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
1241	2024-12-09	Alg-MFDL: A multi-feature deep learning framework for allergenic proteins prediction 2025-Feb, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115701 PMID:39481588	研究论文	本文开发了一种名为Alg-MFDL的多特征深度学习框架，用于预测过敏蛋白	结合预训练的蛋白质语言模型和传统手工特征，实现更全面的蛋白质表示	NA	开发高效可靠的计算方法来识别过敏蛋白	过敏蛋白的识别	机器学习	NA	卷积神经网络	CNN	蛋白质数据	使用基准数据集进行独立验证
1242	2024-12-09	Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study 2025-Feb, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.14253 PMID:39644511	研究论文	本研究评估了哈里亚纳邦物理治疗学生学习方法的横断面研究	本研究首次在哈里亚纳邦物理治疗学生中评估了学习方法，并发现大多数学生采用深度学习方法	研究样本仅限于哈里亚纳邦的物理治疗学生，结果可能不适用于其他地区或学科的学生	了解学生的学习方法，并据此改进教学方法、课程和教材，以提高教育质量	哈里亚纳邦物理治疗学生的学习方法	NA	NA	NA	NA	NA	250名物理治疗学生，平均年龄21.09±1.93岁，其中129名（51.6%）为预临床组，121名（48.4%）为临床组
1243	2024-12-07	RFImageNet framework for segmentation of ultrasound images with spectra-augmented radiofrequency signals 2025-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107498 PMID:39486316	研究论文	本文介绍了一种利用射频信号的频谱和幅度信息进行超声图像分割的框架RFImageNet	提出了一种新的图像分割框架RFImageNet，利用射频信号的频谱和幅度信息进行超声图像分割，并开发了专门针对特定输入图像尺寸要求的深度学习模型RFNet	NA	提高医学超声图像分割的准确性，减轻超声医师的负担	超声图像中的腹部组织和乳腺肿瘤的分割	计算机视觉	NA	深度学习	RFNet	图像	涉及大鼠腹部组织和乳腺肿瘤的样本
1244	2024-12-07	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包，用于评估Cox模型与基于树和深度学习的生存模型在临床预测建模中的性能，并探讨了准确性与可解释性之间的平衡	提出了一个R包，通过集成学习和嵌套交叉验证，比较了Cox模型与机器学习生存模型在临床预测中的性能，并量化了Cox模型的局限性	在某些情况下，机器学习模型的性能提升有限，而正则化的Cox-Lasso模型在计算速度上具有显著优势	开发工具以帮助研究人员评估Cox模型与机器学习模型在临床预测中的性能，并探讨准确性与可解释性之间的平衡	Cox比例风险模型、生存随机森林模型、DeepHit模型以及它们的集成方法	机器学习	NA	集成学习、嵌套交叉验证	Cox模型、生存随机森林模型、DeepHit模型	临床数据、模拟数据	样本量≥500的模拟数据和临床数据
1245	2024-12-07	Automatic AI tool for opportunistic screening of vertebral compression fractures on chest frontal radiographs: A multicenter study 2025-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117330 PMID:39549901	研究论文	本研究开发了一种基于深度学习模型的自动人工智能工具，用于在胸部正位X光片上进行椎体压缩性骨折的机会性筛查	本研究首次开发了一种自动AI工具，通过深度学习模型在胸部正位X光片上筛查椎体压缩性骨折，并显著提高了临床医生的诊断敏感性	本研究仅在四个医疗中心的样本上进行了验证，未来需要在更多中心和更大样本量上进行验证	开发一种自动人工智能工具，用于在胸部正位X光片上进行椎体压缩性骨折的机会性筛查	椎体压缩性骨折的自动筛查	计算机视觉	骨质疏松性骨折	深度学习	深度学习模型	图像	19,145个椎骨（T6-T12）来自2735名患者
1246	2024-11-21	Integrating deep learning and data fusion for enhanced oranges soluble solids content prediction using machine vision and Vis/NIR spectroscopy 2025-Feb-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141488 PMID:39396473	研究论文	本文开发了一种具有颜色校正能力的深度学习模型，用于基于多源数据融合预测橙子的可溶性固形物含量	提出了结合机器视觉和可见/近红外光谱的多源数据融合方法，并构建了基于颜色校正的一维卷积神经网络模型	NA	提高水果成分预测的准确性	橙子的可溶性固形物含量	机器学习	NA	可见/近红外光谱	一维卷积神经网络	图像和光谱数据	NA