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
6081	2025-02-24	A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635583 PMID:39464200	研究论文	本文开发了一个深度学习框架，用于在药物难治性局灶性癫痫患者的静息态功能磁共振成像（rs-fMRI）中定位致痫区（EZ），并处理训练和测试中的噪声标签问题	提出了一个多任务深度学习框架，能够同时识别噪声标签的概率和每个感兴趣区域（ROI）的定位预测	由于临床协议的限制，具有可靠EZ标签的数据集稀缺，且使用的标签可能包含噪声	开发一个数学框架来表征EZ定位中的噪声标签，并提高定位性能	药物难治性局灶性癫痫患者	数字病理学	癫痫	rs-fMRI	多任务深度学习框架	图像	模拟数据集（来自人类连接组计划）和临床癫痫数据集
6082	2025-02-24	High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI 2024-Mar-06, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.04.24303727 PMID:38496517	研究论文	本文介绍了一种高分辨率多延迟动脉自旋标记（MDASL）协议，并提出了基于Transformer的深度学习模型，用于儿科灌注MRI的去噪	提出了基于Transformer的深度学习模型，结合k空间加权图像平均（KWIA）去噪图像作为参考，有效提高了多延迟ASL图像的信噪比（SNR）和测试-重测重复性	研究样本仅限于8至17岁的典型发育儿童，未涵盖其他年龄段或特殊发育情况的儿童	提高儿科灌注MRI中多延迟动脉自旋标记（MDASL）图像的质量和重复性	21名8至17岁的典型发育儿童	医学影像	NA	多延迟动脉自旋标记（MDASL），k空间加权图像平均（KWIA）	Transformer	MRI图像	21名8至17岁的典型发育儿童
6083	2025-02-24	NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans 2024-Feb-20, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05973-8 PMID:38376564	研究论文	本研究评估了nnU-Net在对比增强T1（T1CE）图像中分割大脑、皮肤、肿瘤和脑室的性能，并与现有的网格生长算法（MGA）进行了对比	nnU-Net在分割大脑、皮肤、肿瘤和脑室方面显著优于MGA，且速度更快，减少了手动调整和迭代的需求	训练集规模较小，可能影响模型的泛化能力	评估nnU-Net在神经外科3D图像分割中的性能	对比增强T1（T1CE）图像中的大脑、皮肤、肿瘤和脑室	计算机视觉	神经外科疾病	对比增强T1 MRI扫描	nnU-Net	3D图像	67个用于训练的T1CE脑部扫描和32个用于测试的扫描
6084	2025-02-24	Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients 2024-Feb-07, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05940-3 PMID:38321344	研究论文	本研究评估了AI辅助的脑脊液分流阀检测系统在神经外科中的可行性	使用深度学习模型自动识别X射线或CT图像中的不同分流阀模型，提高识别速度和准确性	数据集仅包含2070张图像，可能不足以涵盖所有分流阀类型	评估AI辅助分流阀检测系统在神经外科中的可行性	脑脊液分流阀	计算机视觉	脑积水	深度学习	CNN	图像	2070张X射线或CT图像，涵盖10种不同的分流阀类型
6085	2025-02-24	Deep learning performance on MRI prostate gland segmentation: evaluation of two commercially available algorithms compared with an expert radiologist 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.015002 PMID:38404754	研究论文	本研究评估了两种商用深度学习算法在MRI前列腺分割中的表现，并与专家放射科医生的手动分割进行了比较	在真实临床环境中评估商用AI模型的前列腺分割性能，填补了现有研究的空白	未对深度学习算法进行内部训练，且样本量相对较小	验证商用AI模型在前列腺分割中的准确性和临床应用价值	123名患者的多中心、多扫描仪MRI数据集	数字病理学	前列腺癌	深度学习算法	深度学习算法（DLA1和DLA2）	MRI图像	123名患者
6086	2025-02-23	QuantumNet: An enhanced diabetic retinopathy detection model using classical deep learning-quantum transfer learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103185 PMID:39981059	研究论文	本文介绍了一种名为QuantumNet的混合模型，结合了经典深度学习和量子迁移学习，用于增强糖尿病视网膜病变（DR）的检测	QuantumNet结合了经典深度学习模型和量子计算的优势，通过量子迁移学习提高了DR检测的准确性和资源效率	NA	提高糖尿病视网膜病变的检测准确性和效率	糖尿病视网膜病变（DR）	医学影像	糖尿病视网膜病变	量子迁移学习	CNN, ResNet50, MobileNetV2, 变分量子分类器	图像	APTOS 2019 blindness detection dataset on Kaggle
6087	2025-02-23	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种结合深度学习重建和量化的动态对比增强（DCE）MRI技术，旨在提高DCE-MRI的临床应用	提出了一种名为DCE-Movienet的新型深度重建网络，与之前开发的DCE-Qnet深度量化网络结合，实现了快速且定量的DCE-MRI	研究仅在健康志愿者和一名宫颈癌患者中进行了验证，样本量较小	提高DCE-MRI在临床中的速度和量化鲁棒性	健康志愿者和宫颈癌患者	医学影像	宫颈癌	动态对比增强（DCE）MRI	DCE-Movienet, DCE-Qnet	4D MRI数据	健康志愿者和一名宫颈癌患者
