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
121	2025-02-25	Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04236-5 PMID:38512517	研究论文	本文评估了基于深度学习的图像重建技术在多动脉期磁共振成像（MA-MRI）中对小血管性肝肿瘤图像质量的提升效果	首次将深度学习技术应用于多动脉期磁共振成像的图像重建，显著提高了图像质量	研究样本量较小，且为回顾性研究，可能影响结果的普遍性	评估深度学习图像重建技术在多动脉期磁共振成像中的应用效果	55名患有小血管性肝肿瘤的成年患者	计算机视觉	肝肿瘤	深度学习图像重建	深度学习模型	图像	55名成年患者
122	2025-02-25	Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04225-8 PMID:38372765	综述	本文综述了用于非侵入性诊断肝硬化的定性和定量影像生物标志物，并讨论了评估肝功能和预后的挑战及未来方向	介绍了影像组学和深度学习在提高诊断准确性并减少主观性方面的应用	部分定量影像特征尚未在临床实践中应用	探讨非侵入性诊断肝硬化的影像生物标志物及其在评估肝功能和预后中的应用	肝硬化患者	数字病理学	肝硬化	超声、CT、MRI、弹性成像技术、影像组学、深度学习	NA	影像数据	NA
123	2025-02-25	Detection of urinary tract stones on submillisievert abdominopelvic CT imaging with deep-learning image reconstruction algorithm (DLIR) 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04223-w PMID:38470506	研究论文	本研究评估了使用深度学习图像重建算法（DLIR）在亚毫西弗腹部盆腔CT成像中检测尿路结石的诊断性能和图像质量	首次在亚毫西弗腹部盆腔CT成像中应用深度学习图像重建算法（DLIR），并评估其在尿路结石检测中的诊断性能和图像质量	样本量较小，仅57名患者参与研究	评估亚毫西弗腹部盆腔CT成像在尿路结石检测中的诊断性能和图像质量	57名疑似尿路结石患者	数字病理	尿路结石	CT成像	深度学习图像重建算法（DLIR）	图像	57名患者，共检测到266颗结石
124	2025-02-21	Dual Stream Long Short-Term Memory Feature Fusion Classifier for Surface Electromyography Gesture Recognition 2024-Jun-04, Sensors (Basel, Switzerland) DOI:10.3390/s24113631 PMID:38894423	研究论文	本文提出了一种基于双流LSTM特征融合分类器的新型轻量级模型，用于表面肌电信号手势识别	提出了一种结合五种时域特征和原始数据的双流LSTM特征融合分类器，通过一维卷积神经网络和LSTM层进行分类，有效捕捉肌电信号的全局特征，计算成本低	模型在DB2数据集上仅对10名受试者进行了验证，样本量较小	提高表面肌电信号手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	NA	双流LSTM特征融合分类器	肌电信号	DB1数据集中的27名受试者，每名受试者重复52种手势各10次；DB2数据集中的10名受试者
125	2025-02-21	A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03033-y PMID:38374416	研究论文	本文提出了一种基于τ形卷积网络（τNet）和长短期记忆（LSTM）的新型深度学习模型，用于从EEG和EOG信号中检测生理疲劳	提出了τ形卷积网络（τNet），结合了上采样特征和连接高低级特征的操作，以充分利用有用信息，并提出了LSTM-τNet并行结构，用于疲劳检测	未明确提及具体局限性	开发一种高效的疲劳检测算法，以减少交通事故	EEG和EOG信号	机器学习	NA	深度学习	τ形卷积网络（τNet）和LSTM	EEG和EOG信号	基于两个数据集进行实验
126	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
127	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
128	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
129	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）
130	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
131	2025-02-07	Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning 2024-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63367-3 PMID:38871739	研究论文	本文通过深度学习技术对YouTube上关于哈马斯-以色列战争的评论进行情感分析，以确定公众意见	开发了一种基于深度学习的情感分析方法，结合了CNN和Bi-LSTM的混合模型，并使用Word2vec进行特征提取，达到了95.73%的分类准确率	研究仅限于YouTube平台上的评论，且样本量相对较小（24,360条评论），可能无法全面反映公众意见	通过情感分析评估公众对哈马斯-以色列战争的意见和情感	YouTube上关于哈马斯-以色列战争的评论	自然语言处理	NA	NLP, Word2vec, FastText, GloVe, SMOTE	LSTM, Bi-LSTM, GRU, CNN和Bi-LSTM的混合模型	文本	24,360条评论
132	2025-02-06	Analyzing the impact of deep learning algorithms and fuzzy logic approach for remote English translation 2024-Jun-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64831-w PMID:38914631	研究论文	本文提出了一种结合深度学习和模糊决策算法的远程英语翻译方法，以提高翻译的准确性和可理解性	提出了一种名为Fusion-dependent Precision Translation Approach (FPTA)的方法，通过深度学习和模糊决策算法进行单词使用和句子完成的反复验证，从而减少翻译错误并提高可理解性	未提及具体的数据集或样本量，可能缺乏广泛的验证	解决远程英语翻译中的精确性问题	远程英语翻译	自然语言处理	NA	深度学习, 模糊决策算法	NA	文本	NA
