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	2025-05-02	Challenges and Prospects of Sensing Technology for the Promotion of Tele-Physiotherapy: A Narrative Review 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010016 PMID:39796804	综述	本文综述了传感技术在远程物理治疗中的应用挑战与前景	探讨了传感技术如何通过大数据提升AI深度学习的准确性，并可能揭示运动障碍或病理状态的运动特征	存在使用性和分析性问题，限制了其应用范围	促进远程物理治疗中传感技术的发展和应用	远程物理治疗中的传感技术和数据分析技术	远程医疗	运动障碍	传感技术	深度学习	生物信号和患者运动数据	NA
122	2025-05-02	Deep Learning-Based Computer-Aided Diagnosis of Osteochondritis Dissecans of the Humeral Capitellum Using Ultrasound Images 2024-Dec-04, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.23.01164 PMID:38743813	research paper	开发了一种基于深度学习的计算机辅助诊断系统，用于通过超声图像检测肱骨小头剥脱性骨软骨炎	首次将深度学习应用于肱骨小头剥脱性骨软骨炎的超声图像诊断，并实现了高准确率	研究样本量相对较小，且仅针对棒球运动员群体	开发并评估基于深度学习的计算机辅助诊断系统，用于肱骨小头剥脱性骨软骨炎的检测	196名棒球运动员的肘部超声图像（其中92名患有剥脱性骨软骨炎）	digital pathology	osteochondritis dissecans	ultrasound imaging	object-detection algorithm and image classification network	image	196名棒球运动员的肘部超声图像（训练和验证集），外加20名运动员的外部数据集（测试集）
123	2025-05-02	HiCervix: An Extensive Hierarchical Dataset and Benchmark for Cervical Cytology Classification 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419697 PMID:38923481	research paper	介绍了一个名为HiCervix的广泛多层次宫颈细胞学数据集和基准测试方法HierSwin，用于宫颈细胞学分类	提出了目前最广泛的多中心宫颈细胞学数据集HiCervix，以及基于层次视觉变换器的分类网络HierSwin，利用层次树中的语义相关性进行详细特征学习	NA	提高宫颈细胞学分类的准确性和详细性，以更好地反映真实世界的细胞病理学条件	宫颈细胞	digital pathology	cervical cancer	deep learning	HierSwin (hierarchical vision transformer)	image	40,229 cervical cells from 4,496 whole slide images
124	2025-05-02	DGSLSTM: Deep Gated Stacked Long Short-Term Memory Neural Network for Traffic Flow Forecasting of Transportation Networks on Big Data Environment 2024-12, Big data IF:2.6Q2 DOI:10.1089/big.2021.0013 PMID:35143339	研究论文	提出了一种深度门控堆叠LSTM神经网络（DGSLSTM），用于大数据环境下的交通流量预测	结合多个简单的循环LSTM神经网络与时间特征，采用深度门控堆叠神经网络进行交通流量预测，并通过无监督逐层训练方法加深模型	未提及模型在极端天气或突发事件等异常情况下的预测表现	提高交通流量预测的准确性	交通网络中的流量数据	机器学习	NA	深度学习	DGSLSTM（深度门控堆叠LSTM神经网络）	时间序列数据	NA
125	2025-05-02	Social Listening for Product Design Requirement Analysis and Segmentation: A Graph Analysis Approach with User Comments Mining 2024-12, Big data IF:2.6Q2 DOI:10.1089/big.2022.0021 PMID:37668599	研究论文	本研究通过社交媒体上的在线评论分析客户对产品设计的需求，并快速将这些需求转化为产品设计规范	提出了指数判别雪球抽样方法生成产品相关子网络，结合NLP和图采样聚合方法定义用户画像，并引入深度学习框架进行意见挖掘	案例研究仅针对智能手机设计分析，可能无法完全推广到其他产品领域	通过社交媒体数据分析客户产品设计需求并进行市场细分	社交媒体用户评论数据	自然语言处理	NA	自然语言处理(NLP), 图采样聚合方法(Graph SAmple and aggreGatE)	双向长短期记忆网络(BiLSTM)与条件随机场(CRF)结合框架	文本	14,018名用户和30,803条评论
126	2025-05-01	Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging 2024-Dec-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology DOI:10.5152/tjg.2024.24538 PMID:39760649	research paper	本研究利用深度学习技术中的YOLO架构，通过计算机断层扫描（CT）图像提高肝细胞癌（HCC）的检测能力，旨在改善早期诊断和患者预后	采用YOLO架构的深度学习模型在HCC检测中表现出卓越的诊断准确性，显著超越传统诊断方法	研究样本量相对较小，仅包含122名患者的1290张CT图像	提高肝细胞癌的早期检测能力，改善患者预后	肝细胞癌（HCC）患者的CT图像	computer vision	liver cancer	CT imaging	YOLO	image	1290张CT图像来自122名患者
