深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
2641	2025-01-07	Image-Based Subtype Classification for Glioblastoma Using Deep Learning: Prognostic Significance and Biologic Relevance 2024-01, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00154 PMID:38231003	研究论文	本研究应用深度学习算法对胶质母细胞瘤的组织病理学图像进行分类，构建独立于已知临床和分子分类的图像亚型，并揭示胶质母细胞瘤肿瘤微环境的分子和免疫特征	首次使用深度学习模型对胶质母细胞瘤进行图像亚型分类，并发现这些亚型具有独特的预后信息和生物学特征	样本量相对较小，且仅使用了TCGA和CPTAC两个数据集	通过深度学习模型对胶质母细胞瘤进行图像亚型分类，并评估其预后价值和生物学意义	胶质母细胞瘤患者的组织病理学图像	数字病理学	胶质母细胞瘤	深度学习	卷积神经网络（CNN）	图像	214名TCGA患者和189名CPTAC患者	NA	NA	NA	NA
2642	2025-01-07	DreamOn: a data augmentation strategy to narrow the robustness gap between expert radiologists and deep learning classifiers 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1420545 PMID:39758512	研究论文	本文探讨了数据增强策略对深度学习模型在医学图像分析中鲁棒性的影响，并提出了一种新的生物启发式数据增强方法DreamOn	提出了DreamOn，一种基于条件生成对抗网络（GAN）的生物启发式数据增强策略，用于生成REM梦境启发的训练图像插值	尽管DreamOn显著提高了模型在高噪声环境下的鲁棒性，但放射科医生在噪声图像上的表现仍优于模型	提高深度学习模型在医学图像分析中的鲁棒性，以应对图像质量差异和噪声	乳腺超声图像	计算机视觉	乳腺癌	条件生成对抗网络（GAN）	ResNet-18	图像	NA	NA	NA	NA	NA
2643	2025-01-07	Multimodal MRI radiomics-based stacking ensemble learning model with automatic segmentation for prognostic prediction of HIFU ablation of uterine fibroids: a multicenter study 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1507986 PMID:39759109	研究论文	本研究评估了基于MRI放射组学的堆叠集成学习模型，结合T2加权成像和对比增强T1加权成像以及深度学习自动分割，用于术前预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后效果	结合T2WI和CE-T1WI的放射组学特征，使用深度学习自动分割，并构建堆叠集成学习模型以提高预测准确性	研究为回顾性研究，样本量相对较小，且仅来自两个中心	评估MRI放射组学堆叠集成学习模型在预测HIFU消融子宫肌瘤预后中的有效性	360名接受HIFU治疗的子宫肌瘤患者	数字病理学	子宫肌瘤	MRI放射组学、深度学习自动分割	V-net、SVM、RF、LightGBM、MLP、Logistic Regression	MRI图像	360名患者（训练集240名，内部测试集60名，外部测试集60名）	NA	NA	NA	NA
2644	2025-01-07	BO-CNN-BiLSTM deep learning model integrating multisource remote sensing data for improving winter wheat yield estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1500499 PMID:39759241	研究论文	本研究开发了一种名为BO-CNN-BiLSTM（BCBL）的深度学习模型，结合卷积神经网络（1DCNN）的特征提取能力和双向长短期记忆网络（BiLSTM）的时间序列记忆优势，用于提高冬小麦产量估算的准确性	首次将太阳诱导的叶绿素荧光（SIF）数据与传统遥感变量和气候数据融合，用于冬小麦产量估算，并开发了BCBL模型，结合了1DCNN和BiLSTM的优势	研究仅在河南省进行，未在其他地区验证模型的普适性	提高冬小麦产量估算的准确性，为农业政策制定和粮食安全提供支持	冬小麦	机器学习	NA	遥感技术	BO-CNN-BiLSTM（BCBL）	遥感数据、气候数据	河南省的冬小麦数据	NA	NA	NA	NA
