深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
401	2025-01-07	PET/CT-based 3D multi-class semantic segmentation of ovarian cancer and the stability of the extracted radiomics features 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01485-y PMID:39312120	研究论文	本研究应用3D U-Net深度学习模型对PET/CT图像中的卵巢癌进行多类语义分割，并评估提取的放射组学特征的稳定性	首次在PET/CT图像中应用3D U-Net模型进行卵巢癌的多类语义分割，并评估放射组学特征的稳定性	样本量相对较小，仅包含39名卵巢癌患者的数据	提高卵巢癌的诊断和治疗规划效率	卵巢癌患者的PET/CT图像	计算机视觉	卵巢癌	PET/CT成像	3D U-Net	图像	39名卵巢癌患者的3120张PET/CT图像	NA	NA	NA	NA
402	2025-01-07	Exploratory study on the enhancement of O-RADS application effectiveness for novice ultrasonographers via deep learning 2024-Dec, Archives of gynecology and obstetrics IF:2.1Q2 DOI:10.1007/s00404-024-07837-z PMID:39579245	研究论文	本研究旨在通过深度学习技术提升新手超声医师在卵巢-附件报告和数据系统（O-RADS）中的应用效果	使用基于ConvNeXt-Tiny的深度卷积神经网络模型来区分O-RADS中的经典良性病变（CBL）与其他病变（OL），并通过U-Net模型进行自动病变分割	研究仅涉及两个新手超声医师的评估，样本量较小	提升O-RADS系统在新手超声医师中的应用效果	经病理证实的附件病变的超声图像	计算机视觉	卵巢疾病	深度学习	ConvNeXt-Tiny, U-Net	超声图像	两组经病理证实的附件病变的超声图像（开发数据集和独立测试数据集）	NA	NA	NA	NA
403	2025-01-07	A dataset of deep learning performance from cross-base data encoding on MNIST and MNIST-C 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111194 PMID:39760007	研究论文	本文介绍了一个关于卷积神经网络在MNIST和MNIST-C数据集上不同数值基数表示下的性能数据集	提出了一个新的数据集，用于分析不同数值基数表示对卷积神经网络性能的影响	数据集仅限于MNIST和MNIST-C数据集，未涉及其他数据集或更广泛的应用场景	研究不同数值基数表示对机器学习模型性能的影响	MNIST和MNIST-C数据集	机器学习	NA	卷积神经网络	CNN	图像	MNIST和MNIST-C数据集中的样本	NA	NA	NA	NA
404	2025-01-06	Research on floating object classification algorithm based on convolutional neural network 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83543-9 PMID:39738669	研究论文	本研究基于卷积神经网络（CNN）开发了一种用于水面漂浮物分类的算法，并构建了VGG16-15模型，能够识别15种常见的水面漂浮物	在VGG-16架构基础上进行了定制化改进，包括调整神经网络结构以适应15种漂浮物类别、应用学习率衰减和早停策略进行模型优化，并使用数据增强提升模型泛化能力	未提及模型在复杂环境或极端条件下的表现，以及实际部署中的计算资源需求	提升水面垃圾分类的准确性和效率，为无人船在环境保护中的应用提供技术支持	水面漂浮物	计算机视觉	NA	深度学习	CNN, VGG16-15	图像	5707张图像，分为15个类别	NA	NA	NA	NA
405	2025-01-06	Automatic identification of the endangered hawksbill sea turtle behavior using deep learning and cross-species transfer learning 2024-Dec-15, The Journal of experimental biology IF:2.8Q2 DOI:10.1242/jeb.249232 PMID:39555892	研究论文	本文探讨了利用深度学习和跨物种迁移学习自动识别濒危玳瑁海龟行为的方法	通过迁移学习，将绿海龟和人类活动数据训练的模型应用于玳瑁海龟行为识别，提高了分类性能	数据稀缺仍然是生态学中的一个挑战	研究目的是利用加速度数据自动识别濒危玳瑁海龟的行为	研究对象是濒危玳瑁海龟（Eretmochelys imbricata）的行为	机器学习	NA	迁移学习	深度学习模型	加速度数据	NA	NA	NA	NA	NA