6088	2025-02-23	Performance and efficiency of machine learning models in analyzing capillary serum protein electrophoresis 2025-Mar-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120165 PMID:39875052	研究论文	本文研究了机器学习模型在分析毛细血管血清蛋白电泳（SPEP）中的性能和效率，旨在通过人工智能模型提高M蛋白的分类和定位准确性	本文创新性地将U-Net与Transformer模型结合，用于M蛋白的分类和定位，展示了与临床专家相当的性能	研究依赖于单一数据集，且未探讨模型在其他类型疾病中的应用	开发人工智能诊断模型，以提高SPEP在M蛋白相关疾病诊断中的准确性和效率	毛细血管血清蛋白电泳（SPEP）数据	机器学习	M蛋白相关疾病	血清蛋白电泳（SPEP）	XGB, U-Net, Transformer	电泳数据	85,026个SPEP结果用于训练和验证，1,079个样本用于测试
6089	2025-02-23	Computational advances in biosynthetic gene cluster discovery and prediction 2025 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108532 PMID:39924008	综述	本文综述了生物合成基因簇（BGCs）发现和预测中的计算进展，特别是机器学习和深度学习算法在此领域的应用	强调了人工智能，特别是机器学习和深度学习算法在提高BGC挖掘速度和精度方面的潜力	讨论了计算方法在BGC挖掘中面临的挑战	提高生物合成基因簇（BGCs）的识别和注释效率，以促进新代谢物的发现	细菌、真菌以及部分植物和动物中的生物合成基因簇（BGCs）	机器学习	NA	机器学习模型和深度学习算法	NA	基因组数据	NA
6090	2025-02-23	Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures 2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02793-y PMID:39984717	研究论文	本研究评估了结合区块链技术和人工智能的先进诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性	创新点在于结合区块链技术和人工智能，构建了一个分布式网络，用于检测胫骨平台骨折，并通过多节点聚合模型参数来提高准确性	研究未提及模型在其他类型骨折或不同医疗环境中的适用性	评估结合区块链技术和人工智能的模型在急诊环境中识别胫骨平台骨折的可行性和有效性	胫骨平台骨折	数字病理	骨折	区块链技术，深度学习	分布式AI模型，YOLOv8n	图像	来自三家独立医院的图像数据
6091	2025-02-23	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	本文探讨了免疫细胞如何在动态微环境中通过转录因子和染色质动态协调形成记忆，特别是在巨噬细胞中对炎症信号的响应	揭示了巨噬细胞通过重新编程NF-κB网络和染色质可及性景观来保留对过去炎症信号记忆的机制	研究主要集中于巨噬细胞和脓毒症模型，可能不适用于所有类型的免疫细胞或炎症条件	研究免疫细胞在动态炎症条件下如何编码和解码信号，并保留对过去暴露的记忆	巨噬细胞	生物信息学	脓毒症	ATAC测序, 转录组分析, 深度学习	深度学习	基因表达数据, 染色质可及性数据	NA
6092	2025-02-23	AI-based approach to dissect the variability of mouse stem cell-derived embryo models 2025-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56908-5 PMID:39971935	研究论文	本文利用深度学习技术提高小鼠干细胞衍生胚胎模型选择的重复性，通过活体成像和AI模型对900个小鼠植入后干细胞衍生胚胎样结构进行分类	首次将深度学习应用于干细胞衍生胚胎模型的分类，揭示了正常发育的胚胎具有更高的细胞数量和独特的形态特征	研究仅针对小鼠模型，未涉及其他物种	提高干细胞衍生胚胎模型选择的重复性和一致性	小鼠植入后干细胞衍生胚胎样结构	机器学习	NA	深度学习	深度学习模型	图像	900个小鼠植入后干细胞衍生胚胎样结构
6093	2025-02-23	An infrared dataset for partially occluded person detection in complex environment for search and rescue 2025-Feb-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04600-0 PMID:39971943	研究论文	本文介绍了一个基于无人机的红外热成像数据集，用于复杂环境中部分遮挡人员检测	提出了一个专门针对部分遮挡人员检测的红外热成像数据集，填补了现有非遮挡人体目标数据集的不足	数据集的遮挡率超过70%时，检测精度会下降	提高复杂环境中部分遮挡人员检测的自动识别能力	部分遮挡的人员	计算机视觉	NA	红外热成像	目标检测网络	图像	8768张标注的热成像图像
6094	2025-02-23	LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89651-4 PMID:39971977	研究论文	本文提出了一种AI驱动的实时交通管理系统，旨在减少紧急医疗服务（EMS）的响应时间	结合了基于Raspberry Pi的交通信号优先、深度学习支持的视听救护车检测和先进的智能交通管理框架，通过多模态数据融合实现高精度救护车检测	未提及系统在实际城市环境中的部署和长期运行效果	优化救护车路线和交通信号控制，以减少紧急医疗服务的响应时间	城市交通网络和紧急医疗服务	计算机视觉	NA	MFCCs、LSTM、ResNet18	LSTM、ResNet18	音频、图像	未明确提及具体样本数量
