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
1161	2025-02-05	Development and evaluation of a deep learning model to reduce exomass-related metal artefacts in cone-beam CT: an ex vivo study using porcine mandibles 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae062 PMID:39589904	研究论文	本文开发并评估了一种深度学习模型，用于减少锥形束CT（CBCT）中由外质量引起的金属伪影	使用条件去噪扩散概率模型（DL技术）校正CBCT中外质量相关的金属伪影，提高了图像质量	研究仅使用猪下颌骨进行体外实验，尚未在人体中进行验证	减少CBCT中外质量引起的金属伪影，提高图像质量	猪下颌骨	计算机视觉	NA	锥形束CT（CBCT）	条件去噪扩散概率模型	图像	5个猪下颌骨，每个下颌骨有6个填充放射不透明溶液的管子
1162	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
1163	2025-02-05	Investigating the Quality of DermaMNIST and Fitzpatrick17k Dermatological Image Datasets 2025-Feb-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04382-5 PMID:39893183	研究论文	本文对DermaMNIST、HAM10000和Fitzpatrick17k三个流行的皮肤病图像数据集进行了详细分析，揭示了数据质量问题，并提出了修正建议	揭示了皮肤病图像数据集中的数据质量问题，并提出了修正建议，同时公开了分析管道和代码以促进类似探索	仅分析了三个数据集，可能无法涵盖所有皮肤病图像数据集的质量问题	评估皮肤病图像数据集的质量，并修正其中的问题以提高深度学习模型的可靠性	DermaMNIST、HAM10000和Fitzpatrick17k数据集	计算机视觉	皮肤病	NA	NA	图像	三个数据集（DermaMNIST、HAM10000和Fitzpatrick17k）
1164	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
1165	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
1166	2025-02-05	ERNIE-ac4C: A novel deep learning model for effectively predicting N4-acetylcytidine sites 2025-Feb-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168978 PMID:39900287	研究论文	本文提出了一种新的深度学习模型ERNIE-ac4C，用于有效预测N4-乙酰胞苷（ac4C）修饰位点	结合ERNIE-RNA语言模型和二维卷积神经网络（CNN），利用序列特征和注意力图特征的融合来预测ac4C修饰位点	目前实验方法存在检测时间长、复杂性和高成本等缺点，导致预测效率和准确性较低	准确识别ac4C修饰位点，以揭示其在基因调控和细胞过程中的功能意义	N4-乙酰胞苷（ac4C）修饰位点	自然语言处理	NA	深度学习	ERNIE-RNA, CNN	序列数据	NA
1167	2025-02-04	Comparative analysis of brain volumetric measurements between contrast-enhanced and non-contrast MRI images 2025-Feb-06, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2025.138118 PMID:39788481	研究论文	本文比较了对比增强和非对比增强MRI图像在脑体积测量中的可靠性	使用深度学习工具SynthSeg+处理对比增强MRI图像，展示了其在形态测量分析中的高可靠性	CAT12工具在对比增强和非对比增强MRI图像上的表现不一致	评估对比增强MRI扫描在形态测量中的可靠性	59名正常参与者（年龄21-73岁）的T1加权对比增强和非对比增强MRI扫描	神经影像学	NA	MRI	深度学习	图像	59名正常参与者
1168	2025-02-04	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-Feb-03, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	本文提出了一种基于计算机视觉的小麦锈病严重程度预测方法，利用深度学习分类器区分健康和感染锈病的小麦叶片，并通过图像处理技术计算病害严重程度	提出了一种创新的、低成本的自动化小麦锈病筛查方法，结合深度学习分类器和图像处理技术，实现了田间条件下的病害严重程度预测	未提及具体样本量或模型在不同环境条件下的泛化能力	开发一种自动化、低成本的小麦锈病检测和严重程度预测方法，以改善病害管理	小麦叶片	计算机视觉	NA	深度学习、图像处理	Xception架构	数字彩色图像	未提及具体样本量
1169	2025-02-04	Redefining healthcare - The transformative power of generative AI in modern medicine 2025-Feb-03, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2025.11081/2024 PMID:39898717	评论	本文探讨了生成式AI在现代医学中的变革力量及其对医疗保健的影响	讨论了生成式AI在医疗保健领域的潜在颠覆性影响，强调了伦理和法律挑战	未具体说明生成式AI在医疗保健中的具体应用案例或实际效果	探讨生成式AI在医疗保健中的应用及其带来的挑战	医疗保健行业及其从业者	机器学习	NA	深度学习	生成式AI	NA	NA
1170	2025-02-04	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Feb-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	研究论文	本文提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于药物-药物相互作用预测	MI-DDI框架首次结合了原子视图和子结构视图特征，通过MPNN和transformer编码器提取多视图特征，并设计了可解释的交互模块	未明确提及具体局限性	提高药物-药物相互作用预测的准确性和可解释性	药物-药物相互作用	机器学习	NA	Message Passing Neural Network (MPNN), transformer编码器	深度学习框架	分子图, 药物SMILES	BIOSNAP数据集和DrugBank数据集
