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
6401	2025-02-21	Deep Neural Network Based Predictions of Protein Interactions Using Primary Sequences 2018-Aug-01, Molecules (Basel, Switzerland) DOI:10.3390/molecules23081923 PMID:30071670	研究论文	本文介绍了一种基于深度神经网络的蛋白质相互作用预测框架（DNN-PPI），仅使用蛋白质一级序列进行自动特征学习	提出了一种新的深度神经网络框架，能够自动从蛋白质一级序列中学习特征，避免了传统方法中繁琐的特征工程	模型的过拟合和泛化能力在大多数场景中尚未得到充分研究	大规模预测蛋白质-蛋白质相互作用，以深入了解蛋白质功能、疾病发生和治疗设计	蛋白质一级序列	机器学习	NA	深度学习	CNN, LSTM	序列数据	Pan的人类PPI数据集及六个外部数据集
6402	2025-02-21	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本文研究了使用大规模狨猴发声数据集和深度学习技术自动检测和分类狨猴发声的方法	本文创新性地将深度神经网络（DNN）和长短期记忆循环神经网络（LSTM-RNN）应用于狨猴发声的检测和分类，并与传统的基于规则的检测方法和支持向量机（SVM）分类算法进行了比较	实验数据仅来自四对狨猴双胞胎，样本量相对较小，可能影响模型的泛化能力	自动检测和分类狨猴发声	狨猴发声	自然语言处理	NA	深度学习	DNN, LSTM-RNN, SVM	音频	1500分钟的音频数据，来自四对狨猴双胞胎
6403	2025-02-21	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512415 PMID:30440576	研究论文	本文展示了一种基于FPGA的LSTM RNN实现，用于在名为'NeuroCoder'的移动低功耗嵌入式系统平台上解码10,000个神经数据通道	开发了一种能够在移动低功耗嵌入式系统平台上实现亚毫秒级实时延迟的FPGA实现，用于解码大规模神经数据	研究仅提供了在模拟10,000个神经通道上解码20维频谱时间表示的证明，未涉及实际神经数据的验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据（10,000个通道）	机器学习	NA	FPGA实现	LSTM RNN	神经数据	模拟10,000个神经通道
6404	2025-02-21	A deep learning framework for causal shape transformation 2018-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2017.12.003 PMID:29301111	研究论文	本文提出了一种结合卷积神经网络（CNN）和堆叠自编码器（SAE）的混合架构，用于学习一系列因果动作，将输入视觉模式或分布非线性转换为具有相同支持的目标视觉模式或分布	提出了一种新的混合架构，结合CNN和SAE，用于解决高维一对多逆映射问题，特别是在微流体流动塑造中的应用	该方法主要适用于可见域中的状态转换，可能不适用于依赖潜在域的问题	研究如何利用深度学习解决高维物理问题，特别是在材料科学和医学生物学中的多步拓扑变换	微流体流动塑造中的高维一对多逆映射问题	机器学习	NA	深度学习	CNN, SAE	图像	NA
6405	2025-02-21	Deep Recurrent Neural Networks for Human Activity Recognition 2017-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s17112556 PMID:29113103	研究论文	本文提出使用深度循环神经网络（DRNNs）构建能够捕捉可变长度输入序列中长距离依赖关系的识别模型	提出了基于长短期记忆（LSTM）DRNNs的单向、双向和级联架构，能够捕捉输入序列中的长距离依赖关系，优于传统的机器学习方法和其它深度学习技术	未提及具体局限性	研究人类活动识别中的深度学习应用	从身体佩戴传感器获取的原始输入序列	机器学习	NA	深度学习	DRNNs, LSTM	时间序列数据	未提及具体样本数量
6406	2025-02-21	DeepSleepNet: A Model for Automatic Sleep Stage Scoring Based on Raw Single-Channel EEG 2017-11, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2017.2721116 PMID:28678710	研究论文	本文提出了一种名为DeepSleepNet的深度学习模型，用于基于原始单通道EEG的自动睡眠阶段评分	该模型利用卷积神经网络提取时间不变特征，并使用双向长短期记忆网络自动学习睡眠阶段之间的转换规则，无需手工设计特征	模型未在不同数据集的模型架构和训练算法上进行调整，可能限制了其泛化能力	开发一种自动睡眠阶段评分模型，以减少对手工设计特征的依赖	单通道EEG数据	机器学习	NA	深度学习	CNN, 双向LSTM	EEG信号	两个公共睡眠数据集（MASS和Sleep-EDF）中的不同单通道EEG数据
