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
1201	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
1202	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
1203	2025-02-01	Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients 2025-Feb, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2024.10.048 PMID:39788817	研究论文	本文开发了一种无监督深度学习模型，用于识别和验证手术和重症患者中的低血压内型	使用无监督深度学习算法结合高斯混合模型，首次在手术和重症患者中识别出四种低血压内型	研究依赖于特定的生理参数，可能不适用于所有低血压患者	识别和验证手术和重症患者中的低血压内型，以指导临床治疗	手术和重症患者	机器学习	低血压	无监督深度学习	自编码器模型结合高斯混合模型	生理参数数据	开发数据集包括871名手术患者的6962次低血压事件，验证数据集包括1000名手术患者的7904次低血压事件和1000名重症患者的53821次低血压事件
1204	2025-02-01	Predicting the Price of Molecules Using Their Predicted Synthetic Pathways 2025-Feb, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400039 PMID:39887833	研究论文	本文介绍了一种名为RetroPriceNet的深度学习模型，用于通过预测的合成路径来预测分子的价格	首次提出了一种考虑起始材料的可用性和价格来估算新型虚拟分子价格的函数	未提及具体的局限性	研究目的是通过预测分子的合成路径来预测其价格，以加速与成本相关的决策过程	虚拟分子及其合成路径	机器学习	NA	深度学习	RetroPriceNet	分子数据	未提及具体样本数量
1205	2025-01-31	Electrocardiograph analysis for risk assessment of heart failure with preserved ejection fraction: A deep learning model 2025-Feb, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.15120 PMID:39463004	研究论文	本文开发了一种深度学习模型，用于通过心电图（ECG）筛查心力衰竭伴保留射血分数（HFpEF）的风险	使用卷积神经网络-长短期记忆（CNN-LSTM）深度学习模型进行HFpEF风险评估，提供了一种准确且经济高效的工具	研究样本量相对较小，且仅基于两个队列的数据进行训练和验证	开发一种高效的HFpEF筛查方法	HFpEF高风险和低风险患者	机器学习	心血管疾病	深度学习	CNN-LSTM	心电图（ECG）	训练队列A包含238名患者，验证队列B包含117名患者
1206	2025-01-31	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本文探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用	提出了一种新的深度学习分割算法用于脑部CT骨去除，显著提高了硬膜下血肿的检测效果	研究样本量较小，且主要依赖于单一机构的内部数据和外部独立数据集	提高硬膜下血肿在非对比脑部CT扫描中的检测准确性	非对比脑部CT扫描图像	数字病理学	硬膜下血肿	深度学习分割算法	深度学习	图像	100个非对比脑部CT扫描用于训练，15个内部测试数据和22个外部独立测试数据
1207	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）
1208	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
1209	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
1210	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
1211	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
1212	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
1213	2025-01-31	Deep structure-level N-glycan identification using feature-induced structure diagnosis integrated with a deep learning model 2025-Feb, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05505-4 PMID:39212697	研究论文	本文提出了一种结合特征诱导结构诊断（FISD）与深度学习模型的深度结构级N-聚糖识别方法	通过集成神经网络模型，识别特征性N-聚糖基序，并提升结构诊断和区分连接异构体的过程，发现了两个新的碎片特征	对称的'镜像'分支异构体和连接异构体仍未完全解决	提高N-聚糖结构识别的准确性和效率	N-聚糖结构	生物信息学	NA	N-糖蛋白质组学	卷积自编码器和多层感知器	质谱数据	17,136个完整N-糖肽谱匹配，来自五种小鼠组织
1214	2025-01-29	Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136709 PMID:39637781	研究论文	本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响	开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度	未提及具体的数据集规模或实验验证的局限性	评估大气减排的协同效应，模拟排放对空气质量的影响	工业园区的排放与空气污染之间的关系	机器学习	NA	深度学习	GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型）	空气质量数据	未提及具体样本数量
1215	2024-12-07	A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136724 PMID:39637793	研究论文	研究开发了一种基于高光谱成像和深度学习的绿色高效方法，用于检测田间玉米中的烟嘧磺隆残留	提出了HerbiResNet模型，用于预测和分类玉米叶中的除草剂残留，显著优于传统的回归模型和经典神经网络	NA	实现对田间玉米中烟嘧磺隆残留的准确快速检测，以优化喷洒策略和实施化学修复	六种不同抗性和敏感性的玉米品种，在两种除草剂浓度下的残留水平	计算机视觉	NA	高光谱成像	HerbiResNet	光谱数据	六种玉米品种，两种除草剂浓度下的低、中、高残留水平
1216	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2025-Feb, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA
1217	2025-01-05	Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model 2025-Feb, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107165 PMID:39752793	研究论文	本研究开发并验证了一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	开发了一种三阶段深度学习模型，结合随机森林分类器，显著降低了隐匿性转移率，并在指导cN0患者的颈部清扫中提供了更多益处	研究为回顾性诊断研究，可能存在选择偏差	识别口腔鳞状细胞癌患者的淋巴结转移	723名口腔鳞状细胞癌患者	数字病理学	口腔鳞状细胞癌	MRI	深度学习模型	图像	723名患者的45,664张术前MRI图像
1218	2025-01-11	Enhanced prediction of partial nitrification-anammox process in wastewater treatment by developing an attention-based deep learning network 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.124012 PMID:39788059	研究论文	本研究开发了一种基于注意力机制的深度学习网络，用于增强废水处理中部分硝化-厌氧氨氧化（PN-anammox）过程的预测	提出了基于注意力机制的DenseNet（AttentionNet），显著提高了PN-anammox过程的预测性能	传统建模方法在该过程中存在局限性，且化学测量存在时间滞后问题	通过深度学习网络建模和预测PN-anammox过程，以提高废水处理中氮去除的效率	低浓度废水中的PN-anammox反应器	机器学习	NA	深度学习	LSTM, DenseNet, AttentionNet	实验数据	长期实验构建的数据集
1219	2025-01-28	Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning 2025-Feb, British journal of neurosurgery IF:1.0Q3 DOI:10.1080/02688697.2022.2151565 PMID:36458628	研究论文	本研究探讨了深度学习和迁移学习在预测神经外科住院患者出院时间和出院目的地等结果中的应用	利用迁移学习和人工神经网络，从每日查房记录中预测出院时间，AUC达到0.81和0.80，相比不使用迁移学习的AUC（0.71和0.68）有显著提升	研究仅基于15个月的数据，样本量相对有限	研究深度学习和迁移学习在预测神经外科住院患者结果中的应用	神经外科住院患者	自然语言处理	神经外科疾病	深度学习，迁移学习	人工神经网络	文本	1341例住院患者
1220	2025-01-29	Enhancing meteorological data reliability: An explainable deep learning method for anomaly detection 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.124011 PMID:39765064	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA