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
301	2025-05-08	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-05-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的快速听觉注意力解码方法，用于听力受损者的脑电图分析	使用深度卷积神经网络模型处理听力受损者的脑电图数据，实现了三种分类任务，并探讨了数据分割策略对结果的影响	研究仅针对听力受损人群，且样本量有限（31名参与者）	探索听力技术如何影响听力受损人群的听觉处理过程	听力受损者的脑电图数据	机器学习	听力障碍	EEG	DCNN	脑电图数据	31名听力受损参与者
302	2025-05-08	FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification 2024-05-15, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4743 PMID:38701773	研究论文	提出了一种结合特征提取和时间-通道联合注意力的混合方法FetchEEG，用于基于EEG的情绪分类	结合传统特征提取和深度学习的优势，采用多头自注意力机制同时提取不同时间点和通道的表示	未明确提及具体局限性	提高基于EEG的情绪分类的准确性和泛化能力	EEG数据和情绪分类	神经工程	NA	EEG分析	Transformer	EEG信号	自建数据集和两个公共数据集
303	2025-05-08	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-05-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	提出了一种名为EEGminer的系统，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了可学习滤波器，通过广义高斯函数参数化，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，用于从持续EEG活动的多通道记录中学习信息丰富的潜在表示	脑电活动模式	机器学习	NA	EEG信号处理	可学习滤波器和预定义特征提取模块	EEG信号	721名受试者的新EEG数据集，以及SEED数据集和同时任务EEG工作负荷数据集
304	2025-05-08	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	提出一种基于可解释集成方法的脑肿瘤分类流程，结合Dual-GAN机制和特征提取技术处理高度不平衡数据	提出新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制生成合成少数类样本，解决类别不平衡问题，并通过Grad-CAM增强分类过程的可解释性	未提及具体数据集规模或外部验证结果	提高脑肿瘤分类准确性并增强模型可解释性	脑肿瘤MRI图像	数字病理学	脑肿瘤	Dual-GAN机制，特征提取技术	GAN, 深度集成模型	MRI图像	NA
305	2025-05-08	Scoping Review of Deep Learning Techniques for Diagnosis, Drug Discovery, and Vaccine Development in Leishmaniasis 2024, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2024/6621199 PMID:40303156	综述	本文对深度学习技术在利什曼病诊断、药物发现和疫苗开发中的应用进行了范围综述	首次对深度学习在利什曼病领域的应用进行全面综述，填补了该领域的空白	仅对现有文献进行综述，未进行新的实验或数据分析	评估深度学习技术在利什曼病相关医学研究中的应用现状和潜力	利什曼病相关的诊断、药物发现和疫苗开发研究	机器学习	利什曼病	深度学习	NA	NA	NA
306	2025-05-08	Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform 2024-Jan-01, International ophthalmology clinics DOI:10.1097/IIO.0000000000000519 PMID:38146885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
307	2025-05-08	Genome-wide association analysis of left ventricular imaging-derived phenotypes identifies 72 risk loci and yields genetic insights into hypertrophic cardiomyopathy 2023-11-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43771-5 PMID:38036550	研究论文	通过全基因组关联分析左心室成像衍生表型，识别了72个风险位点，并为肥厚型心肌病的遗传基础提供了新见解	开发了一种新的深度学习算法来准确计算左心室区域壁厚，并首次在全基因组范围内鉴定了72个与左心室区域壁厚相关的遗传位点	研究样本主要来自UK Biobank，可能限制了结果的普遍性	识别影响左心室区域壁厚的特定遗传因素，并探索其与肥厚型心肌病的因果关系	42,194名来自UK Biobank的个体	基因组学	心血管疾病	心脏磁共振成像(CMR), 深度学习, 全基因组关联研究(GWAS), 孟德尔随机化分析	深度学习算法	影像数据	42,194名个体
308	2025-05-08	TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records 2023-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43715-z PMID:38030638	研究论文	提出了一种基于transformer的编码器-解码器生成模型TransformEHR，用于增强电子健康记录（EHRs）中疾病结果的预测	采用新的预训练目标——预测患者未来就诊的所有疾病和结果，结合编码器-解码器框架，实现了在多个临床预测任务上的最新性能	NA	提升电子健康记录中疾病结果的预测性能	电子健康记录（EHRs）	自然语言处理	胰腺癌、创伤后应激障碍	transformer-based encoder-decoder generative model	transformer	电子健康记录（EHRs）	NA
