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
7121	2025-02-07	A novel early stage drip irrigation system cost estimation model based on management and environmental variables 2025-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88446-x PMID:39900997	研究论文	本研究旨在通过环境和管理变量建立一个早期滴灌系统成本估算模型	使用多种特征选择算法和机器学习模型来估算滴灌系统的成本，并确定了最佳的特征选择技术和模型	研究依赖于515个项目的数据库，可能无法完全代表所有滴灌系统的成本情况	估算早期滴灌系统的成本	515个滴灌系统项目	机器学习	NA	多种特征选择算法（如WCC、LCA、GA、PSO、ACO、ICA、LA、HTS、FOA、DSOS、CUK）和机器学习模型（如多元线性回归、支持向量回归、人工神经网络、基因表达式编程、遗传算法、深度学习、决策树）	支持向量机（SVM）、人工神经网络（ANN）	结构化数据	515个滴灌系统项目
7122	2025-02-07	AI-driven video summarization for optimizing content retrieval and management through deep learning techniques 2025-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87824-9 PMID:39901035	研究论文	本研究提出了一种基于深度学习的AI驱动视频摘要方法，用于优化大型异构媒体档案中的内容检索和管理	结合卷积神经网络（CNN）和长短期记忆网络（LSTM）提取帧级和时序视频特征，并集成ResNet50增强内容表示，采用双帧视频流提升系统性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	解决大型异构媒体档案中视频内容的组织和检索挑战，提升在线视频数量和质量的需求	视频内容	计算机视觉	NA	深度学习	CNN, LSTM, ResNet50	视频	YouTube, EPFL, TVSum数据集
7123	2025-02-07	Comparative analysis of the DCNN and HFCNN Based Computerized detection of liver cancer 2025-Feb-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01578-4 PMID:39901085	研究论文	本研究比较了深度卷积神经网络（DCNN）和层次融合卷积神经网络（HFCNN）在肝癌检测中的有效性	通过滤波增强CT图像的边缘和纹理，实现精确的肝脏分割，并比较了DCNN和HFCNN两种先进方法在肝癌检测中的表现	CT图像检测过程中存在结构重叠（如胆管、血管）、图像噪声、纹理变化、大小和位置变化以及固有的异质性，可能导致分割错误和不同的分析结果	评估DCNN和HFCNN在肝癌检测和分割中的有效性	肝癌的CT图像	计算机视觉	肝癌	CT图像分析	DCNN, HFCNN	图像	NA
7124	2025-02-07	Pathological and radiological assessment of benign breast lesions with BIRADS IVc/V subtypes. should we repeat the biopsy? 2025-Feb-03, BMC women's health DOI:10.1186/s12905-025-03569-7 PMID:39901102	研究论文	本研究旨在识别分类为BIRADS IVc和V的良性乳腺肿块的组织病理学诊断，并探讨这些肿块的放射学特征，以及可能导致假阳性结果的超声特征	研究通过对比分析良性乳腺肿块与恶性病例的放射学特征，识别出与良性病理显著相关的超声特征，如肿块呈椭圆形和后部阴影的存在	研究为单中心回顾性研究，可能存在选择偏差，且样本量相对较小	提高乳腺病变的诊断准确性，减少假阳性率	分类为BIRADS IVc和V的乳腺肿块	数字病理学	乳腺癌	针芯/立体定向真空辅助活检	NA	图像	828例乳腺病变（其中44例为良性，784例为恶性）
7125	2025-02-07	Meso Hybridized Silk Fibroin Watchband for Wearable Biopotential Sensing and AI Gesture Signaling 2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202410702 PMID:39660568	研究论文	本文介绍了一种智能且灵活的表带，用于可穿戴生物电位传感和AI手势信号识别	结合了基于Mo-Au丝网的微型柔性电极阵列和介观杂交丝素蛋白薄膜，实现了高信噪比、高灵敏度和显著的运动噪声减少	NA	开发一种用于生物电位传感和手势识别的智能表带	人类生物电位信号和肌肉动作	可穿戴技术	NA	深度学习	NA	生物电位信号	20名不同性别的志愿者
7126	2025-02-07	Enhancing signal-to-noise ratio in real-time LED-based photoacoustic imaging: A comparative study of CNN-based deep learning architectures 2025-Feb, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100674 PMID:39758833	研究论文	本研究系统评估了多种基于编码器-解码器的CNN架构在实时LED光声成像中提高信噪比的效果	首次系统评估了不同深度学习方法在LED光声成像中的去噪效果，并比较了多种U-Net变体的性能	研究未涉及人体样本，且未评估模型在临床环境中的实际应用效果	提高LED光声成像中的信噪比	模型、幻影、小鼠器官和肿瘤	计算机视觉	NA	光声成像	CNN、U-Net、Dense U-Net、R2 U-Net	图像	幻影、小鼠器官和肿瘤
