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
1721	2024-12-23	Segmentation of breast lesion using fuzzy thresholding and deep learning 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109406 PMID:39531925	研究论文	本文提出了一种结合模糊阈值和深度学习的乳腺癌病变分割方法	本文创新性地将模糊C均值阈值（FCMTH）与深度学习网络结合，通过预处理图像提高了分割精度	本文仅使用了7名患者的123张DCE-MRI图像进行实验，样本量较小	提高乳腺癌病变分割的准确性	乳腺癌病变	计算机视觉	乳腺癌	DCE-MRI	DeepLabv3+	图像	7名患者的123张DCE-MRI图像
1722	2024-12-23	Database, prediction, and antibacterial research of astringency based on large language models 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109375 PMID:39531926	研究论文	本文介绍了基于大型语言模型的单宁数据库、预测和抗菌研究	首次创建了一个包含238个分子的全面单宁数据库，并开发了一个结合大型语言模型、深度学习和传统机器学习的基于配体的预测框架，用于增强分子和肽的预测	NA	研究单宁的感官体验及其与抗菌活性的关系	单宁分子及其抗菌特性	机器学习	NA	大型语言模型、深度学习、传统机器学习	Ligand-Based Prediction (LBP)框架	分子数据	238个分子
1723	2024-12-23	Explaining deep learning models for age-related gait classification based on acceleration time series 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109338 PMID:39536383	研究论文	本研究使用深度学习模型和可解释人工智能技术，基于加速度时间序列对与年龄相关的步态分类进行解释	本研究首次将SHapley Additive exPlanations (SHAP)应用于解释深度学习模型在步态分类中的预测结果，提升了模型的透明度	本研究仅使用了单一的传感器位置（L3），且样本量相对较小，可能限制了结果的普适性	旨在通过可解释的人工智能技术提高深度学习模型在步态分类中的透明度，促进其在临床应用中的接受度	研究对象为129名成年人和115名老年人，年龄均大于65岁	机器学习	NA	深度学习	卷积神经网络 (CNN) 和门控循环单元 (GRU)	加速度时间序列	244名参与者，包括129名成年人和115名老年人
1724	2024-12-23	SPE-YOLO: A deep learning model focusing on small pulmonary embolism detection 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109402 PMID:39536384	研究论文	本文开发了一种名为SPE-YOLO的深度学习模型，用于提高小肺栓塞的检测准确性	引入小检测头P2、SEAttention机制和ODConv卷积，优化了模型对小目标的检测能力	NA	提高小肺栓塞的检测准确性，以更好地服务于医学诊断和治疗	小肺栓塞的检测	计算机视觉	肺栓塞	深度学习	YOLO	图像	142名患者的图像数据，以及来自RSNA数据集的2000个案例
1725	2024-12-23	BHBA-GRNet: Cancer detection through improved gene expression profiling using Binary Honey Badger Algorithm and Gene Residual-based Network 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109348 PMID:39615230	研究论文	本文提出了一种结合二进制蜜獾算法和基因残差网络的新方法，用于通过基因表达谱数据进行癌症检测	本文的创新点在于引入二进制蜜獾算法进行特征降维，并与基因残差网络结合，无需额外的预处理步骤，从而提高了癌症检测的准确性	本文的局限性在于仅在肺癌和血液型癌症的数据集上进行了验证，尚未在其他癌症类型上进行广泛测试	本文的研究目的是提高基于基因表达微阵列数据的癌症检测准确性	本文的研究对象是肺癌和血液型癌症	机器学习	肺癌	基因表达微阵列	GRNet	基因表达数据	三个代表肺癌和血液型癌症的已建立数据集
1726	2024-12-23	An optimized ensemble search approach for classification of higher-level gait disorder using brain magnetic resonance images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109457 PMID:39615237	研究论文	本研究探讨了使用深度学习方法，特别是卷积神经网络，通过脑部磁共振图像对高级步态障碍进行分类的可能性	首次在文献中提出使用深度学习方法，通过磁共振图像识别高级步态障碍患者，并引入了一种计算成本较低的搜索算法来优化模型集成	研究结果需要进一步验证，且需要更多研究来理解网络基于哪些脑区进行分类	探索脑部形态与高级步态障碍之间的关联，并验证深度学习方法在此分类任务中的有效性	高级步态障碍患者与对照组的脑部磁共振图像	计算机视觉	老年疾病	磁共振成像	卷积神经网络	图像	来自VESPR大型人群队列的独特数据集
1727	2024-12-23	Multi-criteria Bayesian optimization of Empirical Mode Decomposition and hybrid filters fusion for enhanced ECG signal denoising and classification: Cardiac arrhythmia and myocardial infarction cases 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109462 PMID:39615235	研究论文	本文介绍了一种新的高级模型，用于去噪和分类心电图（ECG）信号，重点是使用混合滤波器和贝叶斯优化	本文创新性地结合了多种滤波器（如EEMD、Chebyshev Type II、Butterworth、Daubechies Wavelet和Savitzky-Golay滤波器），并通过多准则贝叶斯优化过程优化滤波器参数，显著提高了分类准确性	NA	提高心电图信号去噪和分类的准确性，以增强心脏疾病的诊断可靠性	心电图信号的去噪和分类，特别是心律失常和心肌梗死病例	数字病理学	心血管疾病	贝叶斯优化	深度学习架构	信号	NA
