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
1501	2025-02-21	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究利用迁移学习与深度学习相结合的方法进行犯罪预测，旨在提高预测的准确性和效率	提出了基于BiLSTM的迁移学习架构，用于跨区域犯罪知识的转移，并在多个犯罪数据集上验证了其优越性	需要大量的犯罪数据和资源来训练最先进的深度学习模型，这可能限制了其广泛应用	提高犯罪预测的准确性和效率，以增强执法机构在控制和预防犯罪方面的能力	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习、深度学习	BiLSTM、CNN-LSTM、SMA、WMA、EMA	犯罪数据	多个犯罪数据集（芝加哥、纽约、拉合尔）
1502	2025-02-20	Quantitative analysis of the dexamethasone side effect on human-derived young and aged skeletal muscle by myotube and nuclei segmentation using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae658 PMID:39752317	研究论文	本文提出了一种使用深度学习和后处理技术对人类来源的年轻和老年骨骼肌中地塞米松副作用进行定量分析的新方法	通过同时进行肌管和细胞核分割，结合后处理技术，提高了分析的准确性和一致性	NA	定量分析地塞米松对人类来源的年轻和老年骨骼肌的副作用	人类来源的年轻和老年骨骼肌细胞	计算机视觉	NA	深度学习	NA	图像	NA
1503	2025-02-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	本文开发了一种深度学习算法，用于量化炎症性肠病中潘氏细胞密度，以作为疾病预后的生物标志物	创新点在于使用深度学习技术自动量化潘氏细胞密度，显著提高了量化效率和准确性	研究的局限性在于样本量相对较小，且仅基于回顾性数据，需要进一步的前瞻性研究验证	研究目的是开发一种深度学习工具，用于量化潘氏细胞密度，作为炎症性肠病的预测生物标志物	研究对象为患有或不患有炎症性肠病的患者的回肠组织样本	数字病理学	炎症性肠病	深度学习	U-net	图像	190例患者（142例克罗恩病患者和48例非炎症性肠病患者）
1504	2025-02-20	CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis 2024-08-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02617 PMID:39092917	研究论文	本文开发了一种新型CRISPR/Cas13a增强的光电流极性转换光电化学（PEC）生物传感器，用于联合检测双长链非编码RNA（lncRNA），并结合深度学习（DL）辅助癌症诊断	结合CRISPR/Cas13a技术和深度学习，开发了一种新型光电化学生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	未提及具体局限性	开发一种新型生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	长链非编码RNA（lncRNA）	生物传感器	癌症	CRISPR/Cas13a技术，光电化学（PEC）技术，深度学习（DL）	深度学习模型	光电化学数据	全血样本
1505	2025-02-20	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	本文对六种基于深度学习的肽段碎片强度预测方法进行了全面评估	首次系统评估了六种深度学习方法在预测肽段碎片强度方面的表现，并考虑了多种实验条件的影响	研究仅限于六种方法，可能未涵盖所有相关的最新方法	评估和比较不同深度学习方法在预测肽段碎片强度方面的准确性和速度	肽段碎片强度预测方法	机器学习	NA	质谱分析	深度学习	质谱数据	近170万前体（包括胰蛋白酶肽和HLA肽）对应的超过1800万实验光谱，来自40个独立的PRIDE库提交
1506	2025-02-20	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个用于酶命名实体识别（NER）的注释管道和四种深度学习算法，旨在提高生物医学文献的自动化处理效率	首次开发了酶NER算法，结合了字典匹配和基于规则的关键词搜索的自动化注释管道，并评估了四种不同词汇和架构的深度学习模型	尽管注释管道在精度上表现优异，但在1-score和召回率上被微调的transformer模型超越，表明其在训练数据之外的泛化能力有限	开发并评估用于酶命名实体识别的自动化注释管道和深度学习模型，以提高生物医学文献的自动化处理效率	酶命名实体识别	自然语言处理	NA	深度学习	BiLSTM, transformer	文本	超过4800篇全文出版物，其中526篇为手动注释
