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
5621	2025-03-02	Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease 2024-11-04, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izad285 PMID:38011673	研究论文	本文开发了一种深度学习自动分割模型，用于在计算机断层扫描肠造影（CTE）图像中分割克罗恩病（CD）病变，并通过提取的放射组学特征构建多个机器学习分类器以区分CD活动性	开发了基于nnU-Net神经网络的自动分割模型，并结合放射组学特征构建了多个机器学习分类器，用于区分CD活动性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发自动分割模型并构建机器学习分类器，以辅助放射科医生评估克罗恩病活动性	克罗恩病患者的CTE图像	计算机视觉	克罗恩病	深度学习，放射组学	nnU-Net，逻辑回归	CTE图像	分割数据集包含84例CD患者的CTE检查，分类数据集包含193例CD患者的CTE检查
5622	2025-03-02	A Deep Learning Framework for End-to-End Control of Powered Prostheses 2024-May, IEEE robotics and automation letters IF:4.6Q2 DOI:10.1109/lra.2024.3374189 PMID:40012860	研究论文	本文提出了一种深度学习框架，用于端到端控制动力假肢，消除了传统任务分类、状态机和中级控制方程的需求	通过将整个控制问题压缩到一个深度神经网络中，消除了传统任务分类、状态机和中级控制方程的需求	研究仅针对五种运动模式进行，样本量为12名经股截肢者，可能需要更多样化的数据和更大的样本量来验证模型的普适性	探索深度学习在动力假肢控制中的应用，以实现端到端的关节级辅助	动力膝踝假肢（OSL）及其传感器数据	机器学习	NA	深度学习	时间卷积网络（TCN）	传感器数据	12名经股截肢者
5623	2024-08-24	Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study" 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28881 PMID:37410077	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5624	2025-03-02	Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection 2024-01-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.1.23 PMID:38285462	研究论文	本文开发并评估了一种深度学习模型，用于评估眼底照片质量，并定量测量其在独立研究人群中自动化检测原发性开角型青光眼（POAG）的影响	首次将深度学习模型应用于眼底照片质量评估，并展示了其对提高POAG检测准确性的显著影响	研究依赖于特定数据集（DIGS/ADAGES和OHTS），可能限制了模型的泛化能力	提高自动化POAG检测的准确性，减少人工审查的负担	眼底照片	计算机视觉	青光眼	深度学习	深度学习模型	图像	2815张来自DIGS/ADAGES的眼底照片和11,350张来自OHTS的眼底照片
5625	2025-03-02	Rapid and accurate classification of mung bean seeds based on HPMobileNet 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1474906 PMID:40017618	研究论文	本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet	提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率	研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索	开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展	八种不同品种的绿豆种子	计算机视觉	NA	深度学习	HPMobileNet（基于MobileNetV2改进）	图像	34,890张绿豆种子图像
5626	2025-03-02	A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1448669 PMID:40017619	研究论文	本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测	结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本	现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低	减少深度学习中的手动干预，提高复杂植被信息收集的效率	干旱热谷环境中的植被	计算机视觉	NA	深度学习，强化学习，迁移学习	FCN, Seg-Net, U-Net, Seg-Res-Net 50	图像	NA
