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
5281	2025-03-13	TransScore: a graph model for pose scoring and affinity prediction based on transformer convolution network 2024-Nov-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504851 PMID:40030271	研究论文	本文提出了一种基于transformer卷积网络的深度学习图模型TransScore，用于蛋白质-化合物对的姿态评分和亲和力预测	TransScore通过自注意力机制捕捉蛋白质-化合物姿态的内在特征，在冷启动和热启动场景下均表现出色，且在非平衡数据集上展示了其鲁棒性	模型在冷启动场景下的性能仍有待进一步提升	提高蛋白质-化合物相互作用预测的准确性和鲁棒性，以支持药物发现	蛋白质-化合物对的姿态评分和亲和力预测	机器学习	NA	transformer卷积网络	图模型	蛋白质-化合物对的结构数据	未明确提及具体样本数量
5282	2025-03-13	Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models 2024-Nov-21, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3503761 PMID:40030404	综述	本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性	深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性	指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向	探索深度学习模型在癌症组学研究中的应用	癌症组学数据	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
5283	2025-03-13	a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition 2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3502624 PMID:40030229	研究论文	本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别	提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性	未明确提及具体局限性	提高基于sEMG的手势识别系统的实用性和实时应用性能	手腕sEMG信号	机器学习	NA	sEMG	CNN-LSTM, CNN, kNN	sEMG信号	每个手势平均33.6秒至48秒的sEMG数据
5284	2025-03-13	Adaptive Graph Convolutional Network for Unsupervised Generalizable Tabular Representation Learning 2024-Nov-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3488087 PMID:40030226	研究论文	本文提出了一种新的自适应图卷积网络（AdaGCN），用于无监督可泛化的表格数据表示学习	AdaGCN通过自适应图学习模块去除传统GCN模型中的预定义规则，能够探索任意表格数据的局部模式，并直接最小化原始表格数据与学习嵌入之间的分布差异，无需标签信息	未提及具体限制	提高表格数据表示学习的效率和实用性	表格数据	机器学习	NA	自适应图卷积网络（AdaGCN）	GCN	表格数据	多个真实世界的表格数据集
5285	2025-03-13	DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network 2024-Nov-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3502636 PMID:40030219	研究论文	本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率	DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率	未提及模型在更大规模数据集上的表现或实际临床应用中的验证	提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划	肺癌和结肠癌的分类	计算机视觉	肺癌, 结肠癌	深度学习	DARNet（基于残差块和注意力模块的神经网络）	图像	基准肺癌和结肠癌数据集
5286	2025-03-13	Deep Learning-based Integrated System for Intraoperative Blood Loss Quantification in Surgical Sponges 2024-Nov-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3499852 PMID:40030353	研究论文	本文介绍了一种名为MDCare的深度学习集成系统，旨在通过手术海绵显著提高术中失血量的精确量化	MDCare系统结合了先进的硬件组件（如质量传感器和网络摄像头）与复杂的算法（如ResNet-18和YOLOv4），在合成和真实血液场景中实现了高达96.2%的分类准确率和超过91%的海绵检测准确率	未来工作将集中在扩展数据集和优化算法上，以确保MDCare系统在各种手术环境中的鲁棒性和适应性	提高术中失血量的精确量化，以增强患者安全和手术成功率	手术海绵	计算机视觉	NA	深度学习	ResNet-18, YOLOv4	图像	NA
5287	2025-03-13	A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning 2024-Nov-14, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3498346 PMID:40030369	综述	本文全面调查了深度学习中的遗忘现象，超越了持续学习的范畴，探讨了遗忘在生成模型和联邦学习等领域中的表现及其挑战	本文创新性地提出遗忘是一把双刃剑，在某些情况下可能是有益的，如隐私保护场景，并通过对遗忘现象的广泛探讨，提供了更细致的理解	本文主要是一篇综述，未涉及具体实验或数据验证，可能缺乏实证支持	探讨深度学习中的遗忘现象，超越持续学习的范畴，提出新的理解和解决方案	深度学习中的遗忘现象	机器学习	NA	NA	NA	NA	NA
