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
8361	2025-01-24	MacNet: a mobile attention classification network combining convolutional neural network and transformer for the differentiation of cervical cancer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-810 PMID:39839018	研究论文	本文提出了一种结合卷积神经网络和Transformer的移动注意力分类网络（MacNet），用于宫颈癌细胞分化的分类	创新性地将注意力机制与卷积神经网络结合，利用多尺度特征提取和自适应融合模块，提高了宫颈癌细胞分化分类的准确性	未提及具体的数据集大小或样本多样性，可能影响模型的泛化能力	提高宫颈癌细胞分化分类的准确性，并定量分析宫颈癌细胞分化	宫颈癌细胞分化的病理图像	计算机视觉	宫颈癌	深度学习	CNN, Transformer	图像	未提及具体样本数量
8362	2025-01-24	Metastasis lesion segmentation from bone scintigrams using encoder-decoder architecture model with multi-attention and multi-scale learning 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1246 PMID:39839026	研究论文	本研究开发了一种基于深度学习的模型，用于自动分割骨闪烁图中的转移病灶，以提高诊断准确性	该模型采用了多注意力学习方案和多尺度学习策略，结合了非局部注意力方案和视觉变换器（ViT），以及多尺度特征学习和多池化学习策略，能够准确检测和提取位置和强度随机性高的不同大小病灶	NA	开发一种深度学习模型，用于自动分割骨闪烁图中的转移病灶，以提高诊断准确性	骨闪烁图中的转移病灶	计算机视觉	骨转移	深度学习	编码器-解码器架构模型	图像	临床单光子发射计算机断层扫描（SPECT）骨闪烁图数据
8363	2025-01-24	Reproducibility of automatic adipose tissue segmentation using proton density fat fraction images between 1.5 and 3.0 T magnetic resonance 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1306 PMID:39839031	研究论文	本研究评估了使用深度学习模型在不同磁场强度下对全身脂肪组织分布分析的重复性	首次在不同磁场强度（1.5 T和3.0 T）下评估了基于深度学习的脂肪组织分割方法的重复性	在胸部的IAT体积、TAT/WH比率和SAT/TAT比率指标上，由于不同磁场强度的敏感性效应，重复性较差	评估在不同磁场强度下使用质子密度脂肪分数（PDFF）图像进行全身脂肪组织分布分析的重复性	24名志愿者	医学影像分析	代谢健康相关疾病	磁共振成像（MRI）	U-Net	图像	24名志愿者
8364	2025-01-24	Development and validation of a multi-parametric MRI deep-learning model for preoperative lymphovascular invasion evaluation in rectal cancer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-789 PMID:39839029	研究论文	本研究开发并验证了一种基于多参数MRI的深度学习模型，用于术前评估直肠癌患者的淋巴血管侵犯状态	首次结合T2加权图像、扩散加权图像和临床因素，构建了一个综合模型来评估直肠癌的淋巴血管侵犯状态，并在外部中心进行了验证	研究为回顾性设计，样本量相对有限，且仅来自两个中心，可能限制了模型的泛化能力	开发并验证一种基于MRI的深度学习模型，用于术前评估直肠癌患者的淋巴血管侵犯状态	直肠癌患者	数字病理	直肠癌	MRI	3D ResNet-18	图像	489名患者（320名训练集，80名内部验证集，89名外部测试集）
8365	2025-01-24	Brain tumor enhancement prediction from pre-contrast conventional weighted images using synthetic multiparametric mapping and generative artificial intelligence 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-721 PMID:39839033	研究论文	本研究提出了一种使用生成人工智能从预对比常规加权图像中预测脑肿瘤增强的方法，以减少对钆基对比剂（GBCAs）的依赖	通过深度学习生成合成参数图，从预对比常规加权图像中预测T1加权增强，避免了使用GBCAs	研究样本量较小，仅包括15名胶质瘤患者和5名健康志愿者，且需要进一步验证在其他数据集上的泛化能力	减少对钆基对比剂的依赖，通过合成参数图预测脑肿瘤增强	胶质瘤患者和健康志愿者的脑部图像	数字病理学	脑肿瘤	深度学习	生成人工智能	图像	15名胶质瘤患者、5名健康志愿者和493名胶质母细胞瘤患者
