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
61	2025-02-25	Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134723 PMID:38815392	研究论文	本研究利用多分支深度学习模型和高光谱成像技术，开发了HerbiNet模型，用于早期检测玉米中nicosulfuron除草剂的毒性	开发了HerbiNet和HerbiNet-Lite模型，能够早期准确预测玉米中nicosulfuron的毒性，并在不同年份和季节的数据集上表现出更高的泛化能力	研究仅针对nicosulfuron一种除草剂，未涉及其他除草剂的毒性检测	开发早期检测玉米中除草剂毒性的方法，以保护玉米生产和田间环境	玉米作物及其高光谱图像	计算机视觉	NA	高光谱成像	多分支深度学习模型	图像	NA
62	2025-02-21	Improving privacy-preserving multi-faceted long short-term memory for accurate evaluation of encrypted time-series MRI images in heart disease 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70593-2 PMID:39215022	研究论文	本文介绍了一种用于分析同态加密时间序列MRI数据的新方法：多面长短期记忆网络（MF-LSTM），旨在提高心脏疾病的准确评估	提出了多面长短期记忆网络（MF-LSTM），在保护患者隐私的同时，准确分类和预测心脏疾病	NA	提高心脏疾病的早期诊断和监测，同时保护患者隐私	加密时间序列MRI图像	数字病理学	心血管疾病	同态加密（HE）	MF-LSTM	时间序列MRI图像	NA
63	2025-02-21	A Method for the Spatial Interpolation of EEG Signals Based on the Bidirectional Long Short-Term Memory Network 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165215 PMID:39204910	研究论文	本文介绍了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法，用于从邻近电极获取的EEG通道中捕捉固有特征，预测EEG数据时间序列，并促进从低密度EEG信号到高密度EEG信号的转换	使用BiLSTM网络捕捉EEG时间序列数据的依赖关系，而非传统的数学映射方法，将均方根误差有效限制在0.4μV以下，显著优于传统方法	未提及具体局限性	提高脑机接口（BCI）技术的性能，通过增加EEG通道密度来改善信号精度	EEG信号	机器学习	NA	深度学习	BiLSTM	时间序列数据	BCI Competition III 3a数据集，从18通道扩展到60通道
64	2025-02-21	Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses 2024-08-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68586-2 PMID:39107349	研究论文	本研究开发了一种基于深度学习的眼动追踪系统，用于评估精神疾病患者的执行功能	利用眼动追踪技术和深度学习模型（LSTM+Attention）来检测精神疾病患者在视觉空间记忆编码中的执行功能受损情况	研究样本仅限于特定类型的精神疾病患者，可能无法推广到其他类型的精神疾病或神经系统疾病	开发一种快速、直接的方法来识别精神疾病患者的执行功能受损	首次发作的精神病患者、临床高风险精神病患者、强迫症患者和健康对照组	机器学习	精神疾病	眼动追踪技术	LSTM+Attention	眼动数据	96名首次发作的精神病患者、49名临床高风险精神病患者、104名强迫症患者和159名健康对照组
65	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
66	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
67	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
68	2025-02-14	Deep survival analysis for interpretable time-varying prediction of preeclampsia risk 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104688 PMID:39002866	研究论文	本文提出了一种深度生存分析方法，用于预测妊娠期间子痫前期风险的时间变化	创新点在于使用深度生存模型DeepHit来处理非比例风险，捕捉非线性关系，并应对复杂的时间动态变化	研究基于回顾性数据，可能存在选择偏差，且模型性能与Cox比例风险模型相似，未显著超越	研究目的是开发一种能够准确预测妊娠期间子痫前期风险的方法，并探讨相关临床风险因素	研究对象为2015年至2023年间在两所三级医疗中心分娩的66,425名孕妇	机器学习	子痫前期	深度生存分析	DeepHit	回顾性数据	66,425名孕妇
69	2025-02-14	Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-023-01483-0 PMID:38110782	研究论文	本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）	首次将深度学习模型应用于超声图像上区分XGC和GBC，并与放射科医生的诊断结果进行比较	单中心研究，样本量较小（25例XGC和55例GBC）	通过深度学习模型提高XGC和GBC在超声图像上的区分准确性	黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）患者	计算机视觉	胆囊癌	深度学习	CNN, Transformer	图像	25例XGC患者和55例GBC患者
70	2025-02-13	Applications of artificial intelligence in biliary tract cancers 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01518-0 PMID:38427281	综述	本文综述了人工智能在胆道癌诊断和预后改善中的应用	探讨了深度学习在医学影像中的应用，以提高胆道癌的诊断性能	未提及具体AI模型的性能比较或实际应用中的挑战	提高胆道癌的诊断和预后	胆道癌，包括胆管癌和胆囊癌	数字病理	胆道癌	深度学习	NA	影像数据	NA
71	2025-02-12	Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01008-x PMID:38413460	研究论文	本文提出了一种深度学习方法来自动分类脑胶质瘤的等级，并实施了一种协议来学习、发现和量化肿瘤微环境元素	使用深度学习进行脑胶质瘤等级的自动多类分类，并通过单染色活检推导出肿瘤微环境表型邻域的特征	研究受到可用的人类白细胞抗原染色胶质瘤组织微阵列数据集的小样本量（206张图像，5个类别）以及数据分布不平衡的限制	提高脑胶质瘤等级的自动分类准确性，并探索肿瘤微环境在胶质瘤等级特征中的作用	脑胶质瘤及其微环境	数字病理学	脑胶质瘤	深度学习	DenseNet121	图像	206张图像，5个类别