1171	2025-02-04	AFMDD: Analyzing Functional Connectivity Feature of Major Depressive Disorder by Graph Neural Network-Based Model 2025-Feb-03, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0505 PMID:39899351	研究论文	本文介绍了一种基于图神经网络的模型AFMDD，用于分析抑郁症的功能连接特征并进行抑郁症识别	AFMDD模型特别关注脑图中的子图重要性，提高了抑郁症诊断的准确性，并通过实验验证了其卓越性能	当前方法忽视了脑图中子图的重要性，导致准确性较低，可能影响功能连接分析的可靠性	研究目的是通过分析抑郁症的功能连接特征，开发一种自动识别抑郁症的方法	研究对象是抑郁症患者的功能连接网络	机器学习	抑郁症	图神经网络	GNN	脑功能连接数据	NA
1172	2025-02-04	Brain tumor detection and segmentation using deep learning 2025-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01203-5 PMID:39231857	研究论文	本文提出了一种基于深度学习的多类别脑肿瘤检测、分类和分割方法，结合了YOLOv5和2D U-Net	本文的创新点在于比较了不同的目标检测算法（Faster R-CNN、YOLO和SSD）在脑肿瘤检测中的表现，并将表现最好的检测网络与2D U-Net结合用于像素级分割	本文的局限性在于仅在特定的数据集（Brain Tumor Figshare和BRATS 2018）上进行了评估，未在其他数据集上验证其泛化能力	研究目的是比较不同的目标检测算法在脑肿瘤检测中的表现，并开发一种精确的脑肿瘤检测和分割方法	研究对象是脑肿瘤的MRI数据	计算机视觉	脑肿瘤	深度学习	YOLOv5, 2D U-Net	MRI图像	Brain Tumor Figshare数据集和BRATS 2018数据集
1173	2024-11-22	Synthesis of pseudo-PET/CT fusion images in radiotherapy based on a new transformer model 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17512 PMID:39569842	研究论文	提出了一种新的Transformer模型，用于合成食管癌和鼻咽癌放疗中的伪PET/CT融合图像	引入了一种基于Transformer模型的新方法，结合“聚焦-分散”注意力机制和多一致性损失约束，有效捕捉PET和CT图像的特征信息，生成高质量的伪PET/CT融合图像	NA	改进食管癌和鼻咽癌放疗中PET/CT和计划CT的使用，减少重复扫描带来的额外辐射剂量和配准误差	食管癌和鼻咽癌患者	计算机视觉	癌症	Transformer模型	Transformer	图像	129例食管癌和141例鼻咽癌患者的数据
1174	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
1175	2025-02-04	Diagnostic performance of neural network algorithms in skull fracture detection on CT scans: a systematic review and meta-analysis 2025-Feb, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-024-02300-7 PMID:39680295	系统综述和元分析	本文通过系统综述和元分析评估了卷积神经网络（CNN）在CT扫描中诊断颅骨骨折的性能	首次系统评估了CNN在颅骨骨折CT诊断中的表现，并进行了元分析	研究间存在异质性，可能受到模型拓扑、训练模型和验证技术差异的影响	评估CNN模型在CT图像上诊断颅骨骨折的准确性	CT扫描中的颅骨骨折	医学影像	颅骨骨折	深度学习（DL）	CNN	CT图像	20,798名患者
1176	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
1177	2025-02-04	Using CT images to assist the segmentation of MR images via generalization: Segmentation of the renal parenchyma of renal carcinoma patients 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17494 PMID:39494916	研究论文	本文探讨了使用CT图像通过泛化能力辅助MR图像分割的可行性和鲁棒性，特别是在肾细胞癌患者的肾实质分割中	本文的创新点在于探索了不同模态医学图像之间的泛化能力，提出了一种简单且易于实现的方法，减少了数据标注的需求	尽管本文展示了CT图像辅助MR图像分割的可行性，但仍需进一步进行全面的测试以验证其广泛适用性	研究目的是探索使用CT图像通过泛化能力辅助MR图像分割的可行性和鲁棒性	研究对象为肾细胞癌患者的肾实质	医学图像处理	肾细胞癌	深度学习	3D-UNET	CT和MR图像	116张CT图像和240张MR图像
1178	2025-02-04	Radiomics-guided generative adversarial network for automatic primary target volume segmentation for nasopharyngeal carcinoma using computed tomography images 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17493 PMID:39535436	研究论文	本文提出了一种基于放射组学引导的生成对抗网络（PRG-GAN），用于自动分割鼻咽癌（NPC）的原发肿瘤体积（GTVp）	通过将放射组学特征与生成对抗网络（GAN）结合，解决了CT图像中肿瘤与周围组织视觉特征相似导致的自动分割难题	研究样本量较小（157例患者），且仅基于CT图像，未验证其他影像模态的适用性	提高鼻咽癌原发肿瘤体积（GTVp）在CT图像上的自动分割精度	鼻咽癌患者的CT图像	计算机视觉	鼻咽癌	CT成像	生成对抗网络（GAN）	图像	157例鼻咽癌患者的CT图像（训练集108例，验证集9例，测试集30例）
1179	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
1180	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