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
261	2025-05-01	Transcription factor prediction using protein 3D secondary structures 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae762 PMID:39786868	research paper	提出了一种基于深度学习的转录因子预测方法StrucTFactor，首次利用蛋白质的3D二级结构信息进行预测	首次利用蛋白质的3D二级结构信息进行转录因子预测，显著提高了预测准确性	可能受到数据偏差（如序列冗余）的影响	提高转录因子的预测准确性	蛋白质	machine learning	NA	deep learning	StrucTFactor	protein 3D secondary structures	约525,000个蛋白质，涵盖12个数据集
262	2025-05-01	BetaAlign: a deep learning approach for multiple sequence alignment 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf009 PMID:39775454	研究论文	提出了一种基于深度学习的多序列比对方法BetaAlign，利用自然语言处理技术进行序列比对	首次将深度学习应用于多序列比对，利用NLP技术和transformer模型，显著区别于传统比对算法	训练数据规模、不同transformer架构以及子空间学习等因素可能影响准确性	改进多序列比对的计算方法，挑战传统生物信息学和系统基因组学中的经典算法	生物序列的多序列比对	生物信息学	NA	自然语言处理(NLP)	transformer	生物序列数据	NA
263	2025-05-01	Forecasting Subway Passenger Flow for Station-Level Service Supply 2024-12, Big data IF:2.6Q2 DOI:10.1089/big.2021.0318 PMID:35749714	research paper	提出了一种名为DeepSPF的深度学习架构，用于预测考虑不同功能类型车站的地铁客流	结合LSTM和一维卷积的滑动长短期记忆神经网络，能够识别不同类型车站的未来客流差异	实验仅在北京地铁进行，未在其他城市地铁系统验证	提高地铁站点级服务供应的客流预测准确性	地铁车站的乘客流量	machine learning	NA	deep learning	LSTM, CNN	time series data	北京地铁数据
264	2025-05-01	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-Nov-19, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01194-24 PMID:39470208	研究论文	通过深度学习增强的冷冻电子断层扫描技术，揭示了EBV和KSHV病毒粒子的结构特征	首次报道了完整的人类γ疱疹病毒粒子的结构，揭示了病毒粒子中衣壳外部的多形性特征以及病毒包膜和皮层结构的物种特异性差异	研究主要关注细胞外病毒粒子，可能无法完全反映细胞内病毒组装过程的动态特性	解析EBV和KSHV病毒粒子的三维结构特征	EB病毒(Epstein-Barr virus)和卡波西肉瘤相关疱疹病毒(Kaposi's sarcoma-associated herpesvirus)	结构生物学	肿瘤相关病毒感染	冷冻电子断层扫描(cryoET)结合深度学习	深度学习增强的图像处理	冷冻电子断层扫描图像	未明确说明样本数量，研究使用EBV和KSHV的细胞外病毒粒子
265	2025-05-01	Deep learning-based fishing ground prediction with multiple environmental factors 2024-Nov, Marine life science & technology IF:5.8Q1 DOI:10.1007/s42995-024-00222-4 PMID:39620085	research paper	本研究开发了一种基于深度学习的多环境因素渔场预测模型，以西北太平洋的飞鱿鱼为例	采用改进的U-Net模型结合多种环境因素（海面温度、高度、盐度和叶绿素）进行渔场预测，显著提高了渔场中心区域的集中度	研究仅针对西北太平洋的飞鱿鱼渔场，模型在其他海域或鱼种的适用性有待验证	提高海洋经济鱼种渔场预测的准确性	西北太平洋的飞鱿鱼渔场	machine learning	NA	深度学习	改进的U-Net	环境参数数据（海面温度、高度、盐度、叶绿素）	2002-2019年7月至11月的数据用于训练，2020年数据用于测试
266	2025-05-01	An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data 2024-10-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae029 PMID:38960866	research paper	开发了一种基于深度学习的根尖周炎分级系统，用于辅助初级医生诊断	提出了一种自创的PAINet算法，并在性能上优于经典算法和最新的Transformer模型	样本量较小，仅包含120张CBCT图像	开发并评估一种基于人工智能的根尖周炎分级系统	根尖周炎（AP）的CBCT图像	digital pathology	apical periodontitis	deep learning	ResNet50/101/152, PAINet, Transformer-based models, attention models	image	120张CBCT图像