2645	2025-01-07	Advanced deep transfer learning techniques for efficient detection of cotton plant diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1441117 PMID:39759238	研究论文	本文探讨了使用深度迁移学习技术高效检测棉花植物疾病的方法	本文的创新点在于应用多种深度迁移学习模型（如EfficientNet、Xception、ResNet等）进行棉花植物疾病的检测，并发现EfficientNetB3模型在准确率、损失和均方根误差方面表现最佳	本文的局限性在于未详细讨论模型在不同环境条件下的泛化能力，以及在实际农田中的应用效果	研究目的是通过深度迁移学习技术提高棉花植物疾病的检测效率，以促进可持续农业实践	研究对象为感染细菌性疫病、靶斑病、白粉病、蚜虫和军虫等疾病的棉花植物图像	计算机视觉	植物疾病	深度迁移学习	EfficientNet, Xception, ResNet, Inception, VGG, DenseNet, MobileNet, InceptionResNet	图像	包含感染多种疾病的棉花植物图像及健康棉花植物图像的完整数据集	NA	NA	NA	NA
2646	2025-01-07	A graph neural architecture search approach for identifying bots in social media 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1509179 PMID:39759384	研究论文	本文提出了一种基于图神经网络架构搜索的方法，用于在社交媒体中识别机器人	引入了深度灵活图神经网络架构搜索（DFG-NAS）技术，专门针对关系图卷积神经网络（RGCNs）进行优化，以自动搜索传播和转换函数的最佳配置	研究仅针对平台X的机器人检测，未涵盖其他社交媒体平台	解决社交媒体中机器人检测的挑战，并推广神经网络设计自动化中的NAS模型应用	社交媒体平台X中的机器人	自然语言处理	NA	深度灵活图神经网络架构搜索（DFG-NAS）	关系图卷积神经网络（RGCNs）	图数据	229,580个节点和227,979条边的图	NA	NA	NA	NA
2647	2025-01-07	Prediction of PD-L1 tumor positive score in lung squamous cell carcinoma with H&E staining images and deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1452563 PMID:39759385	研究论文	本研究利用深度学习模型对H&E染色图像进行分割和定量预测，以评估肺鳞状细胞癌中的PD-L1表达	首次将Transformer Unet深度学习网络应用于H&E染色图像中PD-L1表达的分割和定量预测，并取得了优于其他七种前沿分割模型的结果	研究仅针对肺鳞状细胞癌，未涵盖其他类型的肺癌或其他癌症	开发一种基于H&E染色图像的深度学习模型，用于预测肺鳞状细胞癌中的PD-L1表达，以指导免疫检查点抑制剂治疗	肺鳞状细胞癌的H&E染色数字切片	数字病理学	肺癌	深度学习	Transformer Unet	图像	NA	NA	NA	NA	NA
2648	2025-01-07	hvEEGNet: a novel deep learning model for high-fidelity EEG reconstruction 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1459970 PMID:39759760	研究论文	本文提出了一种名为hvEEGNet的新型深度学习模型，用于高保真度的多通道脑电图（EEG）时间序列重建	提出了一种新的深度学习模型hvEEGNet，采用分层变分自编码器结构，并设计了新的损失函数，能够在短时间内高保真地重建多通道EEG数据	研究仅基于一个包含9名受试者的22通道EEG数据集进行测试，样本量较小，且未探讨模型在其他类型EEG数据上的泛化能力	旨在解决多通道EEG时间序列高保真重建的挑战，为分类、异常检测、自动标注和脑机接口等应用提供支持	多通道脑电图（EEG）时间序列	机器学习	NA	深度学习	分层变分自编码器（hierarchical variational autoencoder）	时间序列数据	9名受试者的22通道EEG数据	NA	NA	NA	NA
2649	2025-01-07	Application of a Novel Multimodal-Based Deep Learning Model for the Prediction of Papillary Thyroid Carcinoma Recurrence 2024, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S486189 PMID:39759893	研究论文	本研究开发了一种新型多模态深度学习模型，用于预测甲状腺乳头状癌（PTC）术后复发	同时分析数值和时间序列数据，采用加权二元交叉熵处理不平衡数据，模型在预测PTC复发方面表现出色	样本中复发患者数量较少（63例），可能影响模型的泛化能力	提高甲状腺乳头状癌术后复发的预测准确性	接受甲状腺切除术的甲状腺乳头状癌患者	机器学习	甲状腺癌	深度学习	多模态深度学习模型	数值数据（临床信息）和时间序列数据（术后甲状腺功能测试结果）	1613例接受甲状腺切除术的患者（1550例非复发，63例复发）	NA	NA	NA	NA