5288	2025-03-13	Randomized Explainable Machine Learning Models for Efficient Medical Diagnosis 2024-Nov-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491593 PMID:40030196	研究论文	本研究探讨了随机机器学习模型在医学诊断中的应用，特别是极限学习机（ELMs）和随机向量功能链接（RVFL）网络，以提高效率和透明度	引入随机性到训练过程中，减少计算复杂性和训练时间，同时保持准确性，并集成可解释AI技术（LIME和SHAP）来解释ELMs和RVFL的决策过程	研究主要关注特定类型的癌症和心血管疾病，可能不适用于所有医疗诊断场景	提高医学诊断的效率和透明度，加速更好的治疗结果，并倡导更易访问和可解释的AI解决方案	泌尿生殖系统癌症和冠状动脉疾病数据集	机器学习	泌尿生殖系统癌症, 冠状动脉疾病	极限学习机（ELMs）, 随机向量功能链接（RVFL）网络, LIME, SHAP	ELMs, RVFL	医学诊断数据	NA
5289	2025-03-13	EasyPISA: Automatic Integrated PISA Measurements of Mitral Regurgitation From 2-D Color-Doppler Using Deep Learning 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.008 PMID:39122609	研究论文	本文介绍了EasyPISA，一个基于深度学习的框架，用于从2D彩色多普勒序列中自动进行二尖瓣反流（MR）的PISA测量	提出了一个全自动的PISA测量框架，解决了传统方法中观察者间变异性和非半球形血流汇聚及非全收缩期MR的准确性问题	样本量较小（54名患者），且仅在回顾性研究中进行了验证	开发一个自动化工具以减少MR评估中的工作量和观察者间变异性	二尖瓣反流（MR）患者	计算机视觉	心血管疾病	深度学习	UNet/Attention UNet	2D彩色多普勒图像	54名患者的196次记录，共1171张图像
5290	2025-03-13	KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-Disease Association Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447110 PMID:39167510	研究论文	本文提出了一种基于知识图谱的递归和注意力聚合模型（KGRACDA），用于预测circRNA与疾病的关联	KGRACDA模型结合了显式结构特征和图的隐式嵌入信息，通过递归方法构建多跳子图，并通过门控机制优化图注意力机制，挖掘局部深度信息，同时使用多头注意力机制平衡图的全局和局部深度特征	NA	预测circRNA与疾病的关联	circRNA与疾病的关联	机器学习	NA	知识图谱，递归方法，注意力机制	KGRACDA	多源异构数据	NA
5291	2025-03-13	Deep Learning With Ultrasound Images Enhance the Diagnosis of Nonalcoholic Fatty Liver 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.07.014 PMID:39179453	研究论文	本研究旨在通过深度学习与超声图像结合，提高非酒精性脂肪肝（NAFLD）的诊断准确性，并减少诊断者专业能力和个人偏见的影响	提出了两种新的特征：超声回声衰减系数（θ）和多普勒效应比率（ROD），并基于VGG16模型建立了一个多输入深度学习网络框架，显著提高了诊断准确性	研究中使用的样本量相对较小（710张超声图像），可能限制了模型的泛化能力	提高非酒精性脂肪肝（NAFLD）的诊断准确性	非酒精性脂肪肝（NAFLD）的超声图像	计算机视觉	非酒精性脂肪肝	深度学习	CNN（VGG16, ResNet50, Inception-v3）	图像	710张超声图像
5292	2025-03-13	TAG-SPARK: Empowering High-Speed Volumetric Imaging With Deep Learning and Spatial Redundancy 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405293 PMID:39283040	研究论文	本文介绍了一种结合可调声梯度（TAG）镜头的高速显微镜和TAG-SPARK去噪算法的对比增强视频速率体积系统，用于神经科学中的高速荧光钙成像	利用z切片的空间冗余进行自监督模型训练，实现了>700%的信噪比（SNR）提升，并保留了神经元活动的快速尖峰功能特征	NA	提高神经科学中高速荧光钙成像的信噪比和图像质量	神经元活动	计算机视觉	NA	双光子高速荧光钙成像	自监督模型	4D（xyzt）数据集	NA
5293	2025-03-13	Deep learning model using planar whole-body bone scintigraphy for diagnosis of skull base invasion in patients with nasopharyngeal carcinoma 2024-Oct-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05969-y PMID:39379746	研究论文	本研究评估了基于平面全身骨显像的深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性	首次使用深度学习模型结合平面全身骨显像数据来诊断鼻咽癌患者的颅底侵犯，并展示了其优于核医学专家的诊断能力	研究结果主要基于特定数据集，需要进一步的外部验证以确保模型的广泛适用性	评估深度学习模型在诊断鼻咽癌患者颅底侵犯中的应用效果	新诊断的鼻咽癌患者	数字病理	鼻咽癌	平面全身骨显像	CNN	图像	多中心研究，具体样本数量未明确
5294	2025-03-13	Deep learning-based approaches for multi-omics data integration and analysis 2024-Oct-02, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00391-z PMID:39358793	综述	本文回顾了基于深度学习的多组学数据整合和分析方法，并讨论了这些方法的独特能力和新兴趋势	本文创新性地将深度学习方法分为非生成式和生成式两大类，并详细讨论了它们在多组学数据整合中的应用和优势	本文未涉及具体实验验证，仅进行了方法论的综述和讨论	探讨深度学习在多组学数据整合和分析中的应用	多组学数据（包括分子组学和影像组学数据）	机器学习	NA	深度学习	前馈神经网络、图卷积神经网络、自编码器、变分方法、生成对抗模型、生成预训练模型	多组学数据（包括分子组学和影像组学数据）	NA
