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
1121	2025-02-05	HEDDI-Net: heterogeneous network embedding for drug-disease association prediction and drug repurposing, with application to Alzheimer's disease 2025-Feb-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05938-6 PMID:39891114	研究论文	本文介绍了一种名为HEDDI-Net的异质网络嵌入架构，用于预测药物-疾病关联和药物再利用，特别是在阿尔茨海默病中的应用	HEDDI-Net能够直接应用于新的疾病和药物，无需重新训练，这是大多数基于GCN的方法所不具备的。此外，HEDDI-Net提供了详细的亲和力模式，有助于理解候选药物的生理效应	尽管HEDDI-Net在预测药物-疾病关联方面表现出色，但其在稀疏网络中的表现仍需进一步验证	开发一种能够准确预测药物-疾病关联并保持生物机制可解释性的方法，以支持药物再利用	药物和疾病，特别是阿尔茨海默病	机器学习	阿尔茨海默病	图神经网络（GCN）和浅层学习技术	多层感知机（MLP）	网络数据	NA
1122	2025-02-05	Predicting carbon dioxide emissions using deep learning and Ninja metaheuristic optimization algorithm 2025-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86251-0 PMID:39893234	研究论文	本文提出了一种基于深度学习和Ninja元启发式优化算法的高精度预测二氧化碳排放的新方法	使用DPRNNs模型结合NiOA优化算法，能够有效捕捉数据中的短期和长期时间依赖性，并通过PCA和BSS技术进行数据预处理以提高预测精度	研究仅针对二氧化碳排放，未涵盖其他温室气体，且未实现实时跟踪	开发一种高精度的二氧化碳排放预测方法	二氧化碳排放数据	机器学习	NA	PCA, BSS, NiOA	DPRNNs	时间序列数据	NA
1123	2025-02-05	Observational study of sudden cardiac arrest risk (OSCAR): Rationale and design of an electronic health records cohort 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2025.101614 PMID:39897418	研究论文	本文描述了基于电子健康记录（EHR）的队列研究OSCAR，旨在评估心脏骤停（SCA）的预测因素	利用电子健康记录（EHR）和人工智能技术（如自然语言处理和深度学习）来定义患者表型，并结合生物统计学和机器学习方法进行分析	研究依赖于电子健康记录的数据质量，可能存在数据缺失或不准确的问题	评估心脏骤停（SCA）的预测因素，改进风险预测模型	洛杉矶县居民，特别是那些在Cedars-Sinai健康系统（CSHS）接受常规医疗的患者	机器学习	心血管疾病	自然语言处理，深度学习	NA	电子健康记录（EHR）	379,833名洛杉矶县居民
1124	2025-02-04	Rapid in vivo EPID image prediction using a combination of analytically calculated attenuation and AI predicted scatter 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17549 PMID:39607282	研究论文	本文提出了一种结合分析计算衰减和AI预测散射的深度学习方法，用于快速预测体内EPID图像	使用深度学习方法替代传统的蒙特卡罗算法，显著提高了预测速度，并仅需患者信息进行训练	部分图像的通过率较低，原因包括CBCT伪影和患者在CBCT与治疗之间的运动	测试使用患者数据创建深度学习模型以预测IMRT治疗中体内EPID图像的可行性和可靠性	IMRT治疗中的体内EPID图像	数字病理	NA	卷积神经网络（CNN）	CNN	图像	193个IMRT场/图像，来自93名患者，以及75个用于进一步验证的图像
1125	2025-02-04	A comprehensive review on early detection of drusen patterns in age-related macular degeneration using deep learning models 2025-Feb, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104454 PMID:39716627	综述	本文综述了使用深度学习模型早期检测年龄相关性黄斑变性（AMD）中玻璃膜疣模式的全面研究	提出了一种基于深度学习的模型，通过结合局部和全局知识来优化AMD早期阶段的玻璃膜疣检测	现有模型由于眼底图像分辨率问题，难以准确预测玻璃膜疣区域	研究目的是通过深度学习技术早期检测AMD中的玻璃膜疣模式	研究对象是年龄相关性黄斑变性（AMD）患者的眼底图像	计算机视觉	老年疾病	深度学习	深度学习模型	图像	NA
1126	2025-02-04	Multi-Dimensional Features Extraction for Voice Pathology Detection Based on Deep Learning Methods 2025-Feb-01, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.12.048 PMID:39894721	研究论文	本文提出了一种基于深度学习的多维特征提取方法，用于语音病理检测	提出了一种结合Gammatonegram特征与TKEO Scalogram特征的特征提取方案，命名为CGT Scalogram	NA	提高语音病理检测的准确性	健康语音与病理语音	自然语言处理	语音障碍	深度学习	ResNet	语音信号	Saarbrucken语音数据库
