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
21	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像
22	2025-02-21	Single Person Identification and Activity Estimation in a Room from Waist-Level Contours Captured by 2D Light Detection and Ranging 2024-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s24041272 PMID:38400430	研究论文	本文提出了一种使用2D激光雷达在房间内进行人员识别和活动估计的新方法	利用深度学习技术从2D激光雷达数据中提取人体轮廓并进行人员识别和活动估计，创新性地比较了LSTM和VGG16两种深度学习模型的效果	2D激光雷达在腰部高度捕获的点云数据包含的步态特征较少，可能影响识别精度	开发用于家庭老年人监控的社交辅助机器人，确保隐私不受侵犯	房间内的居民及其活动	计算机视觉	老年疾病	2D激光雷达	LSTM, VGG16	点云数据	四名参与者，共收集了120分钟的步行数据和100分钟的额外活动数据（开门、坐下和站立）
23	2025-02-21	Enhancing Stress Detection: A Comprehensive Approach through rPPG Analysis and Deep Learning Techniques 2024-Feb-07, Sensors (Basel, Switzerland) DOI:10.3390/s24041096 PMID:38400254	研究论文	本文提出了一种基于远程光电容积描记术（rPPG）和深度学习技术的压力检测方法，旨在通过面部视频实现高效的压力检测	本文提出了新颖的混合深度学习网络，结合LSTM、GRU和1D-CNN模型，并通过超参数优化和数据增强技术提高压力检测的准确性和效率	NA	提高压力检测的准确性和效率，特别是在远程压力监测领域	面部视频数据	计算机视觉	NA	远程光电容积描记术（rPPG）	LSTM, GRU, 1D-CNN	视频	UBFC-Phys数据集
24	2025-02-17	Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning 2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad189 PMID:38366336	研究论文	本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征	利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征	研究主要基于Instagram平台，可能不适用于其他社交媒体平台	识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征	Instagram上的反电子烟图片帖子	自然语言处理	NA	深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型）	CNN（ViT-B/32）	图像和文本	8972个反电子烟Instagram图片帖子，其中2200个手工编码
25	2025-02-13	Discovery of a structural class of antibiotics with explainable deep learning 2024-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06887-8 PMID:38123686	研究论文	本文介绍了一种基于可解释深度学习的抗生素结构类别发现方法	提出了一种基于子结构的可解释深度学习方法，用于高效探索化学空间并预测抗生素的结构类别	需要进一步验证所发现的结构类别在其他细菌感染模型中的效果	发现新型抗生素结构类别以应对抗生素耐药性危机	化学化合物	机器学习	细菌感染	图神经网络	图神经网络	化学结构数据	39,312种化合物的抗生素活性和细胞毒性数据，以及12,076,365种化合物的预测数据
26	2025-02-09	Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1 2024-Feb-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2023.10.039 PMID:38016472	研究论文	本文通过纵向单核RNA测序技术，研究了小鼠和人类脊髓小脑共济失调1型（SCA1）小脑组织中各细胞群在神经退行过程中的动态变化	首次定义了在Purkinje细胞丢失之前的精确转录变化，并识别了单极刷细胞和少突胶质细胞中的早期转录失调	NA	研究神经退行性疾病中不同细胞类型在疾病发生和进展中的作用	小鼠和人类SCA1小脑组织	数字病理学	神经退行性疾病	单核RNA测序	深度学习	RNA测序数据	NA
27	2025-02-08	3D Convolutional Deep Learning for Nonlinear Estimation of Body Composition from Whole-Body Morphology 2024-Feb-13, Research square DOI:10.21203/rs.3.rs-3935042/v1 PMID:38410459	研究论文	本文探讨了使用非线性参数化和回归模型替代线性模型，以提高从3D光学扫描中估计全身和区域体成分的精度和准确性	首次将深度3D卷积图网络应用于人体成分建模，使用图卷积3D自编码器（3DAE）替代线性PCA，并采用非线性高斯过程回归（GPR）进行预测	深度形状特征仅提高了男性体成分的准确性，而对女性的准确性提升不明显	提高从3D光学扫描中估计全身和区域体成分的精度和准确性	人体体成分	计算机视觉	NA	3D光学扫描，双能X射线吸收法（DXA）	图卷积3D自编码器（3DAE），高斯过程回归（GPR）	3D光学扫描数据	4286个拓扑标准化的3D光学扫描，来自四个不同的人体形状数据库（DFAUST, CAESAR, Shape Up! Adults, Shape Up! Kids），测试集包含424个随机保留的测试网格