7127	2025-02-07	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	本文开发了一种名为PreEMPT-ECMO的分层深度学习模型，用于预测体外膜氧合（ECMO）的使用，以增强患者分诊和资源分配	利用多模态数据开发了一种新的分层深度学习模型，能够整合静态和多粒度时间序列特征，生成ECMO使用的连续预测	需要进一步的前瞻性验证和在非COVID-19难治性呼吸衰竭中的通用性研究	开发一种连续的ECMO风险预测模型，以增强患者分诊和资源分配	COVID-19患者	机器学习	COVID-19	深度学习	分层深度学习模型	多模态数据（静态和时间序列数据）	101,400名患者，其中1,298名（1.28%）接受了ECMO支持
7128	2025-02-07	AI-based methods for biomolecular structure modeling for Cryo-EM 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102989 PMID:39864242	综述	本文综述了基于人工智能的冷冻电镜数据处理技术，特别是大分子结构建模和异质性分析方面的最新进展	讨论了深度学习等人工智能技术在冷冻电镜数据处理中的最新应用，显著提升了处理性能	NA	探讨人工智能在冷冻电镜数据处理中的应用，特别是大分子结构建模和异质性分析	冷冻电镜数据	结构生物学	NA	冷冻电镜（Cryo-EM）	深度学习	图像	NA
7129	2025-02-07	Image reconstruction of electromagnetic tomography based on generative adversarial network with spectral normalization and improved dung beetle optimization algorithm 2025-Feb-01, The Review of scientific instruments DOI:10.1063/5.0233552 PMID:39912879	研究论文	本文提出了一种基于生成对抗网络的深度学习模型STDBOGAN，用于改进电磁断层成像（EMT）的图像重建质量	STDBOGAN模型引入了谱归一化和双时间尺度更新规则以稳定训练过程，并采用改进的蜣螂优化算法自动调整网络超参数，提高了图像重建的准确性	NA	改进电磁断层成像（EMT）的图像重建质量，解决其高度非线性和不适定问题	电磁断层成像（EMT）的图像重建	计算机视觉	NA	深度学习	生成对抗网络（GAN）	图像	通过仿真软件建立的数据集
7130	2025-02-07	Cloud and IoT based smart agent-driven simulation of human gait for detecting muscles disorder 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42119 PMID:39906796	研究论文	本文提出了一种基于云计算和物联网的智能代理驱动的人体步态模拟方法，用于检测肌肉障碍	使用智能手机代替难以获取的可穿戴传感器和标记物来数字化人体运动，并结合深度学习的集成框架提高分析的准确性和可解释性	未提及具体样本量或实验验证的详细结果	分析人体运动并区分健康与不健康的肌肉，以辅助治疗运动障碍	人体步态和肌肉运动	数字病理学	肌肉障碍	物联网（IoT）、云计算、深度学习	深度学习集成框架	运动数据	NA
7131	2025-02-07	Deep learning-based system for prediction of work at height in construction site 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41779 PMID:39906815	研究论文	本文提出了一种基于深度学习的系统，用于预测建筑工地上工人的高空作业情况	通过结合加速度计、陀螺仪和压力传感器的数据，利用深度学习技术预测工人的高空作业状态，填补了该领域的信息空白	研究中仅使用了45次分析，样本量可能不足以全面验证模型的泛化能力	预测建筑工地上工人是否在高空作业，以减少高空坠落事故的风险	建筑工地上的工人	机器学习	NA	深度学习	DNN, CNN, LSTM	传感器数据（加速度计、陀螺仪、压力传感器）	45次分析
7132	2025-02-07	Machine learning-based prediction of hemodynamic parameters in left coronary artery bifurcation: A CFD approach 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41973 PMID:39906857	研究论文	本研究通过结合机器学习算法与计算流体动力学模拟，旨在提高左冠状动脉分叉处复杂血流动力学的无创预测能力	首次将机器学习算法与计算流体动力学模拟相结合，用于左冠状动脉分叉处血流动力学的预测，提供了一种快速可靠的评估方法	需要进一步研究深度学习模型的有效性，并解决患者特异性应用中的挑战	研究左冠状动脉分叉处狭窄严重程度和位置对血流动力学的影响，以提高无创预测能力	左冠状动脉分叉处的血流动力学参数（如壁面剪切应力和振荡剪切指数）	机器学习	心血管疾病	计算流体动力学（CFD）	决策树回归器和K近邻模型	合成几何数据	6858个合成的左冠状动脉几何数据
7133	2025-02-06	Soft computing paradigm for climate change adaptation and mitigation in Iran, Pakistan, and Turkey: A systematic review 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41974 PMID:39906868	系统综述	本文系统综述了人工智能（AI）在伊朗、巴基斯坦和土耳其的气候变化适应和缓解中的应用	通过系统综述方法，揭示了AI在ECO国家气候变化研究中的应用现状，并提出了一个更综合的研究框架	存在跨境合作有限和数据可用性不一致等关键差距	探讨AI在气候变化适应和缓解中的应用，以提升区域气候韧性和可持续性	伊朗、巴基斯坦和土耳其的气候变化问题	机器学习	NA	机器学习（ML）、深度学习（DL）	神经网络、优化或元启发式算法	NA	76篇相关文章