267	2025-05-01	Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning 2024-10-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae028 PMID:38937280	研究论文	开发并验证了一种基于nnU-Net改进的深度学习模型，用于在锥束CT中对五类颌骨病变进行分类和分割	提出了一种改进的nnU-Net模型，能够同时完成颌骨病变的分类和分割任务，并在性能上超越口腔颌面放射科医生和外科医生	未提及样本的多样性和模型的泛化能力	提高颌骨病变在锥束CT中的自动分类和分割准确率	颌骨病变	数字病理	颌骨病变	锥束CT (CBCT)	nnU-Net	医学影像	368例CBCT扫描（37,168张切片）
268	2025-05-01	Hybrid Deep Learning Approach for Traffic Speed Prediction 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0251 PMID:35108088	研究论文	提出了一种名为HDL4TSP的混合深度学习方法，用于预测城市各区域的交通速度	同时建模交通数据的空间和时间相关性，通过图卷积网络和ConvLSTM网络分别捕捉空间和时间维度的依赖关系	未提及具体的数据集规模或模型在不同城市或交通条件下的泛化能力	提高交通速度预测的准确性，以支持交通管理和驾驶路线规划	城市各区域的交通速度数据	机器学习	NA	深度学习	图卷积网络（GCN）、ConvLSTM	交通速度数据	两个真实世界的数据集
269	2025-05-01	A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0268 PMID:35704031	research paper	提出了一种使用混合多层深度学习模型的网络入侵检测系统	结合多层卷积神经网络和softmax分类器，以及多层深度神经网络，提高了入侵检测的准确率	仅使用了NSL-KDD和KDDCUP'99两个数据集进行实验，可能在其他数据集上表现不同	提高网络入侵检测系统的准确率	网络流量数据	machine learning	NA	深度学习	CNN, softmax classifier, deep neural network	网络流量数据	NSL-KDD和KDDCUP'99数据集
270	2025-05-01	Deep learning in the diagnosis of maxillary sinus diseases: a systematic review 2024-09-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae031 PMID:38995816	系统综述	评估深度学习在上颌窦疾病检测、分类和分割中的性能	系统综述了深度学习在上颌窦疾病诊断中的应用，涵盖了多种任务类型和模型组合	仅纳入了截至2024年2月7日发表的英文论文，可能存在发表偏倚	评估深度学习在上颌窦疾病诊断中的性能	上颌窦疾病	数字病理	上颌窦疾病	深度学习	DL	放射影像	14项研究（从1167项研究中筛选）
271	2025-05-01	Detection and classification of mandibular fractures in panoramic radiography using artificial intelligence 2024-09-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae018 PMID:38652576	研究论文	本研究评估了YOLOv5深度学习模型在全景X光片中检测不同类型下颌骨骨折的性能	使用YOLOv5模型对六种下颌骨骨折类型进行检测和分类，特别是在体和联合区域表现出色	在检测髁突头和髁突颈骨折时表现较差，精度和灵敏度较低	评估人工智能在全景X光片中检测和分类下颌骨骨折的潜力	下颌骨骨折的全景X光片	计算机视觉	下颌骨骨折	深度学习	YOLOv5	图像	498张全景X光片，包含673处骨折
272	2025-05-01	Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug-in modules 2024-Aug-13, Knee surgery & related research IF:4.1Q1 DOI:10.1186/s43019-024-00228-3 PMID:39138550	研究论文	开发了一种基于深度学习的自动膝关节骨关节炎严重程度分类模型	使用插件模块（PIM）提升细粒度分类任务的性能，优于之前的深度学习模型	未来仍需改进，模型在KL等级1的分类准确率较低（43%）	开发自动膝关节骨关节炎严重程度分类模型	膝关节骨关节炎的X光片	计算机视觉	骨关节炎	深度学习	CNN或transformer-based网络与PIM模块集成	图像	训练集：Osteoarthritis Initiative数据集；测试集：17,040例（Multicenter Osteoarthritis Study）
273	2025-05-01	Automated cooling tower detection through deep learning for Legionnaires' disease outbreak investigations: a model development and validation study 2024-Jul, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00094-3 PMID:38906615	研究论文	本研究开发并验证了一种基于深度学习的计算机视觉模型，用于自动检测航空图像中的冷却塔，以加速军团病爆发的调查	使用YOLOv5和EfficientNet-b5两阶段模型自动检测冷却塔，显著提高了检测速度和准确性	模型在未训练过的城市（如波士顿和雅典）的表现略有下降，PPV和敏感度有所降低	开发一种自动检测冷却塔的深度学习模型，以加速军团病爆发的调查和源头控制	航空图像中的冷却塔	计算机视觉	军团病	深度学习	YOLOv5, EfficientNet-b5	卫星图像	2051张包含7292个冷却塔的图像，测试数据集包含548张图像
