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
61	2025-07-20	Explaining deep learning-based representations of resting state functional connectivity data: focusing on interpreting nonlinear patterns in autism spectrum disorder 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1397093 PMID:38832332	研究论文	本研究开发了一种可解释的变分自编码器模型，用于解析静息态功能连接数据中的非线性模式，特别关注自闭症谱系障碍（ASD）的神经机制	引入了潜在贡献分数来解释变分自编码器识别的非线性模式，增强了深度学习模型在神经科学中的可解释性	研究样本量虽大，但可能无法涵盖ASD所有亚型，且仅使用了Power图谱定义的264个感兴趣区域	开发可解释的深度学习模型以理解ASD患者静息态功能连接的非线性模式	1150名参与者（549名ASD患者和601名健康对照）的静息态功能磁共振成像数据	数字病理学	自闭症谱系障碍	静息态功能磁共振成像（rs-fMRI）	变分自编码器（VAE）	神经影像数据	1150名参与者（549名ASD患者和601名健康对照）
62	2025-07-20	The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae169 PMID:39600382	研究论文	本文研究了在中等分辨率冷冻电镜密度图中结合Focal loss和Dice loss的损失函数对β-片层分割的改进效果	提出了一种结合Focal loss和Dice loss的新损失函数，显著提高了β-片层体素的分割准确率	研究仅针对中等分辨率(5-10Å)冷冻电镜数据，未验证在其他分辨率下的表现	改进中等分辨率冷冻电镜图中蛋白质二级结构的分割准确率	蛋白质二级结构(特别是β-片层)在冷冻电镜密度图中的分割	计算机视觉	NA	冷冻电镜(cryo-EM)	U-Net	图像(冷冻电镜密度图)	1355个原子结构/密度图对
63	2025-07-20	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	本文系统分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次大规模分析了AI预测蛋白质结构对蛋白质折叠灵活性的影响，并发现高异质性折叠在关键生物过程中富集	研究仅基于已有实验结构的蛋白质，可能无法涵盖所有折叠类型	探究AI预测的蛋白质结构是否代表单一构象或平均构象，以及这一现象是否与蛋白质折叠类型相关	2878个具有至少10个不同实验结构的蛋白质	机器学习	NA	AlphaFold v2 (AF2)	深度学习	蛋白质结构数据	2878个蛋白质，涉及628种不同的折叠类型
64	2025-07-20	A Hybrid 2D Gaussian Filter and Deep Learning Approach with Visualization of Class Activation for Automatic Lung and Colon Cancer Diagnosis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241301297 PMID:39632623	研究论文	本研究设计了一个自动化诊断系统，通过结合2D高斯滤波和深度学习技术，提高肺癌和结肠癌的检测率	结合2D高斯滤波进行图像预处理，并使用三种CNN模型进行癌症诊断，同时采用CAM进行模型解释	未提及模型在临床环境中的实际应用效果或跨数据集验证	提高肺癌和结肠癌的早期检测率	肺癌和结肠癌的病理图像	数字病理学	肺癌, 结肠癌	2D高斯滤波, Class Activation Mapping (CAM)	CNN (MobileNet, VGG16, ResNet50)	图像	25000张病理图像
65	2025-07-20	Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241308610 PMID:39692551	研究论文	本研究开发了一种名为RRDLC-Classifier的诊断算法，用于预测临床I期实体肺腺癌中的高级别模式	结合了精炼的放射组学和深度学习特征，开发了新型RRDLC-Classifier算法	回顾性研究设计可能影响结果的普遍性，样本量相对有限	预测临床I期实体肺腺癌中的高级别病理模式	371名临床I期实体肺腺癌患者	数字病理	肺癌	放射组学分析、深度学习	CatBoost分类器	医学影像数据	371名患者（训练集与验证集按7:3比例分配）
