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
7421	2025-02-14	A novel method for assessing cycling movement status: an exploratory study integrating deep learning and signal processing technologies 2025-Feb-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02828-1 PMID:39934805	研究论文	本研究提出了一种基于深度学习的运动评估方法，结合姿态估计算法（Keypoint RCNN）和信号处理技术，验证了其可靠性和有效性	创新点在于将Keypoint RCNN算法与信号处理技术结合，用于评估骑行运动状态，并验证了该方法在家庭或社区环境中的个体化运动功能评估的潜力	样本量较小（仅20名大学生），且研究仅限于静态自行车骑行，未涉及其他运动类型	研究目的是开发一种可靠且有效的运动评估方法，用于个体化运动功能评估	研究对象为20名大学生的骑行运动数据	计算机视觉	NA	Keypoint RCNN算法、信号处理技术	Keypoint RCNN	视频、传感器数据	20名大学生
7422	2025-02-14	Classifying and fact-checking health-related information about COVID-19 on Twitter/X using machine learning and deep learning models 2025-Feb-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02895-y PMID:39934858	研究论文	本研究旨在开发更强大的事实核查模型，以检测和分类Twitter/X上关于COVID-19的健康信息中的可靠信息与错误信息	使用7种不同的机器学习/深度学习模型，并通过余弦相似度度量解决可信信息类别的少数样本过采样问题，确保训练和测试时两类样本的平衡	研究仅针对Twitter/X平台上的COVID-19相关信息，可能不适用于其他平台或疾病	开发更强大的事实核查模型，以检测和分类健康信息中的可靠信息与错误信息	Twitter/X上关于COVID-19的健康信息	自然语言处理	COVID-19	机器学习, 深度学习	TextConvoNet, 其他未指定模型	文本	未明确提及具体样本数量，但涉及两类数据集：可信信息和错误信息
7423	2025-02-14	Deep-learning-ready RGB-depth images of seedling development 2025-Feb-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01334-3 PMID:39934882	研究论文	本文提出了一个独特的幼苗出苗动力学注释数据集，包含近70,000个RGB深度帧和超过700,000个植物注释	提供了一个独特的RGB深度图像数据集，用于训练深度学习模型并进行高通量表型分析，展示了该数据集在多种物种上的泛化能力并超越现有技术	讨论了该数据集在植物表型分析中引发的新问题，但未详细说明具体问题	旨在通过提供高质量的注释数据集，推动机器学习驱动的植物成像研究	幼苗出苗动力学	计算机视觉	NA	NA	深度学习模型	RGB深度图像	近70,000个RGB深度帧和超过700,000个植物注释
7424	2025-02-14	Chemically Informed Deep Learning for Interpretable Radical Reaction Prediction 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01901 PMID:39871741	研究论文	本文开发了一个基于分子轨道相互作用的预测框架，用于解释自由基反应的机制	提出了一个化学感知的深度学习模型，能够提供不同层次的解释性预测，并在自由基反应预测中达到了96%的准确率	模型依赖于RMechDB数据库，可能受限于数据库的覆盖范围和准确性	开发一个能够预测和解释自由基反应的深度学习框架	自由基反应的机制和产物	化学信息学	NA	深度学习	深度学习模型	化学反应数据	RMechDB数据库中的自由基反应步骤
7425	2025-02-14	Can Focusing on One Deep Learning Architecture Improve Fault Diagnosis Performance? 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02060 PMID:39883649	研究论文	本研究专注于单一深度学习架构，以评估其在故障诊断中的性能提升	通过专注于单一深度学习架构，而不是广泛评估多种模型，探索了深度学习方法在故障诊断中的潜力	研究仅基于Tennessee Eastman Process数据集，未在其他数据集上验证	评估专注于单一深度学习架构是否能够提升故障诊断的性能	Tennessee Eastman Process数据集	机器学习	NA	深度学习	卷积神经网络（CNN）	过程数据	NA
7426	2025-02-14	Renji endoscopic submucosal dissection video data set for early gastric cancer 2025-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04573-0 PMID:39929844	研究论文	本文介绍了用于早期胃癌治疗的Renji内镜黏膜下剥离术（ESD）视频数据集，包含20个ESD内镜视频和66,656个由三位内镜医师共同标注的阶段识别注释	这是首个公开的用于早期胃癌治疗的ESD数据集，有助于ESD数据集构建的标准化	数据集规模相对较小，仅包含20个视频	推动计算机辅助干预、手术学习和术后手术视频分析技术的发展，提高外科医生的技能水平和整体治疗效果	早期胃癌患者的内镜黏膜下剥离术视频	计算机视觉	胃癌	深度学习	NA	视频	20个ESD内镜视频
