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
5921	2025-02-27	Identifying relevant EEG channels for subject-independent emotion recognition using attention network layers 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1494369 PMID:39995952	研究论文	本研究通过应用注意力机制层，识别出在三个独立数据集中对情绪预测最相关的EEG通道	利用注意力机制识别跨个体一致相关的EEG通道，以提高独立于个体的情绪识别模型的性能	研究仅基于三个数据集，可能无法涵盖所有EEG信号变异性	增强独立于个体的情绪识别方法，通过识别跨个体一致相关的EEG通道	EEG信号	机器学习	NA	注意力机制	深度学习模型	EEG信号	三个独立数据集（SEED, SEED-IV, SEED-V）
5922	2025-02-27	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	研究论文	本文提出了一种基于弱监督学习的皮质表面重建方法，通过大脑MRI带状分割来重建多个皮质表面	该方法通过联合学习微分同胚流来对齐皮质带状分割图的边界，避免了传统方法中对伪地面真值的依赖，减少了数据集特定的挑战和训练数据准备的复杂性	方法在深度皮质沟的挑战性区域可能仍存在一定的局限性	研究目的是开发一种新的皮质表面重建方法，以减少对伪地面真值的依赖并提高重建精度	大脑MRI带状分割数据	计算机视觉	NA	深度学习	NA	MRI图像	两个大规模大脑MRI数据集
5923	2025-02-27	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39808513	研究论文	本研究开发了一种基于眼底照片的深度学习人工智能算法，用于预测视神经炎（ON）的亚型，以辅助疑似ON患者的诊断评估	首次利用深度学习AI算法从眼底照片中预测ON亚型，为早期区分MS ON和非MS ON提供了新的方法	数据集规模有限，未来需要增加样本量并结合临床和辅助检查指标以优化模型	开发一种AI算法，通过眼底照片预测ON亚型，以辅助诊断评估	视神经炎（ON）患者，特别是MS ON和非MS ON患者	数字病理学	视神经炎	深度学习	深度学习模型	图像	321名患者的1,599张眼底照片
5924	2025-02-27	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	研究论文	本文分析了人工智能在医学诊断中的应用挑战和可能性，包括地理分布、实施挑战、成果评估以及提高医疗效率的潜在机会	通过系统综述分析了2019年至2024年间24项研究，揭示了多模态AI、深度学习和机器学习在精准医学、早期诊断和工作流程整合中的潜力	研究中常见的挑战包括数据短缺、算法偏见、伦理和监管问题，表明需要适当的指南和跨学科合作	分析人工智能在医学诊断中的应用挑战和可能性，评估其对医疗效率的提升潜力	人工智能在医学诊断中的应用	机器学习	NA	多模态AI、深度学习、机器学习	深度学习、机器学习	多模态数据	24项研究
5925	2025-02-27	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	本文介绍了一种名为DECA的深度学习模型，利用基于视觉Transformer的架构，从批量染色质可及性数据中解析细胞类型信息，并利用单细胞ATAC-seq数据集作为参考以提高精度和分辨率	DECA模型通过其多头注意力机制生成的补丁注意力与Hi-C检测到的染色质相互作用对齐，能够预测由于遗传扰动引起的谱系特异性细胞组成变化，并在泛癌ATAC-seq数据集上展示了其解析具有临床意义的细胞类型比例的能力	NA	开发一种深度学习模型，用于从批量染色质可及性数据中解析细胞类型信息，以探索基因调控程序在发育和疾病中的作用	染色质可及性数据	机器学习	癌症	ATAC-seq, 单细胞ATAC-seq	Transformer	染色质可及性数据	NA
5926	2025-02-27	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本文介绍了一种基于深度神经网络的非侵入性胎儿基因分型方法，利用循环游离DNA（cfDNA）进行全基因组非侵入性产前检测（NIPT-M）	首次提出基于深度学习的cfDNA基因分型框架，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息，显著提升了检测性能	尽管在早期妊娠阶段（第7周）成功检测到三种有害突变，但该方法在临床应用中的广泛可行性仍需进一步验证	开发一种高效的深度学习方法，用于非侵入性胎儿基因分型，以实现全基因组非侵入性产前检测（NIPT-M）	孕妇血浆中的循环游离DNA（cfDNA）	机器学习	遗传性疾病	全基因组测序（WGS）	深度神经网络（DL）	DNA序列数据	NA
5927	2025-02-27	An arrhythmia classification using a deep learning and optimisation-based methodology 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463574 PMID:39949269	研究论文	本文提出了一种基于深度学习和优化方法的心电图信号分类方法，用于五种不同类型的心跳分类	结合了EfficientNet-B0深度学习模型和混合特征选择方法（包括两种过滤方法和自适应秃鹰搜索优化算法），实现了高准确率的心电图信号分类	未提及方法在其他数据集上的泛化能力或实际临床应用中的可行性	开发一种高效的心电图信号分类方法	心电图信号	机器学习	心血管疾病	离散小波变换、移动平均滤波、R峰检测	EfficientNet-B0	图像（灰度图和尺度图）	未提及具体样本数量
