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
5821	2025-02-28	Machine Learning in the Management of Patients Undergoing Catheter Ablation for Atrial Fibrillation: Scoping Review 2025-Feb-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/60888 PMID:39928932	综述	本文通过范围综述评估了机器学习在心房颤动导管消融患者管理中的应用，比较了不同模型在特定临床任务中的表现，并总结了机器学习在该领域的优势和局限性	首次系统性地评估了机器学习在心房颤动导管消融患者管理中的应用，并指出了未来研究需要解决的主要问题，如缺乏外部验证和模型泛化能力	大多数模型（14/23，61%）由于缺乏外部验证而显示出高偏倚风险	评估机器学习在心房颤动导管消融患者管理中的应用，并比较不同模型的表现	接受心房颤动导管消融治疗的患者	机器学习	心血管疾病	机器学习	卷积神经网络（CNN）	人口统计学数据、临床特征、影像数据、电生理信号	23项研究
5822	2025-02-28	A Scale-Invariant Looming Detector for UAV Return Missions in Power Line Scenarios 2025-Feb-10, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10020099 PMID:39997122	研究论文	本文提出了一种尺度不变逼近检测器（SILD），用于无人机在电力线场景中的返航任务，以提高碰撞避免能力	SILD通过预处理视频帧、使用注意力掩码增强运动区域，并模拟生物觉醒来识别逼近威胁，同时抑制噪声，克服了运动视觉的限制，确保了对不同尺度逼近物体的一致敏感性	NA	提高无人机在电力线场景中的碰撞避免能力	无人机在电力线场景中的返航任务	计算机视觉	NA	深度学习	SILD	视频	NA
5823	2025-02-28	A Novel Deep Learning-Based (3D U-Net Model) Automated Pulmonary Nodule Detection Tool for CT Imaging 2025-Feb-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32020095 PMID:39996895	研究论文	本文提出了一种基于深度学习的3D U-Net模型，用于自动检测CT影像中的肺结节，并与放射科医生的解读进行对比评估	开发了一种新的深度学习算法，用于自动检测CT扫描中的肺结节，并在多机构验证中表现出色	研究依赖于特定数据集（LUNA和三级癌症中心的数据），可能限制了模型的泛化能力	通过深度学习算法提高肺结节的自动检测效率，辅助放射科医生进行早期诊断和管理	CT扫描中的肺结节	计算机视觉	肺癌	深度学习	3D U-Net	CT影像	491次扫描，包含5669个由放射科医生标注的肺结节
5824	2025-02-28	Enhancing U-Net Segmentation Accuracy Through Comprehensive Data Preprocessing 2025-Feb-08, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020050 PMID:39997552	研究论文	本文通过全面的数据预处理提升U-Net分割模型在CT扫描中肺部区域分割的准确性	提出了一种包括CT图像归一化、二值化提取肺部区域和形态学操作去除伪影的预处理流程，并应用ROI过滤有效隔离肺部区域	未提及模型在其他类型医学图像上的泛化能力	优化深度学习在医学图像分析中的应用，特别是肺部疾病如COPD和COVID-19的自动分析	CT扫描中的肺部区域	数字病理学	肺部疾病	CT扫描	U-Net	图像	未提及具体样本数量
5825	2025-02-28	Sequence-Aware Vision Transformer with Feature Fusion for Fault Diagnosis in Complex Industrial Processes 2025-Feb-08, Entropy (Basel, Switzerland) DOI:10.3390/e27020181 PMID:40003178	研究论文	本文提出了一种新颖的全局和局部特征融合序列感知视觉变换器（GLF-ViT），用于复杂工业过程中的故障诊断	通过修改特征嵌入以保留采样点相关性并保留更多局部信息，融合分类令牌的全局特征和编码器的局部特征，显著增强了复杂故障诊断的能力	尽管在TE数据集和电力传输故障数据集上表现出色，但该方法在其他类型工业数据上的泛化能力尚未验证	提高复杂工业过程中高维时间序列故障诊断的准确性	复杂工业过程中的故障数据	计算机视觉	NA	NA	Vision Transformer (ViT)	时间序列数据	Tennessee Eastman (TE) 数据集和电力传输故障数据集