28	2025-02-08	Robust single-shot 3D fluorescence imaging in scattering media with a simulator-trained neural network 2024-Feb-12, Optics express IF:3.2Q2 DOI:10.1364/OE.514072 PMID:38439332	研究论文	本文开发了一种基于模拟器训练的深度神经网络，用于在散射介质中进行单次3D荧光成像	提出了一种新的散射模拟器，并训练了一个仅使用合成数据的深度神经网络，用于从单次光场测量中去除散射并重建3D体积	深度学习模型对真实实验数据的泛化能力受到网络设计因素和分布外数据的影响	解决散射介质中的3D荧光成像问题，提高成像深度和信号背景比	散射介质中的荧光成像	计算机视觉	NA	光场系统	深度神经网络	图像	不同散射条件下的散射体模
29	2025-02-05	Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2024-Feb-19, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03910-w PMID:38373931	研究论文	本研究旨在评估四种深度学习模型在外部牙根吸收（ERR）识别中的表现，并探讨结合特征选择技术（FST）对模型识别能力的影响	结合特征选择技术与深度学习模型，提高了外部牙根吸收识别的准确性	研究仅基于模拟的外部牙根吸收数据，未涉及真实临床数据	评估深度学习模型在外部牙根吸收识别中的表现，并探讨特征选择技术对模型性能的影响	88颗拔除的前磨牙	计算机视觉	牙科疾病	Cone beam CT	Random Forest (RF) + Visual Geometry Group 16 (VGG), RF + EfficienNetB4 (EFNET), Support Vector Machine (SVM) + VGG, SVM + EFNET	图像	88颗前磨牙
30	2025-02-05	Improving deep learning protein monomer and complex structure prediction using DeepMSA2 with huge metagenomics data 2024-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02130-4 PMID:38167654	研究论文	本文介绍了DeepMSA2管道，利用基因组和宏基因组序列数据库进行迭代比对搜索，显著提高了蛋白质三级和四级结构预测的准确性	DeepMSA2通过平衡的比对搜索和有效的模型选择，结合庞大的宏基因组数据库，显著提升了蛋白质结构预测的准确性	未明确提及具体限制	提高深度学习蛋白质单体及复合物结构预测的准确性	蛋白质单体和复合物结构	机器学习	NA	宏基因组测序	深度学习	序列数据	大规模基准测试
31	2025-02-03	Defining the boundaries: challenges and advances in identifying cells in microscopy images 2024-02, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2023.103055 PMID:38142646	研究论文	本文探讨了在显微镜图像中识别细胞的挑战和进展，特别是分割技术的改进	深度学习工具在细胞分割技术中的主导地位增强，如Cellpose模型的准确性和用户友好性提升	NA	提高显微镜图像中细胞分割的准确性和效率	显微镜图像中的细胞	计算机视觉	NA	深度学习	Cellpose	图像	NA
32	2025-02-03	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	本文提出了一种基于Swin Transformer的深度学习模型（SwinIR），用于去噪单延迟和多延迟3D动脉自旋标记（ASL），并与卷积神经网络（CNN）和其他基于Transformer的方法进行了性能比较	首次将Swin Transformer应用于ASL数据的去噪，并在性能上超越了CNN和其他基于Transformer的方法	使用M0作为输入时，虽然提高了图像质量，但引入了更大的CBF量化偏差	提高3D ASL数据的图像质量，减少扫描时间，以促进其临床应用	单延迟和多延迟3D ASL数据	计算机视觉	NA	深度学习	SwinIR, CNN	3D图像	66名受试者（119次扫描）用于训练，39名受试者（44次扫描）用于测试，另外6名受试者（10次扫描）用于多延迟ASL数据
33	2025-02-03	Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample 2024-Feb, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2023.115693 PMID:38194801	研究论文	本研究探讨了利用腕戴式活动记录仪数据结合机器学习和深度学习技术检测重度抑郁症（MDD）的效用	结合传统机器学习方法和深度学习卷积神经网络（CNN）方法，利用被动收集的活动记录仪数据检测MDD，并识别出与MDD相关的生物标志物	研究依赖于PHQ-9作为MDD筛查工具，可能存在筛查偏差	探索利用被动收集的活动记录仪数据结合机器学习技术检测MDD的潜力	8,378名参与者，其中766名参与者通过PHQ-9筛查为MDD	机器学习	重度抑郁症	机器学习和深度学习	传统机器学习方法和CNN	活动记录仪数据	8,378名参与者，其中766名通过PHQ-9筛查为MDD
34	2025-02-03	Nonmetastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Patients with Breast Cancer at Risk for Metastasis 2024-02, The American journal of pathology DOI:10.1016/j.ajpath.2023.11.005 PMID:38029922	研究论文	本研究使用深度学习模型识别肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并探讨其与淋巴结转移的潜在机制	首次通过深度学习模型揭示肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并初步发现脂肪替代淋巴结中CD3表达减少和瘦素表达增加的趋势	研究样本量较小（180例），且免疫组化分析仅基于30例患者的子集，结果需要进一步验证	探讨肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异及其与淋巴结转移的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习模型、免疫组化分析	深度学习模型	图像（H&E染色全切片图像）	180例乳腺癌患者（其中30例用于免疫组化分析）