309	2025-05-08	Label-free identification of protein aggregates using deep learning 2023-11-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43440-7 PMID:38016971	research paper	提出了一种无需荧光标记的蛋白质聚集体识别方法LINA，利用深度学习从透射光图像中检测未标记的Httex1聚集体	首次实现了无需荧光标记的蛋白质聚集体动态识别，并能够测量其干质量和面积变化	目前仅针对Httex1蛋白聚集体进行了验证，尚未扩展到其他蛋白质聚集体	开发一种无需荧光标记的蛋白质聚集体识别方法，以更准确地研究蛋白质聚集动力学	Huntington病相关Httex1蛋白聚集体	digital pathology	neurodegenerative diseases	deep learning	CNN	image	未明确说明样本数量，研究对象为活细胞中的Httex1聚集体
310	2025-05-08	CROSS-DOMAIN DIFFUSION BASED SPEECH ENHANCEMENT FOR VERY NOISY SPEECH 2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference) DOI:10.1109/icassp49357.2023.10096985 PMID:40330790	研究论文	本研究提出了一种基于跨域扩散的语音增强方法，用于极低信噪比条件下的非平稳噪声场景	将基于扩散的学习方法整合到增强模型中，提高了在极端噪声条件下的鲁棒性	仅在TIMIT数据集上进行了验证，未在其他数据集上测试	提高低信噪比非平稳噪声场景下的语音增强性能	语音信号	语音处理	NA	扩散模型	扩散模型	语音信号	TIMIT数据集
311	2025-05-08	Coding infant engagement in the Face-to-Face Still-Face paradigm using deep neural networks 2023-05, Infant behavior & development IF:1.9Q3 DOI:10.1016/j.infbeh.2023.101827 PMID:36806017	研究论文	本研究使用深度神经网络（DNNs）对婴儿在面对面静止面孔（FFSF）任务中的参与度进行编码	首次将深度神经网络应用于FFSF任务中婴儿参与度的自动编码，并验证其高准确度	研究继承了原始数据集的样本限制，样本量较小且主要为白人群体	测试深度神经网络在FFSF任务中编码婴儿参与度的准确性	68对母婴组合在三个时间点完成的FFSF任务数据	计算机视觉	NA	深度神经网络图像分类	DNN	视频图像	68对母婴组合在三个时间点的FFSF任务视频数据，包含40,000张图像
312	2025-05-08	Assessment of malalignment factors related to Invisalign treatment time aided by automated imaging processes 2023-Mar-01, The Angle orthodontist DOI:10.2319/031622-225.1 PMID:36327333	research paper	本研究通过自动化成像过程评估与Invisalign治疗时间相关的错位因素	使用深度学习方法进行自动牙齿分割和标志点识别，并提出了一个结合6自由度(DOF)的复合评分作为治疗时间的预测指标	没有足够证据表明特定类型的牙齿移动会影响总矫治器治疗时间	识别影响Invisalign治疗持续时间的错位类型和严重程度的预测因素	116名接受Invisalign治疗的患者	digital pathology	malocclusion	deep learning	NA	digital scan	116名患者
313	2025-05-08	Cross-convolutional transformer for automated multi-organs segmentation in a variety of medical images 2023-01-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acb19a PMID:36623323	research paper	提出了一种基于跨卷积变换器的深度学习方法，用于多种医学图像中的多器官自动分割	设计了新颖的跨卷积自注意力机制和多尺度特征边缘融合模块，以整合局部和全局上下文，增强图像语义特征理解	仅在三种不同模态的数据集上进行了验证，可能需要更多样化的数据集来证明其泛化能力	开发一种通用的、准确的医学图像多器官分割方法	医学图像中的多器官分割	digital pathology	NA	deep learning	cross-convolutional transformer network (CFormer)	image	三个不同数据集：Synapse数据集（腹部多器官CT图像）、ACDC数据集（心脏亚结构MRI）、ISIC 2017数据集（皮肤癌图像）
314	2025-05-07	Artificial intelligence in kidney transplantation: a 30-year bibliometric analysis of research trends, innovations, and future directions 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2458754 PMID:39910843	研究论文	本文通过文献计量分析评估了1993年至2023年间890篇关于人工智能在肾移植中应用的出版物，以识别全球趋势、研究热点和未来机会	利用CiteSpace和VOSviewer工具进行文献计量分析，揭示了人工智能在肾移植中的快速扩展应用及新兴趋势，如个性化医疗和多模态数据融合	研究仅基于文献计量分析，可能未涵盖所有相关研究或实际临床应用中的具体挑战	评估人工智能在肾移植领域的研究趋势、创新点和未来方向	1993年至2023年间发表的890篇关于人工智能在肾移植中应用的出版物	数字病理学	终末期肾病	文献计量分析工具（CiteSpace和VOSviewer）	深度学习、机器学习算法	文献数据	890篇出版物