5928	2025-02-27	A combination of deep learning models and type-2 fuzzy for EEG motor imagery classification through spatiotemporal-frequency features 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463577 PMID:39950750	研究论文	本文提出了一种结合深度学习模型和类型-2模糊逻辑的混合架构FCLNET，用于通过时空频率特征对EEG运动想象进行分类	提出了一种新的混合架构FCLNET，结合了Compact-CNN和LSTM网络，并使用类型-2模糊函数作为CNN架构中的激活函数，以处理不确定性	未明确提及具体局限性	开发一种鲁棒且有效的技术，以准确解释用户的脑电波信号，特别是在运动想象等心理任务中	EEG信号	生物医学信号处理	NA	深度学习，类型-2模糊逻辑	Compact-CNN, LSTM	EEG信号	BCI Competition IV-2a数据库和BCI Competition IV-1数据库
5929	2025-02-27	AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae479 PMID:39323093	研究论文	本文介绍了一种名为AESurv的深度学习自编码器生存分析模型，用于基于高维DNA甲基化和临床特征准确预测冠心病（CHD）的发生时间	开发了一种新的深度学习自编码器生存分析模型（AESurv），通过学习参与者的低维表示来进行时间到事件的CHD预测，相较于其他生存分析模型表现更优	NA	开发一种能够准确预测冠心病发生时间的模型，以协助早期预测和干预策略	美国印第安人成年人（Strong Heart Study cohort）和绝经后妇女（Women's Health Initiative cohort）	机器学习	心血管疾病	DNA甲基化分析	自编码器（Autoencoder）	DNA甲基化数据和临床数据	两个队列研究：Strong Heart Study cohort和Women's Health Initiative cohort
5930	2025-02-27	DeepComBat: A statistically motivated, hyperparameter-robust, deep learning approach to harmonization of neuroimaging data 2024-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26708 PMID:39056477	研究论文	本文介绍了一种名为DeepComBat的深度学习协调方法，用于消除神经影像数据中的批次效应	DeepComBat结合了统计方法和深度学习的优势，能够处理特征间的多变量关系，同时放松了之前深度学习协调方法的强假设	NA	消除神经影像数据中的批次效应，提高数据的可重复性	神经影像数据	计算机视觉	老年疾病	深度学习	条件变分自编码器	图像	认知老化队列的皮层厚度测量数据
5931	2025-02-27	Patients Perceptions of Artificial Intelligence in a Deep Learning-Assisted Diabetic Retinopathy Screening Event: A Real-World Assessment 2024-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968241234378 PMID:38404014	研究论文	本文通过调查糖尿病患者对人工智能辅助糖尿病视网膜病变筛查的看法，评估了患者对AI在医疗中应用的感知	在真实世界的糖尿病视网膜病变筛查活动中，首次调查了患者对AI的感知和态度	样本主要为初级医疗保健中的低教育水平糖尿病患者，可能影响结果的普遍性	评估糖尿病患者对AI在医疗中应用的感知和态度	糖尿病患者	数字病理	糖尿病	深度学习	NA	调查数据	NA
5932	2025-02-27	Among Artificial Intelligence/Machine Learning Methods, Automated Gradient-Boosting Models Accurately Score Intraoral Plaque in Non-Standardized Images 2024, Journal of the California Dental Association DOI:10.1080/19424396.2024.2422146 PMID:39990046	研究论文	本文开发并测试了用于非标准化口腔内菌斑图像自动选择和评分的模型，旨在提高预防试验中的主要结果测量准确性	使用梯度提升模型在非标准化图像中准确评分口腔内菌斑，避免了深度学习模型的高计算和财务成本	未使用深度学习模型，可能限制了模型的复杂性和潜在性能	开发并测试自动图像选择和口腔内菌斑评分模型，以提高预防试验中的主要结果测量准确性	435张来自UCSF/UCLA临床试验的照片中的1650颗菌斑显示的乳牙（牙齿D, E, F, G）	计算机视觉	NA	机器学习算法，包括支持向量机-高斯模型和梯度提升模型	支持向量机-高斯模型，梯度提升分类和回归模型	图像	435张照片中的1650颗乳牙
5933	2025-02-27	Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey 2023-Jan-04, Life (Basel, Switzerland) DOI:10.3390/life13010146 PMID:36676093	综述	本文对基于机器学习和深度学习技术的皮肤病变分析和癌症检测方法进行了全面调查	提供了迄今为止应用于皮肤病变检查的方法、技术和方法的广泛文献综述，包括预处理、分割、特征提取、选择和分类方法	由于复杂和罕见的特征，皮肤病变分析仍存在一些挑战	调查现有技术用于皮肤癌发现，找出障碍以帮助研究人员贡献于未来研究	皮肤病变和皮肤癌	计算机视觉	皮肤癌	深度学习和机器学习	NA	图像	NA