7427	2025-02-14	Robust pose estimation for non-cooperative space objects based on multichannel matching method 2025-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89544-6 PMID:39930024	研究论文	本文提出了一种基于多通道匹配方法的非合作空间物体姿态估计框架，该框架不依赖于3D模型，适用于实例和类别级别的场景	提出了一种不依赖于3D模型的通用姿态估计流程，并设计了一个多通道匹配网络和三重损失函数来获取关键点匹配对，同时引入了动态关键帧池的姿态图优化算法以减少长期漂移误差	NA	提高非合作空间物体姿态估计的准确性和鲁棒性，以支持3D重建、卫星导航、交会对接和碰撞避免等空间任务	非合作空间物体	计算机视觉	NA	深度学习	多通道匹配网络	图像	包含9种不同类型的非合作目标的11,565个样本
7428	2025-02-14	A deep learning-based system for automatic detection of emesis with high accuracy in Suncus murinus 2025-Feb-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07479-0 PMID:39930110	研究论文	本研究开发了一种基于深度学习的自动呕吐检测系统，用于高精度量化Suncus murinus的呕吐行为	首次结合三维卷积神经网络和自注意力机制开发自动呕吐检测工具，实现了高准确率的呕吐行为量化	NA	开发一种自动化工具以提高Suncus murinus呕吐行为量化的效率和准确性	Suncus murinus的呕吐行为	计算机视觉	NA	深度学习	三维卷积神经网络（3D CNN）和自注意力机制	视频	使用运动诱导呕吐视频作为训练数据集，并评估了多种催吐剂的预测准确性
7429	2025-02-14	Development of a deep learning system for predicting biochemical recurrence in prostate cancer 2025-Feb-10, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13628-9 PMID:39930342	研究论文	开发了一种深度学习系统，用于预测前列腺癌患者在前列腺切除术后生化复发的风险	利用深度学习技术从活检图像中提取特征，结合机器学习算法预测生化复发，超越了传统的Gleason分级系统	研究依赖于有限的患者样本和图像数据，且未在更大规模的外部验证集中测试模型性能	开发一种术前预测前列腺癌患者生化复发的深度学习系统，以制定更有针对性的治疗方案	317名前列腺癌患者的1585张活检图像	数字病理学	前列腺癌	深度学习	Inception_v3神经网络	图像	317名患者的1585张活检图像
7430	2025-02-14	Detection of dental caries under fixed dental prostheses by analyzing digital panoramic radiographs with artificial intelligence algorithms based on deep learning methods 2025-Feb-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05577-3 PMID:39930440	研究论文	本研究评估了利用基于卷积神经网络（CNN）的YOLO模型分析全景X光片检测固定牙桥（FDPs）下龋齿的效果	首次将YOLOv7及改进的YOLOv7+CBAM模型应用于全景X光片中固定牙桥下龋齿的检测	样本量相对较小，且仅使用了全景X光片，未考虑其他类型的影像数据	评估深度学习模型在检测固定牙桥下龋齿中的应用效果	1004名患者的全景X光片	计算机视觉	龋齿	深度学习	YOLOv7, YOLOv7+CBAM	图像	1004名患者的全景X光片，其中904张用于训练，100张用于测试；2467张裁剪图像，其中2248张用于训练，219张用于测试
7431	2025-02-14	AI-assisted computational screening and docking simulation prioritize marine natural products for small-molecule PCSK9 inhibition 2025-Feb-04, Current research in translational medicine IF:3.2Q2 DOI:10.1016/j.retram.2025.103498 PMID:39938184	研究论文	本文开发了一种基于AI的虚拟筛选管道，用于识别新型人类PCSK9抑制剂，以应对与Covid-19相关的心血管和中枢神经系统并发症	结合卷积神经网络深度学习模型、分子对接和分子动力学模拟，提出了一种多步骤的计算机筛选方法，用于发现新型PCSK9抑制剂	研究主要依赖于计算机模拟，缺乏实验验证	识别新型人类PCSK9抑制剂，以应对与Covid-19相关的心血管和中枢神经系统并发症	海洋天然产物	机器学习	心血管疾病	卷积神经网络、分子对接、分子动力学模拟	CNN	化学数据库	CMNPD数据库中的已知中枢神经系统、心血管和抗炎药物
7432	2024-08-07	Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01160-4 PMID:38864948	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7433	2025-02-14	STCNet: Spatio-Temporal Cross Network with subject-aware contrastive learning for hand gesture recognition in surface EMG 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109525 PMID:39674068	研究论文	本文介绍了一种名为STCNet的新型深度学习架构，专门用于跨多个受试者的表面肌电图（sEMG）中的手势识别，解决了受试者间变异性和环境因素（如电极移位和肌肉疲劳）带来的挑战	STCNet结合了卷积-循环架构和时空块，增强了空间和时间分析，并引入了滚动卷积技术以更有效地捕捉sEMG测量设备的固有空间关系，同时提出了基于受试者和手势标签信息的对比学习框架	未明确提及具体限制	提高跨多个受试者的表面肌电图手势识别的鲁棒性	表面肌电图（sEMG）数据	机器学习	NA	深度学习	卷积-循环架构（CNN-RNN）	表面肌电图（sEMG）信号	未明确提及具体样本数量
