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
2321	2025-01-14	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	本文介绍了一种基于深度学习的多模态诊断框架（PMMD），用于通过手写和临床数据准确检测帕金森病（PD）	该框架首次引入了跨模态注意力机制，用于建模不同数据模态之间的交互	未明确提及研究的局限性	旨在通过多模态数据融合提高帕金森病的早期诊断准确性	帕金森病患者	数字病理学	帕金森病	深度学习	跨模态注意力机制	图像、手写、绘图和临床数据	未明确提及样本数量
2322	2025-01-14	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种基于深度学习的新模型，旨在提高肺癌诊断的质量、可理解性和泛化能力	该研究通过整合多个CT数据集、采用mixup增强技术和课程学习策略，提升了模型的泛化能力和鲁棒性，并利用可解释人工智能（XAI）技术增强了模型的可解释性	尽管模型在多个数据集上表现优异，但其在更广泛临床环境中的实际应用仍需进一步验证	提高肺癌诊断的准确性、可理解性和泛化能力	肺癌诊断	计算机视觉	肺癌	深度学习	深度学习模型	CT图像	五个CT数据集
2323	2025-01-14	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	本文提出了一种基于卷积神经网络的机器学习模型，用于预测增材制造合金的疲劳寿命	通过引入Shapley加性解释和Pearson相关系数分析，将数值特征转换为图形特征，并结合注意力机制优先处理图像输入中的重要区域	模型仅在两种激光粉末床熔融制造的金属上进行了验证，可能需要进一步扩展到其他材料	提高增材制造合金疲劳寿命预测的准确性	增材制造合金	机器学习	NA	卷积神经网络	CNN	图像	两种激光粉末床熔融制造的金属
2324	2025-01-14	FFL-IDS: A Fog-Enabled Federated Learning-Based Intrusion Detection System to Counter Jamming and Spoofing Attacks for the Industrial Internet of Things 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010010 PMID:39796800	研究论文	本文提出了一种基于雾计算和联邦学习的入侵检测系统（FFL-IDS），用于应对工业物联网（IIoT）中的干扰和欺骗攻击	结合雾计算和联邦学习，解决了传统入侵检测系统在可扩展性和数据隐私方面的问题，并实现了低延迟检测	NA	开发一种能够应对工业物联网中干扰和欺骗攻击的入侵检测系统	工业物联网（IIoT）网络	机器学习	NA	NA	卷积神经网络（CNN）	网络数据	两个数据集：Edge-IIoTset 和 CIC-IDS2017
2325	2025-01-14	Predictive Maintenance and Fault Detection for Motor Drive Control Systems in Industrial Robots Using CNN-RNN-Based Observers 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010025 PMID:39796814	研究论文	本文提出了一种结合卷积神经网络和循环神经网络（CNN-RNN）的集成方法，用于提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	提出了一种新的混合深度学习框架，结合CNN和RNN来提高直流电机驱动故障预测的准确性，相比现有的CNN-LSTM方法具有更高的准确性和更低的模型复杂度	未提及具体的数据集大小或实验环境的具体限制	提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	工业机器人中的直流电机驱动系统	机器学习	NA	CNN-RNN	CNN-RNN	传感器数据（如空气温度、过程温度、旋转速度等）	未提及具体样本数量
2326	2025-01-14	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	研究论文	本文讨论了生物图像分析的三个主要任务：图像恢复、分割和跟踪，并介绍了允许生成三维空间基因组图谱的新计算工具	介绍了利用深度学习模型处理生物医学图像数据的新方法，并展示了这些方法在颅面发育和口腔疾病研究中的应用	未明确提及具体的研究局限性	探讨生物图像分析技术在生物医学研究中的应用，特别是颅面发育和口腔疾病的研究	生物医学图像数据，特别是与颅面发育和口腔疾病相关的图像	计算机视觉	口腔疾病	高通量测序和成像技术	深度学习模型	图像	NA
2327	2025-01-14	Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study 2024-09-03, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02411-y PMID:39227844	研究论文	本研究评估了心外膜脂肪组织（EAT）与2型糖尿病（T2D）微血管和大血管并发症（MVC）之间的关系	使用深度学习分割管道进行EAT体积的完全自动化量化，并探讨其与冠状动脉钙化（CAC）评分及微/大血管并发症的关系	研究为事后分析，样本量有限（n=1253），且未探讨EAT体积与糖尿病视网膜病变（DR）及周围神经病变的关联	评估EAT体积与T2D患者微血管和大血管并发症的关系	2型糖尿病患者	数字病理学	2型糖尿病	深度学习分割管道	深度学习	CT图像	1253名2型糖尿病患者