5826	2025-02-28	Metabolic Objectives and Trade-Offs: Inference and Applications 2025-Feb-06, Metabolites IF:3.4Q2 DOI:10.3390/metabo15020101 PMID:39997726	综述	本文综述了从多组学数据中确定代谢目标和权衡的挑战，并探讨了其在个性化医学、药物发现、组织工程和系统生物学中的潜在应用	结合单细胞组学、代谢建模和机器学习/深度学习方法，实现了在转录组和代谢水平上推断细胞目标，将基因表达模式与代谢表型联系起来	NA	确定细胞代谢目标，以支持代谢工程、细胞重编程和药物发现等应用	细胞代谢网络	系统生物学	NA	单细胞组学、代谢建模、机器学习/深度学习	NA	多组学数据	NA
5827	2025-02-28	Fault Diagnosis of Semi-Supervised Electromechanical Transmission Systems Under Imbalanced Unlabeled Sample Class Information Screening 2025-Feb-06, Entropy (Basel, Switzerland) DOI:10.3390/e27020175 PMID:40003172	研究论文	本文提出了一种新的半监督故障诊断方法，针对机电传动系统在健康监测中标签数据稀缺和非标签数据丰富的问题，通过主动学习的信息筛选机制和数据不平衡驱动的成本敏感函数，显著提高了诊断模型对非标签样本的识别能力	提出了一种基于主动学习的信息筛选机制，结合数据不平衡驱动的成本敏感函数，解决了传统半监督深度学习方法在伪标签信息可靠性、非标签数据特征提取准确性和样本选择不平衡方面的不足	方法在仅包含少量标签数据的情况下进行了验证，但在更广泛的数据集和实际应用中的效果仍需进一步验证	解决机电传动系统健康监测中标签数据稀缺和非标签数据丰富的问题，提高故障诊断的准确性	机电传动系统的状态数据	机器学习	NA	主动学习，半监督学习	深度学习模型	状态数据	两个数据集，共12个实验场景
5828	2025-02-28	Training Generalized Segmentation Networks with Real and Synthetic Cryo-ET data 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.31.635598 PMID:39975172	研究论文	本文介绍了一种名为CryoTomoSim (CTS)的开源软件包，用于生成合成冷冻电子断层扫描数据，以训练深度学习分割网络	开发了CryoTomoSim (CTS)软件包，通过合成数据训练深度学习分割网络，解决了真实训练数据获取的瓶颈问题	尽管合成数据作为初始模型非常有效，但其准确性目前有限，需要真实细胞数据来训练最准确和可推广的U-Net模型	研究如何通过合成和真实数据训练通用的冷冻电子断层扫描分割网络	冷冻电子断层扫描数据中的大分子复合物和细胞特征	计算机视觉	NA	冷冻电子断层扫描 (cryo-ET)	U-Net	图像	超过100个神经元生长锥的断层扫描数据
5829	2025-02-28	A conditional denoising VAE-based framework for antimicrobial peptides generation with preserving desirable properties 2025-Feb-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf069 PMID:39932977	研究论文	本研究提出了一种基于去噪变分自编码器（VAE）的模型，用于生成具有理想理化性质的抗菌肽（AMPs）	该模型结合了关键特征（如分子量、等电点、疏水性等），并采用位置编码和Transformer架构以提高生成准确性，同时引入去噪机制以在有限训练数据下保持性能	模型在训练数据有限的情况下可能仍面临性能挑战	开发一种能够生成具有理想理化性质的抗菌肽的模型，以应对抗生素耐药性问题	抗菌肽（AMPs）	机器学习	细菌感染	去噪变分自编码器（VAE）	VAE, Transformer	序列数据	NA
