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
361	2025-01-14	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	本文介绍了一种基于深度学习的多模态诊断框架（PMMD），用于通过手写和临床数据准确检测帕金森病（PD）	该框架首次引入了跨模态注意力机制，用于建模不同数据模态之间的交互	未明确提及研究的局限性	旨在通过多模态数据融合提高帕金森病的早期诊断准确性	帕金森病患者	数字病理学	帕金森病	深度学习	跨模态注意力机制	图像、手写、绘图和临床数据	未明确提及样本数量
362	2025-01-14	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种基于深度学习的新模型，旨在提高肺癌诊断的质量、可理解性和泛化能力	该研究通过整合多个CT数据集、采用mixup增强技术和课程学习策略，提升了模型的泛化能力和鲁棒性，并利用可解释人工智能（XAI）技术增强了模型的可解释性	尽管模型在多个数据集上表现优异，但其在更广泛临床环境中的实际应用仍需进一步验证	提高肺癌诊断的准确性、可理解性和泛化能力	肺癌诊断	计算机视觉	肺癌	深度学习	深度学习模型	CT图像	五个CT数据集
363	2025-01-14	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	本文提出了一种基于卷积神经网络的机器学习模型，用于预测增材制造合金的疲劳寿命	通过引入Shapley加性解释和Pearson相关系数分析，将数值特征转换为图形特征，并结合注意力机制优先处理图像输入中的重要区域	模型仅在两种激光粉末床熔融制造的金属上进行了验证，可能需要进一步扩展到其他材料	提高增材制造合金疲劳寿命预测的准确性	增材制造合金	机器学习	NA	卷积神经网络	CNN	图像	两种激光粉末床熔融制造的金属
364	2025-01-14	FFL-IDS: A Fog-Enabled Federated Learning-Based Intrusion Detection System to Counter Jamming and Spoofing Attacks for the Industrial Internet of Things 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010010 PMID:39796800	研究论文	本文提出了一种基于雾计算和联邦学习的入侵检测系统（FFL-IDS），用于应对工业物联网（IIoT）中的干扰和欺骗攻击	结合雾计算和联邦学习，解决了传统入侵检测系统在可扩展性和数据隐私方面的问题，并实现了低延迟检测	NA	开发一种能够应对工业物联网中干扰和欺骗攻击的入侵检测系统	工业物联网（IIoT）网络	机器学习	NA	NA	卷积神经网络（CNN）	网络数据	两个数据集：Edge-IIoTset 和 CIC-IDS2017
365	2025-01-14	Predictive Maintenance and Fault Detection for Motor Drive Control Systems in Industrial Robots Using CNN-RNN-Based Observers 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010025 PMID:39796814	研究论文	本文提出了一种结合卷积神经网络和循环神经网络（CNN-RNN）的集成方法，用于提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	提出了一种新的混合深度学习框架，结合CNN和RNN来提高直流电机驱动故障预测的准确性，相比现有的CNN-LSTM方法具有更高的准确性和更低的模型复杂度	未提及具体的数据集大小或实验环境的具体限制	提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	工业机器人中的直流电机驱动系统	机器学习	NA	CNN-RNN	CNN-RNN	传感器数据（如空气温度、过程温度、旋转速度等）	未提及具体样本数量
366	2025-01-14	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	研究论文	本文讨论了生物图像分析的三个主要任务：图像恢复、分割和跟踪，并介绍了允许生成三维空间基因组图谱的新计算工具	介绍了利用深度学习模型处理生物医学图像数据的新方法，并展示了这些方法在颅面发育和口腔疾病研究中的应用	未明确提及具体的研究局限性	探讨生物图像分析技术在生物医学研究中的应用，特别是颅面发育和口腔疾病的研究	生物医学图像数据，特别是与颅面发育和口腔疾病相关的图像	计算机视觉	口腔疾病	高通量测序和成像技术	深度学习模型	图像	NA
367	2025-01-13	Enabling Fast AI-Driven Inverse Design of a Multifunctional Nanosurface by Parallel Evolution Strategies 2024-Dec-27, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15010027 PMID:39791786	研究论文	本文提出了一种基于并行计算的进化策略（parallel ES），用于加速多功能纳米表面的AI驱动逆向设计	提出了并行计算的进化策略（parallel ES），解决了传统ES在计算速度上的限制，显著提升了AI驱动逆向设计的效率和可扩展性	未明确提及具体的研究局限性	通过并行计算优化进化策略，实现多功能纳米表面的快速AI驱动逆向设计	多功能纳米表面	机器学习	NA	进化策略（ES）、深度学习（DL）	并行进化策略（parallel ES）	NA	NA
368	2025-01-13	Predicting the tumor microenvironment composition and immunotherapy response in non-small cell lung cancer from digital histopathology images 2024-Dec-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00765-w PMID:39702609	研究论文	本文介绍了一种名为HistoTME的新型弱监督深度学习方法，用于从非小细胞肺癌（NSCLC）患者的组织病理学图像中推断肿瘤微环境（TME）组成，并预测免疫治疗反应	HistoTME方法能够直接从全切片图像中预测30种不同细胞类型特异性分子标志物的表达，并在独立肿瘤队列中与真实值达到平均皮尔逊相关系数0.5，显著提高了免疫治疗反应的预测准确性	研究依赖于外部临床队列的数据，可能存在样本选择偏差，且模型的预测性能在更大规模和多样化的数据集中仍需进一步验证	开发一种能够从组织病理学图像中推断肿瘤微环境组成并预测免疫治疗反应的方法	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	弱监督深度学习	深度学习模型	图像	652名患者的外部临床队列