127	2025-05-01	Transcription factor prediction using protein 3D secondary structures 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae762 PMID:39786868	research paper	提出了一种基于深度学习的转录因子预测方法StrucTFactor，首次利用蛋白质的3D二级结构信息进行预测	首次利用蛋白质的3D二级结构信息进行转录因子预测，显著提高了预测准确性	可能受到数据偏差（如序列冗余）的影响	提高转录因子的预测准确性	蛋白质	machine learning	NA	deep learning	StrucTFactor	protein 3D secondary structures	约525,000个蛋白质，涵盖12个数据集
128	2025-05-01	BetaAlign: a deep learning approach for multiple sequence alignment 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf009 PMID:39775454	研究论文	提出了一种基于深度学习的多序列比对方法BetaAlign，利用自然语言处理技术进行序列比对	首次将深度学习应用于多序列比对，利用NLP技术和transformer模型，显著区别于传统比对算法	训练数据规模、不同transformer架构以及子空间学习等因素可能影响准确性	改进多序列比对的计算方法，挑战传统生物信息学和系统基因组学中的经典算法	生物序列的多序列比对	生物信息学	NA	自然语言处理(NLP)	transformer	生物序列数据	NA
129	2025-05-01	Forecasting Subway Passenger Flow for Station-Level Service Supply 2024-12, Big data IF:2.6Q2 DOI:10.1089/big.2021.0318 PMID:35749714	research paper	提出了一种名为DeepSPF的深度学习架构，用于预测考虑不同功能类型车站的地铁客流	结合LSTM和一维卷积的滑动长短期记忆神经网络，能够识别不同类型车站的未来客流差异	实验仅在北京地铁进行，未在其他城市地铁系统验证	提高地铁站点级服务供应的客流预测准确性	地铁车站的乘客流量	machine learning	NA	deep learning	LSTM, CNN	time series data	北京地铁数据
130	2025-04-29	Deep learning-based classification of gallbladder lesions in patients with non-diagnostic (GB-RADS 0) ultrasound 2024-Dec, Clinical and experimental hepatology IF:1.5Q3 DOI:10.5114/ceh.2024.145424 PMID:40290528	研究论文	本研究评估了深度学习模型在非诊断性超声图像中对胆囊病变进行分类的诊断性能	首次在非诊断性胆囊超声图像中应用多种深度学习模型（包括CNN、Transformer及混合模型）进行良恶性分类	模型性能仍需进一步提升以达到临床应用标准，测试样本量较小（26名患者）	提高非诊断性胆囊超声（GB-RADS 0）中病变的良恶性分类准确性	因胆囊因素导致超声检查非诊断性的患者	数字病理	胆囊疾病	超声成像	ResNet50, GBCNet, ViT, RadFormer, MedViT	图像	训练集1004张图像，验证集251张图像，测试集26名患者（304张图像）
131	2025-04-27	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-Dec, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	research paper	本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数	首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果，并利用深度学习算法自动计算CT影像中的肺和胸腔体积	研究为回顾性设计，样本量相对较小（92例患者）	评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素	92例接受双侧肺移植的系统性硬化症患者	digital pathology	systemic sclerosis	CT成像和深度学习算法	深度学习算法（未指定具体模型）	CT影像和临床数据	92例系统性硬化症患者（年龄51±10岁，61%为女性）
132	2025-04-26	What makes human cortical pyramidal neurons functionally complex 2024-Dec-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628883 PMID:39763809	研究论文	提出功能性复杂性指数(FCI)来量化人类皮层锥体神经元的功能复杂性，并比较了人类与大鼠神经元的差异	首次提出基于深度学习的FCI框架来量化神经元功能复杂性，揭示了人类神经元在结构和生物物理特性上的独特优势	仅比较了人类和大鼠的皮层锥体神经元，未涉及其他物种或神经元类型	探究人类皮层神经元功能复杂性与其高级认知能力的关系	人类和大鼠的皮层锥体神经元	神经科学	NA	深度学习	深度学习框架	神经元形态和生理特性数据	人类和大鼠皮层不同层次的锥体神经元