1507	2025-02-20	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本文探讨了在有限数据集上优化X射线分类的数据增强和预处理技术，以坏死性小肠结肠炎（NEC）为例	提出了两种基于颜色对比和边缘增强的优化管道，以提高在有限数据集上开发可靠计算机辅助诊断模型的性能	研究仅限于NEC数据集，可能不适用于其他疾病或更大规模的数据集	优化X射线分类在有限数据集上的性能，特别是针对坏死性小肠结肠炎的诊断	364名患者的1090张腹部X射线图像	计算机视觉	坏死性小肠结肠炎	数据增强和预处理技术	ResNet-50	图像	1090张腹部X射线图像，来自364名患者
1508	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者
1509	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及
1510	2024-11-23	Large language modeling and deep learning shed light on RNA structure prediction 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02488-z PMID:39572717	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1511	2025-02-19	A comprehensive dataset of rice field weed detection from Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110981 PMID:39957731	研究论文	本文介绍了一个包含3632张高分辨率RGB图像的全面数据集，用于检测孟加拉国稻田中的杂草	开发了一个包含11种常见稻田杂草的高分辨率图像数据集，适用于全球不同农业环境	数据集主要来自孟加拉国，可能在其他地区的适用性有限	通过提供高质量数据集，支持深度学习与机器学习在稻田杂草检测中的应用	稻田中的杂草	计算机视觉	NA	NA	NA	图像	3632张高分辨率RGB图像
1512	2025-02-19	Mine 4.0-mineCareerDB: A high-resolution image dataset for mining career segmentation and object detection 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110976 PMID:39957730	研究论文	本文介绍了Mine 4.0-MineCareerDB，一个公开的高分辨率图像数据集，专门用于分析采矿职业	提供了一个专门为采矿行业设计的高分辨率图像数据集，支持计算机视觉应用	数据集仅包含373张图像，可能不足以覆盖所有采矿场景	推动计算机视觉在采矿行业中的应用，如设备识别、安全分析和自动化研究	采矿操作和活动的图像	计算机视觉	NA	无人机摄影	NA	图像	373张采矿活动图像
1513	2025-02-19	A dataset of mammography images with area-based breast density values, breast area, and dense tissue segmentation masks 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110980 PMID:39957743	研究论文	本文介绍了一个新的数据集，旨在推动自动乳腺密度估计的研究，这是乳腺X光片解读中的一个关键因素	该数据集基于公开的VinDr-Mammo数据集，提供了745张乳腺X光片图像及专家放射科医生对整个乳房和致密组织区域的注释，为自动乳腺密度分析提供了新的资源	数据集的样本量相对较小，可能限制了模型的泛化能力	推动自动乳腺密度估计的研究，以改进乳腺癌筛查	乳腺X光片图像	数字病理学	乳腺癌	乳腺X光摄影	深度学习模型	图像	745张乳腺X光片图像
1514	2025-02-19	Single unit electrophysiology recordings and computational modeling can predict octopus arm movement 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.13.612676 PMID:39345497	研究论文	本文通过单单位电生理记录和计算模型预测章鱼手臂运动	利用机器学习和统计分析的计算模型，揭示了章鱼简化神经系统中运动回路的原理，并提高了脑机接口设备的潜力	研究仅限于章鱼前神经索的电生理记录，可能不适用于其他生物或神经系统	研究章鱼简化神经系统中的运动回路原理，并改进脑机接口设备	章鱼前神经索和手臂运动	机器学习	NA	单单位电生理记录	深度学习模型	电生理数据	NA
1515	2025-02-19	Deep Learning Evaluation of Glaucoma Detection Using Fundus Photographs in Highly Myopic Populations 2024-06-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071394 PMID:39061968	研究论文	本研究旨在使用深度学习技术通过眼底照片识别高度近视人群中的青光眼和正常眼	利用卷积块注意力模块（CBAM）增强卷积神经网络（CNN）性能，提高青光眼检测的准确性	研究仅包括高度近视患者，排除了病理性近视患者，可能限制了结果的普遍性	识别高度近视人群中的青光眼	高度近视患者的眼底照片	计算机视觉	青光眼	深度学习	CNN, ConvNeXt_Base+CBAM	图像	3088张眼底照片（1540张青光眼组，1548张高度近视组）
