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
1541	2025-01-14	A real-time approach for surgical activity recognition and prediction based on transformer models in robot-assisted surgery 2025-Jan-12, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03306-9 PMID:39799528	研究论文	本文提出了一种基于Transformer模型的深度学习方法，用于机器人辅助微创手术中的手术活动识别和预测	提出了一种改进的Transformer模型，专门设计用于处理手术机器人中的手势识别、预测和末端执行器轨迹预测任务，且仅使用机器人手臂关节的运动学数据	模型仅依赖于运动学数据，未考虑其他可能影响手术活动识别和预测的因素	开发一个实时手术风险监测系统，用于机器人辅助微创手术	机器人辅助微创手术中的手术活动	计算机视觉	NA	深度学习	Transformer	运动学数据	JHU-ISI手势和技能评估工作集数据集
1542	2025-01-14	YOLO-STOD: an industrial conveyor belt tear detection model based on Yolov5 algorithm 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83619-6 PMID:39794390	研究论文	本文提出了一种基于Yolov5算法的工业传送带撕裂检测模型YOLO-STOD，用于实时检测传送带撕裂，以保障煤炭行业的采矿安全	提出了YOLO-STOD检测方法，利用BotNet注意力机制提取多维撕裂特征，增强模型对小目标的特征提取能力，并在少量样本条件下快速收敛；同时采用Shape_IOU计算训练损失，增强模型的鲁棒性	未提及模型在极端复杂干扰环境下的表现，也未讨论模型在其他工业场景中的通用性	提高复杂干扰环境下小尺寸撕裂损伤检测算法的性能，满足工业实时检测需求	传送带的纵向撕裂损伤	计算机视觉	NA	深度学习	Yolov5, BotNet	图像	多案例传送带撕裂数据集
1543	2025-01-14	Not seeing the trees for the forest. The impact of neighbours on graph-based configurations in histopathology 2025-Jan-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06007-x PMID:39794715	研究论文	本研究探讨了不同图配置对多实例学习（MIL）模型性能的影响，并开发了一种新的管道K-MIL来评估上下文信息对细胞分类性能的影响	开发了K-MIL管道，首次系统地评估了不同图配置和邻域结构对MIL模型性能的影响	增加空间上下文信息并不总是有益的，有时会导致错误分类	研究不同图配置对MIL模型性能的影响，特别是上下文信息在数字病理分类任务中的作用	结肠癌和UCSB数据集中的全切片图像（WSIs）	数字病理	结肠癌	多实例学习（MIL）	K-MIL	图像	两个数据集：结肠癌和UCSB数据集
1544	2025-01-14	Application of deep learning model based on unenhanced chest CT for opportunistic screening of osteoporosis: a multicenter retrospective cohort study 2025-Jan-10, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01817-2 PMID:39792306	研究论文	本研究旨在建立并验证基于未增强胸部CT图像的卷积神经网络模型，用于骨质疏松症的机会性筛查	首次利用未增强胸部CT图像的椎体和骨骼肌信息构建CNN模型进行骨质疏松症筛查，并与SMI模型进行比较	研究为回顾性研究，可能存在选择偏倚；样本量相对有限，且仅来自四家医院	开发并验证基于未增强胸部CT图像的深度学习模型，用于骨质疏松症的机会性筛查	接受未增强胸部CT和双能X线吸收法（DXA）检查的中老年患者	计算机视觉	骨质疏松症	深度学习	CNN	图像	训练集581例，外部测试集1 229例，外部测试集2 198例，外部测试集3 118例
1545	2025-01-14	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	本文介绍了一种名为TraCSED的动态深度学习方法，用于模拟克隆选择，并揭示了乳腺癌治疗中的耐药机制	提出了TraCSED方法，利用单细胞基因表达和克隆适应性数据，识别与克隆选择相关的可解释基因程序及其时间点	尽管TraCSED揭示了耐药机制，但在联合治疗中仍有一个克隆出现，表明方法可能无法完全捕捉所有耐药机制	研究乳腺癌细胞中的转录异质性及其对治疗反应的影响，以识别耐药机制	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq）	Transformer	单细胞基因表达数据	NA