5830	2025-02-28	Exploring Applications of Artificial Intelligence in Critical Care Nursing: A Systematic Review 2025-Feb-04, Nursing reports (Pavia, Italy) DOI:10.3390/nursrep15020055 PMID:39997791	系统综述	本文系统评估了人工智能在重症监护护理领域的当前应用	本文综合分析了多种AI技术在重症监护护理中的应用，包括经典模型、机器学习方法、深度学习架构和生成式AI工具	研究中的异质性限制了得出关于AI在重症监护护理中应用效果的明确结论	评估人工智能在重症监护护理中的应用及其对患者结果的影响	重症监护护理中的患者和护理实践	医疗保健	重症监护	多种AI技术，包括逻辑回归、支持向量机、随机森林、神经网络和生成式AI工具如ChatGPT	多种模型，包括经典模型、机器学习模型、深度学习模型和生成式AI模型	结构化数据（如生命体征和实验室结果）和非结构化数据（如护理记录和患者历史），以及音频数据	24项研究，涉及1364篇初步筛选的文章
5831	2025-02-28	Multiscale footprints reveal the organization of cis-regulatory elements 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08443-4 PMID:39843737	研究论文	本文介绍了一种名为PRINT的计算方法，用于从多尺度的染色质可及性数据中识别DNA-蛋白质相互作用的足迹，并开发了seq2PRINT框架，利用深度学习推断转录因子和核小体结合，解释CREs的调控逻辑	开发了PRINT方法和seq2PRINT框架，能够从染色质可及性数据中精确推断转录因子和核小体结合，揭示了CREs在分化和衰老过程中的结构变化	方法的应用主要依赖于染色质可及性数据，可能无法完全捕捉所有DNA-蛋白质相互作用的复杂性	研究CREs的结构和功能，特别是在细胞命运和疾病中的作用	人类骨髓中的单细胞染色质可及性数据和小鼠造血干细胞	生物信息学	NA	染色质可及性数据分析	深度学习	染色质可及性数据	人类骨髓单细胞数据和小鼠造血干细胞数据
5832	2025-02-27	First-in-Men Online Adaptive Robotic Stereotactic Body Radiation Therapy: Toward Ultrahypofractionation for High-Risk Prostate Cancer Patients 2025-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101701 PMID:39866592	研究论文	本文介绍了针对高风险前列腺癌患者的在线自适应机器人立体定向放射治疗的发展、临床前验证和临床测试	首次在人体中应用在线自适应机器人立体定向放射治疗，针对高风险前列腺癌患者，探索超分割放疗的可行性	研究样本量较小，仅为60例，且仅针对低体积转移前列腺癌患者，结果可能不具有普遍性	探索在线自适应放射治疗在高风险前列腺癌患者中的应用，以减少精囊的计划靶区（PTV）边缘	高风险前列腺癌患者，特别是精囊包含在靶区内的患者	数字病理	前列腺癌	在线自适应放射治疗，CT-on-rails，深度学习自动轮廓	深度学习	CT图像	60例低体积转移前列腺癌患者
5833	2025-02-28	Advancing MRI Reconstruction: A Systematic Review of Deep Learning and Compressed Sensing Integration 2025-Feb-01, ArXiv PMID:39975448	综述	本文系统回顾了深度学习与压缩感知在MRI重建中的集成应用	深度学习与压缩感知的结合显著提高了MRI重建的速度和准确性	未提及具体的技术限制或挑战	探讨深度学习在MRI重建中的应用及其潜力	MRI图像重建	医学影像	NA	深度学习, 压缩感知	NA	图像	NA
5834	2025-02-28	Diagnosis of Alzheimer's disease using transfer learning with multi-modal 3D Inception-v4 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1577 PMID:39995734	研究论文	本研究提出了一种基于多模态特征和迁移学习的3D Inception-v4模型，用于阿尔茨海默病的诊断	引入了多模态三维Inception-v4模型，并采用迁移学习方法结合MRI和临床评分数据进行AD诊断	未提及具体局限性	解决基于多模态特征的阿尔茨海默病诊断问题	阿尔茨海默病患者	计算机视觉	老年病	迁移学习	3D Inception-v4	MRI图像和临床评分数据	使用ADNI数据库的数据进行预训练，并使用独立验证数据进行微调