8366	2025-01-24	Chemical shift encoding based double bonds quantification in triglycerides using deep image prior 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1507 PMID:39839039	研究论文	本研究评估了一种利用深度图像先验（DIP）的深度学习方法，用于从化学位移编码的多回波梯度回波图像中量化甘油三酯中的双键和亚甲基间隔双键，无需网络训练	该方法通过基于信号约束的成本函数，在单张图像切片上通过迭代过程不断优化神经网络参数，实现了无需网络训练的双键量化	研究主要基于幻影实验和少量扫描，样本量较小，且未在大规模临床数据上验证	评估深度图像先验（DIP）在量化甘油三酯中双键和亚甲基间隔双键方面的潜力	甘油三酯中的双键和亚甲基间隔双键	计算机视觉	代谢紊乱和炎症	化学位移编码的多回波梯度回波成像	深度图像先验（DIP）	图像	幻影实验和少量扫描
8367	2025-01-24	Using resting-state functional magnetic resonance imaging and contrastive learning to explore changes in the Parkinson's disease brain network and correlations with gait impairment 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1227 PMID:39839056	研究论文	本研究利用静息态功能磁共振成像（rs-fMRI）数据和对比学习方法，探索帕金森病（PD）患者脑网络的变化及其与步态障碍的相关性	首次将深度学习模型应用于rs-fMRI数据以区分PD患者和健康对照组（HCs），并首次将客观步态参数与PD患者的脑网络变化相关联	样本量较小，仅包括29名PD患者和38名健康对照组	探索PD患者脑网络中的异常连接区域，并研究这些区域与步态参数的相关性	帕金森病患者和健康对照组	计算机视觉	帕金森病	静息态功能磁共振成像（rs-fMRI）	卷积神经网络（CNN）和对比学习（CL）	图像	29名PD患者和38名健康对照组
8368	2025-01-24	An automatic and real-time echocardiography quality scoring system based on deep learning to improve reproducible assessment of left ventricular ejection fraction 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-512 PMID:39839058	研究论文	本研究开发了一种基于深度学习的自动实时超声心动图质量评分系统，旨在提高左心室射血分数评估的可重复性	创新性地开发了一种深度学习模型，能够实时自主检测心脏关键解剖结构，并提供质量评分和左心室射血分数估计	模型在加权平均精度和加权平均召回率方面表现一般，评分范围在0.5到0.6之间	开发一种自动实时超声心动图质量评估系统，减少左心室射血分数测量误差	超声心动图数据集	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	来自10个中国医疗中心的2461名参与者的5000多个超声心动图数据集，以及来自两个外部医疗中心的175名参与者用于模型验证
8369	2025-01-24	A multi-patch-based deep learning model with VGG19 for breast cancer classifications in the pathology images 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241313161 PMID:39839961	研究论文	本文提出了一种基于多片段的深度学习模型MPa-DCAE，结合VGG19用于病理图像中的乳腺癌检测和分类	MPa-DCAE模型结合了VGG19的层次特征提取能力和深度卷积自编码器（DCAE）框架，通过多片段方法提取病理图像中的感兴趣区域，增强了模型的判别能力	NA	开发一种自动化的乳腺癌诊断方法，以提高病理图像中乳腺癌检测和分类的准确性	乳腺癌病理图像	计算机视觉	乳腺癌	深度学习	VGG19, DCAE	图像	CBIS-DDSM和MIAS数据集
8370	2025-01-23	HybNet: A hybrid deep models for medicinal plant species identification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103126 PMID:39830878	研究论文	本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率	本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面	深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力	研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别	研究对象为药用植物物种的图像数据	计算机视觉	NA	深度学习	CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层	图像	自建的药用植物数据集，具体样本数量未提及