406	2025-01-06	Ion channel classification through machine learning and protein language model embeddings 2024-Dec-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2023-0047 PMID:39572876	研究论文	本研究通过机器学习和蛋白质语言模型嵌入技术，对离子通道进行分类，显著提升了分类方法的性能和准确性	结合ProtBERT-BFD和CNN的TooT-BERT-CNN-C模型在离子通道分类中表现优异，显著超越现有基准	研究依赖于计算技术，可能忽略了传统湿实验室实验的某些细节	开发更高效的计算方法以识别离子通道，加速离子通道生物学研究和药物发现	离子通道	机器学习	NA	ProtBERT, ProtBERT-BFD, MembraneBERT, CNN	k-Nearest Neighbors, Random Forest, Support Vector Machines, Feed-Forward Neural Networks, CNN	蛋白质序列数据	原始数据集和新收集的更大数据集DS-Cv2	NA	NA	NA	NA
407	2025-01-05	An retrospective study on the effects of deep learning model-based optimization emergency nursing on treatment compliance and curative effect of patients with acute left heart failure 2024-Dec-31, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-024-01156-x PMID:39736523	研究论文	本研究探讨了基于可解释DenseNet模型的优化急诊护理对急性左心衰竭患者治疗依从性和疗效的影响	首次将可解释DenseNet模型应用于急性左心衰竭患者的急诊护理优化，并评估其对患者心理状态和急救效果的影响	样本量较小，仅96名患者参与研究，且研究为回顾性研究，可能存在选择偏倚	评估优化急诊护理对急性左心衰竭患者的治疗效果和应用价值	急性左心衰竭患者	数字病理学	心血管疾病	可解释DenseNet模型	DenseNet	临床数据	96名急性左心衰竭患者	NA	NA	NA	NA
408	2025-01-05	PharmRL: pharmacophore elucidation with deep geometric reinforcement learning 2024-Dec-31, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02096-5 PMID:39736736	研究论文	本文开发了一种深度学习方法，用于在缺乏配体的情况下识别药效团，并通过深度几何强化学习算法优化药效团的选择	提出了一种结合CNN和深度几何Q学习的算法，能够在没有配体的情况下识别药效团，并在虚拟筛选中表现出色	算法依赖于蛋白质结合位点的结构信息，可能不适用于所有类型的蛋白质-配体相互作用	开发自动化药效团设计方法，特别是在缺乏配体的情况下	蛋白质结合位点及其潜在的有利分子相互作用	机器学习	NA	深度学习，几何强化学习	CNN, Q-learning	蛋白质结合位点的结构数据	DUD-E数据集、LIT-PCBA数据集、COVID moonshot数据集	NA	NA	NA	NA
409	2025-01-05	A deep learning based smartphone application for early detection of nasopharyngeal carcinoma using endoscopic images 2024-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01403-2 PMID:39738998	研究论文	本文介绍了一种基于深度学习的智能手机应用程序'Nose-Keeper'，用于通过内窥镜图像早期检测鼻咽癌	开发了一种互联网支持的智能手机应用程序，能够早期检测鼻咽癌和五种常见鼻部疾病，并评估健康个体，其准确率超过经验丰富的耳鼻喉科医生	研究依赖于回顾性分析，可能需要在更广泛的前瞻性研究中验证其效果	开发一种能够辅助初级医疗保健提供者高效诊断鼻咽癌和常见鼻部疾病的工具	鼻咽癌和五种常见鼻部疾病的内窥镜图像	计算机视觉	鼻咽癌	深度学习	八种先进的深度学习模型	图像	39,340张鼻内窥镜白光图像	NA	NA	NA	NA
410	2025-01-05	A computational deep learning investigation of animacy perception in the human brain 2024-Dec-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07415-8 PMID:39741161	研究论文	本文通过计算深度学习探讨了人类大脑中对生命体感知的功能组织，特别是对类似动物的动物形态物体的感知	成功在深度神经网络中诱导出与人类相似的动物偏见，揭示了这种偏见是人类感知的独特属性，并可通过人类学习历史解释	未明确提及具体限制	理解人类大脑中对生命体感知的功能组织，特别是对类似动物的动物形态物体的感知	人类大脑和深度神经网络（DNNs）	计算机视觉	NA	深度学习	深度神经网络（DNNs）	图像	未明确提及样本数量	NA	NA	NA	NA