7134	2025-02-07	Caps-ac4C: An effective computational framework for identifying N4-acetylcytidine sites in human mRNA based on deep learning 2025-Jan-28, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.168961 PMID:39884569	研究论文	本文提出了一种基于深度学习的计算框架Caps-ac4C，用于精确检测人类mRNA中的N4-乙酰胞苷（ac4C）位点	Caps-ac4C利用混沌游戏表示将RNA序列编码为“图像”，并采用胶囊网络从这些RNA“图像”中学习全局和局部特征，实现了最先进的性能	NA	开发一种高效且准确的计算框架，用于精确检测人类mRNA中的ac4C位点，以深入了解疾病发病机制并提供新的医学干预途径	人类mRNA中的N4-乙酰胞苷（ac4C）位点	机器学习	癌症	深度学习	胶囊网络	RNA序列	NA
7135	2024-09-04	Correction: Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2025-Jan, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03539-z PMID:39223254	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7136	2025-02-07	Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240124 PMID:39503605	研究论文	本研究结合深度学习和基于生物学的建模，预测局部晚期三阴性乳腺癌患者在新辅助化疗（NAC）前的反应	创新点在于结合了基于生物学的数学模型和卷积神经网络（CNN），仅使用NAC前的MRI数据预测肿瘤在NAC期间的空间和时间演变	研究为回顾性研究，样本量相对较小（118名患者），且仅针对三阴性乳腺癌患者	预测三阴性乳腺癌患者在新辅助化疗前的反应	局部晚期三阴性乳腺癌患者	数字病理学	乳腺癌	MRI	卷积神经网络（CNN）	图像	118名女性患者（中位年龄51岁，范围29-78岁）
7137	2025-02-07	SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240005 PMID:39503603	研究论文	开发了一种深度学习工具SCIseg，用于在T2加权MRI扫描中自动分割脊髓损伤（SCI）的脊髓和髓内病变	SCIseg是一种开源工具，通过主动学习的三阶段过程训练，能够自动分割髓内SCI病变和脊髓，并在多样化的T2加权MRI扫描数据集上准确提取临床相关病变特征	研究中未提及模型在不同扫描设备和图像分辨率下的泛化能力，也未讨论模型在临床实际应用中的潜在挑战	开发一种自动分割脊髓损伤病变的深度学习工具，以辅助临床诊断和治疗	脊髓损伤患者的T2加权MRI扫描数据	数字病理学	脊髓损伤	T2加权MRI扫描	卷积神经网络（CNN）	图像	191名脊髓损伤患者
7138	2025-02-07	End-to-end deep learning patient level classification of affected territory of ischemic stroke patients in DW-MRI 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03520-x PMID:39656236	研究论文	本文开发了一种端到端的深度学习模型，用于自动分类中风患者DWI图像中的受影响区域	创新点在于结合了临床信息作为领域知识向量，并采用了多种深度学习模型进行3D编码和切片编码	研究为回顾性多中心研究，可能存在数据偏差	开发一种端到端的深度学习模型，用于自动分类中风患者DWI图像中的受影响区域	中风患者的DWI图像	计算机视觉	中风	深度学习	3D CNN, LSTM-CNN, 时间分布层	图像	624例DWI MRI图像，来自3个中心的患者
7139	2025-02-07	Development and Validation of a Deep Learning Model Based on MRI and Clinical Characteristics to Predict Risk of Prostate Cancer Progression 2025-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.240078 PMID:39792014	研究论文	本文开发并验证了一种基于MRI和临床特征的深度学习模型，用于预测前列腺癌进展风险	该研究首次结合MRI和临床参数开发深度学习模型，用于预测前列腺癌进展风险，并在内部和外部测试中验证其性能	研究为回顾性设计，可能存在选择偏倚；外部测试的C-index较低，表明模型在外部验证中的性能有待提高	验证基于MRI和临床参数的深度学习模型在前列腺癌进展风险预测中的有效性，并与现有模型进行比较	1143名男性患者（中位年龄64岁）的1607次MRI扫描	数字病理学	前列腺癌	深度学习	深度学习模型	MRI图像和临床参数	1143名患者的1607次MRI扫描
7140	2025-02-07	Elephant herding optimized features-based fast RCNN for classifying leukemia stages 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240750 PMID:39485713	研究论文	本文提出了一种基于象群优化特征的快速RCNN方法，用于分类白血病阶段	提出了一种新的LEU-EHO NET模型，结合了MobileNet特征提取、象群优化算法和Faster RCNN分类器，以提高白血病细胞分类的准确性	需要改进重叠细胞的分割准确性，未来可以通过使用不同的深度学习模型来提高分类准确性	提高白血病细胞分类的准确性和效率	血液涂片图像中的白血病细胞	数字病理学	白血病	图像预处理（归一化和裁剪黑边）、特征提取、特征选择、分类	MobileNet、Faster RCNN	图像	NA