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
7481	2025-02-01	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jan-31, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	研究论文	本文提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动，以改善健康结果和增加独立性	本文的创新点在于使用深度学习技术对人群行为进行建模，并检测显著偏差（即异常），同时考虑了全部日常活动（41种）	当前方法仅考虑了有限的日常活动，并未结合个体数据	研究目的是通过智能家居技术远程监测老年人的健康和福祉	研究对象为老年人的日常活动	机器学习	老年疾病	深度学习	RNN（循环神经网络）	日常活动数据	涉及41种日常活动
7482	2025-02-01	Deep learning MRI models for the differential diagnosis of tumefactive demyelination versus IDH-wildtype glioblastoma 2025-Jan-30, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文探讨了使用深度学习模型基于MRI图像区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤的诊断方法	首次应用3D DenseNet121架构结合T1C和T2 MRI图像进行肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤的鉴别诊断	需要进一步验证模型在不同机构、患者群体和技术间的泛化能力，并评估最佳分类阈值	开发非侵入性方法以准确诊断脑部病变，优化治疗方案并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（n=144）和IDH野生型胶质母细胞瘤患者（n=455）	数字病理学	脑部疾病	深度学习	3D DenseNet121	MRI图像	599名患者（144名肿瘤性脱髓鞘患者和455名IDH野生型胶质母细胞瘤患者）
7483	2025-02-01	Bayesian deep learning applied to diabetic retinopathy with uncertainty quantification 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41802 PMID:39882466	研究论文	本文提出了一种基于贝叶斯深度学习的糖尿病视网膜病变分类方法，并通过不确定性量化提高了诊断的准确性和可靠性	使用贝叶斯卷积神经网络（CNN）结合变分推断（VI）和蒙特卡洛dropout（MC-dropout）方法，量化模型预测的不确定性	未提及具体局限性	提高糖尿病视网膜病变分类的准确性和可靠性	糖尿病视网膜病变（DR）	医学影像分析	糖尿病视网膜病变	贝叶斯深度学习	CNN, BCNN-VI, BCNN-MC-dropout	图像	APTOS 2019和Messidor-2两个基准数据集
7484	2025-02-01	Predictors and Implications of Myocardial Injury in Intracerebral Hemorrhage 2025-Jan-30, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01498-4 PMID:39884976	研究论文	本研究旨在评估脑出血（ICH）患者中心肌损伤的频率、预测因素及其影响	首次系统性地研究了脑出血患者中心肌损伤的发生及其与预后的关系，特别是通过深度学习算法对3D脑扫描进行定量分析	研究为回顾性分析，可能存在选择偏倚，且样本量相对较小	评估脑出血患者中心肌损伤的频率、预测因素及其对预后的影响	322名脑出血患者	数字病理学	脑出血	深度学习算法、Voxel-based Lesion-Symptom Mapping (VLSM)	深度学习算法	3D脑扫描图像	322名脑出血患者
7485	2025-02-01	Automatic Identification of Adenoid Hypertrophy via Ensemble Deep Learning Models Employing X-ray Adenoid Images 2025-Jan-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01423-8 PMID:39885079	研究论文	本研究采用集成深度学习方法，通过X射线腺样体图像自动识别腺样体肥大	使用集成深度学习模型对腺样体肥大进行分类，并比较了不同卷积神经网络模型在掩码和非掩码X射线图像上的性能	研究仅使用了来自单一医院的数据集，可能限制了模型的泛化能力	优化深度学习模型用于医学图像分类，特别是腺样体肥大的自动检测	腺样体肥大的X射线图像	计算机视觉	腺样体肥大	深度学习	CNN（包括EfficientNet, MobileNet, ResNet50, ResNet152, VGG16, Xception）	图像	来自Batman Training and Research Hospital的X射线图像数据集
7486	2025-02-01	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-Jan-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	本文提出了一种新颖的多层次感知边界引导网络（PBNet），用于从超声图像中准确分割乳腺肿瘤，特别是针对与正常组织强度相似的肿瘤边界	提出了多层次全局感知模块（MGPM）和边界引导模块（BGM），通过融合多层次语义信息和边界引导特征，提高了非增强病变的分割精度	虽然PBNet在分割性能上显著优于现有方法，但效果大小较小（小于0.2），表明改进的幅度有限	提高超声图像中乳腺肿瘤的自动分割精度，特别是针对边界模糊的肿瘤	乳腺肿瘤	计算机视觉	乳腺癌	深度学习	PBNet（多层次感知边界引导网络）	超声图像	两个数据集：公开数据集BUSI（780张图像）和内部数据集（995张图像）