5934	2025-02-27	Federated learning for diagnosis of age-related macular degeneration 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1259017 PMID:37901412	研究论文	本文提出了一种联邦学习方法，用于训练深度学习模型以分类年龄相关性黄斑变性（AMD），使用光学相干断层扫描图像数据	采用残差网络和视觉变换器编码器进行正常与AMD的二元分类，并整合了四种独特的域适应技术以解决由不同机构间数据分布不均引起的域转移问题	研究未探讨更深层次的模型和其他联邦学习策略的性能，未来需要进一步探索	研究目的是通过联邦学习方法提高年龄相关性黄斑变性的诊断准确性	年龄相关性黄斑变性（AMD）的光学相干断层扫描图像数据	计算机视觉	老年疾病	光学相干断层扫描	残差网络, 视觉变换器	图像	NA
5935	2025-02-27	A primer on deep learning in genomics 2019-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-018-0295-5 PMID:30478442	综述	本文提供了关于深度学习在基因组分析中应用的视角和入门指南	介绍了深度学习在调控基因组学、变异检测和致病性评分等领域的成功应用，并提供了使用深度学习方法的通用指导和实用工具资源指南	NA	探讨深度学习在基因组分析中的应用	基因组数据	机器学习	NA	深度学习	NA	基因组数据	NA
5936	2025-02-26	A multidimensional adaptive transformer network for fatigue detection 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10224-2 PMID:39991017	研究论文	本文提出了一种多维自适应Transformer网络，用于检测驾驶疲劳状态	引入了一种多维Transformer架构，能够自适应地为不同信息维度分配权重，从而提升特征压缩和结构信息提取的效果	当前研究主要集中在时间维度信息提取，可能忽略了EEG数据的其他维度	提高驾驶疲劳状态检测的准确性和泛化能力	驾驶员的脑电图（EEG）信号	机器学习	NA	EEG信号分析	Transformer	EEG信号	使用了SEED-VIG和SFDE数据集
5937	2025-02-26	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在预测心脏导管实验室（cath lab）手术结束时间方面的性能	仅使用从视频分析中得出的临床阶段作为算法输入，展示了InceptionTime和LSTM-FCN在时间序列预测中的高效性	需要进一步验证这些发现是否适用于不同的手术环境，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测手术结束时间方面的性能，以提高心脏导管实验室的效率	心脏导管实验室的手术	机器学习	心血管疾病	深度学习	InceptionTime, LSTM-FCN, LSTM with attention mechanism, CNN, Transformer	视频	NA
5938	2025-02-26	Cost-efficient training of hyperspectral deep learning models for the detection of contaminating grains in bulk oats by fluorescent tagging 2025-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125856 PMID:39923708	研究论文	本文提出了一种基于荧光标记的高光谱深度学习模型，用于检测燕麦中的污染谷物，以提高训练效率和降低成本	提出了一种利用荧光标记生成高光谱数据标签的新方法，避免了传统手动标注的繁琐和错误	研究仅针对燕麦中的污染谷物检测，未验证该方法在其他谷物或场景中的适用性	研究目的是通过荧光标记提高高光谱深度学习模型在检测燕麦中污染谷物的训练效率	燕麦中的污染谷物（如未涂覆的斯佩尔特小麦）	计算机视觉	NA	荧光标记与高光谱成像	深度学习分割模型	高光谱图像	燕麦与涂覆荧光标记的斯佩尔特小麦混合样本
5939	2025-02-26	In situ self-cleaning PAN/Cu2O@Ag/Au@Ag flexible SERS sensor coupled with chemometrics for quantitative detection of thiram residues on apples 2025-May-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143032 PMID:39855070	研究论文	本研究提出了一种自清洁柔性表面增强拉曼散射（SERS）传感器，结合智能算法用于苹果上硫脲残留的快速原位无损检测	开发了一种具有自清洁功能的柔性SERS传感器，结合深度学习算法进行定量检测，并展示了传感器的可回收性	传感器的回收次数有限，最多可回收5次	开发一种用于食品安全监测的快速原位无损检测技术	苹果上的硫脲残留	食品安全监测	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN），竞争自适应重加权采样-偏最小二乘法（CARS-PLS）	拉曼光谱数据	NA
5940	2025-02-26	Improving binding affinity prediction by emphasizing local features of drug and protein 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108310 PMID:39674048	研究论文	本文提出了一种深度学习模型，通过强调药物和蛋白质的局部特征来提高结合亲和力预测的准确性	提出了一种新的深度学习模型，能够全面提取药物和靶蛋白的局部特征，用于准确的结合亲和力预测	NA	提高药物发现中结合亲和力预测的准确性	药物和靶蛋白	机器学习	NA	深度学习	Multi-Stream CNN, Multi-Stream GCN	序列数据（蛋白质序列），图数据（药物分子）	两个流行数据集：Davis 和 KIBA