1127	2025-02-04	Enhancing feature-aided data association tracking in passive sonar arrays: An advanced Siamese network approach 2025-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0035577 PMID:39898705	研究论文	本文提出了一种基于Siamese网络的高级网络BiChannel-SiamDinoNet，用于改进被动声纳阵列中的特征辅助数据关联跟踪方法	提出了BiChannel-SiamDinoNet网络，结合Siamese网络和联合概率数据关联框架，通过声学目标的特征结构形成嵌入空间，使系统对变化更加鲁棒，并能有效区分测量和目标之间的差异	未提及具体局限性	改进被动声纳阵列中的多目标跟踪方法，提高在复杂海洋场景中的性能	被动声纳阵列中的多目标跟踪	机器学习	NA	深度学习	Siamese网络	声学信号	未提及具体样本数量
1128	2025-02-03	A review on real time implementation of soft computing techniques in thermal power plant 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2429721 PMID:39601783	综述	本文综述了2019年至2023年间关于利用软计算技术（包括AI-ML和DL）提高热电厂生产力的研究	提供了对现有研究的全面总结，并评估了传统AI方法在提高热电厂生产力方面的有效性	仅限于2019年至2023年间的研究，可能未涵盖所有相关研究	提高热电厂的生产力	热电厂	机器学习	NA	AI-ML, DL	NA	NA	NA
1129	2025-02-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2025-Feb-01, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输	提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输	未提及具体的研究局限性	提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾	CT图像中的中风病变	计算机视觉	中风	CT成像	Jaccard_Residual SqueezeNet	图像	未提及具体样本数量
1130	2025-02-02	The influence of a deep learning tool on the performance of oral and maxillofacial radiologists in the detection of apical radiolucencies 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae054 PMID:39656660	研究论文	本研究评估了深度学习模型对口腔放射科医生在检测根尖周透亮区方面的影响，并分析了经验、诊断时间和专业对诊断结果的影响	首次评估了深度学习模型在口腔放射科医生检测根尖周透亮区中的实际应用效果，并分析了影响诊断结果的关键因素	样本量较小（68张影像），且仅使用了深度学习模型的测试版，可能影响结果的普遍性	评估深度学习模型对口腔放射科医生检测根尖周透亮区的影响，并分析影响诊断结果的因素	口腔放射科医生和68张根尖周X光片	数字病理	口腔疾病	深度学习	深度学习模型（Denti.AI）	影像	68张根尖周X光片
1131	2025-02-02	On-chip deep residual photonic neural networks using optical-electrical shortcut connections 2025-Feb-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549158 PMID:39888773	研究论文	本文提出了一种片上深度残差光子神经网络架构（Res-PNN），通过使用光电快捷连接来解决深度光子神经网络训练中的梯度消失和爆炸问题	提出了光电快捷连接的设计，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入和输出，从而稳定训练更深的PNN	未提及具体硬件实现的复杂性和成本问题	解决深度光子神经网络训练中的梯度消失和爆炸问题，提升分类准确率	片上光子神经网络	机器学习	NA	光电快捷连接	Res-PNN	图像	CIFAR-10和CIFAR-100数据集
1132	2024-11-24	[Ecological sustainability of deep learning in pathology : A modeling study] 2025-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-024-01382-x PMID:39578266	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1133	2025-02-01	Development of multistage crop yield estimation model using machine learning and deep learning techniques 2025-Feb, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02829-9 PMID:39643782	研究论文	本研究应用机器学习和深度学习技术，基于多元气象时间序列数据，开发了用于估计旁遮普五个地区小麦产量的多阶段模型	创新点在于结合了多种机器学习模型（SMLR、ANN、SVR、RF和DNN）和多阶段作物生长数据，进行小麦产量估计	研究仅限于旁遮普五个地区的小麦产量估计，可能无法直接推广到其他地区或作物	研究目的是开发一个多阶段小麦产量估计模型，以提高产量预测的准确性	研究对象是旁遮普五个地区的小麦产量和气象数据	机器学习	NA	多元气象时间序列数据分析	SMLR, ANN, SVR, RF, DNN	时间序列数据	34年的小麦产量和气象数据