1728	2024-12-22	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-Jan, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释的人工智能（XAI）技术，通过分析多种临床特征，为牙周炎的早期筛查提供个性化风险评估	本研究首次将可解释的人工智能技术应用于牙周炎的早期筛查，并通过LIME方法评估了潜在的相关因素，揭示了与牙周炎相关的重要特征	本研究的样本主要来自NHANES数据库，可能存在样本代表性不足的问题	开发一种基于可解释人工智能技术的牙周炎早期筛查工具	牙周炎的早期筛查及相关风险因素	机器学习	牙周疾病	可解释的人工智能（XAI）	深度学习模型	临床数据	30,465名参与者，其中9,632名用于所有年龄组，5,601名用于50岁以上年龄组
1729	2024-12-21	Near-Infrared Autofluorescence Signature: A New Parameter for Intraoperative Assessment of Parathyroid Glands in Primary Hyperparathyroidism 2025-Jan-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000001147 PMID:39016400	研究论文	本研究探讨了近红外自体荧光（NIRAF）在术中区分原发性甲状旁腺功能亢进症中正常与病变甲状旁腺腺体的应用	首次研究了正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发了基于这些特征的深度学习模型	研究仅在单一三级转诊中心进行，样本量和时间跨度有限	探讨正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发基于这些特征的深度学习模型	原发性甲状旁腺功能亢进症患者的正常与病变甲状旁腺腺体	数字病理学	内分泌疾病	近红外自体荧光成像	深度学习模型	图像	1506个正常腺体和597个病变腺体，来自797名患者
1730	2024-12-21	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过专家意见提取，结合患者数据协助深度学习模型进行莱姆病分类，并提出了一种结合多种模态概率估计的算法	首次通过专家意见提取计算莱姆病概率，并结合深度学习图像分类器的概率得分	NA	提高基于图像的深度学习莱姆病预扫描器的鲁棒性	莱姆病的早期症状——游走性红斑皮肤病变	机器学习	莱姆病	深度学习	深度学习模型	图像和患者数据	15位专家医生
1731	2024-12-21	Quality assessment of critical and non-critical domains of systematic reviews on artificial intelligence in gliomas using AMSTAR II: A systematic review 2025-Jan, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2024.110926 PMID:39612612	系统评价	本研究使用AMSTAR II工具评估了关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	首次使用AMSTAR II工具对人工智能在胶质瘤管理中的系统评价进行质量评估	大多数评价在关键领域（如研究的排除、荟萃分析方法的适当性和发表偏倚的评估）和非关键领域（如研究设计选择和资金来源的披露）表现不佳	评估当前关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	关于人工智能在胶质瘤管理中的系统评价和荟萃分析	机器学习	脑肿瘤	NA	NA	NA	从812项研究中筛选出23项研究
1732	2024-12-21	Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis 2025-Jan, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240176 PMID:39700040	研究论文	本文探讨了非侵入性CT技术在量化肝脏弥漫性疾病（如脂肪变性、铁过载和纤维化）中的应用	本文介绍了通过人工智能深度学习算法实现的全自动化CT量化方法，并展示了其在临床护理和研究中的重要意义	尽管CT技术在某些方面接近MRI的参考标准，但在精确度上仍存在一定局限性	研究非侵入性CT技术在检测和量化肝脏弥漫性疾病中的应用	肝脏脂肪变性、铁过载和纤维化	计算机视觉	肝脏疾病	CT	深度学习算法	图像	NA
1733	2024-12-21	Graph neural networks and transfer entropy enhance forecasting of mesozooplankton community dynamics 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100514 PMID:39703568	研究论文	本文探讨了图神经网络（GNN）在预测中生浮游动物群落动态中的应用，并研究了生态系统动态的图结构对预测准确性的影响	本文创新性地将图神经网络与传递熵结合，用于预测中生浮游动物群落动态，并揭示了生态系统动态的图结构对模型预测准确性的影响	本文未完全解决理论驱动模型中参数化和反馈机制的复杂性问题	研究如何通过图神经网络提高中生浮游动物群落动态的预测准确性	中生浮游动物群落动态及其在海洋生态系统中的作用	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	生态系统动态数据	NA
