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
101	2025-05-20	Percolation Images: Fractal Geometry Features for Brain Tumor Classification 2024, Advances in neurobiology DOI:10.1007/978-3-031-47606-8_29 PMID:38468053	research paper	提出了一种结合分形几何特征和深度学习的混合方法用于脑肿瘤分类	利用分形几何生成'渗透'图像以突出脑图像中的重要空间特性，并结合CNN进行肿瘤检测	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	提高脑肿瘤分类的准确性和效率	脑肿瘤图像	digital pathology	brain tumor	fractal geometry, deep learning	CNN	image	在一个知名基准数据集上进行实验，但未提及具体样本数量
102	2025-05-17	Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis 2024, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2024/6621199 PMID:40303156	综述	本文对深度学习技术在利什曼病的诊断、药物发现和疫苗开发中的应用进行了范围综述	首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的研究空白	仅对现有文献进行了分析，未进行新的实验验证	探讨深度学习技术在利什曼病领域的应用现状和未来发展方向	利什曼病的诊断、药物发现和疫苗开发	机器学习	利什曼病	深度学习	NA	NA	NA
103	2025-05-14	Lossless compression-based detection of osteoporosis using bone X-ray imaging 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230238 PMID:38393881	research paper	该研究提出了一种基于深度学习的无损压缩方法，用于通过骨X射线图像检测骨质疏松症	提出了一种新的图像处理方法，通过分离感兴趣区域(ROI)和非ROI来减少数据冗余，并结合SVM分类器提高诊断准确性	未提及样本多样性和外部验证结果	提高骨质疏松症的诊断准确性	骨X射线图像	digital pathology	骨质疏松症	深度学习，X射线成像	SVM	image	NA
104	2025-05-08	Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform 2024-Jan-01, International ophthalmology clinics DOI:10.1097/IIO.0000000000000519 PMID:38146885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
105	2025-05-07	Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2023.111887 PMID:38128469	研究论文	本文介绍了一种新型磁驱动压缩系统'MagnaSquish'，用于研究人类骨软骨栓在循环加载过程中轴向和侧向应变的时间动态	开发了磁驱动装置，实现加载周期之间的完全提升，解决了传统系统因持续接触可能影响组织再水化的问题	研究仅使用了尸体人类骨软骨栓样本，可能无法完全反映活体组织的动态特性	研究循环加载过程中软骨组织应变积累的机制	人类骨软骨栓	生物力学	骨关节疾病	磁驱动压缩系统	UNet	图像	人类尸体骨软骨栓样本，进行了750次加载循环
106	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
107	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
108	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
109	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
110	2025-05-03	Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1450804 PMID:39364166	研究论文	通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联	首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法	仅研究了10种抗生素抗性菌株，样本量有限	探索细菌形态特征与抗生素抗性之间的关联	10种抗生素抗性细菌菌株	生物信息学	细菌感染	光学显微镜、深度学习	深度学习	图像	10种抗生素抗性细菌菌株
111	2025-05-03	ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1449798 PMID:39830185	research paper	提出了一种基于多模态数据的高效阿尔茨海默病初步筛查框架ReIU	结合U-Net和迭代配准学习技术，从OCT-A设备中提取视网膜血管图，用于阿尔茨海默病的早期筛查	在HRF数据集上的分割准确率相对较低（68.3%）	开发一种经济、非侵入性的阿尔茨海默病早期筛查工具	阿尔茨海默病患者和健康受试者的多模态数据集	digital pathology	geriatric disease	OCT angiography (OCT-A)	U-Net	image	包含健康受试者和AD患者的多模态数据集（具体数量未明确说明）
112	2025-05-02	Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses 2024, Depression and anxiety IF:4.7Q1 DOI:10.1155/2024/4459867 PMID:40226684	research paper	该研究提出了一种基于卷积神经网络（CNN）的新型深度学习框架，用于利用功能性近红外光谱（fNIRS）进行重度抑郁症（MDD）的计算机辅助诊断（CAD）	提出了一种新的CNN模型架构，包含三个1D深度卷积层，专门设计用于反映MDD患者和健康对照组（HCs）之间血流动力学反应的半球间不对称性	样本量相对较小（48名MDD患者和68名HCs），且仅基于Stroop任务的数据	开发一种高精度的fNIRS-based CAD系统，用于MDD的诊断	MDD患者和健康对照组	digital pathology	major depressive disorder	fNIRS	CNN	hemodynamic responses	48名MDD患者和68名HCs
113	2025-04-18	Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024 2024, Biophysics and physicobiology IF:1.6Q4 DOI:10.2142/biophysico.bppb-v21.e2010 PMID:40241783	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
114	2025-05-02	Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification 2024, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2024.1434799 PMID:40303946	综述	本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用	整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展	未提及具体技术实施细节或临床验证结果	探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物	肠道微生物群及其与宿主健康的相互作用	机器学习	NA	多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学）	深度学习、基于网络的方法	多组学数据	NA
115	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）
116	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
117	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
118	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
119	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
120	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