1134	2025-02-01	Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109498 PMID:39662319	研究论文	本研究通过多模态成像和深度多模态信息融合，改进基于AI的口腔癌细胞学检测	引入荧光成像和多模态信息融合策略，提升细胞学样本的诊断信息量和分类性能	详细的细胞级注释不可行，限制了模型性能的评估和结果解释	改进基于AI的口腔癌早期检测方法	健康人群和癌症患者的刷检细胞学样本	数字病理学	口腔癌	多模态成像（亮场和荧光显微镜成像）	弱监督深度学习，Co-Attention Fusion Network (CAFNet)	图像	健康人群和癌症患者的刷检细胞学样本
1135	2025-01-31	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本文开发了一种基于深度学习的端到端工作流程，用于使用术前基本结构多参数磁共振图像（Bas-mpMRI）预测胶质母细胞瘤（GBM）患者的总体生存期（OS）	提出了一个包含颅骨剥离模型、GBM亚区分割模型和基于集成学习的OS预测模型的端到端工作流程，并利用对比学习进行OS预测	尽管在不同Bas-mpMRI协议下表现良好，但在独立数据集上的AUC仅为0.72，表明模型在外部验证时可能存在一定的局限性	开发一种自动化、准确的早期生存预测方法，以辅助GBM患者的及时治疗决策	胶质母细胞瘤（GBM）患者	数字病理学	胶质母细胞瘤	深度学习	集成学习模型	多参数磁共振图像（Bas-mpMRI）	235名患者（来自MICCAI BraTS 2020挑战赛的多机构公共数据集）和19名GBM患者（来自5次SRS临床试验的机构数据集）
1136	2025-01-31	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	本文提出了一种名为ItpCtrl-AI的端到端可解释和可控的人工智能框架，旨在模拟放射科医生的决策过程，通过模拟放射科医生的眼动模式来生成注意力热图，并用于诊断医学影像中的发现	提出了一种新的端到端可解释和可控的AI框架，通过模拟放射科医生的眼动模式生成注意力热图，并允许用户进行方向性输入，从而增强模型的可解释性和可控性	NA	解决深度学习在计算机辅助诊断系统中缺乏可解释性的问题，提高诊断的准确性和透明度	放射科医生的决策过程和医学影像中的发现	计算机视觉	NA	深度学习	端到端可解释和可控的AI框架	医学影像和眼动数据	创建了一个名为Diagnosed-Gaze++的数据集，包含医学发现与眼动数据的对齐
1137	2025-01-31	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了TransformerLSR，一种基于Transformer的深度建模和推理框架，用于同时联合建模纵向数据、生存数据和复发事件	TransformerLSR首次将深度时间点过程整合到联合建模框架中，处理复发和终止事件作为两个竞争过程，并引入了新的轨迹表示和模型架构以整合已知的潜在结构	当前方法仅处理定期观察时间的纵向测量和生存事件的联合建模，忽略了复发事件	开发一个灵活的框架来联合建模纵向测量、复发事件和生存数据，同时考虑它们的依赖关系	肾移植后的患者	机器学习	NA	深度时间点过程	Transformer	纵向数据、生存数据、复发事件数据	NA
1138	2025-01-31	ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification 2025-Feb-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.12.023 PMID:39705887	研究论文	本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率	提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程	NA	提高垃圾图像分类的准确性和效率，以优化废物管理策略	有机和可回收废物的图像	计算机视觉	NA	深度学习	ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18	图像	24,705张图像，分为有机和可回收两类
1139	2025-01-31	ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102281 PMID:39799749	研究论文	本文开发并验证了一种名为ConvXGB的深度学习模型，用于预测宫颈癌患者术后复发风险	结合卷积神经网络（CNN）和极端梯度提升（XGBoost）开发了新的深度学习模型ConvXGB，用于预测宫颈癌术后复发风险	NA	开发并验证一种深度学习模型，用于预测宫颈癌患者术后复发风险	406名宫颈癌患者的临床病理数据和多参数MRI图像	数字病理学	宫颈癌	多参数MRI	CNN, XGBoost	图像	406名宫颈癌患者
1140	2025-01-31	A deep learning framework for in silico screening of anticancer drugs at the single-cell level 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae451 PMID:39872221	研究论文	本文介绍了一个名为Shennong的深度学习框架，用于在单细胞水平上进行抗癌药物的计算机筛选	利用泛癌和泛组织单细胞转录组数据揭示恶性细胞、癌前细胞以及癌症相关基质和内皮细胞的异质性表达模式，并开发了Shennong框架进行药物筛选	未提及具体的数据集大小和模型验证的局限性	提高抗癌药物筛选的准确性和效率，加速药物发现过程	恶性细胞、癌前细胞、癌症相关基质和内皮细胞	数字病理学	癌症	单细胞RNA测序（scRNA-seq）	深度学习	单细胞转录组数据	未提及具体样本数量