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
13561	2025-01-28	Applying MLP-Mixer and gMLP to Human Activity Recognition 2025-Jan-07, Sensors (Basel, Switzerland) DOI:10.3390/s25020311 PMID:39860680	研究论文	本文探讨了MLP-Mixer和gMLP在人类活动识别（HAR）中的应用，通过减少MLP层中的超参数值来评估这些模型的性能	提出了在传感器数据上使用较少的参数实现与图像处理任务相当的准确性，从而减少内存需求和计算复杂度	研究仅针对MLP-Mixer和gMLP模型，未涵盖其他可能适用于HAR的深度学习模型	评估MLP-Mixer和gMLP在人类活动识别任务中的性能，并探索减少参数对模型性能的影响	人类活动识别（HAR）任务	机器学习	NA	深度学习	MLP-Mixer, gMLP, CNN	传感器数据	NA
13562	2025-01-29	Research on grading detection methods for diabetic retinopathy based on deep learning 2025-Jan, Pakistan journal of medical sciences IF:1.2Q2 DOI:10.12669/pjms.41.1.9171 PMID:39867796	研究论文	本文设计了一种基于深度学习的模型，用于糖尿病视网膜病变的早期筛查，并提供可解释的判断依据	采用Vision Transformer架构，结合公开的EyePACS数据集进行训练，并在预测病变区域方面表现优异	模型仅在IDRiD数据集的两个子集上进行了验证，可能需要更多样化的数据集进一步验证其泛化能力	实现糖尿病视网膜病变的早期筛查并提供可解释的诊断依据	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	Vision Transformer	图像	使用EyePACS数据集进行训练，并在IDRiD数据集的两个子集上进行验证
13563	2025-01-29	Nanopore sequencing to detect A-to-I editing sites 2025, Methods in enzymology DOI:10.1016/bs.mie.2024.11.028 PMID:39870444	研究论文	本文介绍了使用纳米孔直接RNA测序技术结合深度学习模型Dinopore来检测A-to-I RNA编辑位点	利用纳米孔直接RNA测序技术结合深度学习模型Dinopore，直接检测A-to-I RNA编辑位点，避免了传统方法的间接性和混淆问题	NA	检测A-to-I RNA编辑位点，以研究其在生物体中的编辑景观	A-to-I RNA编辑位点	生物信息学	NA	纳米孔直接RNA测序	深度学习模型Dinopore	RNA序列数据	NA
13564	2025-01-29	Deep Learning MRI Reconstruction Delivers Superior Resolution and Improved Diagnostics 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.242952 PMID:39873600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13565	2025-01-29	Deep Learning Superresolution for Simultaneous Multislice Parallel Imaging-Accelerated Knee MRI Using Arthroscopy Validation 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.241249 PMID:39873603	研究论文	本研究验证了深度学习超分辨率MRI在膝关节成像中的诊断性能，并与传统的加速MRI进行了比较	使用深度学习超分辨率技术提升加速MRI的图像质量，并通过关节镜检查作为独立参考标准进行验证	研究样本量相对较小（116名成人），且仅在膝关节成像中进行了验证	验证深度学习超分辨率MRI在膝关节成像中的诊断性能	患有膝关节疼痛的成人患者	医学影像	膝关节疾病	深度学习超分辨率技术	深度学习模型	MRI图像	116名成人（平均年龄45岁，74名男性）