369	2025-01-13	Systematic benchmarking of deep-learning methods for tertiary RNA structure prediction 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012715 PMID:39775239	研究论文	本文系统性地评估了用于三级RNA结构预测的深度学习方法，旨在识别影响性能差异的因素	首次系统性地对最先进的深度学习方法在RNA结构预测中的表现进行基准测试，并识别了影响性能的关键因素	大多数方法无法预测RNA中的非沃森-克里克碱基对，且在处理未见过的或合成的RNA时性能差异不明显	评估和比较深度学习方法在RNA三级结构预测中的性能，并识别影响预测准确性的因素	RNA的三级结构	机器学习	NA	深度学习	DeepFoldRNA, DRFold	RNA序列数据	多样化的RNA数据集
370	2025-01-12	Impact of cardiovascular magnetic resonance in single ventricle physiology: a narrative review 2024-Dec-31, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-24-409 PMID:39790200	综述	本文综述了心血管磁共振（CMR）在单心室（SV）患者中的应用及其最新科学发现	强调了CMR在SV患者长期并发症评估和预后信息提供中的优势，并探讨了先进CMR技术在Fontan血流动力学理解中的潜力	许多CMR技术尚未融入日常实践，且需要进一步研究CMR在老年Fontan患者中的预后作用及新方法（如建模和深度学习管道）的临床实施	提供CMR在SV患者中应用的全面概述，并探讨其在患者管理和预后评估中的潜力	单心室（SV）患者	数字病理学	心血管疾病	心血管磁共振（CMR）	NA	图像	NA
371	2025-01-12	Development of a deep learning method to identify acute ischaemic stroke lesions on brain CT 2024-Dec-25, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2024-003372 PMID:39572171	研究论文	本文开发了一种基于深度学习的算法，用于在脑CT扫描中识别急性缺血性卒中病变	该研究创新地使用了未标注病变的CT脑扫描数据来训练深度学习模型，突破了传统方法依赖于标注数据的限制	慢性脑部疾病（如非卒中病变和旧卒中病变）降低了模型的准确性	开发一种能够快速自动评估CT扫描的深度学习方法，以辅助急性缺血性卒中的诊断	脑CT扫描图像	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	2347名患者的5772次CT扫描
372	2025-01-12	Differentiating Cystic Lesions in the Sellar Region of the Brain Using Artificial Intelligence and Machine Learning for Early Diagnosis: A Prospective Review of the Novel Diagnostic Modalities 2024-Dec, Cureus DOI:10.7759/cureus.75476 PMID:39791061	review	本文探讨了人工智能（AI）和机器学习（ML）在增强脑部鞍区囊性病变（如垂体腺瘤、Rathke裂囊肿和颅咽管瘤）区分能力方面的潜力，特别是通过先进的神经影像技术，如磁共振成像（MRI）	利用AI驱动的模型，包括卷积神经网络（CNNs）、深度学习和集成方法，克服传统诊断方法的局限性，提供更准确和早期的病变区分	面临小型、单一机构数据集的挑战	探索AI和ML如何提高鞍区囊性病变的诊断精度，改善临床决策，最终带来更好的患者治疗效果	脑部鞍区的囊性病变，如垂体腺瘤、Rathke裂囊肿和颅咽管瘤	数字病理学	脑部疾病	磁共振成像（MRI）	卷积神经网络（CNNs）、深度学习、集成方法	图像	使用Open Access Series of Imaging Studies (OASIS)数据集进行MRI脑部研究
373	2025-01-11	[Research progress on prognostic prediction models for patients undergoing extracorporeal membrane oxygenation] 2024-Dec, Zhonghua wei zhong bing ji jiu yi xue DOI:10.3760/cma.j.cn121430-20240715-00598 PMID:39780683	研究论文	本文综述了体外膜肺氧合（ECMO）患者预后预测模型的研究进展，并提出了未来模型开发的方向	分类现有ECMO成人患者的预后模型，并提出了多中心前瞻性研究、机器学习和深度学习技术整合等未来发展方向	现有模型在样本量、多中心验证、静态数据分析和模型适用性方面存在局限性	优化治疗决策和提高患者生存率	接受ECMO治疗的患者	医学	呼吸衰竭和循环衰竭	ECMO	预后预测模型	临床数据	NA
374	2025-01-07	Linking transcriptome and morphology in bone cells at cellular resolution with generative AI 2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjae151 PMID:39303095	研究论文	本文探讨了生成式AI在骨细胞转录组和形态学数据中的应用及其潜力	利用生成式AI模型在细胞分辨率上揭示骨细胞的复杂生物学过程，特别是在预测细胞分化动态、连接分子和形态学特征以及预测细胞对扰动的反应方面	骨单细胞数据集中的技术偏差、重要骨细胞类型的缺乏以及空间信息的缺失需要解决	探索生成式AI在骨细胞研究中的应用及其潜力	骨细胞	计算机视觉	NA	单细胞测序、空间转录组学	生成式AI	组织学图像、单细胞分子数据、空间转录组数据	NA