66	2025-07-19	The Application of Artificial Intelligence to Cancer Research: A Comprehensive Guide 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241250324 PMID:38775067	综述	本文综述了人工智能在癌症研究中的应用，包括机器学习、软计算和深度学习在肿瘤学中的角色及其对患者护理的改进	提供了AI在癌症诊断、分类和预测中的应用综述，并总结了文献中的重要进展，为读者节省时间	未提及具体研究案例的局限性或AI技术在临床实践中的实际应用挑战	探讨人工智能在癌症研究中的应用及其对患者护理的潜在影响	癌症研究中的AI技术	机器学习	癌症	机器学习、软计算、深度学习	SVM, Naïve Bayes, CNN	NA	NA
67	2025-07-19	Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241256594 PMID:38808514	研究论文	本研究旨在通过将剂量信息整合到深度卷积神经网络中，提高鼻咽癌放射治疗剂量分布的预测准确性	提出了一种结合TCP剂量信息的多通道输入深度学习方法，显著提升了IMRT剂量分布的预测精度	对于小体积或位置靠近的危及器官预测结果存在差异，且研究为初步研究需要更大样本验证	提高鼻咽癌放射治疗剂量分布的预测准确性	鼻咽癌患者的放射治疗剂量分布	数字病理	鼻咽癌	IMRT（调强放射治疗）	CNN	图像、结构数据和剂量数据	未明确说明样本数量（初步研究）
68	2025-07-19	A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241277389 PMID:39267420	综述	本文总结大量文献和临床经验，提出了一种标准化的淋巴结评估协议，涵盖术前影像评估、术中淋巴结清扫和术后免疫治疗影响	提出多模态、多组学、多阶段的3M评估协议，整合影像组学、深度学习模型和统计学方法优化淋巴结管理流程	未提及具体实施该协议所需的资源投入和培训成本	建立标准化淋巴结评估体系以改善癌症诊疗效果	癌症患者的淋巴结转移评估与管理	数字病理学	癌症	影像组学、深度学习、统计分析	深度学习模型	医学影像、临床数据	NA
69	2025-07-19	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	本研究通过应用拓扑数据分析和纹理分析两种放射组学方法，预测肺CT扫描中磨玻璃结节（GGNs）的恶性风险	创新性地将拓扑信息整合到放射组学分析中，捕捉GGNs内复杂的几何和空间关系，并结合机器学习和深度学习算法建立预测模型	研究为回顾性分析，可能存在选择偏倚，且样本仅来自两个中心	提高肺CT扫描中磨玻璃结节（GGNs）恶性风险的预测准确性	3223名患者的肺CT扫描中的磨玻璃结节（GGNs）	数字病理学	肺癌	放射组学分析，拓扑数据分析，纹理分析	机器学习和深度学习算法	CT图像	3223名患者
70	2025-07-19	Trends and Hotspots in Global Radiomics Research: A Bibliometric Analysis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241235769 PMID:38465611	研究论文	通过文献计量分析总结基于放射组学的知识结构并探索潜在趋势和重点	使用多种工具进行国家、机构、作者、参考文献和关键词的共现分析，并识别未来主要研究方向	仅分析了2012年至2022年10月的文献，可能未涵盖最新研究进展	探索放射组学领域的研究现状和热点	6428篇放射组学相关文章	放射组学	NA	文献计量分析	NA	文献数据	6428篇文章
71	2025-07-19	A Comparative Study of Deep Learning Dose Prediction Models for Cervical Cancer Volumetric Modulated Arc Therapy 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241242654 PMID:38584413	研究论文	比较四种最先进的深度学习模型在预测宫颈癌容积调强弧形治疗（VMAT）中体素级剂量分布的性能	首次比较了四种3D U-Net及其变体在宫颈癌VMAT剂量预测中的表现	研究为回顾性研究，样本量相对有限（261例患者）	评估不同深度学习模型在放射肿瘤学剂量预测中的性能	宫颈癌患者的VMAT治疗计划	数字病理	宫颈癌	容积调强弧形治疗（VMAT）	3D U-Net及其3种变体模型	CT图像、靶区掩膜、危及器官掩膜	261例宫颈癌患者的治疗计划（209例训练验证集，52例测试集）
72	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
73	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