1516	2025-02-19	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究旨在通过训练深度神经网络，基于结构性MRI自动区分三种临床表型的额颞叶痴呆（FTD）患者	提出了一种可解释的深度学习并行特征嵌入和可视化框架，用于区分FTD的三种临床亚型	样本量相对较小，且来自多个站点，可能存在数据异质性	自动区分额颞叶痴呆（FTD）的三种临床表型，以帮助早期和精确诊断	277名FTD患者（包括173名行为变异型FTD、63名非流利型原发性进行性失语和41名语义型原发性进行性失语）	数字病理学	老年疾病	结构性MRI	深度神经网络（DNN）	图像	277名FTD患者
1517	2025-02-17	Tricuspid valve flow measurement using a deep learning framework for automated valve-tracking 2D phase contrast 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30163 PMID:38817154	研究论文	本文开发了一种自动瓣膜追踪的2D方法，用于测量动态三尖瓣的血流速度	使用深度学习网络TVnet自动追踪三尖瓣平面，并应用于动态2D相位对比成像	样本量较小，仅包括9名健康受试者和2名患者	评估三尖瓣血流速度，解决心血管MR测量中的挑战	健康受试者和患者的三尖瓣血流	计算机视觉	心血管疾病	2D相位对比成像	深度学习网络TVnet	图像	9名健康受试者和2名患者
1518	2025-02-17	Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models 2024-Aug-30, Gels (Basel, Switzerland) DOI:10.3390/gels10090565 PMID:39330168	研究论文	本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题	首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布	研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证	提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响	Fricke凝胶剂量计中的离子扩散现象	机器学习	NA	物理信息神经网络（PINNs）	PINNs	2D和3D数据	数值模拟数据，时间跨度从20到100小时
1519	2025-02-17	BioMapAI: Artificial Intelligence Multi-Omics Modeling of Myalgic Encephalomyelitis / Chronic Fatigue Syndrome 2024-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.24.600378 PMID:38979186	研究论文	本文介绍了BioMapAI，一个可解释的深度学习框架，用于建模肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的多组学数据	开发了BioMapAI框架，首次使用最丰富的纵向多组学数据集进行ME/CFS研究，并创建了健康和疾病状态下的组学连接图	NA	解决ME/CFS和长期COVID等慢性疾病的高异质性和多因素病因及进展问题，改善诊断和治疗	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者	机器学习	慢性疲劳综合征	多组学分析	深度学习	多组学数据（包括肠道宏基因组学、血浆代谢组、免疫分析、血液实验室数据和临床症状）	NA
1520	2025-02-17	Universal representation learning for multivariate time series using the instance-level and cluster-level supervised contrastive learning 2024-May, Data mining and knowledge discovery IF:2.8Q2 DOI:10.1007/s10618-024-01006-1 PMID:39949582	研究论文	本文提出了一种新的监督对比学习方法（SupCon-TSC），用于多变量时间序列分类任务，以提高分类性能并学习可解释的低维表示	提出了实例级和集群级的监督对比学习方法，以捕捉上下文信息并学习多变量时间序列数据集的判别性和通用表示	在小型数据集上的表现较好，但在更大规模数据集上的效果尚未验证	提高多变量时间序列分类任务的性能，特别是在标签数据有限的情况下	多变量时间序列数据	机器学习	NA	监督对比学习	SupCon-TSC	时间序列数据	两个小型心肺运动测试（CPET）数据集和UEA多变量时间序列档案