1546	2025-01-14	Enhanced detection of atrial fibrillation in single-lead electrocardiograms using a cloud-based artificial intelligence platform 2025-Jan-10, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.12.048 PMID:39800092	研究论文	本研究验证了一种基于云的深度学习平台，用于在大量患者的单导联心电图记录中自动检测心房颤动	使用未在目标心电图数据上训练的AI平台进行心房颤动检测，并展示了其优于基于规则的算法的性能	研究中未提及AI平台在其他类型心律失常检测中的具体表现，且样本来源单一	验证基于云的深度学习平台在单导联心电图中自动检测心房颤动的有效性	8,528名患者的30秒单导联心电图记录	机器学习	心血管疾病	深度学习	NA	心电图数据	8,528名患者的30秒单导联心电图记录
1547	2025-01-14	Unsupervised deep learning-based medical image registration: a survey 2025-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9e69 PMID:39667278	综述	本文综述了基于无监督深度学习的医学图像配准技术的最新进展	深入探讨了创新的网络架构，并详细回顾了这些研究的独特贡献	讨论了各类方法面临的主要挑战	帮助对该领域感兴趣的读者深入了解这一激动人心的领域	医学图像配准技术	医学图像分析	NA	无监督深度学习	深度神经网络	医学图像	NA
1548	2025-01-14	CTHNet: A CNN-Transformer Hybrid Network for Landslide Identification in Loess Plateau Regions Using High-Resolution Remote Sensing Images 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010273 PMID:39797065	研究论文	本文提出了一种CNN-Transformer混合网络CTHNet，用于在黄土高原地区使用高分辨率遥感图像进行滑坡识别	结合CNN和Transformer的优势，提出了一种新的神经网络架构，能够同时提取高维局部特征和全局特征，从而在复杂环境中有效识别滑坡	研究主要针对黄土高原地区的滑坡识别，可能在其他地理环境中的适用性有限	提高在复杂环境中使用高分辨率遥感图像进行滑坡识别的准确性和效率	黄土高原地区的滑坡和非滑坡样本	计算机视觉	NA	高分辨率遥感图像分析	CNN-Transformer混合网络	图像	1500个黄土滑坡和非滑坡样本
1549	2025-01-14	Munsell Soil Colour Prediction from the Soil and Soil Colour Book Using Patching Method and Deep Learning Techniques 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010287 PMID:39797078	研究论文	本研究旨在通过深度学习技术从移动设备拍摄的图像中预测Munsell土壤颜色，以提高土壤颜色识别的准确性	提出了一种基于补丁的机制来丰富数据集，显著提高了Munsell土壤颜色预测的准确性	研究中使用的土壤样本数量有限，可能影响方法的普适性和可扩展性	预测Munsell土壤颜色，以提供更准确的土壤健康评估	Munsell土壤颜色书中的颜色芯片和页面	计算机视觉	NA	深度学习	NA	图像	443个颜色芯片和14页
1550	2025-01-13	Bird Species Detection Net: Bird Species Detection Based on the Extraction of Local Details and Global Information Using a Dual-Feature Mixer 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010291 PMID:39797082	研究论文	本文提出了一种基于局部细节和全局信息提取的双特征混合器BSD-Net，用于鸟类物种检测	BSD-Net通过双分支特征混合器和预测平衡模块，有效地结合了局部和全局信息，解决了鸟类物种检测中的局部结构相似性和类别不平衡问题	NA	提高鸟类物种检测的准确性	鸟类物种	计算机视觉	NA	深度学习	BSD-Net	图像	CUB-200-2011数据集、Poyang Lake Bird数据集和FBD-SV-2024数据集