6407	2025-02-21	A deep learning framework for financial time series using stacked autoencoders and long-short term memory 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0180944 PMID:28708865	研究论文	本文提出了一种结合小波变换、堆叠自编码器和长短期记忆网络的新型深度学习框架，用于股票价格预测	首次将堆叠自编码器用于股票价格预测中的深度特征提取	NA	提高股票价格预测的准确性和盈利能力	六个市场指数及其对应的指数期货	机器学习	NA	小波变换、堆叠自编码器、长短期记忆网络	SAEs, LSTM	时间序列数据	六个市场指数及其对应的指数期货
6408	2025-02-20	Detection of camellia oil adulteration based on near-infrared spectroscopy and smartphone combined with deep learning and multimodal fusion 2025-Apr-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.142930 PMID:39826519	研究论文	本研究开发了一种基于近红外光谱和智能手机结合深度学习与多模态融合的茶油掺假检测系统	结合近红外光谱和智能手机视觉数据，采用多模态融合方法提高检测精度，提出了一种实时检测茶油真实性的新方法	研究仅针对茶油与菜籽油的二元掺假系统，未涉及其他可能的掺假油种	开发一种实时检测茶油掺假的方法，以应对日益严重的食品安全问题	茶油与菜籽油的掺假样品	机器学习	NA	近红外光谱、智能手机图像和视频分析	深度学习模型	光谱数据、图像数据、视频数据	243个掺假油样
6409	2025-02-20	Convolutional neural networks for automatic MR classification of myocardial iron overload in thalassemia major patients 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11245-x PMID:39658686	研究论文	本文开发了一种深度学习模型，用于从T2*多回波MR图像中自动分类心肌铁过载（MIO）	开发了两种2D卷积神经网络（CNN），分别用于多切片（MS-HippoNet）和单切片（SS-HippoNet）分析，以自动分类心肌铁过载	研究仅基于回顾性数据，且样本主要来自地中海贫血患者，可能限制了模型的泛化能力	开发一种深度学习模型，用于自动分类心肌铁过载（MIO）	496名地中海贫血患者的心脏T2*多回波MR图像	计算机视觉	地中海贫血	T2*多回波MR成像	CNN	图像	823张心脏T2*多回波MR图像，来自496名地中海贫血患者
6410	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）
6411	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）
6412	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点
6413	2025-02-20	ESI-GAL: EEG source imaging-based trajectory estimation for grasp and lift task 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109608 PMID:39733553	研究论文	本研究利用脑电图（EEG）信号进行运动学预测，探索了基于EEG源成像（ESI）的运动学预测方法，并开发了深度学习模型用于解码手部运动学	首次将EEG源成像（ESI）数据用于运动学预测，并开发了深度学习模型rEEGNet进行解码	研究仅基于公开数据集WAY-EEG-GAL，未涉及其他任务或数据集	开发基于EEG信号的运动学预测方法，用于脑机接口（BCI）系统如外骨骼、假肢和康复设备	手部抓握和举升任务的三维运动学轨迹	脑机接口	NA	EEG源成像（ESI）	rEEGNet	EEG信号	公开数据集WAY-EEG-GAL
6414	2025-02-20	Towards safe and reliable deep learning for lung nodule malignancy estimation using out-of-distribution detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109633 PMID:39736253	研究论文	本文提出了一种基于马氏距离的离群分布检测方法，用于提高深度学习模型在肺结节恶性风险评估中的安全性和可靠性	提出了一种新的离群分布检测方法，利用马氏距离来检测与训练数据分布不同的未见数据，并在多个数据集上验证了其有效性	未发现深度学习模型性能随离群分布评分增加而下降的情况，这可能限制了方法的普适性	提高深度学习模型在临床应用中处理未见数据时的安全性和可靠性	肺结节的恶性风险评估	计算机视觉	肺癌	深度学习	深度学习模型	胸部CT图像	四个不同数据集