6095	2025-02-23	Lightweight visual localization algorithm for UAVs 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88089-y PMID:39971988	研究论文	本文介绍了一种名为Lightv8nPnP的轻量级视觉定位算法模型，旨在使基于深度学习的无人机视觉定位算法更加轻量化	引入了GhostConv构建GDetect检测头模块，采用Wise-IoU作为边界框回归损失函数，并基于无人机航空数据集样本特性修改YOLOv8n网络结构，创建了TrimYOLO网络结构	未提及具体的数据集规模或多样性限制	开发一种高效的视觉定位算法模型，以实现无人机的精确三维定位	无人机	计算机视觉	NA	深度学习	YOLOv8n, TrimYOLO	图像	未提及具体样本数量
6096	2025-02-23	A skin disease classification model based on multi scale combined efficient channel attention module 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90418-0 PMID:39972014	研究论文	本研究提出了一种基于多尺度通道注意力的皮肤疾病分类模型，旨在提高皮肤疾病的诊断准确率	改进了金字塔分割注意力模块以完全提取图像的多尺度特征，并在骨干网络中使用反向残差结构替代残差结构，集成了注意力模块以实现更好的多尺度特征提取	未提及模型的局限性	提高皮肤疾病的分类准确率，以辅助临床诊断和治疗	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	基于多尺度通道注意力的分类模型	图像	使用了ISIC2019和HAM10000两个常用的皮肤疾病数据集进行验证
6097	2025-02-23	Temporal and spatial self supervised learning methods for electrocardiograms 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90084-2 PMID:39972080	研究论文	本文提出了一种专门为心电图检测设计的时间-空间自监督学习方法（TSSL），以解决标记数据有限的问题并提高特征表示	TSSL方法利用心电图信号的内在时间和空间特性来增强特征表示，通过时间上保持个体身份信息的一致性和空间上捕捉不同导联间的相关性，提供了新的视角和能力	虽然TSSL在少量标记数据下表现优异，但其性能仍依赖于数据质量和多样性，且未在所有心电图数据集上进行验证	研究目的是开发一种自监督学习方法，以解决心电图检测中标记数据有限的问题，并提高特征表示的效果	研究对象是心电图信号，特别是其时间和空间特性	机器学习	心血管疾病	自监督学习	TSSL	心电图信号	CPSC2018、Chapman和PTB-XL数据库中的心电图数据
6098	2025-02-23	Ensemble fuzzy deep learning for brain tumor detection 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90572-5 PMID:39972098	研究论文	本文提出了一种新颖的集成模糊深度学习方法，用于脑部磁共振成像（MRI）分析，旨在提高脑组织和异常的分割效果	该方法集成了多种组件，包括增强的体素模糊池化、模型融合策略和注意力机制，以专注于输入数据中最相关的区域	未明确提及具体限制	改进脑部MRI图像的分割效果	脑部MRI图像	计算机视觉	脑肿瘤	MRI	集成模糊深度学习	图像	未明确提及具体样本数量
6099	2025-02-23	Assessment of hydrological loading displacement from GNSS and GRACE data using deep learning algorithms 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90363-y PMID:39972111	研究论文	本文介绍了一种使用3D卷积神经网络（3D-CNN）估算水文负荷位移的新方法	使用3D-CNN方法显著提高了水文负荷位移的反演精度，相比传统的负荷格林函数反演技术，最大偏差减少了1.34毫米，绝对最小偏差减少了1.47毫米，绝对平均偏差减少了79.6%，标准偏差减少了31.4%	研究仅限于中国云南省及其邻近地区的41个GNSS站点的数据，可能不适用于其他地区	精确评估陆地水负荷位移（TWLD）对大地测量观测和高精度动态参考框架的建立和维护的影响	云南省及其邻近地区的41个GNSS站点的垂直位移时间序列数据	机器学习	NA	3D卷积神经网络（3D-CNN）	3D-CNN	时间序列数据	41个GNSS站点的数据
6100	2025-02-23	Genetic insights into the shared molecular mechanisms of Crohn's disease and breast cancer: a Mendelian randomization and deep learning approach 2025-Feb-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01978-6 PMID:39964572	研究论文	本研究旨在探索克罗恩病与乳腺癌之间的潜在遗传联系，重点关注可能具有治疗相关性的可药物基因	结合孟德尔随机化和深度学习方法来研究两种疾病之间的遗传联系，并预测基因-药物相互作用	研究结果仅为初步发现，需要进一步实验验证	探索克罗恩病与乳腺癌之间的遗传联系，识别可能的治疗靶点	克罗恩病和乳腺癌的遗传数据	机器学习	克罗恩病, 乳腺癌	孟德尔随机化, 深度学习	深度学习	单核苷酸多态性(SNP)	NA