1551	2025-01-14	Semi-Automatic Refinement of Myocardial Segmentations for Better LVNC Detection 2025-Jan-06, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14010271 PMID:39797353	研究论文	本文提出了一种半自动框架，通过结合神经网络输出与专家修正、实施斑点选择方法以及使用基线U-Net模型进行交叉验证，来改进心脏MRI中左心室心肌的分割，从而提高左心室非致密化心肌病（LVNC）诊断模型的准确性	提出了一种结合神经网络输出与专家修正的半自动框架，通过斑点选择方法和基线U-Net模型的交叉验证，显著提高了心肌分割的准确性	研究依赖于专家修正，可能引入主观偏差，且仅在三个医院的数据集上进行了验证，样本多样性可能有限	改进心脏MRI中左心室心肌的分割，以提高左心室非致密化心肌病（LVNC）诊断模型的准确性	心脏MRI中的左心室心肌分割	数字病理学	心血管疾病	心脏MRI	U-Net	图像	来自三个医院的数据集
1552	2025-01-14	Investigation and Assessment of AI's Role in Nutrition-An Updated Narrative Review of the Evidence 2025-Jan-05, Nutrients IF:4.8Q1 DOI:10.3390/nu17010190 PMID:39796624	综述	本文探讨并评估了人工智能在营养学中的不同应用和角色，并理解其潜在的未来影响	通过使用机器学习模型、可穿戴设备和聊天机器人应用，AI显著提高了饮食评估的准确性，并为个体和社区提供了定制化的营养解决方案	需要解决数据质量和伦理挑战，以确保AI在营养科学中的广泛应用	探讨和评估人工智能在营养学中的应用及其未来潜力	人工智能在营养学中的应用	自然语言处理, 机器学习	心血管疾病, 糖尿病, 癌症, 肥胖	机器学习模型, 可穿戴设备, 聊天机器人应用	深度学习	图像, 文本	NA
1553	2025-01-14	Recurrent and Metastatic Head and Neck Cancer: Mechanisms of Treatment Failure, Treatment Paradigms, and New Horizons 2025-Jan-05, Cancers IF:4.5Q1 DOI:10.3390/cancers17010144 PMID:39796771	综述	本文综述了头颈癌治疗失败和转移的生物学机制，以及当前的治疗模式和未来的研究方向	免疫疗法在局部复发或转移性头颈癌中的应用不仅改善了肿瘤学结果，还提供了关于免疫逃逸和最终治疗失败机制的重要见解	NA	探讨头颈癌治疗失败和转移的机制，并总结当前的治疗模式和未来的研究方向	头颈癌患者，特别是局部复发或转移性头颈癌患者	NA	头颈癌	免疫疗法	NA	NA	NA
1554	2025-01-14	A Deep Learning-Based Framework Oriented to Pathological Gait Recognition with Inertial Sensors 2025-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s25010260 PMID:39797052	研究论文	本文提出了一种基于深度学习的框架，利用惯性传感器进行病态步态识别	利用健康受试者模拟步态障碍进行病态步态识别，减少了对实际病态步态数据的需求	这是一项初步可行性研究，尚未在实际病态数据上进行验证	开发一种能够识别正常和病态步态行为的系统，以支持临床医生早期检测步态障碍和实时跟踪康复进展	19名健康受试者的惯性数据	机器学习	NA	惯性传感器	卷积神经网络（CNN）	惯性数据	19名健康受试者
1555	2025-01-14	Lightweight Deep Learning Model, ConvNeXt-U: An Improved U-Net Network for Extracting Cropland in Complex Landscapes from Gaofen-2 Images 2025-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s25010261 PMID:39797051	研究论文	本文提出了一种轻量级深度学习模型ConvNeXt-U，用于从高分二号影像中提取复杂景观中的耕地	ConvNeXt-U保留了U-Net的U形结构，但用简化的ConvNeXt架构替换了编码器，并集成了轻量级的CBAM模块，增强了边缘特征的捕捉和提取精度	NA	提高复杂景观中耕地提取的准确性和效率	高分二号影像中的耕地	计算机视觉	NA	深度学习	ConvNeXt-U, U-Net, CBAM	遥感影像	中国湖南省衡阳县的高分二号遥感影像