5295	2025-03-13	Removing Artifacts in Transcranial Photoacoustic Imaging With Polarized Self-Attention Dense-UNet 2024-10, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.006 PMID:39013725	研究论文	本文提出了一种名为PSAD-UNet的深度学习模型，用于去除经颅光声成像中的伪影，提高成像质量	提出了极化自注意力密集U-Net（PSAD-UNet），用于校正经颅光声成像中的失真，并准确恢复骨板下的成像对象	NA	提高经颅光声成像的成像质量，减少骨板对成像的影响	经颅光声成像中的伪影	计算机视觉	NA	光声成像（PAI）	PSAD-UNet（极化自注意力密集U-Net）	图像	NA
5296	2025-03-13	Transition-zone PSA-density calculated from MRI deep learning prostate zonal segmentation model for prediction of clinically significant prostate cancer 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04301-z PMID:38896250	研究论文	本文开发了一种基于T2加权图像的深度学习前列腺区域分割模型，并评估了TZ-PSAD在预测临床显著性前列腺癌（csPCa）中的表现，与传统PSAD进行比较	开发了一种深度学习模型用于前列腺区域分割，并首次评估了TZ-PSAD在预测csPCa中的表现，结果显示其略优于传统PSAD	研究依赖于MRI图像和PSA值，且样本量有限，外部验证集仅来自PI-CAI挑战赛	开发并验证一种深度学习模型，用于前列腺区域分割，并评估TZ-PSAD在预测临床显著性前列腺癌中的表现	前列腺MRI图像和前列腺特异性抗原密度（PSAD）	数字病理学	前列腺癌	深度学习	深度学习模型	图像	1020名患者用于模型开发，3461例MRI检查作为内部测试集，1460例MRI检查作为外部测试集
5297	2025-03-13	Advanced MRI techniques in abdominal imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04369-7 PMID:38802629	综述	本文综述了腹部成像中先进的MRI技术，包括并行成像、三维采集、压缩感知和深度学习等技术	介绍了最新的MRI技术，如并行成像、三维采集、压缩感知和深度学习，以减少扫描时间并提高图像质量	未提及具体的技术局限性或临床应用中的挑战	探讨腹部成像中先进的MRI技术及其应用	腹部成像中的MRI技术	医学影像	NA	并行成像、三维采集、压缩感知、深度学习	NA	图像	NA
5298	2025-03-13	Effectiveness of deep learning-based reconstruction for improvement of image quality and liver tumor detectability in the hepatobiliary phase of gadoxetic acid-enhanced magnetic resonance imaging 2024-10, Abdominal radiology (New York) DOI:10.1007/s00261-024-04374-w PMID:38755452	研究论文	本文评估了基于深度学习的重建（DLR）在提高Gd-EOB-MRI肝胆期（HBP）等体素高分辨率屏气脂肪抑制T1加权成像（HR-BH-FS-T1WI）图像质量和肿瘤检测能力方面的有效性	首次在Gd-EOB-MRI肝胆期成像中应用DLR技术，显著提高了图像质量和肿瘤检测能力	研究为回顾性分析，样本量较小（42例患者，98个肝肿瘤），且仅评估了特定成像技术	评估DLR在Gd-EOB-MRI肝胆期成像中的有效性，以提高图像质量和肿瘤检测能力	42例肝肿瘤患者，共98个肝肿瘤	医学影像	肝肿瘤	Gd-EOB-MRI，DLR	深度学习	医学影像	42例患者，98个肝肿瘤
5299	2025-03-13	Auto-segmentation of hemi-diaphragms in free-breathing dynamic MRI of pediatric subjects with thoracic insufficiency syndrome 2024-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.17.24313704 PMID:39371175	研究论文	本文提出了一种在自由呼吸动态MRI中自动分割儿科胸廓功能不全综合征患者半膈肌的方法	利用深度学习技术（如Path Aggregation Network、Dual Attention Network、Dense-Net、Residual-Net、GoogleNet和Recurrent Neural Network）进行半膈肌的识别、描绘和分离，解决了低分辨率、运动模糊、对比度分辨率不佳等挑战	研究主要针对胸廓功能不全综合征（TIS）患者，可能不适用于其他疾病或正常人群	开发一种自动分割方法，用于分析胸廓功能不全综合征患者的半膈肌运动，以支持手术规划和治疗效果评估	儿科胸廓功能不全综合征患者的半膈肌	数字病理学	胸廓功能不全综合征	动态磁共振成像（dMRI）	Path Aggregation Network, Dual Attention Network, Dense-Net, Residual-Net, GoogleNet, Recurrent Neural Network	4D图像	100个3D测试图像和约430个3D图像用于模型构建
5300	2025-03-13	Deep learning-based arterial subtraction images improve the detection of LR-TR algorithm for viable HCC on extracellular agents-enhanced MRI 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04277-w PMID:38642094	研究论文	本研究探讨了基于深度学习的动脉减影图像在细胞外增强MRI上使用LR-TR算法评估肝细胞癌（HCC）存活性的作用	首次将深度学习生成的动脉减影图像应用于LR-TR算法，显著提高了检测存活HCC的敏感性和准确性	研究为回顾性设计，样本量相对较小（105名患者，286个观察结果），且未探讨深度学习模型的具体架构和训练细节	评估深度学习生成的动脉减影图像在细胞外增强MRI上使用LR-TR算法检测存活HCC的效果	接受局部治疗的HCC患者	数字病理学	肝癌	深度学习，MRI	深度学习模型（未具体说明）	图像	105名患者，286个观察结果