5835	2025-02-28	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究通过多传感器肌电图数据、修订版NIOSH提升方程和深度学习技术，对重复提升任务中的生物力学风险进行分类	结合高精度可穿戴传感器和深度学习模型，实现了实时、动态的风险评估，显著提升了工作场所安全协议	研究样本量较小，仅包含25名参与者，可能影响结果的普遍性	准确评估重复提升任务中的生物力学风险，以改善职业人体工程学和风险管理	25名参与者在进行重复提升任务时的肌肉性能	机器学习	肌肉骨骼疾病	肌电图（EMG）	CNN, MLP, LSTM	时间序列肌电图数据	25名参与者，超过700万个数据点
5836	2025-02-28	Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support 2025-Jan-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15020058 PMID:39997335	研究论文	本文探讨了在医疗决策支持系统中实现可信赖AI的重要性，特别是通过估计认知不确定性来提高系统的可靠性	提出了使用Spectral Normalized Neural Gaussian Process (SNGP)模型来量化知识不确定性，相比传统的神经网络集成方法，提供了更可靠的不确定性估计	研究主要基于低维玩具数据集和MIMIC3研究中的电子健康记录（EHR）数据，可能无法完全代表所有临床场景	提高AI在医疗决策支持系统中的可靠性和可信赖性	电子健康记录（EHR）数据，特别是重症监护病房住院患者的死亡率预测	机器学习	NA	Spectral Normalized Neural Gaussian Process (SNGP), 神经网络集成 (ENN)	Encoder-Only Transformer, SNGP, ENN	时间序列数据（EHR）	MIMIC3研究中的电子健康记录（EHR）数据
5837	2025-02-28	An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion 2025-Jan-27, Entropy (Basel, Switzerland) DOI:10.3390/e27020136 PMID:40003132	研究论文	本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM	提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度	NA	解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量	随机数熵源	机器学习	NA	快速傅里叶变换（FFT），软注意力机制	FFT-ATT-LSTM	随机序列数据	NA
5838	2025-02-28	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	本文提出了一种语义引导的Transformer网络（SGTN），用于高光谱图像中的作物分类，旨在提高分类精度和鲁棒性	提出了多尺度空间-光谱信息提取（MSIE）模块和语义引导注意力（SGA）模块，结合两阶段特征提取结构，有效克服了现有深度学习方法的局限性	未提及具体的数据集规模限制或模型计算复杂度问题	提高高光谱遥感图像中作物分类的精度和鲁棒性	高光谱遥感图像中的农作物	计算机视觉	NA	高光谱遥感	Transformer	图像	Indian Pines、Pavia University和Salinas基准数据集
5839	2025-02-28	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文全面回顾了基于机器学习的乳腺密度估计方法，重点关注从乳腺X线照片中估计乳腺密度的技术	强调机器学习方法在乳腺密度估计中的应用，特别是传统机器学习和深度学习方法，如支持向量机（SVMs）和卷积神经网络（CNNs）	当前研究存在主观性和成本效率低的问题	改进乳腺密度估计方法，以提高乳腺癌的早期检测和诊断	乳腺X线照片	计算机视觉	乳腺癌	机器学习	SVM, CNN	图像	NA
5840	2025-02-28	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机图像和遥感数据中检测与气候相关的自然灾害	创建了一个新的数据集，优化了机器学习模型，并首次将荒漠化作为深度学习检测的自然灾害之一	研究仅考虑了洪水和荒漠化两种自然灾害，且数据集规模相对较小	优化深度学习模型以检测与气候相关的自然灾害	洪水和荒漠化自然灾害	计算机视觉	NA	深度学习	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星图像