1556	2025-01-14	Advances in Whole Genome Sequencing: Methods, Tools, and Applications in Population Genomics 2025-Jan-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26010372 PMID:39796227	综述	本文综述了全基因组测序技术的最新进展，详细介绍了主要研究方法、相关软件及其在群体基因组学中的优势和局限性	探讨了深度学习和机器学习算法在群体基因组学中的应用前景，以提升分析方法并推动该领域的进一步发展	未具体提及研究的局限性	研究全基因组测序技术在群体基因组学中的应用和进展	群体基因组学中的遗传变异和群体结构	群体基因组学	NA	全基因组测序（WGS）	深度学习模型、机器学习算法	重测序数据	NA
1557	2025-01-14	Bioinformatics and Deep Learning Approach to Discover Food-Derived Active Ingredients for Alzheimer's Disease Therapy 2025-Jan-04, Foods (Basel, Switzerland) DOI:10.3390/foods14010127 PMID:39796418	研究论文	本研究旨在通过结合生物信息学和深度神经网络分析的方法，发现具有阿尔茨海默病治疗潜力的天然化合物	创新性地结合了生物信息学和深度神经网络分析，用于发现食物来源的活性成分	研究主要依赖于计算预测和体外实验，缺乏体内实验验证	探索食物成分和全食物作为阿尔茨海默病潜在治疗剂的可能性	天然化合物及其对阿尔茨海默病相关蛋白的作用	生物信息学	阿尔茨海默病	分子对接、深度神经网络分析	随机森林回归模型	化学数据库数据	166种天然化合物
1558	2025-01-14	Video-Based Plastic Bag Grabbing Action Recognition: A New Video Dataset and a Comparative Study of Baseline Models 2025-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s25010255 PMID:39797046	研究论文	本文介绍了一个专门用于识别抓取塑料袋动作的新视频数据集，并提出了三种不同的基线方法进行比较研究	引入了一个新的视频数据集，专门用于识别抓取塑料袋的动作，并提出了三种不同的基线方法进行比较	研究局限于特定动作的识别，可能不适用于其他类型的动作识别任务	解决从CCTV视频片段中识别抓取塑料袋动作的挑战	CCTV视频片段中的抓取塑料袋动作	计算机视觉	NA	NA	CNN, 3D CNN	视频	NA
1559	2025-01-14	Skin Cancer Detection Using Transfer Learning and Deep Attention Mechanisms 2025-Jan-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010099 PMID:39795627	研究论文	本文探讨了使用迁移学习和深度注意力机制进行皮肤癌检测的效果	首次将注意力机制与预训练的Xception迁移学习模型结合，用于皮肤癌的二元分类	需要进一步研究以提高检测准确性	研究不同注意力机制对Xception模型在检测良性和恶性皮肤病变中的性能影响	皮肤病变图像	计算机视觉	皮肤癌	深度学习，迁移学习	Xception, 自注意力机制(SL), 硬注意力机制(HD), 软注意力机制(SF)	图像	HAM10000数据集
1560	2025-01-14	Deep Convolutional Framelets for Dose Reconstruction in Boron Neutron Capture Therapy with Compton Camera Detector 2025-Jan-03, Cancers IF:4.5Q1 DOI:10.3390/cancers17010130 PMID:39796757	研究论文	本研究开发了深度神经网络模型，用于通过模拟的BNCT康普顿相机图像数据集估计剂量分布，旨在减少重建时间	使用U-Net架构和基于深度卷积框架的变体，减少噪声和伪影，显著缩短重建时间	需要进一步优化输入图像的重建，以提升性能	开发快速剂量重建方法，以支持硼中子俘获治疗中的实时剂量监测	硼中子俘获治疗中的剂量分布	计算机视觉	癌症	康普顿成像	U-Net, 深度卷积框架变体	图像	模拟的BNCT康普顿相机图像数据集