315	2025-05-07	Reinforcement learning using neural networks in estimating an optimal dynamic treatment regime in patients with sepsis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108754 PMID:40222267	research paper	本研究提出了一种结合强化学习和神经网络的算法（RL-NN），用于优化脓毒症患者的动态治疗方案	利用深度学习的灵活性减轻模型误设，并通过交叉验证和随机搜索进行超参数调优，提高了模型的鲁棒性和泛化能力	研究结果基于模拟数据和MIMIC-III数据库，可能无法完全反映真实世界的临床多样性	确定脓毒症患者多阶段液体复苏的最佳剂量	脓毒症患者	machine learning	sepsis	reinforcement learning, neural networks	RL-NN	electronic health records (EHR)	脓毒症患者队列（来自MIMIC-III数据库）
316	2025-05-07	Lag-Net: Lag correction for cone-beam CT via a convolutional neural network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108753 PMID:40233441	research paper	提出了一种名为Lag-Net的卷积神经网络方法，用于校正锥束CT中的滞后信号，以减少重建图像中的伪影	利用深度学习技术Lag-Net，以硬件校正结果作为训练目标，避免了传统线性时不变校正方法的局限性，并在低曝光条件下表现出色	硬件校正方法操作复杂，对CT仪器要求高，而深度学习方法的训练依赖于硬件校正的结果	提高锥束CT图像质量，减少由滞后信号引起的伪影	锥束CT中的滞后信号及其引起的图像伪影	digital pathology	NA	deep learning, convolutional neural network	CNN	image	模拟和真实数据集
317	2025-05-07	A deep learning framework leveraging spatiotemporal feature fusion for electrophysiological source imaging 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108767 PMID:40245605	研究论文	提出了一种基于深度学习的框架SSINet，用于通过脑电图(EEG)提供准确的脑活动时空估计	SSINet整合了残差网络(ResBlock)用于空间特征提取和双向LSTM用于捕捉时间动态，通过Transformer模块融合以捕捉全局依赖关系，并采用通道注意力机制优先处理活跃脑区	未提及具体局限性	解决非侵入性测量脑活动的电生理源成像(ESI)中的高度不适定逆问题	脑活动	机器学习	NA	脑电图(EEG)	ResBlock, 双向LSTM, Transformer	脑电图数据	三个真实EEG数据集（视觉、听觉和体感刺激）
318	2025-05-07	Quantitative determination of acid value in palm oil during thermal oxidation using Raman spectroscopy combined with deep learning models 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143107 PMID:39893723	研究论文	本研究结合拉曼光谱和深度学习模型，用于棕榈油热氧化过程中酸值的定量测定	首次将拉曼光谱与CNN、LSTM和Transformer等深度学习模型结合，显著提高了酸值预测的准确性和效率	需要进一步验证更多样化的指标数据集	提高食用油脂质量控制中酸值监测的准确性和效率	棕榈油在热氧化过程中的酸值	机器学习	NA	拉曼光谱	CNN, LSTM, Transformer	光谱数据	NA
319	2025-05-07	Universal semantic feature extraction from EEG signals: a task-independent framework 2025-May-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add08f PMID:40273947	研究论文	开发了一个无监督框架，用于从EEG信号中提取任务无关的语义特征	提出了一个结合CNN、AutoEncoders和Transformers的新框架，用于提取EEG信号的低级时空模式和高级语义特征	NA	开发一个通用的、任务无关的EEG信号语义特征提取框架	EEG信号	机器学习	NA	EEG信号处理	CNN, AutoEncoders, Transformers	EEG信号	多个EEG数据集（BCICIV_2a、BCICIV_2b、Lee2019-SSVEP、Nakanishi2015等）
320	2025-05-07	Monitoring Amphetamine and Methamphetamine Mixtures Based on Deep Learning Involves Colorimetric Sensing 2025-May-06, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00915 PMID:40279188	研究论文	本文提出了一种基于深度学习的比色传感策略，用于精确识别和区分安非他命（AMP）和甲基安非他命（MA）混合物	通过调节探针结构影响反应产物的聚集行为，首次实现了AMP和MA混合物的掺杂比例判断，并结合自研的Drugs Analyst和深度学习算法	NA	开发一种高精度识别和区分结构相似的分析物的方法，应用于毒品缉查、食品添加剂检测和环境监测等领域	安非他命（AMP）和甲基安非他命（MA）	机器学习和光学传感	NA	比色传感和深度学习算法	深度学习	光学信号	NA