1734	2024-12-20	Enhancing Gene Expression Predictions Using Deep Learning and Functional Annotations 2025-Jan, Genetic epidemiology IF:1.7Q3 DOI:10.1002/gepi.22595 PMID:39344923	研究论文	本文提出了一种新的深度学习架构，用于从个体基因型变异中预测基因表达，并结合功能注释信息以提高预测准确性	本文提出的方法利用可学习的输入缩放层和卷积编码器捕捉非线性效应和高阶相互作用，并通过参数共享机制利用功能注释信息，显著提高了基因表达预测的准确性	NA	提高基因表达预测的准确性，以增强转录组范围关联研究（TWAS）的效果	基因表达预测和功能注释信息的利用	机器学习	NA	深度学习	卷积神经网络（CNN）	基因组数据	大量可遗传基因的实际基因组数据
1735	2024-12-20	Hybrid Deep Learning-Based Enhanced Occlusion Segmentation in PICU Patient Monitoring 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3503499 PMID:39698122	研究论文	本文提出了一种混合深度学习方法，用于在PICU患者远程监控中有效分割常见的遮挡	本文的创新点在于结合了Google DeepLabV3+分割模型和基于transformer的Segment Anything Model (SAM)，以在有限训练数据的情况下实现遮挡分割	本文的局限性在于使用了小规模的真实世界PICU数据集进行训练和验证	研究目的是提高PICU患者远程监控中遮挡分割的准确性和可靠性	研究对象是PICU患者远程监控中的遮挡问题	计算机视觉	NA	深度学习	混合模型（Google DeepLabV3+和Segment Anything Model）	图像	小规模的真实世界PICU数据集
1736	2024-12-20	Ocular Biomechanical Responses to Long-Duration Spaceflight 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3453049 PMID:39698125	研究论文	研究长期太空任务对眼部刚性、眼内压和眼脉冲幅度的影响	揭示了微重力对眼睛机械特性的未知影响，为深入理解太空飞行相关神经眼综合征（SANS）提供了新见解	未观察到新手和经验丰富的宇航员之间的显著差异	评估微重力暴露对眼部刚性、眼内压和眼脉冲幅度的影响	眼部刚性、眼内压和眼脉冲幅度	NA	NA	光学相干断层扫描（OCT）、基于深度学习的脉络膜分割、PASCAL动态轮廓眼压计（DCT）	深度学习	图像	26只眼，来自13名在国际空间站上度过157至186天的机组人员
1737	2024-12-19	Generative artificial intelligence in ophthalmology 2025 Jan-Feb, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2024.04.009 PMID:38762072	综述	本文综述了生成对抗网络（GAN）在眼科领域的应用，并探讨了生成式人工智能在眼科成像中的潜力	本文首次系统性地总结了GAN在眼科领域的应用，并探讨了其在图像增强、疾病识别和生成合成数据方面的潜力	本文主要基于文献综述，未进行新的实验或数据分析，且提到了GAN在某些迭代中生成不准确和非典型结果的挑战	回顾生成对抗网络在眼科领域的应用，并探讨生成式人工智能在眼科中的未来方向	生成对抗网络在眼科成像中的应用，包括图像增强、疾病识别和生成合成数据	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	40篇文献
1738	2024-12-19	Augmented histopathology: Enhancing colon cancer detection through deep learning and ensemble techniques 2025-Jan, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24692 PMID:39344821	研究论文	本文提出了一种基于深度学习和集成技术的增强型结直肠癌检测方法	本文创新性地设计了基于深度学习的transformer模型，结合卷积神经网络（CNN）进行特征提取，并通过交叉变换模型和注意力机制增强分类效果，同时使用Siamese网络提高分类准确率	NA	提高结直肠癌的早期检测和分类准确性	结直肠癌的组织样本	数字病理学	结直肠癌	深度学习	transformer模型、卷积神经网络（CNN）、Siamese网络	图像	CRC-VAL-HE-7K数据集中的组织病理学图像
1739	2024-12-19	AutoLNMNet: Automated Network for Estimating Lymph-Node Metastasis in EGC Using a Pyramid Vision Transformer and Data Derived From Multiphoton Microscopy 2025-Jan, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24705 PMID:39351968	研究论文	本文提出了一种名为AutoLNMNet的新模型，用于估计早期胃癌（EGC）中的淋巴结转移，该模型结合了金字塔视觉Transformer（PVTv2）和多光子显微镜数据	本文的创新点在于将PVTv2模型的特征与手动和临床特征相结合，开发了一种新的模型AutoLNMNet，其预测准确性高于单独使用PVTv2模型	NA	本文的研究目的是开发一种高可靠性和准确性的模型，用于检测早期胃癌中的淋巴结转移	本文的研究对象是早期胃癌患者的淋巴结转移状态	计算机视觉	胃癌	多光子显微镜	PVTv2	图像	NA
1740	2024-12-19	Analog Spiking U-Net integrating CBAM&ViT for medical image segmentation 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106765 PMID:39357269	研究论文	本文提出了一种新型的模拟尖峰U-Net架构，结合CBAM和ViT进行医学图像分割	首次成功将CBAM引入尖峰神经网络（SNN）领域，并提出了一种新型的模拟尖峰U-Net（AS U-Net）架构，显著提高了SNN模型的分割性能并减少了信息损失	NA	探索和改进尖峰神经网络在医学图像分割任务中的应用	糖尿病视网膜血管分割任务	计算机视觉	糖尿病	尖峰神经网络（SNN）	U-Net	图像	综合了多个糖尿病视网膜血管分割数据集