2650	2025-01-06	Research on floating object classification algorithm based on convolutional neural network 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83543-9 PMID:39738669	研究论文	本研究基于卷积神经网络（CNN）开发了一种用于水面漂浮物分类的算法，并构建了VGG16-15模型，能够识别15种常见的水面漂浮物	在VGG-16架构基础上进行了定制化改进，包括调整神经网络结构以适应15种漂浮物类别、应用学习率衰减和早停策略进行模型优化，并使用数据增强提升模型泛化能力	未提及模型在复杂环境或极端条件下的表现，以及实际部署中的计算资源需求	提升水面垃圾分类的准确性和效率，为无人船在环境保护中的应用提供技术支持	水面漂浮物	计算机视觉	NA	深度学习	CNN, VGG16-15	图像	5707张图像，分为15个类别	NA	NA	NA	NA
2651	2025-01-06	Automatic identification of the endangered hawksbill sea turtle behavior using deep learning and cross-species transfer learning 2024-Dec-15, The Journal of experimental biology IF:2.8Q2 DOI:10.1242/jeb.249232 PMID:39555892	研究论文	本文探讨了利用深度学习和跨物种迁移学习自动识别濒危玳瑁海龟行为的方法	通过迁移学习，将绿海龟和人类活动数据训练的模型应用于玳瑁海龟行为识别，提高了分类性能	数据稀缺仍然是生态学中的一个挑战	研究目的是利用加速度数据自动识别濒危玳瑁海龟的行为	研究对象是濒危玳瑁海龟（Eretmochelys imbricata）的行为	机器学习	NA	迁移学习	深度学习模型	加速度数据	NA	NA	NA	NA	NA
2652	2025-01-06	Ion channel classification through machine learning and protein language model embeddings 2024-Dec-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2023-0047 PMID:39572876	研究论文	本研究通过机器学习和蛋白质语言模型嵌入技术，对离子通道进行分类，显著提升了分类方法的性能和准确性	结合ProtBERT-BFD和CNN的TooT-BERT-CNN-C模型在离子通道分类中表现优异，显著超越现有基准	研究依赖于计算技术，可能忽略了传统湿实验室实验的某些细节	开发更高效的计算方法以识别离子通道，加速离子通道生物学研究和药物发现	离子通道	机器学习	NA	ProtBERT, ProtBERT-BFD, MembraneBERT, CNN	k-Nearest Neighbors, Random Forest, Support Vector Machines, Feed-Forward Neural Networks, CNN	蛋白质序列数据	原始数据集和新收集的更大数据集DS-Cv2	NA	NA	NA	NA
2653	2025-01-06	A transformer-based deep learning survival prediction model and an explainable XGBoost anti-PD-1/PD-L1 outcome prediction model based on the cGAS-STING-centered pathways in hepatocellular carcinoma 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae686 PMID:39749665	研究论文	本文开发了基于cGAS-STING通路的深度学习生存预测模型和可解释的XGBoost抗PD-1/PD-L1结果预测模型，用于肝细胞癌（HCC）的研究	创新点在于结合cGAS-STING通路，构建了Transformer生存模型和XGBoost免疫治疗结果预测模型，并提供了模型的开源代码	模型的泛化能力需进一步验证，且样本量可能限制了模型的普适性	开发预测肝细胞癌患者生存风险和抗PD-1/PD-L1治疗结果的模型	肝细胞癌（HCC）患者	机器学习	肝细胞癌	SHAP算法	Transformer, XGBoost	基因表达数据	多个HCC队列（TCGA-LIHC、ICGC-LIRI-JP、GSE144269等）	NA	NA	NA	NA
2654	2025-01-06	Towards simplified graph neural networks for identifying cancer driver genes in heterophilic networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae691 PMID:39751645	研究论文	本文提出了一种简化的图神经网络（SGCD），用于在异质性网络中识别癌症驱动基因	SGCD模型结合了表示分离的图卷积神经网络和双模态特征提取器，解决了现有方法未考虑生物网络异质性和特征混淆的问题	NA	提高在异质性网络中识别癌症驱动基因的模型性能	癌症驱动基因	机器学习	癌症	图深度学习	图卷积神经网络（GCN）	多组学数据和生物网络	NA	NA	NA	NA	NA