8371	2025-01-23	Intelligent identification of foodborne pathogenic bacteria by self-transfer deep learning and ensemble prediction based on single-cell Raman spectrum 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127268 PMID:39644671	研究论文	本研究提出了一种基于单细胞拉曼光谱的AI模型，用于精确识别食源性致病菌	结合自迁移深度学习和集成预测算法，显著提高了训练效率和预测性能	未提及模型在实际应用中的具体限制	提高食源性疾病的准确检测，预防疾病传播	食源性致病菌	机器学习	食源性疾病	单细胞拉曼光谱	自迁移深度学习，集成预测	光谱数据	未提及具体样本数量
8372	2025-01-23	A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127427 PMID:39709828	研究论文	本研究提出了一种基于图像处理和深度学习的颗粒尺寸分布校正方法，用于提高NIRS-XRF在煤质分析中的准确性和重复性	创新性地结合图像处理和深度学习技术，提出了一种颗粒尺寸校正方法，显著提高了NIRS-XRF测量的重复性和准确性	研究仅针对煤质分析，未涉及其他材料或应用场景	提高NIRS-XRF在煤质分析中的准确性和重复性	煤样品	机器学习和图像处理	NA	NIRS, XRF	Segment Anything Model (SAM), Spatial Transformer Network (STN), Convolutional Neural Network (CNN)	图像	56个煤样品（48个用于标准灰分预测模型，8个用于校正）
8373	2025-01-23	A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants 2025-Feb-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120615 PMID:39674247	研究论文	本文提出了一种结合信号分解和深度学习的混合模型，用于预测污水处理厂的进水参数，如化学需氧量（COD）和五日生化需氧量（BOD）	引入了新的动态特征选择（DFS）机制，以实时优化特征选择，减少模型冗余并提高预测稳定性	NA	提高污水处理厂进水参数（如COD和BOD）的预测准确性，以优化污水处理过程、提高效率并降低成本	污水处理厂的进水参数（COD和BOD）	机器学习	NA	信号分解和深度学习	混合深度学习模型	时间序列数据	两个污水处理厂的数据
8374	2025-01-23	One-core neuron deep learning for time series prediction 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae441 PMID:39830389	研究论文	本文提出了一种仅包含单个核心神经元的可解释'小模型'框架，即单核心神经元系统（OCNS），用于时间序列预测，旨在显著减少参数数量同时保持与现有'大模型'相当的性能	提出了一种仅包含单个核心神经元的深度学习框架，通过多延迟反馈设计，能够将输入特征向量/状态转换为一维时间序列/序列，理论上确保完全表示观测动态系统的状态	未提及具体的时间序列预测任务或数据集，可能限制了结果的普适性验证	探索在时间序列预测任务中构建参数少、性能优的深度学习框架	时间序列数据	机器学习	NA	深度学习	单核心神经元系统（OCNS）	时间序列数据	NA
8375	2025-01-23	BananaImageBD: A comprehensive banana image dataset for classification of banana varieties and detection of ripeness stages in Bangladesh 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111239 PMID:39830620	研究论文	本文介绍了一个全面的香蕉图像数据集BananaImageBD，用于分类香蕉品种和检测成熟度阶段	该数据集包含了孟加拉国四种常见香蕉品种和四个关键成熟阶段的详细图像，具有推动精准农业、食品加工和供应链管理等领域自动化和高效流程发展的潜力	数据集仅限于孟加拉国的香蕉品种和成熟阶段，可能不适用于其他地区或品种	开发自动化和高效的香蕉品种分类和成熟度检测系统	孟加拉国的四种常见香蕉品种及其四个成熟阶段	计算机视觉	NA	NA	机器学习和深度学习模型	图像	2471张不同香蕉品种的原始图像和820张不同成熟阶段的原始图像，增强后的数据集分别包含7413张和2457张图像