2328	2025-01-14	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨了使用预训练的深度学习模型Wav2Vec进行语音转文本分析，以评估帕金森病患者的言语障碍的可行性	首次将Wav2Vec模型应用于帕金森病患者的语音转文本分析，以评估其言语障碍	样本量较小，仅包含20个病例，可能影响结果的普遍性	评估预训练的深度学习模型在帕金森病患者语音转文本分析中的有效性	帕金森病患者的语音数据	自然语言处理	帕金森病	Wav2Vec模型	深度学习模型	语音数据	20个病例（包括健康对照组和帕金森病患者）
2329	2025-01-14	A deep learning-based model to estimate pulmonary function from chest x-rays: multi-institutional model development and validation study in Japan 2024-Aug, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00113-4 PMID:38981834	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从胸部X光片中估计肺功能	首次使用深度学习模型从胸部X光片中估计肺功能，提供了一种替代肺功能测试的方法	未来研究需要结合临床信息以进一步提高模型的适用性和针对性	估计从胸部X光片中得出的两种主要肺功能指标	来自日本五个机构的81,902名患者的141,734对X光和肺功能测试结果	数字病理学	肺疾病	深度学习	深度学习模型	图像	141,734对X光和肺功能测试结果，来自81,902名患者
2330	2025-01-14	Deep learning model integrating radiologic and clinical data to predict mortality after ischemic stroke 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31000 PMID:38826743	研究论文	本文旨在创建并验证一个基于深度学习的模型，该模型整合了脑部扩散加权成像（DWI）、表观扩散系数（ADC）和临床因素，用于预测缺血性卒中后的死亡率	创新点在于首次将放射学信息（DWI和ADC）与临床因素结合，用于预测缺血性卒中患者的死亡率	研究主要依赖于单一医疗中心的数据，外部验证集仅来自一个二级心血管中心，可能存在数据偏差	开发并验证一个能够预测缺血性卒中患者死亡率的深度学习模型	缺血性卒中患者	医学影像分析	心血管疾病	深度学习	深度学习模型	图像（DWI和ADC）和临床数据	训练集1109例，验证集437例，内部测试集654例，外部测试集507例
2331	2025-01-14	A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012100 PMID:38768223	研究论文	本文介绍了一种名为ProSmith的多模态Transformer网络，用于增强蛋白质-小分子相互作用的预测，特别是在激酶抑制和酶-底物关系预测方面	ProSmith框架通过多模态Transformer网络同时处理蛋白质氨基酸序列和小分子字符串，促进了两种分子类型之间的信息交换，从而提高了预测的准确性	当前模型在训练数据之外的蛋白质上的泛化能力有限，可能由于蛋白质和小分子在生成数值表示时缺乏信息交换	加速药物和生物技术研究，通过准确预测蛋白质-小分子相互作用	蛋白质和小分子	机器学习	NA	多模态Transformer网络	Transformer Network	蛋白质氨基酸序列和小分子字符串	NA
2332	2025-01-14	Microfluidics-based patient-derived disease detection tool for deep learning-assisted precision medicine 2024-Jan, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0172146 PMID:38223546	研究论文	本文介绍了一种基于微流控技术和深度学习的智能疾病检测工具（IDDT），用于癌症预后和治疗的常规评估	IDDT结合了微流控技术和深度学习算法，显著减少了手动标注时间，并实现了高精度的临床队列分类	样本量相对较小（71例），且仅验证了部分癌症类型	开发一种智能、无标记且经济高效的工具，以帮助临床医生做出精确的医疗决策并定制治疗策略	癌症患者和健康捐赠者的液体血液活检样本	数字病理学	癌症（如乳腺癌、胃癌和肺癌）	微流控技术、深度学习算法	Mask R-CNN、视觉变换器、Segment Anything Model (SAM)	图像	71例液体血液活检样本（包括12例健康捐赠者和55例癌症患者）
2333	2025-01-13	Enabling Fast AI-Driven Inverse Design of a Multifunctional Nanosurface by Parallel Evolution Strategies 2024-Dec-27, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15010027 PMID:39791786	研究论文	本文提出了一种基于并行计算的进化策略（parallel ES），用于加速多功能纳米表面的AI驱动逆向设计	提出了并行计算的进化策略（parallel ES），解决了传统ES在计算速度上的限制，显著提升了AI驱动逆向设计的效率和可扩展性	未明确提及具体的研究局限性	通过并行计算优化进化策略，实现多功能纳米表面的快速AI驱动逆向设计	多功能纳米表面	机器学习	NA	进化策略（ES）、深度学习（DL）	并行进化策略（parallel ES）	NA	NA