7434	2025-02-14	LeafDNet: Transforming Leaf Disease Diagnosis Through Deep Transfer Learning 2025-Feb, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70047 PMID:39943923	研究论文	本文介绍了一种创新的深度迁移学习方法，利用改进的Xception架构，专门用于识别玫瑰、芒果和番茄的植物病害	在基础Xception架构后增加了额外的卷积层，并结合多个可训练的密集层，采用先进的正则化和dropout技术，以优化特征提取和分类	NA	开发一种高效、准确的早期植物病害检测方法，以支持可持续农业实践	玫瑰、芒果和番茄的植物叶片	计算机视觉	植物病害	深度迁移学习	改进的Xception架构	图像	5491张图像，涵盖四种不同的病害类别
7435	2025-02-14	Spatial-temporal activity-informed diarization and separation 2025-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0035830 PMID:39945646	研究论文	本文提出了一种利用说话者时空活动的鲁棒多通道说话者分离和识别系统	系统采用混合架构，结合阵列信号处理单元和深度学习单元，提出了一种基于空间一致性矩阵的说话者识别方法和一种全局与局部活动驱动的说话者提取网络	未明确提及具体局限性	开发一种鲁棒的多通道说话者分离和识别系统	多通道音频信号中的说话者	自然语言处理	NA	深度学习，阵列信号处理	Encoder-Decoder-based Attractor network, Global and Local Activity-driven Speaker Extraction network	音频信号	未明确提及具体样本数量
7436	2025-02-14	Use of artificial intelligence to detect dental caries on intraoral photos 2025-Jan-30, Quintessence international (Berlin, Germany : 1985) DOI:10.3290/j.qi.b5857664 PMID:39601186	研究论文	本研究开发了一种基于多阶段深度学习的人工智能算法管道，用于定位单个牙齿并将每颗牙齿分类为不同龋齿等级	利用深度学习技术，首次在非临床环境中实现龋齿的早期检测，具有成本效益	后牙白斑位置的高变异性增加了检测难度，可能影响算法的准确性	开发一种成本效益高的人工智能工具，用于早期龋齿检测	龋齿	计算机视觉	龋齿	深度学习	多阶段深度学习管道	图像	50,179张口腔内牙齿照片
7437	2025-02-14	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jan-09, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	研究论文	本研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	首次在澳大利亚和新西兰的大规模多中心1型糖尿病患者数据上应用多种机器学习模型进行DKA和HbA1c>7%的预测，并评估了模型性能	研究仅基于澳大利亚和新西兰的数据，可能无法推广到其他地区的人群	预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	1型糖尿病患者	机器学习	糖尿病	机器学习	深度学习（DL）、支持向量机（SVM）	临床和人口统计学数据	13761名1型糖尿病患者
7438	2025-02-14	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	本文提出了一种名为MUsculo-Skeleton-Aware (MUSA)的深度学习框架，用于头颈部CT图像的可变形配准，通过利用多分辨率策略和骨骼结构与软组织之间的不均匀变形约束来引导配准	MUSA框架通过分解复杂变形为整体姿势变化和残余精细变形，解决了头颈部区域多尺度肌肉骨骼运动和软组织变形的挑战，提高了配准的准确性和变形的合理性	尽管MUSA框架在头颈部CT图像的配准中表现出色，但其在其他解剖部位或不同类型图像上的适用性尚未验证	研究目的是提高头颈部CT图像的可变形配准的准确性和变形的合理性	头颈部CT图像	计算机视觉	NA	深度学习	NA	CT图像	NA
7439	2025-02-14	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2025-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究通过使用合成的脑磁共振成像数据，系统地研究了卷积神经网络中层次偏差编码的机制，旨在理解医学图像分析模型中偏差的来源和影响	首次系统地研究了卷积神经网络中层次偏差编码的机制，并利用已知疾病和偏差效应的合成数据，量化了疾病相关信息和基于形态及强度的偏差在模型学习特征中的表现	研究依赖于合成数据，可能无法完全反映真实世界医学图像中的复杂偏差	理解医学图像分析模型中偏差的来源和影响，特别是卷积神经网络中的偏差编码机制	卷积神经网络在疾病分类中的应用	计算机视觉	NA	脑磁共振成像	卷积神经网络 (CNN)	图像	合成脑磁共振成像数据
7440	2025-02-14	A step towards quantifying, modelling and exploring uncertainty in biomedical knowledge graphs 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109355 PMID:39541901	研究论文	本研究旨在利用深度学习技术自动量化和建模生物医学知识图谱（BKGs）中事实的不确定性，基于其文本支持证据	使用句子转换器提取句子深度特征，结合朴素贝叶斯分类器对句子事实性进行分类，进而量化事实的不确定性，并创建了USemMedDB展示不确定BKG结构与置信度分数的相关性	NA	自动量化和建模生物医学知识图谱中事实的不确定性	生物医学知识图谱中的事实及其文本支持证据	自然语言处理	NA	深度学习	句子转换器、朴素贝叶斯分类器	文本	SemMedDB数据集中的事实及其支持证据