133	2025-04-25	A multi-agent reinforcement learning based approach for automatic filter pruning 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82562-w PMID:39730902	研究论文	本文提出了一种基于多智能体强化学习的自动滤波器剪枝方法QMIX_FP，用于深度卷积神经网络的高效部署	首次将多智能体强化学习算法QMIX应用于滤波器剪枝，考虑了各卷积层之间的交互作用及其对整体网络的不同敏感性	仅在VGG-16和AlexNet两个基准网络上进行了验证，未涉及更复杂的网络结构	解决资源受限设备上深度卷积神经网络的高效部署问题	深度卷积神经网络(DCNNs)的滤波器剪枝	机器学习	NA	强化学习(RL)、知识蒸馏	QMIX、VGG-16、AlexNet	图像数据	CIFAR-10和CIFAR-100数据集
134	2025-04-25	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种新颖的运动想象分类算法，通过多频带卷积黎曼网络和频带黎曼三元组损失提高分类性能	开发了一种最先进的多频带黎曼网络，通过减少子带数量、插入卷积层和使用黎曼三元组损失来降低过拟合风险	NA	提高运动想象分类的性能	运动想象分类	机器学习	NA	多频带卷积黎曼网络	CNN	脑电信号	公开数据集 BCI Competition IV dataset 2a 和 OpenBMI dataset
135	2025-04-25	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	research paper	提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	整合了动态注意力机制与谱图Transformer，提高了预测miRNA-疾病关联的整体效果和对节点位置的鲁棒性	NA	预测miRNA与疾病之间的关联	miRNA和疾病	machine learning	prostate cancer	graph neural networks, Transformer	DARSFormer	graph data	HMDD v2.0和v3.2数据库，结直肠癌、食管癌和前列腺肿瘤案例研究
136	2025-04-25	An Eye Movement Classification Method Based on Cascade Forest 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出了一种基于级联森林的眼动分类方法（EMCCF），用于提高眼动数据分类的准确性和效率	创新性地采用分层集成架构，结合级联森林结构和集成学习原理，专门用于眼动分类	未提及具体局限性	解决眼动分类中的类别不平衡和数据稀缺问题，提高分类方法的适应性和准确性	原始眼动数据	计算机视觉	NA	多尺度时间窗口方法	级联森林（Cascade Forest）	眼动数据	未提及具体样本数量
137	2025-04-25	Deep-DM: Deep-Driven Deformable Model for 3D Image Segmentation Using Limited Data 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3440171 PMID:39110559	研究论文	提出了一种名为Deep-DM的深度学习驱动变形模型，用于在有限训练数据下进行3D医学图像分割	通过CNN学习能量函数并集成到显式变形模型中，减少了训练数据依赖，提高了小样本下的分割性能	需要进一步验证在其他解剖结构和影像模态上的通用性	开发一种在有限数据条件下仍能准确分割3D医学图像的方法	左心室、胎儿头部（超声）、左心房（MRI）和膀胱（CT）	数字病理	NA	深度学习驱动的变形模型	CNN	3D医学图像	不同数量的训练体积（具体数量未说明）
138	2025-04-25	DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	提出一种名为DualStreamFoveaNet的双流融合架构，用于鲁棒的视网膜中央凹定位	引入基于transformer的双流编码器，结合空间注意力机制和自学习解剖信息，显著降低计算成本并提高定位鲁棒性	未明确提及具体局限性	提高视网膜疾病分析中中央凹定位的准确性和鲁棒性	视网膜图像（包括正常和病变图像）	计算机视觉	视网膜疾病	深度学习	transformer架构（DualStreamFoveaNet）	视网膜图像	两个公共数据集和一个大规模私有数据集
139	2025-04-25	Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447689 PMID:39172619	research paper	本文提出了一种用于生物医学CT图像分割的深度准循环自注意力与双编码器-解码器结构的新模型	首创深度准循环自注意力结构，结合双编码器-解码器，通过参数重用实现学习一致性和快速收敛，并有效处理长距离依赖关系	未提及模型在极端噪声或异常解剖结构下的表现，也未讨论计算资源需求	提高生物医学CT图像分割的准确性和效率	生物医学CT图像	digital pathology	NA	deep learning	deep quasi-recurrent self-attention with dual encoder-decoder	CT images	多个公开可用的CT扫描数据集（未提具体数量）
140	2025-04-25	Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448455 PMID:39178096	研究论文	该研究通过分子对接和自注意力机制提升生物活性预测的准确性	首次将药物-靶标相互作用整合到生物活性预测中，设计了DTIGN网络，并利用自注意力机制识别分子对接结果中的结合口袋和姿态	研究中使用的原生结构数据有限，可能影响模型的泛化能力	提升生物活性预测的准确性，以优化药物发现早期阶段的候选分子筛选	蛋白质-配体复合物	机器学习	NA	分子对接，半监督学习	DTIGN（药物-靶标相互作用图神经网络），多头自注意力机制	蛋白质-配体复合物数据，晶体结构数据库数据	建立了独特的基准数据集，与9种领先的基于深度学习的生物活性预测方法进行了比较