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
281	2025-05-04	Correction: Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321410 PMID:40168295	correction	对先前发表的关于使用多分支深度学习姿势网络进行行人姿势估计的文章进行更正	NA	NA	NA	NA	computer vision	NA	NA	NA	NA	NA
282	2025-05-04	Unmanned aerial vehicle based multi-person detection via deep neural network models 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1582995 PMID:40313416	research paper	该研究开发了一种基于深度学习的系统，用于从无人机拍摄的视频中识别多人行为	通过整合不同特征和神经网络模型，提高了识别准确率并保持了鲁棒性，同时具备动态环境适应能力	未提及具体局限性	提升无人机拍摄视频中多人行为识别的准确性和鲁棒性	无人机拍摄的多人行为视频	computer vision	NA	deep learning, feature extraction	deep neural network	video	MOD20和Okutama-Action数据集
283	2025-05-04	Advanced hybrid deep learning model for enhanced evaluation of osteosarcoma histopathology images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1555907 PMID:40313555	研究论文	提出了一种结合CNN和ViT的混合深度学习模型，用于提高骨肉瘤组织病理学图像的诊断准确性	首次成功使用TCIA数据集进行四分类（非肿瘤、非存活肿瘤、存活肿瘤和非存活比率），并在骨肉瘤研究中设定了新的基准	未提及模型在其他数据集上的泛化能力或临床实际应用的验证	提高骨肉瘤的早期和准确检测，以改善患者预后并降低死亡率	骨肉瘤（OS）的组织病理学图像	数字病理学	骨肉瘤	H&E染色组织病理学图像分析	CNN和ViT混合模型	图像	使用Cancer Imaging Archive (TCIA)数据集，具体样本数量未提及
284	2025-05-04	Research advancements in the Use of artificial intelligence for prenatal diagnosis of neural tube defects 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1514447 PMID:40313675	review	本文综述了人工智能在产前神经管缺陷诊断中的应用及其进展	展示了AI技术在产前超声影像中早期检测、预测和评估神经管缺陷的高效性，包括CNN和SVM等技术的应用，以及AI与基因组分析的结合	未提及具体研究中可能存在的样本偏差或技术局限性	探讨AI在产前神经管缺陷诊断中的应用及其效果	产前超声影像、遗传数据和孕产妇健康记录	digital pathology	neural tube defects	prenatal ultrasound imaging, genomic analysis	CNN, SVM, Oct-U-Net, PAICS, logistic regression	image, genetic data, health records	NA
285	2025-05-04	Decentralized EEG-based detection of major depressive disorder via transformer architectures and split learning 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1569828 PMID:40313734	研究论文	该研究通过结合机器学习、深度学习和分割学习的方法，利用EEG信号对重度抑郁症（MDD）患者和健康个体进行分类	采用分割学习框架解决数据隐私和计算资源问题，结合Transformer和随机森林模型实现高精度分类	研究仅在三台客户端上实施分割学习框架，可能限制了模型的泛化能力	开发一种可靠、自动化的重度抑郁症检测方法	重度抑郁症患者和健康个体的EEG信号	机器学习	重度抑郁症	EEG信号分析	Transformer, Random Forest, Support Vector Machine, Gradient Boosting, Autoencoders	EEG信号	NA
286	2025-05-04	Primer on machine learning applications in brain immunology 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1554010 PMID:40313869	综述	本文回顾了单细胞和空间技术在脑免疫学中的应用，以及机器学习方法在数据分析中的进展	探讨了机器学习特别是深度学习方法如自编码器和图神经网络在单细胞组学数据分析中的新应用	主要面向湿实验室生物学家，可能缺乏对计算方法的深入技术细节	总结单细胞组学在脑免疫学研究中的最新进展及其与人工智能的结合	脑免疫学中的单细胞和空间组学数据	机器学习	脑恶性肿瘤和神经退行性疾病	单细胞组学和空间组学技术	自编码器、图神经网络	单细胞和空间组学数据	NA
287	2025-05-04	Radiomics-driven neuro-fuzzy framework for rule generation to enhance explainability in MRI-based brain tumor segmentation 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1550432 PMID:40313917	研究论文	提出了一种结合3D U-Net和放射组学特征的混合AI框架，用于MRI脑肿瘤分割并生成可解释的决策规则	将深度学习模型与自适应神经模糊推理系统(ANFIS)相结合，提高了模型的可解释性	实验仅限于小规模的高影响力放射组学特征集	提高MRI脑肿瘤分割的可解释性以促进临床应用	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI, 放射组学特征提取	3D U-Net, ANFIS	MRI图像	BraTS2020数据集
288	2025-05-04	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	research paper	该研究提出了一种基于灰狼优化、混合特征提取和深度学习方法增强的椎间盘突出分类方法	结合灰狼优化算法与混合特征提取及深度学习方法，提升椎间盘突出分类性能	NA	提高椎间盘突出的分类准确性	腰椎间盘突出病例	digital pathology	geriatric disease	deep learning	NA	image	NA
289	2025-05-04	Deep learning segmentation model for quantification of infarct size in pigs with myocardial ischemia/reperfusion 2024-12, Basic research in cardiology IF:7.5Q1 DOI:10.1007/s00395-024-01081-x PMID:39348000	研究论文	本研究开发了一种基于深度学习的分割模型，用于自动化量化心肌缺血/再灌注猪模型中的梗死面积	首次将动态U-Net架构应用于心肌梗死面积的自动化量化，显著提高了处理效率	在鼠心脏实验数据上的模型性能较低(DSC: 0.66)，表明模型跨物种泛化能力有待提高	开发自动化心肌梗死面积量化方法以替代传统手工测量	猪和鼠的心肌缺血/再灌注模型	数字病理	心血管疾病	TTC染色	动态U-Net	图像	390个猪心脏实验(3869张图像)和27个鼠心脏实验
