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
7141	2025-02-07	Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning 2024-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63367-3 PMID:38871739	研究论文	本文通过深度学习技术对YouTube上关于哈马斯-以色列战争的评论进行情感分析，以确定公众意见	开发了一种基于深度学习的情感分析方法，结合了CNN和Bi-LSTM的混合模型，并使用Word2vec进行特征提取，达到了95.73%的分类准确率	研究仅限于YouTube平台上的评论，且样本量相对较小（24,360条评论），可能无法全面反映公众意见	通过情感分析评估公众对哈马斯-以色列战争的意见和情感	YouTube上关于哈马斯-以色列战争的评论	自然语言处理	NA	NLP, Word2vec, FastText, GloVe, SMOTE	LSTM, Bi-LSTM, GRU, CNN和Bi-LSTM的混合模型	文本	24,360条评论
7142	2025-02-07	The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells 2024-05, Immunology IF:4.9Q2 DOI:10.1111/imm.13756 PMID:38272677	研究论文	本文研究了Neurobeachin-like 2蛋白（NBEAL2）在肥大细胞中控制核糖体蛋白RPS6稳态水平的功能	首次揭示了NBEAL2与RPS6的相互作用，并阐明了NBEAL2在肥大细胞中调控RPS6蛋白稳态的机制	研究主要基于小鼠模型和体外细胞系，尚未在人体中进行验证	探究NBEAL2在肥大细胞中的具体功能及其与RPS6的相互作用	小鼠肥大细胞及MC/9细胞系	分子生物学	NA	CRISPR/Cas9、RoseTTAFold、Pymol、共免疫沉淀、Western blot、ELISA、流式细胞术	NA	蛋白质结构数据、分子相互作用数据	野生型和Nbeal2基因敲除小鼠的肥大细胞及MC/9细胞系
7143	2025-02-07	Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3365290 PMID:38899015	研究论文	本研究利用从可穿戴传感器收集的生理数据，构建了一系列基于深度学习的数据驱动模型，旨在为糖尿病患者和风险人群提供准确的短期和中期血糖预测	系统比较了多种深度学习架构，确定了最佳输入变量集，比较了群体模型、微调模型和个性化模型，并评估了个体数据量对模型性能的影响，同时引入了一个精心策划的数据集	未提及具体模型的局限性	开发准确的血糖预测模型，以改善糖尿病管理	糖尿病患者和风险人群	机器学习	糖尿病	深度学习	深度学习模型	生理数据	包括健康个体和糖尿病患者的数据
7144	2025-02-07	Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3505038 PMID:39902153	研究论文	本研究旨在开发一种成本效益高且易于获取的机器学习模型，用于预测认知障碍的风险	开发了一种新的算法，用于选择成本效益高的模型，同时最小化开发和运营成本	研究主要依赖于NACC UDS数据集，可能限制了模型的广泛适用性	开发早期认知障碍预测的机器学习模型	认知障碍和痴呆相关疾病	机器学习	老年疾病	机器学习、深度学习	SVM	人口统计和历史健康数据	NA
7145	2025-02-06	Classification of tomato leaf disease using Transductive Long Short-Term Memory with an attention mechanism 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1467811 PMID:39906226	研究论文	本文提出了一种基于Transductive Long Short-Term Memory（T-LSTM）和注意力机制的番茄叶病分类方法	引入了T-LSTM与注意力机制结合的方法，能够聚焦于图像序列的不同部分，并通过转导学习利用训练实例的特定特征进行准确预测	未提及模型在其他作物或更大规模数据集上的泛化能力	提高番茄叶病分类的准确性和效率	番茄叶病	计算机视觉	植物病害	深度学习	T-LSTM, U-Net, VGG-16	图像	PlantVillage数据集
7146	2025-02-07	An improved ShuffleNetV2 method based on ensemble self-distillation for tomato leaf diseases recognition 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1521008 PMID:39906224	研究论文	本文提出了一种基于集成自蒸馏的改进ShuffleNetV2方法，用于番茄叶部病害识别	提出了一种集成自蒸馏方法，并将其应用于轻量级模型ShuffleNetV2，通过构建不同深度的浅层模型并引入深度可分离卷积层，显著提升了模型性能	未提及具体的数据集规模或模型在不同硬件上的实际部署效果	提高番茄病害识别的准确性和模型在边缘设备上的部署能力	番茄叶部病害	计算机视觉	植物病害	集成自蒸馏	ShuffleNetV2	图像	NA
7147	2025-02-07	Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends 2023-Dec-15, Cancers IF:4.5Q1 DOI:10.3390/cancers15245858 PMID:38136405	综述	本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势	本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向	本文主要基于现有文献进行综述，未涉及具体的实验验证	探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势	癌症和肿瘤学研究中的多模态图数据	机器学习	癌症	图神经网络（GNNs）	GNN	图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等）	NA
