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
6301	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
6302	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
6303	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
6304	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
6305	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
6306	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
6307	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
6308	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
6309	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
6310	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
6311	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
6312	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
6313	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
6314	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
6315	2025-02-26	Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study 2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.12.010 PMID:39827035	研究论文	本研究评估了一种自动深度学习方法，用于在锥形束计算机断层扫描（CBCT）中检测颅外和颅内颈动脉及椎动脉的钙化，并利用CBCT衍生的放射组学成像生物标志物预测心血管疾病（CVD）如中风和心脏病发作	结合深度学习和放射组学方法，首次在牙科CBCT扫描中自动检测动脉钙化并预测心血管疾病	椎动脉钙化（VAC）的检测性能较低，仅为0.53 ± 0.17	开发自动化的深度学习方法，用于检测动脉钙化并预测心血管疾病	颅外颈动脉钙化（ECC）、颅内颈动脉钙化（ICC）和椎动脉钙化（VAC）	计算机视觉	心血管疾病	CBCT	nn-UNet	图像	148次扫描用于模型训练和验证，135个钙化区域用于放射组学特征提取
6316	2025-02-26	Using statistical analysis to explore the influencing factors of data imbalance for machine learning identification methods of human transcriptome m6A modification sites 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108351 PMID:39837162	研究论文	本研究通过统计分析方法探讨了影响机器学习识别人类转录组m6A修饰位点数据不平衡的因素	从特征编码表示、深度学习模型和数据重采样策略三个关键角度解决RNA甲基化位点数据不平衡问题，并开发了基于LSTM及其变体mLSTM的分类预测模型，以及使用SeqGAN和SMOTE构建平衡数据集	研究中未提及具体的数据集大小和样本类型，可能影响结果的普适性	探索影响机器学习识别m6A修饰位点数据不平衡的因素，提高识别准确性	人类转录组m6A修饰位点	生物信息学	NA	K-mer one-hot编码策略、LSTM、mLSTM、SeqGAN、SMOTE	LSTM、mLSTM、SeqGAN	RNA序列数据	NA
6317	2025-02-26	The prediction of RNA-small-molecule ligand binding affinity based on geometric deep learning 2025-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108367 PMID:39904171	研究论文	本文提出了一种基于几何深度学习的RNA-小分子配体结合亲和力预测方法，名为RNA-ligand Surface Interaction Fingerprinting (RLASIF)	RLASIF方法首次从分子表面的几何和化学特征创建RNA-配体相互作用指纹，以表征结合亲和力，填补了现有方法在分子表面信息利用上的空白	尽管RLASIF在多个测试集上表现优异，但其在更广泛的RNA-小分子相互作用预测中的应用仍需进一步验证	研究旨在开发一种高效预测RNA-小分子结合亲和力的计算方法，以推动药物发现和抑制剂设计	RNA和小分子配体	机器学习	NA	几何深度学习	RLASIF	分子表面几何和化学特征数据	来自PDBbind NL2020的十个不同测试集
6318	2025-02-26	Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications 2025-Apr-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217555 PMID:39952597	综述	本文综述了过去五年中人工智能在胃肠道肿瘤研究中的进展，特别是在早期肿瘤筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用	强调了人工智能在提高肿瘤筛查敏感性、特异性和准确性方面的潜力，以及其在多组学分析和成像技术整合中的重要作用	未具体提及研究的局限性	探讨人工智能在胃肠道肿瘤研究中的应用及其对提高诊断和治疗效果的潜力	胃肠道肿瘤	数字病理学	胃肠道癌症	深度学习、大语言模型、神经网络	NA	图像	NA
6319	2025-02-26	IDBGL: A unique image dataset of black gram (Vigna mungo) leaves for disease detection and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111347 PMID:39990119	研究论文	本文介绍了一个独特的黑豆（Vigna mungo）叶片图像数据集，用于疾病检测和分类	创建了一个包含4038张图像的黑豆叶片疾病数据集，涵盖五种不同类别，为全球研究人员提供了一个用于早期检测和分类黑豆叶片疾病的深度学习自动化系统的基础	收集健康样本存在困难，且数据集仅来自孟加拉国的两个地区	开发一个深度学习自动化系统，用于早期检测和分类黑豆叶片疾病，以帮助农民和提高农业利益相关者的意识	黑豆（Vigna mungo）叶片	计算机视觉	植物疾病	深度学习	NA	图像	4038张图像，来自孟加拉国的Sirajganj和Solonga地区
6320	2025-02-26	A dataset of annotated African plum images from Cameroon for AI-based quality assessment 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111351 PMID:39990129	研究论文	本文介绍了一个包含4507张非洲李子注释图像的数据集，专为AI驱动的李子质量评估设计	这是首个专门用于非洲李子质量评估的AI数据集，涵盖了六个质量等级，并在自然光下使用智能手机拍摄	数据集仅涵盖非洲李子，可能不适用于其他水果的质量评估	开发用于农业中计算机视觉和深度学习系统的数据集，以实现李子质量的自动化评估	非洲李子	计算机视觉	NA	NA	深度学习	图像	4507张非洲李子图像