHLF预测	肝功能在全肝中被假定为均匀分布，可能忽略局部功能差异	提高肝切除术后肝衰竭的预测准确性	肝切除术后患者	digital pathology	liver disease	Gadoxetic acid-enhanced MRI, deep learning image reconstruction, whole-liver T1 map acquisition	NA	image	NA
47	2025-04-18	Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces 2024, Advances in neural information processing systems PMID:40231170	研究论文	本研究探讨了在脑机接口（BMI）中深度学习模型与可解释性模型之间的权衡，并提出了一种基于KalmanNet的解码器	提出了一种结合传统卡尔曼滤波和循环神经网络的KalmanNet解码器，在保持可解释性的同时达到与深度学习模型相当的性能	KalmanNet与现有深度学习解码器一样具有有限的泛化能力，且在遇到未见过的噪声分布时性能受限	开发高性能且可解释的脑机接口解码器	猴子的手指运动预测	脑机接口	瘫痪	KalmanNet, 卡尔曼滤波, RNN	KalmanNet, KF, tcFNN, LSTM	脑活动数据	两只猴子的离线（预录数据）和在线（实时预测）数据
48	2025-04-17	Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status 2024-01, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-023-01120-3 PMID:37919367	研究论文	本文提出了一种弱监督端到端多实例学习模型，用于编码和聚合体细胞突变的局部序列上下文或基因组位置，以进行样本级分类	使用多注意力头的多实例学习模型，能够建模个体测量对样本级分类的重要性，提供更强的可解释性，并在合成任务和实际任务中表现优异	NA	改进基因组数据集的聚合信息任务性能，以生成生物学见解	体细胞突变数据	机器学习	肿瘤	多实例学习	多注意力头模型	基因组数据	NA
49	2025-04-16	Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition 2024-01-30, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c10811 PMID:38169507	research paper	该研究开发了一种基于深度学习和纳米机械振动的无标记快速检测方法，用于分类上皮/间充质癌细胞集落	结合纳米机械振动和深度学习，提出了一种无破坏性、无标记且高灵敏度的癌细胞表型分类方法	NA	研究癌细胞的上皮和间充质表型分类及其在抗癌药物筛选中的应用	癌细胞集落	digital pathology	cancer	纳米机械振动检测	deep learning	vibration data	NA
50	2025-04-15	Artificial intelligence- and computer-assisted navigation for shoulder surgery 2024 Jan-Apr, Journal of orthopaedic surgery (Hong Kong) DOI:10.1177/10225536241243166 PMID:38546214	综述	本文全面分析了肩部手术领域的最新技术进展，特别是人工智能和计算机辅助导航技术的应用	详细探讨了人工智能和计算机辅助导航技术在肩部手术中的创新应用及其未来潜力	未提及具体临床数据或案例研究来验证这些技术的实际效果	概述当前肩部手术技术的现状，并强调人工智能和计算机辅助技术的作用	肩部手术及相关技术	数字病理	骨科疾病	计算机辅助手术、机器人辅助手术、深度学习	深度学习模型	医学影像数据（如超声、CT、MRI）	NA
51	2025-04-12	Machine learning predicts which rivers, streams, and wetlands the Clean Water Act regulates 2024-01-26, Science (New York, N.Y.) DOI:10.1126/science.adi3794 PMID:38271507	研究论文	使用深度学习和地理空间数据预测《清洁水法案》对河流、溪流和湿地的保护范围	首次应用深度学习模型结合航空影像和地球物理数据，预测美国陆军工程兵团对15万项水域管辖权的决定	研究依赖于历史管辖决定数据进行训练，可能无法完全反映未来政策变化的影响	评估《清洁水法案》对水域的保护范围及最高法院和白宫规则对此的影响	美国的河流、溪流和湿地	机器学习	NA	深度学习	深度学习模型	航空影像和地球物理数据	15万项水域管辖权决定
52	2025-04-12	Early detection of Alzheimer's disease in structural and functional MRI 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1520878 PMID:39726682	research paper	该研究利用先进的深度学习架构进行海马体和脑室的精确分割，并结合混合分类器提高阿尔茨海默病的二元分类准确率	创新点在于将先进的图像分割技术与混合分类器无缝集成，为早期阿尔茨海默病检测提供了强大且可扩展的框架	NA	通过深度学习模型和全面的功能连接分析，显著提升阿尔茨海默病的早期检测能力	阿尔茨海默病患者的功能性磁共振成像数据	digital pathology	geriatric disease	fMRI	Deep-Residual-U-Net, DeepLabV3+, VGG-16, Random Forest, SVM	image	NA
53	2025-04-11	The Growing Impact of Natural Language Processing in Healthcare and Public Health 2024 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580241290095 PMID:39396164	综述	本文综述了自然语言处理（NLP）在医疗保健和公共卫生领域的当前应用、成功案例以及存在的局限性和新兴趋势	总结了NLP在医疗保健中的多种应用，如公共情绪分析、电子健康记录筛选、加速临床试验候选人识别等，并探讨了NLP在克服语言障碍和改善医疗服务方面的潜力	研究仅限于2018年至2023年间发表的英文论文，且样本量为27篇，可能无法全面覆盖NLP在医疗保健领域的所有应用和发展	探讨NLP在医疗保健和公共卫生领域的应用及其潜力	自然语言处理技术在医疗保健和公共卫生领域的应用	自然语言处理	NA	自然语言处理（NLP）、深度学习、语音识别（SR）、自然语言理解（NLU）	NA	非结构化文本、社交媒体数据	27篇论文
