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
1321	2025-01-22	Deciphering glioblastoma: Unveiling imaging markers for predicting MGMT promoter methylation status 2025-Feb, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101156 PMID:39531875	综述	本文探讨了影像特征在预测胶质母细胞瘤MGMT启动子甲基化状态中的潜力，这对于治疗反应和患者预后至关重要	结合当前影像技术和新兴的放射组学及深度学习模型，可能实现MGMT甲基化状态的及时准确预测，从而提供更早和更个性化的治疗和预后	尽管这些先进的放射组学模型正在迅速兴起，但需要进一步的发展、标准化和实施，以实现更高水平和更个性化的患者护理	探索影像特征在预测MGMT启动子甲基化状态中的潜力，以改善胶质母细胞瘤的治疗反应和患者预后	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	放射组学和深度学习模型	深度学习模型	影像数据	NA
1322	2025-01-22	A fine-tuning deep residual convolutional neural network for emotion recognition based on frequency-channel matrices representation of one-dimensional electroencephalography 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2286918 PMID:38017703	研究论文	本文提出了一种基于一维脑电图（EEG）信号的频率-通道矩阵表示的深度残差卷积神经网络模型，用于情感识别	结合预训练的深度残差卷积神经网络和迁移学习技术，利用频率-通道矩阵（FCM）自动学习多通道EEG数据的潜在内在特征，提高了情感识别的准确性	NA	提高基于EEG信号的情感识别系统的自动化和准确性	一维脑电图（EEG）信号	机器学习	NA	迁移学习	深度残差卷积神经网络（CNN）	一维脑电图（EEG）信号	DEAP数据集上的5折交叉验证
1323	2025-01-20	Multimodal Image Confidence: A Novel Method for Tumor and Organ Boundary Representation 2025-Feb-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.09.020 PMID:39303999	研究论文	本研究介绍了一种创新的多模态图像置信度（MMC）算法，用于在医学图像中表示肿瘤和器官边界	MMC算法利用多模态医学图像的互补优势，为感兴趣区域（ROI）内的每个体素分配置信度，无需模型训练，区别于基于深度学习的方法	NA	提高放射治疗中肿瘤和器官边界的准确描绘	鼻咽癌和胶质瘤病例	数字病理学	鼻咽癌, 胶质瘤	多模态医学图像分析	NA	3D医学图像	156例鼻咽癌病例和1251例胶质瘤病例
1324	2025-01-19	High-Accuracy and Lightweight Image Classification Network for Optimizing Lymphoblastic Leukemia Diagnosisy 2025-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24704 PMID:39429031	研究论文	本文提出了一种高精度且轻量级的图像分类网络，用于优化淋巴细胞白血病的诊断	采用了一种渐进式缩减方法，整合了包括宽度、深度、分辨率和内核大小在内的多维度剪枝技术，训练出一个轻量级模型	模型的性能可能受到可用数据集和部署设备的物理限制	优化淋巴细胞白血病的早期检测和诊断	淋巴细胞白血病患者的骨髓细胞图像	计算机视觉	白血病	深度学习	轻量级图像分类网络	图像	17,826张来自85名患者的骨髓细胞图像
1325	2025-01-19	Coinciding Diabetic Retinopathy and Diabetic Macular Edema Grading With Rat Swarm Optimization Algorithm for Enhanced Capsule Generation Adversarial Network 2025-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24709 PMID:39487733	研究论文	本文提出了一种基于大鼠群优化算法增强的胶囊生成对抗网络（ECGAN），用于糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）的分级	创新点在于结合了大鼠群优化算法（RSO）来优化胶囊生成对抗网络（ECGAN），以提高DR和DME分级的准确性	研究使用了不平衡的ISBI 2018数据集，可能影响模型的泛化能力	研究目的是通过改进的深度学习模型提高DR和DME的早期检测和分级准确性	研究对象是糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）患者	计算机视觉	糖尿病视网膜病变	Savitzky-Golay滤波、离散剪切波变换（DST）	胶囊生成对抗网络（ECGAN）、大鼠群优化算法（RSO）	图像	ISBI 2018不平衡DR分级数据集
1326	2025-01-19	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本研究通过结合症状严重程度和神经解剖图像，在首发精神分裂症患者中改进了患者识别，使用深度学习模型进行病例/对照识别和精神病症状严重度回归	创新点在于构建了一个多任务深度学习模型，将精神病症状严重度回归与病例/对照识别结合，使用未处理的解剖图像进行模型开发，提高了诊断准确性	研究的一个局限性是样本量相对较小，尤其是在外部验证数据集中仅有40例首发精神分裂症患者	研究目的是通过结合MRI和临床特征，建立模型以增强对急性精神病性疾病的机制理解，并提高患者识别的准确性	研究对象包括286名未用药的首发精神分裂症患者和330名健康对照者，以及一个独立数据集中的40名首发精神分裂症患者	数字病理学	精神分裂症	MRI	多任务深度学习模型	图像	286名首发精神分裂症患者和330名健康对照者，以及40名外部验证数据集中的首发精神分裂症患者
1327	2025-01-16	Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics 2025-Feb, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04875-0 PMID:39560696	研究论文	本研究旨在通过术前MRI和深度学习模型预测低级别胶质瘤术中5-ALA诱导的荧光	结合U-Net模型和随机森林分类器，首次实现了基于术前MRI的术中荧光预测	模型仍有改进空间，且样本量相对较小	预测低级别胶质瘤术中5-ALA诱导的荧光，以指导5-ALA的使用	163名胶质瘤患者	数字病理	胶质瘤	MRI	U-Net, 随机森林分类器	图像	163名患者（83名荧光阳性，80名荧光阴性）
1328	2025-01-16	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文全面回顾了深度学习在医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计方法及评估指标	深入探讨了深度学习在图像配准中的创新网络架构、特定于配准的损失函数以及配准不确定性估计方法	未提及具体的技术局限性	总结深度学习在医学图像配准领域的最新进展，并探讨其未来发展方向	医学图像配准技术	计算机视觉	NA	深度学习	U-Net	医学图像	NA
1329	2025-01-16	DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks 2025-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2291829 PMID:38084744	研究论文	本文介绍了DeepCompoundNet，一种基于深度学习的模型，用于预测化合物与蛋白质的相互作用，通过整合蛋白质特征、药物属性和多种相互作用数据，提高了预测性能	DeepCompoundNet创新性地整合了分子信息与相互作用网络数据，超越了仅依赖氨基酸序列同源性和化学结构相似性的现有方法	未明确提及具体局限性	提高化合物与蛋白质相互作用预测的准确性	化合物与蛋白质的相互作用	机器学习	NA	深度学习	多模态卷积神经网络（CNN）	蛋白质特征、药物属性、相互作用网络数据	未明确提及样本数量
1330	2025-01-16	Money plant disease atlas: A comprehensive dataset for disease classification in ornamental horticulture 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111216 PMID:39811518	研究论文	本文介绍了一个用于观赏园艺中疾病分类的综合数据集，重点关注金钱植物的疾病	提供了一个全面的金钱植物疾病图像数据集，支持深度学习在观赏园艺中的应用	数据集仅限于金钱植物的疾病，未涵盖其他植物种类	提高观赏园艺中植物疾病的诊断准确性	金钱植物（Epipremnum aureum）	计算机视觉	植物疾病	图像处理	深度学习	图像	224 × 224像素的图像数据集
1331	2025-01-15	Deep learning model for automated diagnosis of degenerative cervical spondylosis and altered spinal cord signal on MRI 2025-Feb, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.09.015 PMID:39357744	研究论文	本文开发了一种深度学习模型，用于自动诊断退行性颈椎病和MRI上的脊髓信号改变	使用基于transformer的深度学习模型，首次在MRI图像上自动检测和分类颈椎管狭窄、神经孔狭窄及脊髓信号异常	研究为回顾性设计，且排除了有器械植入的病例，可能影响模型的泛化能力	开发一种深度学习模型，以提高MRI颈椎病评估的效率和一致性	MRI颈椎图像	数字病理学	颈椎病	MRI	transformer-based DL model	图像	504例MRI颈椎图像用于训练和内部测试，100例用于外部测试
1332	2025-01-15	Deep learning in disease vector image identification 2025-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.8473 PMID:39422093	综述	本文探讨了深度学习在病媒图像识别中的巨大潜力，并全面总结了当前深度学习在病媒识别中的应用现状	结合深度学习与病媒识别，自动化病媒识别过程，减少对专家的依赖	未提及具体的技术实现细节和实验结果的局限性	探索深度学习在病媒识别中的应用，以提升疾病控制效率	病媒图像	计算机视觉	NA	深度学习	NA	图像	NA
1333	2025-01-15	Topology-based protein classification: A deep learning approach 2025-Feb, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2024.151240 PMID:39742787	研究论文	本研究利用Delaunay三角剖分方法获取蛋白质的整体结构拓扑，并开发了多类深度神经网络模型，基于局部拓扑对蛋白质超家族进行分类	首次结合蛋白质拓扑数据和深度学习技术，通过Delaunay三角剖分方法进行蛋白质分类	未提及具体的数据集规模或模型泛化能力的验证	通过深度学习方法对蛋白质超家族进行分类，以减轻结构生物学家的工作负担	蛋白质超家族	计算生物学	NA	Delaunay三角剖分	深度神经网络	蛋白质结构数据	18个超家族的蛋白质数据