274	2025-05-01	DMAF-Net: deformable multi-scale adaptive fusion network for dental structure detection with panoramic radiographs 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae014 PMID:38518093	研究论文	提出了一种名为DMAF-Net的可变形多尺度自适应融合网络，用于全景X光片中的牙齿结构检测	改进了YOLO网络，通过不同模块增强特征提取能力，并利用自适应空间特征融合解决不同特征层尺度不匹配的问题	NA	提高全景X光片中牙齿结构问题检测的准确性	牙齿结构问题（阻生牙、缺失牙、种植体、冠修复体和根管治疗牙）	计算机视觉	牙科疾病	深度学习	DMAF-Net（基于YOLO改进）	图像（全景X光片）	1474张全景X光片
275	2025-05-01	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	review	本文综述了深度学习在颌骨囊性病变诊断中的最新进展	探讨了深度学习在颌骨囊性病变诊断中的性能表现，并比较了不同模型的差异	模型可解释性不足，缺乏多中心数据验证	研究深度学习在颌骨囊性病变诊断中的应用	颌骨囊性病变	digital pathology	颌骨囊性病变	deep learning	DL	image	44项研究
276	2025-05-01	Development and external validation of deep learning clinical prediction models using variable-length time series data 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae088 PMID:38679906	研究论文	比较和外部验证了用于可变长度时间序列数据的深度学习模型架构和数据转换方法在三个临床任务中的表现	比较了三种特征工程方法和三种深度学习架构在临床任务中的表现，发现LSTM/GRU架构与PLE-DT转换数据结合在所有任务中表现最佳	研究仅基于两个医疗中心的数据，可能缺乏更广泛的代表性	开发和外部验证深度学习临床预测模型，用于预测临床恶化、严重急性肾损伤和疑似感染	医院住院患者	机器学习	急性肾损伤、感染	深度学习	LSTM/GRU, TDW-CNN, 时间卷积网络	时间序列数据	训练集373,825例住院患者，测试集256,128例住院患者
277	2025-05-01	Improving resolution of panoramic radiographs: super-resolution concept 2024-04-29, Dento maxillo facial radiology DOI:10.1093/dmfr/twae009 PMID:38483289	研究论文	本研究利用深度学习超分辨率技术提升牙科全景X光片的分辨率，以支持更精确的诊断和治疗计划	采用四种先进的深度学习模型（SRCNN、Efficient Sub-Pixel CNN、SRGAN和Autoencoder）进行牙科图像超分辨率重建，并比较其性能	当图像缩放比例较高时，性能会下降	提升牙科全景X光片的分辨率，以改善诊断和治疗计划的精确性	牙科全景X光片	计算机视觉	牙科疾病	深度学习超分辨率技术	SRCNN, Efficient Sub-Pixel CNN, SRGAN, Autoencoder	图像	1714张全景X光片（训练集1364张，测试集350张）
278	2025-05-01	Artificial intelligence system for automatic maxillary sinus segmentation on cone beam computed tomography images 2024-04-29, Dento maxillo facial radiology DOI:10.1093/dmfr/twae012 PMID:38502963	研究论文	开发基于nnU-Net v2的人工智能模型，用于在锥形束计算机断层扫描（CBCT）图像中自动分割上颌窦	使用nnU-Net v2深度学习模型实现上颌窦的自动分割，并在CBCT图像上评估其性能	样本量较小（101例CBCT扫描），可能影响模型的泛化能力	开发并评估一种自动分割上颌窦的人工智能模型	上颌窦	计算机视觉	NA	CBCT	nnU-Net v2	图像	101例CBCT扫描（80例训练，11例验证，10例测试）
279	2025-05-01	Histopathological evaluation of abdominal aortic aneurysms with deep learning 2024-Apr-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.23.24306178 PMID:38712033	研究论文	利用深度学习技术对腹主动脉瘤的组织病理学标本进行数字全切片图像分析	首次在血管病理学中全面评估深度学习技术的应用，特别是在预测炎症特征、纤维化等级和剩余弹性纤维方面	研究仅基于三个欧洲中心的369名患者样本，可能存在样本多样性和代表性的限制	探索深度学习在血管疾病计算病理学中的应用，以改善对腹主动脉瘤病理生理学的理解和治疗策略的个性化	腹主动脉瘤患者的组织病理学标本	数字病理学	心血管疾病	深度学习	NA	图像	369名患者的腹主动脉瘤样本
280	2025-05-01	An Intelligent Channel Estimation Algorithm Based on Extended Model for 5G-V2X 2024-04, Big data IF:2.6Q2 DOI:10.1089/big.2022.0029 PMID:36848263	研究论文	提出了一种基于扩展模型的智能信道估计算法，用于5G-V2X车联网系统	基于信道脉冲响应的稀疏性建立适用于高速移动场景的扩展模型，并设计了一种基于深度学习的信道估计算法，结合多层CNN和双向GRU提高估计精度	未提及实际场景测试结果或与其他深度学习方法的对比	提高5G-V2X车联网系统的信道估计精度和降低误码率	5G-V2X车联网系统的信道估计	机器学习	NA	深度学习	CNN, 双向GRU	信道数据	NA