375	2025-01-07	Design of an improved graph-based model for real-time anomaly detection in healthcare using hybrid CNN-LSTM and federated learning 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41071 PMID:39759321	研究论文	本文提出了一种改进的基于图的模型，用于医疗保健中的实时异常检测，结合了混合CNN-LSTM和联邦学习技术	提出了一种先进的混合CNN-LSTM模型，能够同时提取医疗图像的空间特征和患者生命体征的时间依赖性，并结合联邦学习和差分隐私技术解决数据安全和隐私问题	NA	实现医疗系统中具有弹性的实时异常检测，同时确保患者数据的隐私和安全	医疗图像、患者生命体征、EHR文本数据和时间序列传感器数据	机器学习	NA	CNN-LSTM、联邦学习、差分隐私	CNN-LSTM	图像、文本、时间序列数据	测试数据集包含10,000名患者，系统每秒处理超过100,000条消息
376	2025-01-07	RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data 2024-Dec-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313909 PMID:39371168	研究论文	本文介绍了RiskPath，一个可解释的AI工具箱，用于在经典和新兴的纵向队列中进行风险分层预测	RiskPath提供了先进的时间序列方法，并集成了理论指导的优化，以指定最佳模型拓扑或探索性能与复杂性的权衡	模型的结构复杂性和大小可能限制了其在风险分层工具中的应用	开发一个可解释的AI工具箱，用于多步骤生物医学预测	纵向数据中的疾病风险预测	机器学习	NA	时间序列AI方法	NA	时间序列数据	NA
377	2025-01-07	Erratum: Retraction notice to "A deep learning approach based on graphs to detect plantation lines" [Heliyon Volume 10, Issue 11, 15 June 2024, e31730] 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40689 PMID:39759858	correction	本文是对先前发表文章的更正通知	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
378	2025-01-07	Simple quantitation and spatial characterization of label free cellular images 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40684 PMID:39759864	研究论文	本文开发了一种无需训练数据的计算流程，用于基于高内涵显微镜设备生成的图像进行细胞数量量化和空间分布特征描述	开发了一种无需训练数据的计算流程，结合经典图像处理功能、Voronoi分割、高斯混合建模和自动参数优化，适用于大规模或重复细胞培养实验的自动化无标记图像分析	NA	开发一种无需训练数据的计算流程，用于无标记图像分析	无标记细胞图像	计算机视觉	NA	高内涵显微镜	NA	图像	四种形态不同的细胞类型，具有不同的细胞密度
379	2025-01-07	Enhanced 3D dose prediction for hypofractionated SRS (gamma knife radiosurgery) in brain tumor using cascaded-deep-supervised convolutional neural network 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01457-2 PMID:39080208	研究论文	本文提出了一种用于脑肿瘤伽玛刀放射外科（GKRS）剂量预测的级联深度监督卷积神经网络（CDS-CNN），以提高剂量分布的预测精度	提出了一种创新的级联深度监督卷积神经网络（CDS-CNN），结合多级深度监督和顺序多网络训练策略，能够提取切片内和切片间的特征，从而实现更真实的剂量预测	尽管模型在预测精度上有所提升，但仍需进一步验证其在更大样本和不同临床环境中的泛化能力	提高伽玛刀放射外科（GKRS）剂量分布的预测精度，减少对医学物理学家的依赖，优化临床工作流程	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	级联深度监督卷积神经网络（CDS-CNN）	CT扫描图像	105名脑肿瘤患者（85例用于训练，20例用于测试）
380	2025-01-07	Deep learning architecture with shunted transformer and 3D deformable convolution for voxel-level dose prediction of head and neck tumors 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01462-5 PMID:39101991	研究论文	本研究开发了一种新型深度学习多尺度Transformer（MST）模型，旨在加速头颈部肿瘤的IMRT计划，同时生成更精确的体素级剂量分布预测	提出了一种结合分流Transformer和3D可变形卷积瓶颈块的端到端MST模型，用于捕捉多尺度特征并学习全局依赖关系，同时通过数据增强和自知识蒸馏进一步提高模型预测性能	研究主要基于OpenKBP Challenge数据集，可能在其他数据集上的泛化能力有待验证	加速头颈部肿瘤的IMRT计划，提高体素级剂量分布的预测精度	头颈部肿瘤	计算机视觉	头颈部肿瘤	深度学习	Transformer, 3D deformable convolution	医学影像数据	OpenKBP Challenge数据集