74	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)
75	2025-07-17	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	本文介绍了一种基于人类动作识别的ADHD检测系统，通过捕捉ADHD特征并记录真实的多模态ADHD数据集（M-ADHD）来检测ADHD症状	首次提出基于人类动作识别的ADHD检测系统，设计了一种新型的多动测试来捕捉ADHD特征，并首次记录了真实的多模态ADHD数据集（M-ADHD）	未提及具体的数据集规模或多样性限制	开发一种成本效益高且易于操作的ADHD检测系统，用于远程筛查ADHD	ADHD患者的行为特征	计算机视觉	神经发育障碍	深度学习	未提及具体模型类型	视频	未提及具体样本数量
76	2025-07-17	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究探讨了高度自动驾驶场景中非驾驶相关任务(NDRTs)对驾驶员心理负荷的影响，并开发了一种基于深度学习的脑电图(EEG)信号分类模型	利用LSTM和BLSTM深度学习模型对EEG信号进行分类，以评估心理负荷，并发现特定频段与心理负荷的线性相关性	样本量较小(28名参与者)，且实验环境为模拟驾驶，可能无法完全反映真实驾驶场景	评估高度自动驾驶中NDRTs对驾驶员心理负荷的影响，并开发高精度的EEG信号分类模型	驾驶员在高度自动驾驶场景中的心理负荷	机器学习	NA	EEG信号分析，NASA Task Load Index (NASA-TLX)评分	LSTM, BLSTM	EEG信号	28名参与者
77	2025-07-15	A week in the life of the human brain: stable states punctuated by chaotic transitions 2024-Jan-15, Research square DOI:10.21203/rs.3.rs-2752903/v3 PMID:37034705	research paper	研究人类大脑在自然行为中的神经动力学，揭示大脑网络形成稳定状态及其与行为和生理的关系	利用深度学习与动态系统方法，首次揭示了大脑网络在自然行为中形成稳定状态并通过混沌过渡探索新状态的机制	研究样本量较小（20人），且仅基于颅内电极记录，可能无法完全代表所有人群	探索人类大脑在自然行为中的神经动力学及其与行为和生理的关系	20名人类受试者在自然行为（社交、使用数字设备、睡眠等）中的大脑活动	神经科学	NA	多电极颅内记录	深度学习	神经电生理数据	20名人类受试者，连续3-12天的记录
78	2025-07-15	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	review	本文综述了深度学习在无线胶囊内窥镜图像中用于胃肠道疾病分类的性能	总结了深度学习在无线胶囊内窥镜图像分析中的最新进展，包括迁移学习、注意力机制、多模态学习等	指出了当前深度学习方法在无线胶囊内窥镜图像分析中的挑战和局限性	探讨深度学习在无线胶囊内窥镜图像分析中的研究趋势和未来方向	无线胶囊内窥镜图像	digital pathology	gastrointestinal disease	deep learning	NA	image	NA
79	2025-07-15	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.3 PMID:39911314	研究论文	评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况	首次在乌干达医学院教师中调查ChatGPT及其他AI工具的使用情况，揭示了年龄与AI工具使用之间的关系	研究仅限于乌干达四所公立大学的医学院教师，样本量较小（224人），可能无法代表更广泛的人群	评估医学院教师对AI工具的使用情况及其影响因素	乌干达四所公立大学的医学院教师	自然语言处理	NA	问卷调查	NA	调查数据	224名医学院教师
80	2025-07-11	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	本文提出了一种新指标TAVAC，用于评估Vision Transformer模型在生物医学图像数据集上的过拟合程度及解释的可重复性	引入了TAVAC这一新指标，能够量化模型解释的可重复性，并在像素级别监控模型解释的稳定性	仅在有限的数据集上进行了测试，需要更多验证以证明其普适性	提高Vision Transformer模型在生物医学图像分类中的解释可靠性和可重复性	Vision Transformer模型及其在生物医学图像分类中的应用	数字病理学	乳腺癌	Vision Transformer (ViT)	ViT	图像	四个公开图像分类数据集和两个独立的乳腺癌组织学图像数据集