72	2025-02-07	AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol 2024-08-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-084728 PMID:39645274	综述协议	本文概述了评估人工智能（AI）和大数据技术在应对阿片类药物危机中的最新发展及其相关性的必要步骤	首次提出对AI驱动技术在检测、治疗、预防或应对阿片类药物危机中的有效性进行全面范围审查	尚未进行全面的范围审查，缺乏对AI和大数据技术在阿片类药物危机中应用效果的系统评估	评估AI和大数据技术在应对阿片类药物危机中的最新发展及其相关性	阿片类药物危机	自然语言处理, 机器学习	阿片类药物危机	机器学习, 深度学习, 自然语言处理	NA	文本, 数据	NA
73	2025-02-07	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	本研究开发了一种使用多期增强CT的自动诊断系统，用于诊断肝脏病变	开发了Liver Lesion Network (LiLNet)，并在多个外部中心验证了其有效性，展示了高准确率和AUC值	未提及具体局限性	开发一种自动诊断系统，用于诊断肝脏病变	4039名来自六个数据中心的患者	计算机视觉	肝癌	多期增强CT	深度学习	图像	4039名患者
74	2025-02-07	CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning 2024-Aug-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03698-y PMID:39122750	研究论文	本文介绍了CREMP，一个用于快速开发和评估大环肽机器学习模型的资源	CREMP提供了36,198种独特的大环肽及其高质量的结构集合，这些集合是使用Conformer-Rotamer Ensemble Sampling Tool (CREST)生成的，包含近31.3百万种独特的大环几何结构，每种结构都附有半经验扩展紧束缚(xTB) DFT计算得出的能量注释	尽管CREMP提供了大量数据，但大环肽的独特性质使得其建模仍然具有挑战性	开发能够改进肽设计和优化的机器学习模型，以用于新型治疗药物的开发	大环肽	机器学习	NA	Conformer-Rotamer Ensemble Sampling Tool (CREST), 半经验扩展紧束缚(xTB) DFT计算	NA	结构数据	36,198种独特的大环肽，包含近31.3百万种独特的大环几何结构
75	2025-02-06	Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study 2024-08-10, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02367-z PMID:39127709	研究论文	本研究利用基于人工智能的深度学习技术，通过视网膜眼底图像对糖尿病患者中的心脏自主神经病变进行分类	首次利用视网膜眼底图像和AI技术对糖尿病心脏自主神经病变进行高效诊断	研究为单中心观察性研究，样本量相对较小，且未进行外部验证	探索AI技术是否可以通过糖尿病眼筛查中收集的视网膜图像提供心脏自主神经病变的高效诊断方法	糖尿病患者	数字病理学	糖尿病	深度学习	ResNet 18, ResWide 50	图像	229名患者的2275张视网膜图像
76	2025-02-06	Deep learning solutions for inverse problems in advanced biomedical image analysis on disease detection 2024-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69415-2 PMID:39122782	研究论文	本文提出了一种深度学习解决方案，用于解决生物医学图像分析中的逆问题，以优化疾病检测	开发了DLSIP-ABIADD技术，结合了MobileNetv2模型、双边滤波、亨利气体溶解度优化方法和双向长短期记忆模型，用于解决逆问题并检测疾病	未提及具体局限性	优化疾病检测，解决生物医学图像分析中的逆问题	生物医学图像	数字病理学	NA	深度学习	MobileNetv2, BiLSTM	图像	未提及具体样本数量
77	2025-02-05	Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data 2024-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.05.606654 PMID:39149252	研究论文	本文提出了一种利用空间分辨转录组数据注释病理图像的新方法，并开发了一个名为STpath的迁移学习神经网络模型，用于预测细胞类型比例或分类肿瘤微环境	利用空间分辨转录组数据注释病理图像，开发了STpath模型，解决了病理图像标注数据稀缺的问题	训练数据有限，可能影响模型的泛化能力	提高病理图像分析的准确性和效率，辅助病理学家进行诊断	乳腺癌数据集中的病理图像和空间分辨转录组数据	数字病理学	乳腺癌	空间分辨转录组数据	迁移学习神经网络模型（STpath）	图像和转录组数据	三个不同的乳腺癌数据集
78	2025-02-05	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文介绍了一种使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像的方法，简化了厚样本（如整个哺乳动物细胞）的成像和分析流程	提出了使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像，避免了传统方法中需要多片层采集和后处理拼接的复杂性	尽管该方法简化了成像和分析流程，但在厚样本中的应用仍需进一步验证其分辨率和成像速度的优化	研究目的是开发一种简化3D超分辨率成像的方法，以获取厚样本（如整个哺乳动物细胞）的纳米级结构信息	研究对象包括荧光珠和哺乳动物细胞（U-2 OS细胞）中的核层蛋白lamin B1	生物医学成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像	深度学习算法	图像	荧光珠和U-2 OS细胞
79	2025-02-03	Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps 2024-08-27, JAMA DOI:10.1001/jama.2024.10770 PMID:39088200	研究论文	本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中	开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境	研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估	评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性	400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体	数字病理	NA	深度学习	深度学习模型	超声图像	400名妊娠个体
80	2025-02-02	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种混合CNN-LSTM模型，用于预测中国河北省的流感活动，以提供更精确的流感防控指导	创新点在于结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，构建了一个混合模型，用于流感活动的预测	研究仅基于河北省28家国家哨点医院的数据，可能无法完全代表其他地区的情况	研究目的是开发一个更精确的流感活动预测模型，以支持流感的预防和控制措施	研究对象是河北省的流感样疾病（ILI）率	机器学习	流感	深度学习	CNN-LSTM混合模型	时间序列数据	2010年至2022年河北省28家国家哨点医院的ILI%数据