7487	2025-02-01	Deep Learning for Staging Periodontitis Using Panoramic Radiographs 2025-Jan-30, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15269 PMID:39888112	研究论文	本研究利用深度学习技术，通过全景X光片自动标注解剖结构并分类牙周炎的放射骨丢失阶段	采用深度学习模型自动标注解剖结构并分类牙周炎的放射骨丢失阶段，提高了诊断和分类的效率	模型在预测与真实值差异为10像素时的mAP为0.88，仍有改进空间	提高牙周炎诊断和分类的效率	558张全景X光片，裁剪为7359颗单独牙齿的图像	计算机视觉	牙周炎	深度学习	目标检测模型	图像	558张全景X光片，裁剪为7359颗单独牙齿的图像
7488	2025-02-01	Re-locative guided search optimized self-sparse attention enabled deep learning decoder for quantum error correction 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87782-2 PMID:39875564	研究论文	本文提出了一种结合重定位引导搜索优化的自稀疏注意力机制的深度学习解码器（RlGS2-DCNTM），用于量子纠错码中的有效纠错	该研究首次将自稀疏注意力机制与卷积神经网络和长短期记忆网络结合，用于量子纠错码的解码，并通过重定位引导搜索算法优化模型，提高了模型的收敛速度和纠错效果	尽管模型在量子纠错码解码任务中表现出色，但其在更广泛的量子计算应用中的通用性和适应性仍需进一步验证	研究目标是开发一种高效的量子纠错码解码器，以解决量子计算中的泄漏错误和量子比特碰撞问题	研究对象是量子纠错码，特别是重六边形编码	量子计算	NA	自稀疏注意力机制、卷积神经网络、长短期记忆网络、重定位引导搜索算法	RlGS2-DCNTM	量子纠错码	NA
7489	2025-02-01	Whole slide image based deep learning refines prognosis and therapeutic response evaluation in lung adenocarcinoma 2025-Jan-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01470-z PMID:39875799	研究论文	本研究开发了一种基于组织病理学图像的深度学习模型，用于预测肺腺癌患者的复发风险，并在独立的多中心队列中评估了模型的效率	该模型成功定义了高风险和低风险组，能够有效分层整个队列的预后，并且结合TNM分期有助于识别可能从辅助化疗中获益的高风险II期和III期患者	NA	改进现有的肺腺癌患者预后评估模型，并评估其作为辅助治疗选择的生物标志物的价值	肺腺癌患者	数字病理学	肺癌	深度学习	深度学习模型	图像	多中心队列
7490	2025-02-01	Virtual biopsy for non-invasive identification of follicular lymphoma histologic transformation using radiomics-based imaging biomarker from PET/CT 2025-Jan-29, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03893-7 PMID:39875864	研究论文	本研究旨在构建基于放射组学的影像生物标志物，用于通过PET/CT图像无创识别转化型滤泡性淋巴瘤（t-FL）	利用无监督EMFusion方法融合PET和CT图像，并结合深度学习和手工放射组学特征构建放射组学签名（R-signature），进一步结合临床参数和SUVmax开发t-FL评分系统	NA	无创识别转化型滤泡性淋巴瘤（t-FL）	784名滤泡性淋巴瘤（FL）、弥漫性大B细胞淋巴瘤和t-FL患者	数字病理学	淋巴瘤	PET/CT成像	ResNet18	图像	784名患者来自5个独立医疗中心
7491	2025-02-01	Deep Learning-Assisted Computer-Aided Diagnosis System for Early Detection of Lung Cancer 2025-Jan-29, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23929 PMID:39887401	研究论文	本文提出了一种深度学习辅助的计算机辅助诊断系统，用于肺癌的早期检测	提出了一个包含10层神经网络架构的新模型，该模型在准确性和敏感性方面优于现有技术	未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确性和敏感性	肺癌的早期检测	计算机视觉	肺癌	深度学习	神经网络	图像	未明确提及
7492	2025-02-01	Dataset for developing deep learning models to assess crack width and self-healing progress in concrete 2025-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04485-z PMID:39875392	研究论文	本文介绍了一个用于开发深度学习模型以评估混凝土裂缝宽度和自修复进展的数据集	数据集包含大量亮度剖面和手动参考测量数据，适合开发基于图像的深度CNN模型或分析算法	技术验证研究仅探讨了影响裂缝测量的三个因素：试样位置、表面湿度水平和操作员手动测量	开发深度学习模型以评估混凝土裂缝宽度和自修复进展	高强度混凝土的自修复和裂缝宽度评估	计算机视觉	NA	高分辨率扫描和尺度不变图像处理	CNN	图像	19,098条亮度剖面、参考测量和基准测量记录
7493	2025-02-01	Superpixel guided spectral-spatial feature extraction and weighted feature fusion for hyperspectral image classification with limited training samples 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87030-7 PMID:39875499	研究论文	本文提出了一种基于超像素引导的光谱-空间特征提取和加权特征融合模型，用于有限训练样本下的高光谱图像分类	提出了一种新的超像素引导的光谱-空间特征提取和加权特征融合模型，能够从多个角度和阶段充分利用高光谱图像中的未开发特征	在每类仅有五个训练样本的情况下进行实验，样本量较小，可能影响模型的泛化能力	解决高光谱图像分类在有限训练样本下的过拟合问题，并提高分类精度	高光谱图像	计算机视觉	NA	NA	CNN, GCN	图像	每类五个训练样本，三个广泛使用的数据集