13566	2025-01-28	Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning 2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110662 PMID:39647528	研究论文	本研究探讨了训练数据集大小和模型大小对Erasmus-iCycle GT计划剂量预测准确性的影响，以实现即时治疗计划	使用深度学习方法快速预测患者特定的3D剂量分布，以实现即时治疗计划，显著提高临床工作效率、患者等待时间和治疗质量	即使使用1000名患者的训练数据，预测准确性尚未达到收敛，仍需进一步研究	研究如何通过深度学习方法实现即时治疗计划，以提高临床工作效率和患者治疗质量	1250名前列腺癌患者	数字病理	前列腺癌	深度学习	Hierarchically Densely Connected U-Nets	3D剂量分布数据	1250名前列腺癌患者
13567	2025-01-28	Deep learning-assistance significantly increases the detection sensitivity of neurosurgery residents for intracranial aneurysms in subarachnoid hemorrhage 2025-Feb, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2024.110971 PMID:39673838	研究论文	本研究评估了深度学习模型在提高神经外科住院医师通过CT血管造影检测颅内动脉瘤敏感性方面的有效性	首次将深度学习模型应用于神经外科住院医师的动脉瘤检测培训，显著提高了检测敏感性，特别是在小动脉瘤的检测上	研究样本量较小，仅包含104例患者的CTA扫描，且仅涉及三名住院医师	评估深度学习模型在提高神经外科住院医师检测颅内动脉瘤敏感性方面的效果	104例动脉瘤性蛛网膜下腔出血患者的CTA扫描，共126个动脉瘤	数字病理	颅内动脉瘤	CT血管造影（CTA）	深度学习模型（DLM）	图像	104例患者的CTA扫描，共126个动脉瘤
13568	2025-01-28	Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach 2025-Jan-27, Plant, cell & environment DOI:10.1111/pce.15393 PMID:39866067	研究论文	本研究利用AVIRIS-NG高光谱数据和机器学习技术，开发了一个包含130种植物物种的光谱库，用于精确分类植物功能类型（PFTs）	通过高光谱数据生成光谱库，结合机器学习方法，显著提高了植物功能类型分类的准确性	研究仅限于Shoolpaneshwar野生动物保护区的植物物种，可能不适用于其他地区	推进植物功能类型（PFTs）的分类和监测	Shoolpaneshwar野生动物保护区的130种植物物种	机器学习	NA	AVIRIS-NG高光谱成像和ASD手持光谱辐射计	Parzen Window (PW), Gradient Boosted Machine (GBM), Stochastic Gradient Descent (SGD)	高光谱图像	130种植物物种
13569	2025-01-28	Introduction to Memristive Mechanisms and Models 2025-Jan-24, Recent patents on nanotechnology IF:2.0Q3 DOI:10.2174/0118722105327900250115102034 PMID:39865807	研究论文	本文介绍了忆阻系统的机制和模型，探讨了其在神经形态计算中的应用	本文结合了Chua开发的动态系统框架和统计物理学及渗流理论，提供了对忆阻系统复杂动态行为的深入理解，并探讨了其在深度学习方法中的成功应用	本文主要关注理论模型和框架，缺乏对实际硬件实现的详细讨论	探讨忆阻系统在神经形态计算中的应用，以应对人工智能发展带来的计算能力需求增长	忆阻系统及其在神经形态计算中的应用	机器学习	NA	NA	动态系统模型、渗流理论模型	NA	NA
13570	2025-01-28	Deep learning for kidney trauma detection: CT image algorithm performance and external validation: experimental study 2025-Jan-24, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002221 PMID:39869390	研究论文	本研究开发并验证了一种用于检测肾脏创伤的深度学习算法，使用机构创伤数据和RSNA数据集进行外部验证	首次将深度学习技术应用于肾脏创伤的CT图像检测，并通过外部验证展示了其稳健性能	模型在外部验证中的阳性预测值较低，可能需要进一步优化图像分割和计算效率	开发并验证一种用于检测肾脏创伤的深度学习算法	肾脏创伤的CT图像	医学影像	肾脏创伤	深度学习	RenoTrNet	CT图像	机构创伤数据和RSNA数据集中的随机选择病例