54	2025-04-11	Radiologic imaging biomarkers in triple-negative breast cancer: a literature review about the role of artificial intelligence and the way forward 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae016 PMID:40201726	综述	本文综述了三阴性乳腺癌（TNBC）中放射影像生物标志物的现状，特别是人工智能（AI）在辅助TNBC诊断、治疗和预后中的应用	综合了AI在TNBC放射影像中的应用，强调了AI在解析肿瘤解剖和功能特性方面的潜力	综述性质文章，未涉及具体实验数据或新模型的验证	提供关于AI在TNBC管理中应用的全面概述，特别是基于放射组学和深度学习的进展	三阴性乳腺癌（TNBC）的放射影像数据	数字病理学	乳腺癌	放射组学和深度学习	深度学习模型	放射影像	NA
55	2025-04-10	Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.3c08623 PMID:38112538	research paper	本文介绍了一种利用生物纳米孔和深度学习技术检测蛋白质翻译后修饰（PTMs）的单分子方法	结合生物纳米孔（气溶素）和深度学习模型，实现了对α-突触核蛋白肽及其多种PTM变体的高灵敏度检测和区分	目前仅针对α-突触核蛋白肽及其特定PTM变体进行了验证，尚未扩展到其他蛋白质或PTM类型	开发一种高灵敏度的单分子检测方法，用于蛋白质翻译后修饰的研究和生物标志物发现	α-突触核蛋白肽及其磷酸化、硝化和氧化等PTM变体	单分子检测	神经退行性疾病	纳米孔传感技术（气溶素纳米孔）	深度学习模型	电信号数据	NA
56	2025-04-10	Deep learning in public health: Comparative predictive models for COVID-19 case forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294289 PMID:38483948	研究论文	比较多种深度学习模型在预测阿联酋和马来西亚COVID-19病例中的效果	使用贝叶斯优化技术提升模型性能，并比较不同深度学习模型在特定地区的预测效果	研究仅针对阿联酋和马来西亚，可能不适用于其他地区	确定预测COVID-19病例的最有效深度学习模型	阿联酋和马来西亚的COVID-19病例数据	机器学习	COVID-19	贝叶斯优化	LSTM, bidirectional LSTM, CNN, hybrid CNN-LSTM, Multilayer Perceptron's, RNN	结构化数据（确诊病例数、人口统计数据、社会经济因素）	NA
57	2025-04-09	Regulated Behavior in Living Cells with Highly Aligned Configurations on Nanowrinkled Graphene Oxide Substrates: Deep Learning Based on Interplay of Cellular Contact Guidance 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.2c09815 PMID:38099607	研究论文	研究通过纳米皱纹石墨烯氧化物基底调控细胞行为，并利用深度学习技术解析细胞反应	开发了高度有序的纳米皱纹石墨烯氧化物表面，结合深度学习技术精确解析细胞行为	研究仅针对L929成纤维细胞和HT22海马神经元细胞，未涉及其他细胞类型	探索纳米拓扑结构对细胞行为的调控机制及其在组织工程中的应用	L929成纤维细胞和HT22海马神经元细胞	数字病理学	NA	深度学习	DL网络	图像	L929成纤维细胞和HT22海马神经元细胞
58	2025-04-09	Altered Motor Activity Patterns within 10-Minute Timescale Predict Incident Clinical Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230928 PMID:38393904	研究论文	研究通过运动活动的分形模式变化预测临床阿尔茨海默病的发生	首次在10分钟时间尺度内发现运动活动分形模式变化与阿尔茨海默病临床发病的最强关联	研究仅基于运动活动数据，未结合其他生物标志物	确定运动活动分形调节(FMAR)在哪些时间尺度的变化最能预测阿尔茨海默病的临床发病	1,077名参与者，其中270人在随访期间出现临床阿尔茨海默病	数字病理学	阿尔茨海默病	活动记录仪(actigraphy)和深度学习	DeepSurv, Cox模型, 随机生存森林	时间序列运动活动数据	1,077名参与者，随访长达15年
59	2025-04-07	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和机器学习算法在骨质疏松风险预测中的性能	提出了一种新的深度神经网络（DNN）框架，用于骨质疏松风险预测，并证明其在性能上优于传统的机器学习模型和回归模型	研究样本仅限于路易斯安那骨质疏松研究（LOS）中的8,134名40岁以上受试者，可能不具有普遍代表性	评估深度神经网络（DNN）在骨质疏松风险预测中的性能，并与传统机器学习模型进行比较	8,134名40岁以上受试者的髋部骨密度（BMD）及广泛的 demographic 和常规临床数据	机器学习	骨质疏松	深度学习（DL）和机器学习（ML）	DNN, RF, ANN, KNN, SVM, OST	临床数据和 demographic 数据	8,134名40岁以上受试者
60	2025-04-06	Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3480696 PMID:39437280	研究论文	本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性	提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建	合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素	解决盲光斑去除任务中的挑战，提升图像去光斑的效果	光斑污染的图像及其无光斑对应图像	计算机视觉	NA	深度学习	CNN	图像	三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare