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
8801	2024-12-23	Utilization of a hierarchical electrocardiogram classification model for enhanced biometric identification 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109254 PMID:39522129	研究论文	本文提出了一种两阶段的基于心电图（ECG）信号的用户识别系统，通过结合ECG信号和状态信息来提高动态特征学习能力	本文的创新点在于提出了一种两阶段的分类模型，能够有效应对ECG信号在不同压力状态下的动态变化，从而提高用户识别的准确性	本文的局限性在于仅使用了两个数据库进行性能评估，未来需要更多的实验数据来验证模型的泛化能力	本文的研究目的是提高基于ECG信号的用户识别系统的实用性和准确性	本文的研究对象是心电图（ECG）信号及其在用户识别中的应用	机器学习	NA	NA	两阶段分类模型	信号	使用了CSU-BIODB和MIT-BIH ST Change数据库，分别获得了92.08%和95.83%的识别准确率
8802	2024-12-23	A novel semi-supervised learning model based on pelvic radiographs for ankylosing spondylitis diagnosis reduces 90% of annotation cost 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109232 PMID:39522130	研究论文	本研究开发了一种基于半监督学习的深度学习模型，用于通过骨盆X光片诊断强直性脊柱炎，显著降低了标注成本	首次将半监督学习应用于通过骨盆X光片诊断强直性脊柱炎，实现了90%的标注成本降低	NA	开发一种能够在有限标注数据下达到人类专家水平性能的强直性脊柱炎诊断模型	强直性脊柱炎的诊断	机器学习	骨骼疾病	半监督学习	深度神经网络	图像	5389张骨盆X光片，其中431张有标签，3880张无标签
8803	2024-12-23	Integrating PET/CT, radiomics and clinical data: An advanced multi-modal approach for lymph node metastasis prediction in prostate cancer 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109339 PMID:39522134	研究论文	本研究开发了一种深度学习模型，结合PET/CT影像、放射组学特征和临床参数，用于预测前列腺癌患者的淋巴结转移	本研究创新性地整合了PET/CT影像、放射组学特征和临床数据，提出了一种多模态方法来预测前列腺癌患者的淋巴结转移	本研究的样本量相对较小，且仅限于中高风险的前列腺癌患者，可能限制了模型的泛化能力	开发一种深度学习模型，用于预测前列腺癌患者的淋巴结转移，以辅助临床决策	中高风险的前列腺癌患者及其淋巴结转移情况	数字病理学	前列腺癌	深度学习	MNASNet	影像、文本	229名前列腺癌患者
8804	2024-12-23	Measurement of ureteral length: Comparison of deep learning-based method and other estimation methods on CT and KUB 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109374 PMID:39522131	研究论文	本文比较了基于深度学习的方法与其他估计方法在CT和KUB图像上测量输尿管长度的效果	本文提出了一种基于深度学习的3D模型，用于在CT尿路造影图像上自动测量输尿管长度，并证明其准确性和可靠性优于传统测量方法	本文仅在回顾性队列中进行了验证，未来需要在更大规模的前瞻性研究中进一步验证	利用深度学习方法在CT尿路造影图像上测量输尿管长度，并与传统方法进行比较	输尿管长度测量方法的准确性和可靠性	计算机视觉	NA	深度学习	3D模型	图像	411例患者用于模型开发，220例患者用于模型测试，共测量了437条输尿管的长度
8805	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
8806	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
8807	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
8808	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
8809	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
8810	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
8811	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
8812	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
8813	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
8814	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
8815	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
8816	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
8817	2024-12-20	A psychologically interpretable artificial intelligence framework for the screening of loneliness, depression, and anxiety 2025-Feb, Applied psychology. Health and well-being DOI:10.1111/aphw.12639 PMID:39697049	研究论文	本研究介绍了一种基于人工智能的心理学框架emoLDAnet，通过分析面部表情和生理信号来检测孤独、抑郁和焦虑等负面情绪	创新点在于结合了深度学习和机器学习技术，并引入了OCC-PAD-LDA心理学转换模型，增强了AI决策的可解释性	研究样本量较小，仅招募了50名参与者，可能影响结果的普适性	旨在开发一种新的人工智能框架，用于早期筛查孤独、抑郁和焦虑等负面情绪，提升心理健康护理水平	研究对象为孤独、抑郁和焦虑等负面情绪的检测与筛查	机器学习	NA	深度学习（如VGG11）和机器学习（如决策树）	CNN（卷积神经网络）	视频	50名参与者
8818	2024-12-20	Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry 2025-Feb, Biometrical journal. Biometrische Zeitschrift DOI:10.1002/bimj.70023 PMID:39698740	研究论文	本文研究了在纵向临床注册数据中，使用深度学习技术将不同测量仪器的数据映射到联合潜在表示，以实现域适应的方法	本文首次在纵向临床注册数据中应用域适应技术，并通过普通微分方程（ODEs）建模轨迹，评估测量仪器映射的效果	研究仅在脊髓性肌肉萎缩症（SMA）患者的数据上进行，且时间点较少，可能限制了方法的普适性	探索域适应技术在纵向临床注册数据中的应用潜力	脊髓性肌肉萎缩症（SMA）患者的不同运动功能测量仪器数据	机器学习	神经肌肉疾病	深度学习	ODEs	纵向数据	脊髓性肌肉萎缩症（SMA）患者的纵向数据，时间点较少
8819	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
8820	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