5627	2025-03-02	Natural language processing to identify social determinants of health in Alzheimer's disease and related dementia from electronic health records 2023-12, Health services research IF:3.1Q1 DOI:10.1111/1475-6773.14210 PMID:37534741	研究论文	开发了一种基于自然语言处理（NLP）的算法，用于从非结构化的电子健康记录（EHR）中识别阿尔茨海默病及相关痴呆（ADRD）患者的健康社会决定因素（SDoH）	开发了一种基于规则的NLP算法，用于识别七个SDoH领域，并与深度学习和正则化逻辑回归方法进行了比较	在住房和药物不安全方面的SDoH识别性能较差	识别ADRD患者的健康社会决定因素（SDoH）	阿尔茨海默病及相关痴呆（ADRD）患者	自然语言处理	老年病	自然语言处理（NLP）	基于规则的NLP算法、深度学习、正则化逻辑回归	文本	1000份医疗记录，来自231名ADRD患者
5628	2025-03-02	Editorial for "Deep Learning-Based Segmentation of Locally Advanced Breast Cancer on MRI in Relation to Residual Cancer Burden: A Multi-Institutional Cohort Study" 2023-12, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28680 PMID:36939778	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5629	2025-03-02	Editorial for "Implementable Deep Learning for Multi-sequence Proton MRI Lung Segmentation: A Multi-center, Multi-vendor and Multi-disease Study" 2023-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28661 PMID:36847749	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5630	2025-03-02	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	本文对心胸影像领域中机器学习和深度学习的应用进行了范围审查，系统搜索了同行评审的医学文献，并定量提取了关键数据元素	提供了心胸影像领域中ML/DL应用的综合概述，并提出了使研究超越概念验证向临床采纳迈进的一般建议	未具体提及研究的局限性	探讨机器学习和深度学习在心胸影像领域的应用及其临床采纳的潜力	心胸影像	计算机视觉	心血管疾病	NA	机器学习（ML），深度学习（DL）	图像	NA
5631	2025-03-02	Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties 2020-10-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.0c02878 PMID:32970421	研究论文	本研究利用卷积神经网络（CNNs）从纳米结构中对纳米颗粒的活性和特性进行建模	使用虚拟分子投影作为多维数字化的纳米结构表示，并应用于CNN模型训练，实现了从纳米结构到活性和特性的端到端建模	研究中仅使用了77个纳米颗粒样本，样本量较小，可能影响模型的泛化能力	开发一种能够数字化复杂纳米结构并用于机器学习建模的方法	纳米颗粒的活性和理化特性	机器学习	NA	虚拟分子投影	CNN	多维数字化纳米结构	77个纳米颗粒
5632	2025-03-01	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	研究论文	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区肌肉代谢的理解	使用代谢板作为教育工具，通过互动方式简化复杂的生理过程，促进深度学习	未提及具体的研究限制	提高对耐力训练区肌肉代谢的理解，并帮助做出训练处方的明智决策	肌肉代谢在三个耐力训练区的反应	运动科学	NA	NA	NA	NA	NA
5633	2025-03-01	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，探索其在棕榈油热氧化过程中酸值定量测定中的潜力	首次将拉曼光谱与深度学习模型（包括CNN、LSTM和Transformer）结合，用于提高棕榈油热氧化过程中酸值定量的准确性和效率	需要进一步验证更多样化的指标数据集	提高棕榈油热氧化过程中酸值定量的准确性和效率	棕榈油	机器学习	NA	拉曼光谱	CNN, LSTM, Transformer	光谱数据	NA
5634	2025-03-01	Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143150 PMID:39923522	研究论文	本研究使用卷积神经网络（CNN）、DenseNet121、Inception V3和ResNet50机器学习算法，通过海鲷的眼睛和鳃图像来确定其在冷藏条件下的质量变化	结合可解释人工智能（XAI）算法（Grad-CAM和LIME）分析机器学习算法的结果，提出了一种非破坏性的海鲷新鲜度检测方法	研究仅限于海鲷在冷藏条件下的新鲜度检测，未涉及其他储存条件或鱼类种类	开发一种非破坏性的方法，用于在冷藏条件下确定海鲷的新鲜度	海鲷（Sparus aurata）	计算机视觉	NA	机器学习	CNN, DenseNet121, Inception V3, ResNet50	图像	NA