2655	2025-01-06	Gut Analysis Toolbox - automating quantitative analysis of enteric neurons 2024-Oct-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261950 PMID:39219476	研究论文	本文介绍了Gut Analysis Toolbox (GAT)，一种用于定量分析肠道神经元的图像分析工具	GAT通过使用基于深度学习的细胞分割模型和神经节分割模型，实现了快速、准确的图像分析，减少了操作者偏差	NA	开发一种自动化工具，用于定量分析肠道神经元的分布和功能	肠道神经系统（ENS）中的神经元和胶质细胞	数字病理学	NA	深度学习（DL）	StarDist, deepImageJ	二维图像	公共数据集	NA	NA	NA	NA
2656	2025-01-06	Scalable deep learning framework for sentiment analysis prediction for online movie reviews 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30756 PMID:38784532	研究论文	本文提出了一种用于在线电影评论情感分析预测的可扩展深度学习框架	提出了PEW-MCAB模型，结合了位置嵌入和预训练的Glove嵌入向量，以及多通道卷积神经网络和基于注意力的双向长短期记忆模型	未提及模型在处理多语言或跨文化情感分析时的表现	研究在线电影评论的情感分析预测	在线电影文本评论	自然语言处理	NA	深度学习	MCNN, AB模型	文本	使用了四个数据集：IMDB, MR (2002), MRC (2004), MR (2005)	NA	NA	NA	NA
2657	2025-01-06	Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1365727 PMID:38784680	研究论文	本研究首次展示了在常规MRI数据集上高精度自动分割前庭神经鞘瘤（VS）的可能性，并发布了一个多中心常规临床（MC-RC）数据集	首次在常规MRI数据集上实现高精度的VS自动分割，并公开了一个包含160名患者的多中心常规临床数据集	数据集主要来自单一类型的肿瘤（单发散发性VS），且未涉及其他类型的肿瘤或更广泛的患者群体	提高前庭神经鞘瘤（VS）在常规临床MRI中的自动分割精度，以改善临床工作流程和患者管理	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	深度学习	深度学习框架	MRI图像	160名患者，包含124个对比增强T1加权（ceT1w）图像和363个T2加权（T2w）图像	NA	NA	NA	NA
2658	2025-01-06	Spatial Deep Learning Approach to Older Driver Classification 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3516572 PMID:39748855	研究论文	本文提出了一种基于空间深度学习的方法，用于老年驾驶员分类，通过网格索引数据增强来提高异常驾驶行为的检测	提出了一种新颖的空间深度学习方法，利用基于网格索引的数据增强技术来改进异常驾驶行为的检测	未明确提及具体限制	解决老年驾驶员分类问题，识别正常和异常驾驶员，以提升道路安全、保险风险评估及针对老年驾驶员的干预措施	老年驾驶员	机器学习	老年疾病	深度学习	NA	GPS位置、速度、方向、距离等遥测数据	未明确提及样本数量	NA	NA	NA	NA
2659	2025-01-05	An retrospective study on the effects of deep learning model-based optimization emergency nursing on treatment compliance and curative effect of patients with acute left heart failure 2024-Dec-31, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-024-01156-x PMID:39736523	研究论文	本研究探讨了基于可解释DenseNet模型的优化急诊护理对急性左心衰竭患者治疗依从性和疗效的影响	首次将可解释DenseNet模型应用于急性左心衰竭患者的急诊护理优化，并评估其对患者心理状态和急救效果的影响	样本量较小，仅96名患者参与研究，且研究为回顾性研究，可能存在选择偏倚	评估优化急诊护理对急性左心衰竭患者的治疗效果和应用价值	急性左心衰竭患者	数字病理学	心血管疾病	可解释DenseNet模型	DenseNet	临床数据	96名急性左心衰竭患者	NA	NA	NA	NA
2660	2025-01-05	PharmRL: pharmacophore elucidation with deep geometric reinforcement learning 2024-Dec-31, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02096-5 PMID:39736736	研究论文	本文开发了一种深度学习方法，用于在缺乏配体的情况下识别药效团，并通过深度几何强化学习算法优化药效团的选择	提出了一种结合CNN和深度几何Q学习的算法，能够在没有配体的情况下识别药效团，并在虚拟筛选中表现出色	算法依赖于蛋白质结合位点的结构信息，可能不适用于所有类型的蛋白质-配体相互作用	开发自动化药效团设计方法，特别是在缺乏配体的情况下	蛋白质结合位点及其潜在的有利分子相互作用	机器学习	NA	深度学习，几何强化学习	CNN, Q-learning	蛋白质结合位点的结构数据	DUD-E数据集、LIT-PCBA数据集、COVID moonshot数据集	NA	NA	NA	NA