6415	2025-02-20	Enhancing lesion detection in liver and kidney CT scans via lesion mask selection from two models: A main model and a model focused on small lesions 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109602 PMID:39740509	研究论文	本文提出了一种通过从两个模型中选择病变掩码来增强肝脏和肾脏CT扫描中病变检测的方法	提出了一种选择性集成方法，利用两个基于UNet架构的模型的预测来选择最佳病变掩码，其中一个模型专注于小病变的检测	尽管提高了检测和分割性能，但方法在公共数据集上的假阴性率仍然较高，尤其是对于小病变	提高肝脏和肾脏CT扫描中病变的检测和分割准确性	肝脏和肾脏CT扫描中的病变	计算机视觉	肝癌, 肾癌	CT扫描	UNet, ConvNext	图像	三个不同的病变分割数据集
6416	2025-02-20	Knee osteoarthritis severity detection using deep inception transfer learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109641 PMID:39742824	研究论文	本文提出了一种基于InceptionV3模型的迁移学习方法，用于提高膝关节骨关节炎（OA）严重程度的检测准确性	通过双阶段预处理和卷积神经网络进行特征提取，改进了OA严重程度的识别	模型的准确性仍有待进一步提高，且依赖于特定数据集（Osteoarthritis Initiative dataset）	提高膝关节骨关节炎严重程度的检测准确性	膝关节骨关节炎患者	计算机视觉	骨关节炎	迁移学习	InceptionV3	图像	Osteoarthritis Initiative数据集
6417	2025-02-20	Attention-guided CenterNet deep learning approach for lung cancer detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109613 PMID:39753023	研究论文	本文提出了一种改进的CenterNet深度学习框架，结合ResNet-34和注意力机制，用于肺癌检测	创新性地将ResNet-34与注意力机制结合到CenterNet架构中，提升了特征提取能力，减少了计算复杂性和推理时间	无法有效定位光照变化强烈的样本	提高肺癌的早期检测和诊断能力	肺癌检测	计算机视觉	肺癌	深度学习	CenterNet, ResNet-34	图像	LUNA-16数据集和Kaggle数据样本
6418	2025-02-20	PFSH-Net: Parallel frequency-spatial hybrid network for segmentation of kidney stones in pre-contrast computed tomography images of dogs 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109609 PMID:39753026	研究论文	本文提出了一种并行频率-空间混合网络（PFSH-Net），用于在狗的预对比CT图像中分割肾结石	提出了一个并行频率-空间混合网络（PFSH-Net），并设计了一个多尺度融合（MSF）模块，以同时捕捉空间和频率域特征	公共数据集中缺乏高质量的狗病变和器官的CT注释	开发一种能够准确检测狗肾结石的深度学习模型	狗的预对比CT图像中的肾结石	计算机视觉	肾结石	深度学习	PFSH-Net	CT图像	JBNU-ACT数据集和BTCV数据集
6419	2025-02-20	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是针对胶质母细胞瘤（GBM）的研究	本文首次系统性地回顾了ML/DL技术在GBM组织病理学研究中的应用，并揭示了这些技术在揭示GBM发病机制中的潜力	许多研究未能清晰地报告ML/DL模型的训练和评估方法，影响了模型的稳健性和可重复性	探讨ML/DL技术如何推动脑肿瘤特别是GBM的组织病理学研究进展	胶质母细胞瘤（GBM）及其组织病理学数据	数字病理学	脑肿瘤	机器学习和深度学习技术	SVM分类器和基于ResNet的CNN架构	组织病理学数据和组学数据	54项符合条件的研究
6420	2025-02-20	Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109649 PMID:39798507	研究论文	本研究利用深度学习技术，通过弱标注的病理全切片图像（WSIs）研究结直肠癌（CRC）分类问题，并优化多实例学习（MIL）算法以提高分类性能	提出了与MIL集成的WSI标签预测函数，显著提升了WSI级别的分类性能，并通过预处理技术生成了计算效率高的数据集表示	研究依赖于弱标注数据，可能影响模型的精确度	开发一个高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类	结直肠癌的病理全切片图像	数字病理学	结直肠癌	深度学习	多实例学习（MIL）	图像	未明确提及具体样本数量