411	2025-01-05	Self-supervised denoising of grating-based phase-contrast computed tomography 2024-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83517-x PMID:39741166	研究论文	本文介绍了自监督深度学习网络Noise2Inverse在基于光栅的相位对比计算机断层扫描（gbPC-CT）中的应用，以降低剂量并提高图像质量	首次将Noise2Inverse网络引入gbPC-CT领域，展示了其在提高分辨率的同时保持剂量的优势	研究主要关注Noise2Inverse网络在gbPC-CT中的应用，未涉及其他深度学习网络的比较	降低gbPC-CT的剂量并提高图像质量，使其更接近医学应用	基于光栅的相位对比计算机断层扫描（gbPC-CT）图像	计算机视觉	NA	Noise2Inverse, Statistical Iterative Reconstruction, Block Matching 3D, Patchwise Phase Retrieval	深度学习网络	图像	NA	NA	NA	NA	NA
412	2025-01-05	Autonomous detection of nail disorders using a hybrid capsule CNN: a novel deep learning approach for early diagnosis 2024-Dec-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02840-5 PMID:39736622	研究论文	本文提出了一种基于混合胶囊CNN的深度学习算法，用于自主检测和分类六种指甲疾病	引入了混合胶囊CNN模型，通过减少经典CNN模型的空间层次缺陷，提高了分类准确性和鲁棒性	未提及临床验证或实际应用中的潜在限制	开发一种自主分类指甲疾病的深度学习算法，以提供早期诊断工具	六种指甲疾病（蓝指甲、杵状指、凹陷甲、钩甲、肢端雀斑样黑色素瘤和正常指甲）	计算机视觉	指甲疾病	数据增强技术	混合胶囊CNN	图像	使用指甲疾病检测数据集进行训练和测试，具体样本数量未提及	NA	NA	NA	NA
413	2025-01-05	Development of an individualized dementia risk prediction model using deep learning survival analysis incorporating genetic and environmental factors 2024-Dec-30, Alzheimer's research & therapy DOI:10.1186/s13195-024-01663-w PMID:39736679	研究论文	本研究开发并验证了一个结合遗传和临床因素的个体化动态痴呆风险预测模型	首次将遗传和临床因素整合到深度学习生存分析模型中，用于痴呆风险预测	研究依赖于UK Biobank的数据，可能限制了模型的普适性	开发一个个体化的痴呆风险预测模型，以促进早期检测和干预	60岁及以上的个体	机器学习	老年疾病	深度学习生存分析	DeepSurv, DeepHit, Kaplan-Meier估计, Cox比例风险模型	遗传和临床数据	41,484名参与者，平均随访12.6年	NA	NA	NA	NA
414	2025-01-05	Predicting local control of brain metastases after stereotactic radiotherapy with clinical, radiomics and deep learning features 2024-Dec-30, Radiation oncology (London, England) DOI:10.1186/s13014-024-02573-9 PMID:39736796	研究论文	本研究探讨了结合临床特征、放射组学特征和深度学习特征来预测脑转移瘤立体定向放疗后局部控制的准确性	首次结合临床特征、放射组学特征和深度学习特征来预测脑转移瘤立体定向放疗后的局部控制，展示了这种组合在提高预测准确性方面的潜力	与仅结合临床和放射组学特征的模型相比，结合临床、放射组学和深度学习特征的模型在预测准确性上的提升并不显著	提高脑转移瘤立体定向放疗后局部控制的预测准确性，以优化治疗方案	129名在Elisabeth-TweeSteden医院伽玛刀中心接受治疗的脑转移瘤患者	医学影像分析	脑转移瘤	MRI成像、放射组学特征提取、深度学习特征提取	随机森林	MRI图像、临床数据	129名患者	NA	NA	NA	NA
415	2025-01-05	Deep-learning enabled generalized inverse design of multi-port radio-frequency and sub-terahertz passives and integrated circuits 2024-Dec-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54178-1 PMID:39737900	研究论文	本文提出了一种基于深度学习的通用逆向设计方法，用于设计具有复杂形状的多端口电磁结构，并与有源电路共同设计	采用深度学习模型实现复杂毫米波无源结构和端到端集成毫米波宽带电路的逆向设计，显著缩短设计时间并扩展设计空间	未提及具体的技术限制或实验验证的局限性	开发一种通用的逆向设计方法，用于毫米波和太赫兹集成电路的设计	多端口电磁结构和有源电路	机器学习	NA	深度学习	深度学习模型	电磁结构数据	多个复杂毫米波无源结构和端到端集成毫米波宽带电路的示例	NA	NA	NA	NA