7494	2025-02-01	Leveraging synthetic data to improve regional sea level predictions 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88078-1 PMID:39875524	研究论文	本研究提出了一种结合TimesGAN和ConvLSTM的深度学习方法，利用更广泛可用的卫星测高数据来提高区域海平面预测的准确性	通过TimesGAN生成合成训练数据，显著提高了ConvLSTM模型的预测准确性	研究主要关注特定区域（上海、纽约、里斯本、利比里亚、加蓬和索马里），可能无法完全代表全球其他地区的海平面变化	提高区域海平面预测的准确性，特别是在潮汐计稀疏的发展中国家	上海、纽约、里斯本、利比里亚、加蓬和索马里的海平面数据	机器学习	NA	TimesGAN, ConvLSTM	ConvLSTM	卫星测高数据	六个区域（上海、纽约、里斯本、利比里亚、加蓬和索马里）的海平面数据
7495	2025-02-01	A novel arc detection and identification method in pantograph-catenary system based on deep learning 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88109-x PMID:39875621	研究论文	本文提出了一种基于深度学习的弓网系统电弧检测与识别方法，称为ArcMSD，通过改进Inception V3模型来提高检测精度和效率	本文的创新点在于改进了Inception V3模型，引入了引导锚机制、注意力机制和上采样技术，以优化电弧检测性能	本文未明确提及方法的局限性	研究目的是提高弓网系统中电弧检测的准确性和效率，以确保电力系统的安全运行	研究对象是弓网系统中的电弧现象	计算机视觉	NA	深度学习	改进的Inception V3模型	图像	从综合监控系统（ISCS）视频中截取的连续帧图像
7496	2025-02-01	Artificial intelligence methods applied to longitudinal data from electronic health records for prediction of cancer: a scoping review 2025-Jan-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02473-w PMID:39875808	综述	本文综述了利用电子健康记录（EHRs）中的纵向数据进行癌症预测的人工智能方法，并提供了模型开发的建议	总结了当前利用纵向数据进行癌症预测的方法，并提出了模型开发的改进建议	90%的研究存在高偏倚风险，主要由于研究设计和样本量不当	总结和评估利用纵向电子健康记录数据进行癌症预测的人工智能方法	电子健康记录中的纵向数据	机器学习	癌症	NA	递归神经网络（RNN）、卷积神经网络（CNN）、Transformer	电子健康记录中的纵向数据	653条记录筛选，33条纳入综述
7497	2025-02-01	Impacted lower third molar classification and difficulty index assessment: comparisons among dental students, general practitioners and deep learning model assistance 2025-Jan-28, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05425-4 PMID:39875882	研究论文	本研究评估了卷积神经网络（CNN）在确定阻生下颌第三磨牙（ILTM）的角度、位置、分类和难度指数（DI）方面的有效性，并比较了深度学习模型、牙科学生和全科牙医在这些参数上的表现	首次将CNN应用于ILTM的分类和难度指数评估，并与牙科学生和全科牙医的表现进行了比较	数据集仅包含1200张裁剪的全景X光片，可能不足以代表所有情况	评估CNN在ILTM分类和难度指数评估中的有效性，并比较其与人类专家的表现	阻生下颌第三磨牙（ILTM）	计算机视觉	牙科疾病	卷积神经网络（CNN）	CNN	图像	1200张裁剪的全景X光片
7498	2025-02-01	hERGAT: predicting hERG blockers using graph attention mechanism through atom- and molecule-level interaction analyses 2025-Jan-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00957-x PMID:39875959	研究论文	本文提出了一种名为hERGAT的图神经网络模型，通过原子和分子层面的相互作用分析来预测hERG通道阻断剂	hERGAT结合了图注意力机制（GAT）和门控循环单元（GRU），能够捕捉原子和分子层面的复杂相互作用，并通过分析分子子结构提高了模型的可解释性	NA	开发一种高效且可解释的模型，用于预测hERG通道阻断剂，以优化药物开发过程中的安全性评估	hERG通道阻断剂	机器学习	心血管疾病	图神经网络（GNN）	GAT, GRU	分子结构数据	NA
7499	2025-02-01	Prediction of Brain Cancer Occurrence and Risk Assessment of Brain Hemorrhage Using Hybrid Deep Learning Technique 2025-Jan, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2431829 PMID:39629783	研究论文	本文提出了一种混合深度学习技术，用于预测脑癌发生和评估脑出血风险	结合了多头部自注意力扩张卷积神经网络（MH-SA-DCNN）和图基深度神经网络模型（G-DNN），并采用Osprey优化算法（OPA）进行模型优化	未提及具体样本量和数据集的具体来源	预测脑癌发生和评估脑出血风险	脑MRI和CT扫描图像	医学影像分析	脑癌	混合深度学习技术	MH-SA-DCNN, G-DNN, Cox回归模型	图像	NA
7500	2025-01-18	A deep learning-based method for modeling of RNA structures from cryo-EM maps 2025-Jan, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02162-x PMID:38396076	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA