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
241	2025-07-17	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	research paper	该研究利用机器学习和神经网络技术，探讨了强迫症（OCD）严重程度与人格特质、宗教信仰及灵性之间的复杂关系	研究发现项目级特征比总分更具影响力，挑战了传统分析方法，神经网络模型虽未在预测准确性上超越线性回归，但提供了对OCD异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确性上未超越线性回归模型	识别OCD严重程度的关键预测因素，并探讨其与人格特质、宗教信仰及灵性的关系	229名参与者	machine learning	obsessive-compulsive disorder	machine learning, deep learning	neural network, linear regression	survey data	229名参与者
242	2025-07-17	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于捕捉模型预测的平均值和变异性，同时估计数据不确定性	未明确提及具体局限性	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络	DNN	基因组数据	NA
243	2025-07-17	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核过程，训练了一个可解释的深度学习模型CANNY来预测蛋白质聚集	使用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANNY，提高了淀粉样蛋白成核预测的准确性，并揭示了模型的决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，开发更准确的预测方法	蛋白质序列及其淀粉样蛋白成核过程	机器学习	NA	深度学习	卷积-注意力混合神经网络(CANNY)	蛋白质序列数据	超过10万条蛋白质序列
244	2025-07-17	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	research paper	该研究提出了一种结合深度学习和特征追踪的自动化流程，用于从长轴心脏磁共振图像中分割左心室和左心房并评估心肌应变	创新点在于设计了一个结合2D和3D ResUnet的深度学习模型，用于自动化分割和应变分析，并通过特征追踪初始化提高了测量准确性	研究仅针对长轴心脏磁共振图像，且样本量相对有限（684名个体）	开发自动化方法来评估左心室和左心房的心肌应变	左心室和左心房的心肌应变	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), feature tracking (FT)	2D- and 3D-ResUnet	image	684名个体的长轴心脏磁共振图像（训练集845，调优集281，测试集116）
245	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-04, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
246	2025-07-17	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构（FFNN和NMT）在从ICD代码预测损伤严重程度分类（ISS和ISS≥16）中的准确性	首次比较了FFNN和NMT在直接和间接转换ICD代码到AIS时的性能差异，并发现NMT在预测精确ISS分数时表现最佳	研究仅基于美国国家创伤数据库的数据，可能不适用于其他地区或数据集	开发一个从ICD代码预测损伤严重程度分类的系统，以替代耗时的手动AIS编码	创伤病例的ICD代码和AIS分类	自然语言处理	创伤	深度学习	FFNN, NMT	文本	训练和验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）
247	2025-07-17	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	本研究开发并评估了一种基于深度学习的快速螺旋图像重建（DESIRE）和分割方法，用于高分辨率螺旋实时电影成像的左心室射血分数（LVEF）量化	提出了一种结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习技术，实现了快速图像重建和自动左心室功能量化	研究仅评估了1.5T和3T梯度回波成像，未涉及其他磁场强度或成像技术	开发高效的深度学习方法来加速心脏电影成像的图像重建和量化分析	心脏左心室功能	医学影像分析	心血管疾病	深度学习图像重建与分割	3D U-Net, 2D U-Net	医学影像	未明确说明样本数量，但包含40帧动态序列
248	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
249	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
250	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)
251	2025-07-17	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	本文介绍了一种基于人类动作识别的ADHD检测系统，通过捕捉ADHD特征并记录真实的多模态ADHD数据集（M-ADHD）来检测ADHD症状	首次提出基于人类动作识别的ADHD检测系统，设计了一种新型的多动测试来捕捉ADHD特征，并首次记录了真实的多模态ADHD数据集（M-ADHD）	未提及具体的数据集规模或多样性限制	开发一种成本效益高且易于操作的ADHD检测系统，用于远程筛查ADHD	ADHD患者的行为特征	计算机视觉	神经发育障碍	深度学习	未提及具体模型类型	视频	未提及具体样本数量
252	2025-07-17	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究探讨了高度自动驾驶场景中非驾驶相关任务(NDRTs)对驾驶员心理负荷的影响，并开发了一种基于深度学习的脑电图(EEG)信号分类模型	利用LSTM和BLSTM深度学习模型对EEG信号进行分类，以评估心理负荷，并发现特定频段与心理负荷的线性相关性	样本量较小(28名参与者)，且实验环境为模拟驾驶，可能无法完全反映真实驾驶场景	评估高度自动驾驶中NDRTs对驾驶员心理负荷的影响，并开发高精度的EEG信号分类模型	驾驶员在高度自动驾驶场景中的心理负荷	机器学习	NA	EEG信号分析，NASA Task Load Index (NASA-TLX)评分	LSTM, BLSTM	EEG信号	28名参与者
253	2025-07-17	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究探讨了基于人工智能的青霉素过敏标签去除的实施效果	利用深度学习人工智能算法识别适合去除青霉素过敏标签的患者，并通过电子邮件通知系统进行干预	样本量较小（n=59），需要进一步研究优化此类方法	评估人工智能辅助的青霉素过敏标签去除的实施效果	被标记为青霉素过敏的患者	医疗人工智能	过敏性疾病	深度学习	深度学习算法	电子医疗记录	59名干预组患者
254	2025-07-17	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-10, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中实时分析图像聚焦情况	FocA能够在近实时条件下识别聚焦和失焦图像，并通过小图像块训练优化计算效率，确保不存储和使用低质量图像	未明确提及具体局限性	提高自动化细胞检测中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	计算机视觉	NA	深度学习	CNN（推测）	图像	未明确提及具体样本数量
255	2025-07-16	Multimodal deep learning improving the accuracy of pathological diagnoses for membranous nephropathy 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2528106 PMID:40659521	研究论文	开发了一种多模态深度学习系统，用于提高膜性肾病的病理诊断准确性	结合PASM染色、免疫荧光和电子显微镜图像，构建了三种深度学习模型来检测病变，并通过整合模型输出提供全面的病理诊断	研究仅针对膜性肾病，未涵盖其他肾小球疾病的广泛验证	开发一种辅助病理学家诊断膜性肾病的多模态病理诊断系统	膜性肾病患者的PASM染色、免疫荧光和电子显微镜图像	数字病理学	膜性肾病	深度学习	CNN	图像	138名患有各种肾病的患者
256	2025-07-16	Neurofusionnet: a comprehensive framework for accurate epileptic seizure prediction from EEG data with hybrid meta-heuristic optimization algorithm 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10293-3 PMID:40661693	研究论文	本文提出了一种名为Neurofusionnet的综合框架，用于从EEG数据中准确预测癫痫发作，结合了混合元启发式优化算法	提出了一种新的检测模型NeuroFusionNet，结合了多种深度学习网络和改进的混合优化算法，以提高癫痫发作预测的准确性和鲁棒性	NA	开发一个全面的框架，用于从EEG数据中准确预测癫痫发作	癫痫患者的EEG数据	数字病理学	癫痫	EEG数据处理、独立成分分析、小波变换、傅里叶变换	NeuroFusionNet（结合Improved ShuffleNet V2、SqueezeNet、EfficientNet V2和基于Multi Head Attention的GhostNet V2）	EEG数据	NA
257	2025-07-16	Genotype Prediction from Retinal Fundus Images Using Deep Learning in Eyes with Age-Related Macular Degeneration 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100836 PMID:40661176	research paper	使用深度学习从视网膜眼底图像预测年龄相关性黄斑变性（AMD）患者的高风险基因变异	首次利用深度学习模型从视网膜眼底图像预测AMD相关的高风险基因变异（CFH和ARMS2基因）	样本量相对有限（1754名参与者），且模型性能在早期AMD患者中可能受限	探索通过非侵入性眼部成像推断基因型的可行性，并揭示AMD中基因型与表型的关系	年龄相关性黄斑变性（AMD）患者	digital pathology	geriatric disease	retinal fundus imaging	CNN, ViT (vision transformers)	image	31,271张视网膜彩色眼底照片（来自1,754名参与者）
258	2025-07-16	Structure from motion-convolutional neural network model (SfM-CNN) achieved accurate portable Chinese dietary chemical composition estimation for dietary recall 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144908 PMID:40449202	研究论文	本研究介绍了一种基于SfM-CNN模型的新型AI驱动解决方案，用于自动化分析中国食物的化学成分	结合先进的3D重建技术与深度学习（特别是SIFT算法），实现了误差小于4%的卓越特征提取和食物体积估计	NA	为健康和营养管理提供准确的中国饮食化学成分估计	中国食物	计算机视觉	NA	SIFT算法	SfM-CNN, SIFT-ResNet50	图像	ChineseDish-100数据集
259	2025-07-16	Detection and classification of meat freshness using an optimized deep learning method 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144783 PMID:40479992	研究论文	本文提出了一种基于深度学习的肉类新鲜度分类方法，结合VGG19卷积神经网络和改进的人工原生动物优化器进行特征提取和选择	采用改进的人工原生动物优化器(IAPO)结合粒子群优化(PSO)进行特征选择，相比现有五种优化技术表现出更高性能	未提及方法在不同肉类品种或实际工业环境中的泛化能力测试	开发高精度的肉类新鲜度自动分类系统	肉类样本的新鲜度（新鲜/半新鲜/变质）	计算机视觉	NA	深度学习	VGG19 CNN结合IAPO-PSO优化	图像	未明确说明具体样本数量
260	2025-07-16	Low-field NMR-based deep learning for non-destructive quality assessment of frozen model foods 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145181 PMID:40540836	研究论文	使用低场核磁共振结合深度学习技术对冷冻模型食品进行非破坏性质量评估	结合低场核磁共振(LF-NMR)和反向传播人工神经网络(BP-ANN)构建新型非破坏性质量评估模型	仅针对含水量90%和80%的凝胶模型食品进行研究，未涉及其他类型食品	开发冷冻食品质量非破坏性评估方法	含水量90%和80%的凝胶模型食品	食品科学	NA	低场核磁共振(LF-NMR)	BP-ANN, PLSR	核磁共振信号数据	梯度温度条件下冷冻的凝胶模型食品样本