13571	2025-01-28	MythicVision: a deep learning powered mobile application for understanding Indian mythological deities using weight centric decision approach 2025-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85922-2 PMID:39837968	研究论文	本文介绍了一个名为'MythicVision'的深度学习驱动的移动应用程序，旨在通过识别和解释印度神话神祇的图像，帮助外国游客更好地理解印度丰富的文化遗产	该应用程序采用了模型权重计算和权重中心决策机制，相比传统的多数投票方法，在多类图像分类中提供了更准确的结果	NA	开发一个能够识别和分类实时印度神祇图像，并为用户提供有关神祇的宝贵信息的应用程序	印度神话神祇的图像	计算机视觉	NA	深度学习	CNN	图像	10,970张印度神祇图像
13572	2025-01-28	Decoding the Functional Interactome of Non-Model Organisms with PHILHARMONIC 2025-Jan-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.25.620267 PMID:39553947	研究论文	本文介绍了一种名为PHILHARMONIC的计算方法，用于解码非模式生物的功能互作组	PHILHARMONIC结合深度学习网络推理和鲁棒的无监督谱聚类算法，能够揭示非模式生物中的功能关系和高层次组织	方法依赖于预测的网络，可能存在噪声，且需要进一步的实验验证	研究目的是开发一种计算工具，用于预测和分析非模式生物的蛋白质-蛋白质相互作用网络	研究对象包括珊瑚、藻类共生体和果蝇等非模式生物	生物信息学	NA	深度学习、谱聚类算法、远程同源功能注释	深度学习网络	蛋白质序列数据	珊瑚、藻类共生体和果蝇的蛋白质组数据
13573	2025-01-28	Non-Contact Optical Blood Pressure Biometry Using AI-Based Analysis of Non-Mydriatic Fundus Imaging 2025-Jan-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.06.25320084 PMID:39830244	研究论文	本研究旨在开发一种基于机器学习的模型，通过非散瞳眼底成像来评估血压，其准确性与臂式袖带测量相当	使用深度学习模型从眼底图像中评估血压，相比传统臂式袖带测量，可能更能反映长期高血压状况	需要在临床环境中进行更多试验，并开展更多前瞻性研究以验证结果	开发一种基于机器学习的模型，通过非散瞳眼底成像来评估血压	血压（收缩压和舒张压）	机器学习	高血压	深度学习	深度学习模型	眼底图像	基于UK Biobank数据集
13574	2025-01-27	Regional PM2.5 prediction with hybrid directed graph neural networks and Spatio-temporal fusion of meteorological factors 2025-Feb-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125404 PMID:39613176	研究论文	本文提出了一种基于深度学习的混合有向图神经网络方法，用于预测区域PM2.5浓度，并考虑了相邻城市之间的区域传输相互作用	结合图神经网络（GNN）和长短期记忆网络（LSTM）进行时空编码，显著提高了PM浓度预测的准确性，并在华北平原的48小时预测中表现出色	模型主要应用于华北平原，可能在其他地区的适用性需要进一步验证	优化空气质量预测和管理	区域PM2.5浓度	机器学习	NA	深度学习	混合有向图神经网络（GNN + LSTM）	时空数据	NA
13575	2025-01-27	Predictive analysis of COVID-19 occurrence and vaccination impacts across the 50 US states 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109493 PMID:39626459	研究论文	本研究旨在通过机器学习模型评估疫苗接种在COVID-19确诊病例和死亡病例中的有效性，并使用外部验证确保对接种人群的最佳保护	开发了一个深度学习LSTM模型，用于分析疫苗接种在预测COVID-19病例和死亡中的有效性，并通过内部和外部验证评估模型性能	研究仅基于美国CDC的数据，可能无法完全适用于其他国家的疫情情况	评估COVID-19疫苗接种在减少确诊病例和死亡病例中的有效性	美国50个州的COVID-19确诊病例和死亡病例	机器学习	COVID-19	深度学习	LSTM	时间序列数据	2021年至2023年美国CDC收集的数据