7148	2025-02-07	Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022) 2022-09, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01613-8 PMID:35681080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7149	2025-02-06	Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model 2025-Apr, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100659 PMID:39902382	研究论文	本研究结合放射组学和Vision Transformer (ViT)深度学习技术，利用平扫和增强CT图像预测结直肠癌患者的骨转移风险	首次将ViT深度学习模型与放射组学结合，用于结直肠癌骨转移风险的预测，显著提高了预测准确性	研究样本量较小（155例患者），且为单中心回顾性研究，需在更大规模的多中心研究中进一步验证	开发一种结合放射组学和ViT深度学习技术的预测模型，以评估结直肠癌患者的骨转移风险	155例结直肠癌患者（81例有骨转移，74例无骨转移）	计算机视觉	结直肠癌	放射组学、深度学习	Vision Transformer (ViT)、SVM、KNN、Random Forest、LightGBM、XGBoost	CT图像	155例结直肠癌患者
7150	2025-02-06	Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116982 PMID:39616900	研究论文	本文探讨了将人工智能与智能手机成像技术结合用于体内癌症检测的潜力和挑战	提出了利用智能手机成像系统和AI算法进行便携、经济、广泛可及的早期癌症检测的创新方法	智能手机成像系统面临成像质量低和计算能力有限的挑战，AI算法的透明性和可靠性仍需提高	开发便携、经济、广泛可及的早期癌症检测工具	不同癌症类型的体内检测	数字病理学	癌症	智能手机成像系统	深度学习算法	图像	NA
7151	2025-02-06	Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms 2025-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100925 PMID:39901943	研究论文	本研究提出了一种基于深度学习的双阶段方法，用于通过患者的CT图像自动定位高剂量率（HDR）前列腺近距离放射治疗导管	提出了一种新的双阶段深度学习方法，结合pix2pix GAN和GOTURN网络，实现了前列腺HDR-BT间质针的自动定位和重建	研究仅基于25名患者的数据集，样本量相对较小	自动化定位和重建前列腺HDR-BT间质针，以提高治疗质量	前列腺高剂量率近距离放射治疗导管	计算机视觉	前列腺癌	深度学习	pix2pix GAN, GOTURN	CT图像	25名患者，592张CT切片，8764根针
7152	2025-02-06	Advanced Quantitative Phase Microscopy Achieved with Spatial Multiplexing and a Metasurface 2025-Feb-05, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c06039 PMID:39838821	研究论文	本文提出了一种结合超表面光学和深度学习技术的单次定量相位成像方法，以提高测量速度并减少检测噪声	结合超表面光学和深度学习技术，实现单次定量相位成像，显著提高测量速度和空间带宽积	需要进一步验证在更多生物样本和实际应用中的性能	提高定量相位成像的测量速度和精度	校准相位物体和生物样本	计算机视觉	NA	深度学习，超表面光学	神经网络	图像	校准相位物体和生物样本
7153	2025-02-06	Syn2Real: synthesis of CT image ring artifacts for deep learning-based correction 2025-Feb-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adad2c PMID:39842097	研究论文	本文提出了一种名为Syn2Real的新方法，用于生成CT图像中的环形伪影，以支持深度学习校正方法的训练	开发了一种直接在图像域合成真实环形伪影的技术，无需依赖特定成像系统的物理特性，从而实现了训练数据的可扩展生产	尽管模型在常规单能CT图像上训练，但其在不同能量水平和切片厚度的单能图像上的校正效果仍需进一步验证	克服X射线计算机断层扫描（CT）中环形伪影对图像质量和临床应用带来的挑战	CT图像中的环形伪影	计算机视觉	NA	深度学习	UNet, UNetpp, 扩散模型	CT图像	NA
7154	2025-02-06	Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models 2025-Feb-05, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25633 PMID:39905914	研究论文	本文提出了一种使用2D和3D深度学习模型从微CT图像中分割皮质骨、松质骨和髓腔孔隙的方法	开发了名为BONe的新模型，旨在快速准确地进行骨分割，并比较了2D和3D模型的性能	3D模型的计算成本高，限制了其可扩展性和实用性	实现从微CT图像中自动分割皮质骨、松质骨和髓腔孔隙	水獭长骨的微CT扫描图像	计算机视觉	NA	微CT扫描	CNN	图像	NA