5635	2025-03-01	Measurement of differential activation by heart-rate-variability for youth MDD discrimination 2025-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.006 PMID:39914751	研究论文	本研究探讨了基于心率变异性（HRV）的差异激活（DA）理论在青年重度抑郁症（MDD）识别中的应用	结合DA理论和HRV记录，为青年MDD识别提供了新的视角和高效方法	样本量相对较小，仅包括50名MDD青年患者和53名健康对照者	确定基于差异激活（DA）理论的识别器是否能有效识别青年MDD患者	50名被诊断为MDD的青年患者和53名健康对照者	机器学习	重度抑郁症	心率变异性（HRV）分析	LSTM	心率变异性数据	103名参与者（50名MDD患者和53名健康对照者）
5636	2025-03-01	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	review	本文综述了利用机器学习预测突变对蛋白质相互作用影响的最新进展	综合评估了基于物理化学、机器学习和深度学习的预测方法，并探讨了未来发展方向	讨论了突变数据的局限性，包括偏差、数据质量和数据集大小	理解遗传变异如何影响蛋白质与其他生物分子之间的相互作用，以阐明疾病机制和开发靶向治疗	蛋白质相互作用及其突变效应	machine learning	cancer	machine learning, deep learning	NA	mutational data	NA
5637	2025-03-01	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-Mar, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	本研究利用常规收集的临床数据，通过时间序列深度学习模型，提高细菌性血流感染的识别能力	使用LSTM模型结合时间序列数据，显著提高了血流感染的预测准确性，特别是在医院获得性感染方面	研究为回顾性队列研究，可能存在数据偏差，且模型性能在去除时间序列信息后显著下降	开发和评估利用医疗数据预测住院患者血流感染的模型	2014年3月3日至2021年12月1日在伦敦帝国学院医疗保健NHS信托基金进行血培养检测的患者	机器学习	血流感染	时间序列深度学习	LSTM, 静态逻辑回归模型	血液生物标志物和人口统计数据	训练集15,212例，测试集5,638例，总计20,850例患者
5638	2025-03-01	Multigas Identification by Temperature-Modulated Operation of a Single Anodic Aluminum Oxide Gas Sensor Platform and Deep Learning Algorithm 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02715 PMID:39831774	研究论文	本研究通过温度调制操作和深度学习算法，解决了半导体金属氧化物气体传感器的选择性难题	利用阳极氧化铝微加热器平台实现温度调制，结合卷积神经网络（CNN）进行气体类型和浓度的精确预测	尽管实现了高分类准确率，但浓度估计的平均绝对百分比误差仍较高	提高半导体金属氧化物气体传感器的选择性，精确识别气体类型和浓度	丙酮、氨、乙醇和二氧化氮四种气体	机器学习和传感器技术	NA	温度调制操作和卷积神经网络（CNN）	CNN	气体响应数据	四种气体（丙酮、氨、乙醇和二氧化氮）的响应数据
5639	2025-03-01	Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03096 PMID:39964084	研究论文	本文提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射（SERS）平台，以提高拉曼检测系统的灵敏度、集成度和实用性	创新点在于开发了一种双功能SERS平台，结合微流控技术和神经网络，实现了多分子指纹的分区识别和同时检测	未明确提及具体局限性	研究目的是提高拉曼检测系统的灵敏度、集成度和实用性	研究对象包括罗丹明6G（R6G）、福美双、芘、蒽和邻苯二甲酸二丁酯等分子	机器学习和微流控技术	NA	表面增强拉曼散射（SERS）和全连接神经网络技术	全连接神经网络	拉曼光谱数据	未明确提及具体样本数量
5640	2025-03-01	CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model 2025-Feb-28, Medical physics IF:3.2Q1 DOI:10.1002/mp.17716 PMID:40017345	研究论文	本文提出了一种基于Hessian启发的双编码网络（HIDE-Net），用于CBCT投影域金属分割，以减少金属伪影	提出了一种无需手动标注的深度学习金属痕迹分割工作流程，结合了Hessian特征值模块、双编码器和输入增强模块，并利用Segment Anything Model（SAM）自动获取训练标签	需要进一步验证在更多临床数据集上的泛化能力	提高CBCT图像质量，减少金属伪影	CBCT投影域中的金属物体	医学影像	NA	深度学习	HIDE-Net, CNN	图像	数字幻影数据和临床CBCT数据