1334	2025-01-15	Drone imagery dataset for early-season weed classification in maize and tomato crops 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111203 PMID:39802837	研究论文	本文介绍了一个用于早期季节杂草分类的无人机图像数据集，专注于玉米和番茄作物	提供了一个包含两个作物生长阶段的RGB图像数据集，旨在提高早期杂草分类的准确性	数据集中未明确提及杂草种类的具体名称，可能影响特定杂草分类的研究	推动基于无人机的杂草检测和映射技术，促进精准农业的发展	玉米和番茄作物中的杂草	计算机视觉	NA	无人机成像	CNN, ViT	图像	67,558张标记图像（31,002张来自早期生长阶段，36,556张来自更高级生长阶段）
1335	2025-01-15	A dataset of blood slide images for AI-based diagnosis of malaria 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111190 PMID:39802838	研究论文	本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集	提供了一个包含厚薄血涂片图像的基准数据集，支持使用卷积神经网络构建计算模型	数据集仅来自乌干达的几家医院，可能不具有全球代表性	提高疟疾筛查的效率和准确性	疟疾诊断	数字病理学	疟疾	显微镜检查	CNN	图像	3000张厚血涂片图像和1000张薄血涂片图像
1336	2025-01-15	Discovering effect of intuitionistic fuzzy transformation in multi-layer perceptron for heart disease prediction: a study 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2284095 PMID:38013456	研究论文	本文研究了直觉模糊变换在多层感知器（MLP）中用于心脏病预测的效果	本文的创新点在于从特征变换到深度学习的整个过程，特别是使用直觉模糊变换显著优于非模糊方法和伽马模糊变换	NA	研究目的是通过引入直觉模糊集理论来改进心脏病预测的准确性	心脏病患者	机器学习	心血管疾病	直觉模糊变换，Sugeno型模糊补集，伽马隶属函数	多层感知器（MLP）	临床参数	NA
1337	2025-01-15	Enhancing drug discovery in schizophrenia: a deep learning approach for accurate drug-target interaction prediction - DrugSchizoNet 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2282951 PMID:38375638	研究论文	本文提出了一种基于深度学习的模型DrugSchizoNet，用于精神分裂症药物-靶点相互作用的准确预测	提出了一种新的深度学习模型DrugSchizoNet，通过数据清洗、归一化和特征提取等预处理技术，结合LSTM层和全连接层，有效解决了数据不平衡、噪声、泛化能力差、高成本和耗时等问题	未提及具体的数据集大小和模型在其他疾病上的泛化能力	提高精神分裂症药物-靶点相互作用预测的准确性，以促进药物发现和开发	精神分裂症药物-靶点相互作用	机器学习	精神分裂症	深度学习	LSTM, 全连接层	药物相关数据	NA
1338	2025-01-14	Applications of MRI in Schizophrenia: Current Progress in Establishing Clinical Utility 2025-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29470 PMID:38946400	综述	本文综述了MRI在精神分裂症中的临床应用进展，包括其在筛查高风险个体、预测疾病发作、症状及治疗结果方面的潜力	整合机器学习和深度学习技术，开发智能诊断和预后工具，利用提取或选择的影像特征	MRI研究发现与实际临床应用之间存在差距	探讨MRI在精神分裂症中的临床应用潜力	精神分裂症患者	数字病理学	精神分裂症	MRI	机器学习和深度学习	影像数据	NA
1339	2025-01-14	Deep Learning-Based Blood Abnormalities Detection as a Tool for VEXAS Syndrome Screening 2025-Feb, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14368 PMID:39275905	研究论文	本研究提出了一种基于深度学习的血液异常检测方法，用于VEXAS综合征的筛查	首次利用深度学习算法自动检测外周血多形核白细胞中的异常特征，以区分VEXAS综合征与其他炎症性疾病	样本量相对较小，特别是VEXAS综合征患者数量较少（n=25）	开发一种自动化工具，用于VEXAS综合征的筛查和诊断	外周血多形核白细胞（PMN）图像	数字病理学	VEXAS综合征	深度学习	卷积神经网络（CNN）	图像	9514张标注的PMN图像，包括25例UBA1突变的VEXAS患者、14例UBA1野生型骨髓增生异常患者和25例UBA1野生型血细胞减少患者
1340	2025-01-14	The Future of Artificial Intelligence Using Images and Clinical Assessment for Difficult Airway Management 2025-Feb-01, Anesthesia and analgesia IF:4.6Q1 DOI:10.1213/ANE.0000000000006969 PMID:38557728	review	本文综述了人工智能（AI）在困难气道管理中的应用，特别是通过图像和临床评估来预测困难气道	探讨了AI模型在临床实践中的潜在影响，并讨论了使用机器学习的预测建模以及智能插管设备的未来发展方向	未提及具体的研究局限性	研究AI在困难气道管理中的应用及其对临床实践的影响	困难气道的预测和管理	计算机视觉	NA	深度学习	机器学习模型	图像	NA