7155	2025-02-06	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Feb-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究旨在利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	开发了一个全自动的管道，用于在多示踪剂、多扫描仪和多中心数据集上检测和评分ATTR-CM，实现了高准确率	数据集#6中的3215名患者没有标签，可能影响模型性能的全面评估	自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	深度学习	CNN	图像	六个数据集，包括93名、216名、41名、53名、129名和3215名患者
7156	2025-02-06	Class-aware multi-level attention learning for semi-supervised breast cancer diagnosis under imbalanced label distribution 2025-Feb-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03291-4 PMID:39907850	研究论文	本文提出了一种面向半监督乳腺癌诊断的类感知多级注意力学习模型，旨在减少对大量数据标注的依赖，并通过多级融合注意力学习模块和类感知自适应伪标签模块提高诊断准确性和平衡学习过程	提出了类感知多级注意力学习模型，结合多级融合注意力学习模块和类感知自适应伪标签模块，有效解决了现有乳腺癌诊断模型在数据标注依赖、特征提取和类别不平衡方面的局限性	实验仅在BACH数据集上进行验证，未在其他数据集或实际临床环境中测试其泛化能力	开发一种半监督乳腺癌诊断模型，减少对大量标注数据的依赖并提高诊断准确性	乳腺癌图像数据	计算机视觉	乳腺癌	深度学习	类感知多级注意力学习模型	图像	BACH数据集中的显微图像数据，仅使用40%的标注数据
7157	2025-02-06	Speech Technology for Automatic Recognition and Assessment of Dysarthric Speech: An Overview 2025-Feb-04, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-23-00740 PMID:39813019	综述	本文综述了近年来在构音障碍语音研究领域的最新进展，特别是语音技术在自动识别和评估构音障碍语音中的应用	本文综合了构音障碍语音研究的现有成果，并探讨了人工智能驱动的分析和远程治疗在构音障碍研究中的潜力	本文未涉及伦理委员会或机构审查委员会的批准，且主要依赖现有研究数据，可能存在数据不足的问题	提高构音障碍患者的生活质量，开发包容性对话界面以应对病理语音	构音障碍语音	自然语言处理	构音障碍	机器学习和深度神经网络	深度学习模型	语音数据	NA
7158	2025-02-06	Spatio-temporal transformers for decoding neural movement control 2025-Feb-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adaef0 PMID:39870043	研究论文	本文介绍了一种新型的专门用于分析单神经元放电活动的transformer架构，用于解码神经运动控制	提出了一种新型的transformer架构，能够在低数据情况下高效且可解释地分析神经活动，并能够早期预测运动方向和是否生成运动	模型仅在非人类灵长类动物的背侧前运动皮层多电极记录数据上进行了测试，尚未在人类数据上验证	研究神经运动控制的解码方法	非人类灵长类动物的背侧前运动皮层	机器学习	NA	多电极记录	transformer	神经生理数据	非人类灵长类动物的多电极记录数据
7159	2025-02-06	Development and Evaluation of a Deep Learning-Based Pulmonary Hypertension Screening Algorithm Using a Digital Stethoscope 2025-Feb-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.124.036882 PMID:39895552	研究论文	本文开发并评估了一种基于深度学习的肺动脉高压筛查算法，使用数字听诊器进行数据采集	提出了一种新的基于深度学习的肺动脉高压筛查方法，利用数字听诊器采集的PCG数据进行半监督学习，实现了低成本、无创且易于获取的筛查工具	测试数据集样本量较小（196例患者），可能影响模型的泛化能力	开发一种易于获取的筛查工具，用于早期检测肺动脉高压，以改善预后和及时治疗	肺动脉高压患者	数字病理学	心血管疾病	深度学习	深度卷积网络	PCG录音	约6000个带标签的PCG录音和约169000个无标签的PCG录音用于训练，196例患者用于测试
7160	2025-02-06	FLANet: A multiscale temporal convolution and spatial-spectral attention network for EEG artifact removal with adversarial training 2025-Feb-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adae34 PMID:39902757	研究论文	本文提出了一种名为FLANet的多尺度时间卷积和空间-频谱注意力网络，结合对抗训练，用于自动过滤EEG信号中的伪影	FLANet结合了多尺度卷积模块和空间-频谱注意力网络，能够提取足够的时间信息以及非局部相似性和频谱依赖性，并通过对抗训练和新颖的损失函数提高去噪效率和准确性	尽管FLANet在去噪效果和计算开销之间取得了较好的平衡，但其在实际临床研究和人机交互系统中的应用仍需进一步验证	提高EEG信号中伪影去除的效率与准确性，以促进神经分析和神经工程的发展	被不同类型伪影污染的EEG信号	神经信号处理	NA	对抗训练	多尺度时间卷积网络和空间-频谱注意力网络	EEG信号	NA