133	2025-01-24	Attention and sentiment of Chinese public toward rural landscape based on Sina Weibo 2024-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64527-1 PMID:38877046	研究论文	本研究提出了一种基于深度学习的微博数据分析模型，旨在从中国公众的角度探索乡村景观的发展方向	利用深度学习模型分析微博数据，揭示中国公众对乡村景观的关注和情感变化	研究主要基于微博数据，可能无法全面代表所有公众的意见	探索中国公众对乡村景观的关注和情感，为政策制定和发展模式探索提供依据	中国公众对乡村景观的关注和情感	自然语言处理	NA	深度学习	NA	文本	基于微博数据的公众意见分析
134	2025-02-06	Case-Base Neural Network: Survival analysis with time-varying, higher-order interactions 2024-Jun, Machine learning with applications DOI:10.1016/j.mlwa.2024.100535 PMID:39802089	研究论文	本文提出了一种结合案例基础采样框架和灵活神经网络架构的新方法——案例基础神经网络（CBNNs），用于生存分析中的时间变化和复杂基线风险的建模	提出了一种新的案例基础神经网络（CBNNs）方法，结合了案例基础采样框架和灵活的神经网络架构，能够自然处理截尾数据并预测事件发生的概率	尽管CBNNs在模拟和实际数据应用中表现出色，但在某些情况下与其他模型的性能相似，可能需要进一步验证其广泛适用性	开发一种能够建模时间变化交互和复杂基线风险的数据驱动神经网络方法，以提高生存分析的预测性能	生存分析中的时间变化和复杂基线风险	机器学习	NA	神经网络	前馈神经网络	生存数据	模拟数据和三个实际数据应用
135	2025-02-05	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文提出了一种结合数学模型和深度强化学习（DRL）的个性化自适应治疗策略，用于优化前列腺癌的治疗方案	创新点在于将深度强化学习应用于自适应药物调度，并展示了其在数学模型校准的前列腺癌动态中优于现有自适应协议的表现	本文的局限性在于未明确提及在实际临床环境中的验证情况，且未详细讨论模型的泛化能力	研究目的是通过深度强化学习优化自适应治疗策略，以延迟或预防肿瘤进展	研究对象为前列腺癌患者及其肿瘤动态	机器学习	前列腺癌	深度强化学习（DRL）	DRL	数学模型数据	未明确提及样本量
136	2025-02-05	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	本文提出了一种基于深度学习的计算方法，用于重建无标记和荧光标记的光谱单分子定位显微镜（sSMLM）成像数据	开发了一种名为DsSMLM的双网络模型深度学习算法，用于重建sSMLM数据，并在多种样本上进行了验证	未明确提及具体局限性	开发一种新的计算方法，利用深度学习重建sSMLM成像数据，以实现纳米级的亚细胞结构可视化	无标记的单链DNA纤维、荧光标记的组蛋白标记物、COS-7和U2OS细胞、合成DNA折纸纳米尺	计算机视觉	NA	光谱单分子定位显微镜（sSMLM）	深度学习（双网络模型）	图像	多种样本，包括单链DNA纤维、COS-7和U2OS细胞、合成DNA折纸纳米尺
137	2025-02-02	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文全面回顾了用于阿尔茨海默病预测的深度学习方法，探讨了不同的模态、特征提取方法、数据集、机器学习技术和验证方法	本文通过系统回顾116篇相关论文，总结了现有技术在阿尔茨海默病识别中的应用，并强调了模型可解释性和可理解性的重要性	本文主要基于已有文献进行综述，未提出新的实验或模型	评估现有技术用于阿尔茨海默病识别，并指出未来研究的障碍	阿尔茨海默病的早期诊断	机器学习	老年病	深度学习	NA	多模态数据	116篇相关论文
138	2025-02-02	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	本文提出了一种基于残差函数的多阶段深度神经网络架构，用于改进现有的阿尔茨海默病（AD）检测方法	提出了一种新的多阶段深度神经网络架构，结合残差网络（ResNets）的成功经验，通过五个阶段增强特征有效性，并引入深度学习特征选择模块以减少过拟合	未提及具体局限性	开发一种自动化的阿尔茨海默病检测系统，以应对全球范围内日益增长的老年痴呆症风险	阿尔茨海默病（AD）	计算机视觉	老年疾病	深度学习（DL）	残差网络（ResNets）、支持向量机（SVM）、随机森林（RF）、SoftMax	医学图像	三个基准数据集：ADNI1: Complete 1Yr 1.5T、MIRAID 和 OASIS Kaggle
139	2024-08-05	Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view 2024-06-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19118-0 PMID:38902622	研究论文	本文提出了一种可扩展的低成本算法，通过深度学习和谷歌街景图像估计头盔佩戴率	结合深度学习对象检测技术和谷歌街景图像的新方法，提供全球范围内的头盔佩戴率估算	研究样本仅限于3995张图像，可能影响算法的普遍适用性	旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定	使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况	计算机视觉	NA	深度学习	NA	图像	3995张图像
140	2024-08-05	Leveraging data science and machine learning for urban climate adaptation in two major African cities: a HE2AT Center study protocol 2024-06-18, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077529 PMID:38890141	研究论文	该研究旨在了解非洲城市中与热相关的健康影响复杂性	创新点在于综合健康、社会经济、气候和卫星影像数据来映射城市热风险，并建立热健康预测模型和预警系统	该研究主要集中于两座城市，可能无法广泛适用于其他地区	研究目的是促进非洲城市的气候适应能力，保护受到热危害不成比例影响的人群	研究对象包括在约翰内斯堡和阿比让进行的成人临床试验或队列研究的健康相关数据集	机器学习	NA	统计评估、机器学习和深度学习技术	NA	健康、社会经济、气候和卫星影像数据	2000年至2022年在约翰内斯堡和阿比让的成人临床试验或队列研究的健康数据