8376	2025-01-23	Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction 2025-Jan-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70011 PMID:39840745	研究论文	本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示	MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性	NA	提高分子属性预测的准确性，特别是在药物发现领域	分子结构和功能基团	机器学习	NA	图神经网络（GNN）	MfGNN	分子图数据	NA
8377	2025-01-23	Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective 2025-Jan-22, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.4c00628 PMID:39746214	综述	本文综述了二维过渡金属二硫化物（2D TMDs）在理论模拟方面的研究进展及其在电子学、催化、量子技术和能源领域的应用	强调了理论模拟在理解2D TMDs物理性质、发现新材料、阐明合成过程及设计新型器件中的关键作用	尽管2D TMDs展示了潜力并已制造出原型器件，但仍需解决一些挑战以实现其商业应用	探讨理论模拟如何推动2D TMDs研究，特别是在理解扭曲moire基TMDs性质、预测TMD单层和异质结构中的奇异量子相、理解TMD合成中的成核和生长过程以及理解基于TMD异质结构的潜在器件中的电子传输和接触特性方面	二维过渡金属二硫化物（2D TMDs）	材料科学	NA	理论模拟、深度学习、分子动力学、高通量计算、多尺度方法	NA	NA	NA
8378	2025-01-23	Gait patterns in unstable older patients related with vestibular hypofunction. Preliminary results in assessment with time-frequency analysis 2025-Jan-22, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2025.2450221 PMID:39840938	研究论文	本文通过单传感器收集的数据图像表示，寻找老年人与前庭功能减退相关的步态不稳定模式	使用连续小波变换生成步态信号的图像表示，并通过灰度共生矩阵度量作为特征进行分析，利用支持向量机（SVM）算法进行受试者分类	样本量较小，仅包含13名老年人和19名成年人，且为初步结果，需要更大样本和深度学习方法的进一步探索	寻找老年人步态不稳定的模式，以早期诊断步态障碍	13名71-85岁的前庭功能减退导致不稳定的老年人和19名21-75岁无不稳定且前庭功能正常的成年人	数字病理学	老年疾病	连续小波变换，灰度共生矩阵度量	支持向量机（SVM）	图像	32名受试者（13名老年人和19名成年人）
8379	2025-01-23	Enhanced accuracy and stability in automated intra-pancreatic fat deposition monitoring of type 2 diabetes mellitus using Dixon MRI and deep learning 2025-Jan-22, Abdominal radiology (New York) DOI:10.1007/s00261-025-04804-3 PMID:39841227	研究论文	本文旨在开发一种准确且自动化的方法，通过多回波Dixon MRI评估2型糖尿病（T2DM）患者的胰腺内脂肪沉积（IPFD）	结合深度学习和放射组学特征，开发了深度学习放射组学（DLR）模型，用于区分T2DM、糖尿病前期和非糖尿病患者，并展示了优于放射科医生的性能	由于糖尿病前期患者数量有限，未进行区分糖尿病前期和非糖尿病的测试	开发一种准确且自动化的方法，用于评估2型糖尿病患者的胰腺内脂肪沉积	534名接受上腹部MRI检查的患者	数字病理学	2型糖尿病	多回波Dixon MRI	nnU-Net, 支持向量机	MRI图像	534名患者
8380	2025-01-23	PBCS-ConvNeXt: Convolutional Network-Based Automatic Diagnosis of Non-alcoholic Fatty Liver in Abdominal Ultrasound Images 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01394-w PMID:39841370	研究论文	本文提出了一种基于深度学习的计算机辅助诊断模型PBCS-ConvNeXt，用于自动分类非酒精性脂肪肝病的腹部超声图像	提出了PBCS-ConvNeXt模型，结合了potent stem cell模块、增强的ConvNeXt Blocks和boosting block，用于从超声数据中提取有效信息	模型的准确率、敏感性和特异性分别为82%、81%和83%，仍有提升空间	开发一种自动化的非酒精性脂肪肝病分类系统，以辅助早期诊断和临床管理	非酒精性脂肪肝病（NAFLD）的腹部超声图像	计算机视觉	非酒精性脂肪肝病	深度学习	PBCS-ConvNeXt	图像	使用5折交叉验证进行评估，具体样本数量未明确