35	2025-02-03	Adaptive 3DCNN-based Interpretable Ensemble Model for Early Diagnosis of Alzheimer's Disease 2024-Feb, IEEE transactions on computational social systems IF:4.5Q1 DOI:10.1109/tcss.2022.3223999 PMID:39239536	研究论文	本文提出了一种基于三维卷积神经网络（3DCNN）和遗传算法（GA）的自适应可解释集成模型（3DCNN+EL+GA），用于早期诊断阿尔茨海默病（AD）或轻度认知障碍（MCI），并通过数据驱动的方式识别显著影响分类的脑区	提出了一种结合3DCNN和遗传算法的自适应可解释集成模型，能够识别显著影响分类的脑区，并在体素级别定位这些脑区中的子区域	未来研究需要验证该方法在其他脑部疾病（如重度抑郁、精神分裂症、自闭症和脑血管疾病）中的泛化能力	开发一种自适应可解释集成模型，用于早期诊断阿尔茨海默病和轻度认知障碍，并识别显著影响分类的脑区	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	计算机视觉	阿尔茨海默病	3DCNN, 遗传算法（GA）	3DCNN+EL+GA	神经影像数据	来自阿尔茨海默病神经影像倡议（ADNI）和开放获取系列影像研究（OASIS）的数据集
36	2025-02-03	Respiratory signal estimation for cardiac perfusion SPECT using deep learning 2024-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16653 PMID:37523268	研究论文	本文开发了一种仅使用SPECT投影数据的深度学习方法，用于估计心脏灌注SPECT成像中的呼吸信号	提出了一种基于改进U-Net的深度学习方法，直接从SPECT投影数据中估计呼吸信号，无需依赖外部跟踪设备	研究仅使用了900名受试者的数据，可能需要在更大规模的数据集上进行验证	开发一种无需外部设备的深度学习方法，用于心脏灌注SPECT成像中的呼吸信号估计和运动校正	心脏灌注SPECT成像中的呼吸信号	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	900名受试者，其中302名用于测试，598名用于训练和验证
37	2025-02-03	Flexible protein-protein docking with a multitrack iterative transformer 2024-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	本文介绍了一种名为GeoDock的多轨迭代变压器网络，用于从分离的对接伙伴预测对接结构，解决了现有蛋白质-蛋白质对接方法在结合诱导构象变化方面的局限性	GeoDock在蛋白质残基水平上具有灵活性，能够预测结合时的构象变化，且在DIPS测试集上达到了43%的top-1成功率，优于其他测试方法	尽管GeoDock在预测结合诱导的构象变化方面有所突破，但由于训练和评估数据的限制，这仍然是一个挑战	开发一种能够处理结合诱导构象变化的蛋白质-蛋白质对接方法，以提高对接成功率和应用效率	蛋白质-蛋白质对接	机器学习	NA	多轨迭代变压器网络	Transformer	序列和结构数据	DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集
38	2025-01-22	Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease 2024-02, Arteriosclerosis, thrombosis, and vascular biology DOI:10.1161/ATVBAHA.123.318771 PMID:38095107	综述	本文探讨了利用基因组学识别主动脉疾病新型治疗靶点的潜力，并回顾了深度学习技术在该领域遗传发现中的应用	应用机器学习方法分析大型影像数据集，快速定义主动脉特征并挖掘出数十个新的遗传关联，如主动脉直径和扩张性	NA	识别主动脉疾病的因果基因和候选药物靶点	主动脉疾病，包括夹层、动脉瘤和破裂	基因组学	心血管疾病	机器学习，深度学习	NA	影像数据	NA
39	2025-02-03	Applying deep learning to recognize the properties of vitreous opacity in ophthalmic ultrasound images 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02705-7 PMID:37596401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
40	2025-02-03	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	本文验证了一种基于深度学习的算法，用于自动分割新生血管性年龄相关性黄斑变性（nAMD）中的视网膜内液（IRF）、视网膜下液（SRF）和新生血管性色素上皮脱离（nPED）	开发并验证了一种深度学习算法，能够自动分割nAMD中的关键OCT特征，性能接近人工分级	样本量较小，仅包括50名患者的50只眼睛	验证深度学习算法在nAMD中自动分割关键OCT特征的准确性	新生血管性年龄相关性黄斑变性（nAMD）患者的光学相干断层扫描（OCT）数据	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习	图像	50名患者的50只眼睛