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
6561	2025-02-27	Mask R-CNN assisted diagnosis of spinal tuberculosis 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290326 PMID:39973774	研究论文	本文提出了一种基于深度学习的辅助诊断方法，用于脊柱结核的诊断，采用改进的Mask R-CNN模型	通过引入ResPath和cbam*模块对原始Mask R-CNN模型进行改进，提升了模型性能	未提及具体的研究样本量及数据来源的多样性	开发一种准确且客观的脊柱结核诊断方法	脊柱结核的CT影像	计算机视觉	脊柱结核	深度学习	Mask R-CNN, Faster-RCNN, SSD	CT图像	NA
6562	2025-02-27	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	研究论文	本研究旨在通过深度学习技术改进脑卒中后遗症和康复效果的评估，特别是脑损伤区域的准确识别和跟踪	引入了基于深度学习的SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	研究中未提及模型在实际临床环境中的广泛验证和应用情况	改进脑卒中后遗症和康复效果的评估方法	脑卒中患者的脑损伤区域	数字病理学	脑卒中	深度学习	SWI-BITR-UNet, 3D CNN	3D MRI图像	使用Bra2020数据集进行评估
6563	2025-02-27	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了双向长短期记忆网络（Bi-LSTM）以提高肺癌检测的准确性	结合手工特征提取和深度学习，特别是优化Bi-LSTM网络，显著提高了肺癌检测的准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确性，改进诊断系统	肺癌	计算机视觉	肺癌	深度学习，手工特征提取	Bi-LSTM, SVM	医学图像	未明确提及
6564	2025-02-27	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	本文提出了一种基于深度学习模型的对比质量控制方法，用于CT成像中的中风病变分割任务	提出了一种评估图像数据集对比质量的方法，通过机器学习模型确定图像对比度的关键阈值，从而优化数据集设计和加速训练过程	该方法目前仅应用于CT图像中的中风病变分割，尚未在其他任务中验证其适应性	解决CT成像中中风病变分割的主要挑战之一——图像对比度问题	CT成像中的中风病变	数字病理学	中风	深度学习	NA	图像	NA
6565	2025-02-27	Deep Learning for Predicting Biomolecular Binding Sites of Proteins 2025, Research (Washington, D.C.) DOI:10.34133/research.0615 PMID:39995900	研究论文	本文探讨了深度学习在预测蛋白质-生物分子结合位点方面的应用及其对药物发现、突变分析和分子生物学的重要性	提出了结合序列和结构信息的混合模型，并引入了几何深度学习的创新方法，以提高预测准确性	计算需求高，动态建模复杂，且结构基础方法需要高质量的结构数据	开发计算效率高且灵活的模型，以捕捉现实世界中生物分子相互作用的复杂性，扩大结合位点预测在生物医学领域的应用范围	蛋白质-生物分子结合位点	机器学习	NA	深度学习	混合模型	序列数据, 结构数据	NA
6566	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）
6567	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
6568	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
6569	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
6570	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
6571	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
6572	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
6573	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
6574	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
6575	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
6576	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
6577	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
6578	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
6579	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
6580	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