13576	2025-01-27	Interpretable prediction of drug-drug interactions via text embedding in biomedical literature 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109496 PMID:39626457	研究论文	本研究提出了一种基于层次注意力机制的深度学习模型，通过生物医学文献预测药物-药物相互作用（DDIs）及其类型	使用预训练的生物医学语言模型和双向长短期记忆网络结合层次注意力机制，有效捕捉药物特性并预测DDIs，同时通过注意力机制解释预测结果	未提及模型在更大规模数据集上的泛化能力或实际临床应用中的验证	预测药物-药物相互作用及其类型，以确保安全用药	药物-药物相互作用（DDIs）	自然语言处理	NA	深度学习	双向长短期记忆网络（BiLSTM）与层次注意力网络	文本	164种DDI类型
13577	2025-01-27	A smart CardioSenseNet framework with advanced data processing models for precise heart disease detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109473 PMID:39631110	研究论文	本文提出了一种名为CardioSenseNet的智能框架，用于精确检测心脏病，该框架通过先进的数据处理模型提高了检测的准确性和效率	引入了新的数据预处理方法DGPN、特征选择方法STHIO和预测模型SADNet，这些方法在特征表示、特征选择和预测准确性方面具有创新性	未提及具体的数据集限制或模型在实际应用中的潜在问题	提高心脏病检测的准确性和效率，以支持心血管健康管理	心脏病患者的数据	机器学习	心血管疾病	深度学习	SADNet	结构化数据	使用了Cleveland和CVD等基准数据集
13578	2025-01-27	Leveraging deep transfer learning and explainable AI for accurate COVID-19 diagnosis: Insights from a multi-national chest CT scan study 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109461 PMID:39631112	研究论文	本文提出了一种基于深度迁移学习和可解释AI的自动化计算机辅助诊断框架XCT-COVID，用于从胸部CT扫描图像中准确预测COVID-19感染	首次在一个统一框架内开发了三种不同的模型，利用了之前未探索的大数据集和两个广泛使用的小数据集，并通过可解释AI分析模型功能	在图像质量较低的小数据集上性能显著下降	提高COVID-19诊断的准确性和可解释性	胸部CT扫描图像	计算机视觉	COVID-19	深度迁移学习	CNN（VGG16）	图像	大数据集和两个小数据集
13579	2025-01-27	Advancing cancer diagnosis and prognostication through deep learning mastery in breast, colon, and lung histopathology with ResoMergeNet 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109494 PMID:39637456	研究论文	本文介绍了一种名为ResoMergeNet的深度学习模型，用于乳腺癌、结肠癌和肺癌的组织病理学图像的多类和二分类癌症分类	ResoMergeNet集成了Resboost机制和ConvmergeNet机制，增强了特征表示和提取，提高了诊断准确性	模型在泛化到不同临床环境时可能仍面临挑战	提高癌症诊断和预后的准确性，减少诊断错误和人为偏见	乳腺癌、结肠癌和肺癌的组织病理学图像	数字病理学	乳腺癌、结肠癌、肺癌	深度学习	ResoMergeNet	图像	LC-25000和BreakHis数据集
13580	2025-01-27	Progress on the development of prediction tools for detecting disease causing mutations in proteins 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109510 PMID:39637461	综述	本文综述了用于识别蛋白质中致病突变的预测方法的发展，包括现有数据库、基于序列和结构的特征，以及基于机器学习、深度学习和大型语言模型的计算工具	强调了在预测癌症、神经退行性疾病、传染病以及膜蛋白相关突变热点方面的进展，并讨论了现有方法的局限性和可能的改进	现有方法存在局限性，需要进一步改进以提高预测准确性	开发预测工具以识别蛋白质中的致病突变，从而深入理解疾病的分子机制并制定治疗策略	蛋白质中的氨基酸残基突变	生物信息学	癌症、神经退行性疾病、传染病	机器学习、深度学习、大型语言模型	NA	序列数据、结构数据	NA