2334	2025-01-13	Predicting the tumor microenvironment composition and immunotherapy response in non-small cell lung cancer from digital histopathology images 2024-Dec-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00765-w PMID:39702609	研究论文	本文介绍了一种名为HistoTME的新型弱监督深度学习方法，用于从非小细胞肺癌（NSCLC）患者的组织病理学图像中推断肿瘤微环境（TME）组成，并预测免疫治疗反应	HistoTME方法能够直接从全切片图像中预测30种不同细胞类型特异性分子标志物的表达，并在独立肿瘤队列中与真实值达到平均皮尔逊相关系数0.5，显著提高了免疫治疗反应的预测准确性	研究依赖于外部临床队列的数据，可能存在样本选择偏差，且模型的预测性能在更大规模和多样化的数据集中仍需进一步验证	开发一种能够从组织病理学图像中推断肿瘤微环境组成并预测免疫治疗反应的方法	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	弱监督深度学习	深度学习模型	图像	652名患者的外部临床队列
2335	2025-01-13	Systematic benchmarking of deep-learning methods for tertiary RNA structure prediction 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012715 PMID:39775239	研究论文	本文系统性地评估了用于三级RNA结构预测的深度学习方法，旨在识别影响性能差异的因素	首次系统性地对最先进的深度学习方法在RNA结构预测中的表现进行基准测试，并识别了影响性能的关键因素	大多数方法无法预测RNA中的非沃森-克里克碱基对，且在处理未见过的或合成的RNA时性能差异不明显	评估和比较深度学习方法在RNA三级结构预测中的性能，并识别影响预测准确性的因素	RNA的三级结构	机器学习	NA	深度学习	DeepFoldRNA, DRFold	RNA序列数据	多样化的RNA数据集
2336	2025-01-13	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	本文介绍了一种基于深度学习的工具LOGOWheat，用于预测小麦中非编码变异的调控效应	LOGOWheat采用自注意力机制的预训练语言模型，结合表观基因组数据，有效预测小麦基因组序列中的调控代码	未明确提及具体局限性	研究目的是开发一种工具，用于预测小麦中非编码变异的调控效应	研究对象为小麦基因组中的非编码变异	自然语言处理	NA	深度学习	自注意力机制的预训练语言模型	基因组序列数据、表观基因组数据	未明确提及具体样本数量
2337	2025-01-13	Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer 2024-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01131-7 PMID:38811811	研究论文	本文提出了一种基于深度学习的模型，用于直接从子宫内膜癌的H&E染色全切片图像中评估微卫星不稳定性（MSI）状态	该模型能够快速准确地评估子宫内膜癌的MSI状态，显著优于现有的四种最先进方法，并且在AI推理时间上表现出色，适合临床实际应用	NA	开发一种高效且准确的深度学习模型，用于评估子宫内膜癌的MSI状态	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	529名患者的千兆像素组织病理学图像
2338	2025-01-13	Decoding imagined speech with delay differential analysis 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1398065 PMID:38826617	研究论文	本文探讨了一种新的非线性信号处理方法——延迟微分分析（DDA）在语音解码中的应用，并对其在两个公开的想象语音解码数据集上的性能进行了系统评估	首次将延迟微分分析（DDA）应用于语音解码，并与所有公开的深度学习方法进行了比较，展示了DDA作为一种快速、高效且无需大量预处理的替代或补充方法的潜力	现有EEG数据集的小规模和异质性限制了算法的泛化能力，且公开代码的有限可用性阻碍了方法之间的比较	探索DDA在语音解码中的应用，评估其性能	想象语音解码	自然语言处理	NA	延迟微分分析（DDA）	NA	EEG信号	两个公开的想象语音解码数据集
2339	2025-01-13	Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1331852 PMID:38818521	研究论文	本文提出了一种基于深度学习的算法，用于从心电信号中识别心房成分的递减，以区分辅助通路和房室折返性心动过速	首次在文献中提出了一种能够自动描绘心电信号中所有局部成分的工具，并开发了两种新的损失函数以减少假阴性和描绘错误	数据稀缺问题通过合成数据增强方法缓解，但仍需进一步验证模型的泛化能力	开发一种自动量化心电信号中递减诱发电位的方法，以辅助心脏电生理程序的诊断	冠状窦中的心电信号	数字病理学	心血管疾病	深度学习	U-Net, W-Net	心电信号	77名患者的312个心电信号记录
2340	2025-01-13	Improving Psychiatry Services with Artificial Intelligence: Opportunities and Challenges 2024, Turk psikiyatri dergisi = Turkish journal of psychiatry DOI:10.5080/u27604 PMID:39783807	综述	本文探讨了人工智能（AI）在全球及土耳其精神病护理中的潜力，特别是大型语言模型的应用	提出了利用AI技术，如机器学习和深度学习，通过语音模式、神经影像和行为测量等多种数据源，改善精神障碍的诊断、治疗个性化和监测的创新方法	算法偏见、数据隐私问题、伦理影响以及大型语言模型的虚构现象等挑战阻碍了AI在实践中的全面实施	探讨AI在提高精神病诊断准确性和服务可及性方面的潜力	精神障碍患者	自然语言处理	精神疾病	机器学习, 深度学习	大型语言模型	语音, 神经影像, 行为数据	NA