416	2025-01-05	A multi-modal geospatial-temporal LSTM based deep learning framework for predictive modeling of urban mobility patterns 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74237-3 PMID:39738120	研究论文	本文提出了一种新颖的多模态地理时空LSTM深度学习框架（GT-LSTM），用于预测城市交通模式	GT-LSTM通过结合注意力机制和RNN，动态加权地理特征并捕捉时间序列数据中的顺序关系，显著提高了预测准确性	未提及具体局限性	优化资源分配、管理交通系统和规划城市发展	城市交通模式	机器学习	NA	注意力机制、RNN	LSTM	多模态城市交通数据	未提及具体样本数量	NA	NA	NA	NA
417	2025-01-05	A novel hybrid model by integrating TCN with TVFEMD and permutation entropy for monthly non-stationary runoff prediction 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81574-w PMID:39738143	研究论文	本文提出了一种集成深度学习模型，用于预测月径流，通过结合时间卷积网络（TCN）、时变滤波经验模态分解（TVFEMD）和排列熵（PE）来提高预测精度	创新点在于结合了TVFEMD、PE和TCN，提出了一种新的混合模型来预测非平稳径流，显著提高了预测精度	未提及具体局限性	研究目的是提高非平稳径流预测的精度，以支持区域水资源的合理规划和管理	研究对象是汾河的月径流数据集	机器学习	NA	时变滤波经验模态分解（TVFEMD）、排列熵（PE）	时间卷积网络（TCN）	时间序列数据	汾河的月径流数据集	NA	NA	NA	NA
418	2025-01-05	A machine learning based classifier for topological quantum materials 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68920-8 PMID:39738190	研究论文	本文提出了一种基于深度学习的模型，结合持久同调和图神经网络，用于分类拓扑与非拓扑材料	该模型通过将持久同调与图神经网络结合，提高了分类拓扑材料的准确性和F1分数，并能够高置信度地分类新发现的拓扑材料	未明确提及具体局限性	预测和发现具有所需特性的新材料，特别是在量子科学与技术领域	拓扑材料与非拓扑材料	机器学习	NA	持久同调、图神经网络	图神经网络	晶体结构数据	未明确提及样本数量	NA	NA	NA	NA
419	2025-01-05	A two-level resolution neural network with enhanced interpretability for freeway traffic forecasting 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78148-1 PMID:39738225	研究论文	本文提出了一种两级分辨率神经网络，用于提高高速公路交通预测的准确性和可解释性	引入了两个分辨率块，分别捕捉大范围区域交通模式和小范围空间相关性，从而提高了长期预测的准确性	未提及具体的数据集或实验环境，可能限制了结果的普适性	提高高速公路交通预测的准确性和可解释性	高速公路交通数据	机器学习	NA	图神经网络	GCN, Two-level Resolution Neural Network	交通传感器网络数据	NA	NA	NA	NA	NA
420	2025-01-05	A deep learning approach for predicting the antenna pointing error caused by transmission faults with simulation data 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83103-1 PMID:39738389	研究论文	本文提出了一种基于深度学习的方法，利用仿真数据预测由传输故障引起的天线指向误差	通过建立天线仰角系统动态仿真模型和天线轴误差分析的数学模型，首次将天线故障诊断与天线指向误差联系起来，并利用深度神经网络模型进行预测	由于缺乏同时收集的实验故障传输数据和指向误差数据，模型的训练依赖于仿真数据	揭示天线传输故障与其指向精度之间的潜在关系，为天线维护策略的制定提供理论依据	反射面天线的仰角轴承及其传输故障	机器学习	NA	深度神经网络	深度神经网络	仿真数据	NA	NA	NA	NA	NA