290	2025-05-04	Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases 2024-Dec-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006294 PMID:38577794	研究论文	开发并测试了一种用于术中识别腹膜表面转移癌的深度学习手术引导系统原型	开发了一种深度学习手术引导系统原型，能够在术中识别腹膜表面转移癌，相比肿瘤外科医生提高了识别准确率	需要进一步的多机构临床环境验证和开发	提高术中腹膜表面转移癌的识别准确率	腹膜表面转移癌	数字病理	胃肠道腺癌	深度学习	深度学习系统	图像	132名患者的4287个可见腹膜表面病变图像和365个活检腹膜表面病变的3650个图像块
291	2025-05-04	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	提出了一种名为HIT的深度超图表示学习模型，用于预测治疗性基因靶点	使用超图结构和基于注意力的学习方法捕捉基因、本体、疾病和表型之间的复杂关系	已知治疗靶点的数量有限	预测治疗性基因靶点以开发针对疾病遗传原因的治疗方法	基因	机器学习	NA	深度超图表示学习	HIT (Hypergraph Interaction Transformer)	基因、本体、疾病和表型数据	NA
292	2025-05-04	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	research paper	开发了一种名为MiTCP的深度学习方法，用于预测小分子诱导的转录变化	利用图神经网络同时建模分子结构表示和基因共表达关系，用于预测转录变化	NA	预测小分子诱导的转录变化，以促进药物发现和筛选过程	978个标志基因的转录变化	machine learning	NA	deep learning	graph neural network	transcriptional profiles	L1000数据集
293	2025-05-04	Deep learning-based design and experimental validation of a medicine-like human antibody library 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf023 PMID:39851074	研究论文	本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域	利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库	研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体	加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间	人类抗体可变区域	机器学习	NA	深度学习	生成式深度学习模型	序列数据	训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体
294	2025-05-04	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2024-Sep-13, ArXiv PMID:39314509	研究论文	本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习精度、鲁棒性和参数效率	引入生物树突的特性到人工神经网络中，解决了传统深度学习算法参数过多、易过拟合的问题	未提及具体的应用场景限制或实验数据的局限性	提升人工神经网络的学习效率、鲁棒性和参数效率	人工神经网络（ANNs）及其学习策略	机器学习	NA	NA	dendritic ANNs	图像数据	未提及具体样本数量
295	2025-05-04	Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study 2024-02-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006046 PMID:38095506	研究论文	开发了一种基于深度学习的计算机辅助检测系统，用于定位和检测便携式仰卧胸部X光片中气管插管的错位	使用DeepLabv3+和ResNeSt50、DenseNet121模型架构进行分割和分类任务，实现了对气管插管错位的高精度检测	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发一种计算机辅助检测系统，用于检测便携式仰卧胸部X光片中气管插管的错位	便携式仰卧胸部X光片中的气管插管	数字病理学	NA	深度学习	DeepLabv3+, ResNeSt50, DenseNet121	图像	训练数据集5767张图像，测试数据集NTUH-20 955张图像，NTUH-YB 656张图像
296	2025-05-04	Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1442114 PMID:39835306	research paper	该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级	引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度	未提及具体的数据集规模或模型在更大规模数据集上的泛化能力	开发一种高效的自动化糖尿病视网膜病变分级方法	糖尿病视网膜病变的医学图像	digital pathology	diabetic retinopathy	vision transformer	Transformer	image	NA
297	2025-05-04	Integrating deep learning in public health: a novel approach to PICC-RVT risk assessment 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1445425 PMID:39839389	研究论文	本研究评估了七种机器学习算法（包括三种深度学习和四种传统机器学习模型）在利用时间序列数据评估PICC-RVT风险方面的有效性，并确定了关键预测因素	首次将深度学习模型应用于PICC-RVT风险评估，并比较了深度学习与传统机器学习模型的性能差异	研究为回顾性多中心队列研究，可能存在选择偏倚	评估机器学习算法在PICC-RVT风险评估中的有效性并识别关键预测因素	接受PICC置管的患者	机器学习	静脉血栓	机器学习	DeepSurv, Cox-Time等	时间序列数据	5,272名患者
298	2025-05-04	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型	研究基于回顾性数据，样本量相对有限（261例患者）	开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	CT扫描、放射组学分析	ResNet34、DNN	CT图像、临床数据	261例肺癌患者
299	2025-05-04	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	research paper	本研究提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号中预测血压，以改善远程医疗中的健康监测	提出ResNet-LSTM混合模型，结合ResNet的特征提取能力和LSTM的序列数据处理能力，提高了血压预测的准确性	计算成本较高（约4,375 FLOPs），未来需要优化云基础设施以实现实时分析	开发一种非侵入式血压预测方法，以改善心血管疾病的远程健康监测	通过智能可穿戴设备收集的生理信号（ECG和PPG）	machine learning	cardiovascular disease	deep learning	ResNet-LSTM	physiological signals (ECG, PPG)	NA
300	2025-05-04	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种名为NuFold的新型深度学习方法，用于预测RNA的三级结构	NuFold采用了一种灵活的核苷碱基中心表示方法，能够准确再现所有可能的核苷酸构象	NA	解决RNA序列数据与结构理解之间的差距，提供一种经济高效的RNA三级结构预测方法	RNA的三级结构	机器学习和计算生物学	NA	深度学习	NuFold	RNA序列数据	NA