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
7601	2025-01-31	An Effective Methodology for Diabetes Prediction in the Case of Class Imbalance 2025-Jan-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010035 PMID:39851309	研究论文	本文提出了一种在类别不平衡情况下进行糖尿病预测的有效方法	提出了两种新颖的步骤：重采样和随机打乱，以提高类别不平衡情况下的分类效果	方法仅在PIMA糖尿病数据集上进行了测试，未在其他数据集上验证	提高类别不平衡情况下的糖尿病预测准确性	PIMA糖尿病数据集	机器学习	糖尿病	重采样和随机打乱	NA	结构化数据	PIMA糖尿病数据集
7602	2025-01-28	A New Deep Learning-Based Method for Automated Identification of Thoracic Lymph Node Stations in Endobronchial Ultrasound (EBUS): A Proof-of-Concept Study 2025-Jan-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010010 PMID:39852323	研究论文	本研究提出了一种新的深度学习方法，用于基于EBUS图像对胸部淋巴结进行自动分类	首次使用深度神经网络模型对EBUS图像中的胸部淋巴结进行实时分类，展示了实时应用的可行性	模型在10L站的分类精度、敏感性和F1得分最低，表明在某些淋巴结站的分类性能有待提高	开发一种新的深度学习方法，用于在EBUS图像中自动识别胸部淋巴结站，以辅助肺癌分期中的临床决策	胸部淋巴结站	计算机视觉	肺癌	EBUS-TBNA	深度神经网络（DNN）	图像	56名患者的28,134张EBUS图像
7603	2025-01-31	Comparative Analysis of Prediction Models for Trawling Grounds of the Argentine Shortfin Squid Illex argentinus in the Southwest Atlantic High Seas Based on Vessel Position and Fishing Log Data 2025-Jan-04, Biology DOI:10.3390/biology14010035 PMID:39857266	研究论文	本研究基于船舶位置和捕捞日志数据，评估和比较了西南大西洋公海阿根廷鱿鱼拖网渔场预测模型的有效性	使用CNN-Attention深度学习模型开发了基于船舶位置和捕捞日志数据的拖网渔场预测模型，并比较了两种模型的准确性	船舶数据无法区分不同物种的CPUE，导致在某些月份的预测准确性较低，需要结合捕捞日志数据进行更精确的评估	评估和比较基于船舶位置和捕捞日志数据的阿根廷鱿鱼拖网渔场预测模型的有效性	阿根廷短鳍鱿鱼（Illex argentinus）在西南大西洋公海的拖网渔场	机器学习	NA	CNN-Attention深度学习模型	CNN-Attention	船舶位置数据、捕捞日志数据、海洋学数据	2019-2024年每年12月至6月的捕捞季节数据
7604	2025-01-31	Enhanced CATBraTS for Brain Tumour Semantic Segmentation 2025-Jan-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010008 PMID:39852321	研究论文	本文介绍了一种名为增强型通道注意力变换器（E-CATBraTS）的全自动模型，用于脑肿瘤语义分割，旨在提高分割准确性和统计稳定性	E-CATBraTS模型结合了卷积神经网络和Swin Transformer，引入了通道混洗和注意力机制，有效分割多模态MRI中的脑肿瘤	NA	提高脑肿瘤分割的准确性和统计稳定性	脑肿瘤	计算机视觉	脑肿瘤	MRI	E-CATBraTS（结合CNN和Swin Transformer）	图像	3137个脑部MRI扫描
7605	2025-01-31	Noninvasive Anemia Detection and Hemoglobin Estimation from Retinal Images Using Deep Learning: A Scalable Solution for Resource-Limited Settings 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.20 PMID:39847377	研究论文	本研究开发并验证了一种深度学习模型，用于通过眼底图像进行无创贫血检测、血红蛋白水平估计及贫血相关视网膜特征的识别	利用深度学习模型（如InceptionV3）从眼底图像中无创预测贫血和血红蛋白水平，并识别与贫血相关的视网膜特征	研究样本仅限于南印度40岁及以上的参与者，可能限制了模型的普遍适用性	开发一种无创贫血检测和血红蛋白水平估计的深度学习模型	2265名40岁及以上的参与者	计算机视觉	贫血	深度学习	VGG16, ResNet50, InceptionV3	图像	2265名参与者
7606	2025-01-31	Explainable Deep Learning for Glaucomatous Visual Field Prediction: Artifact Correction Enhances Transformer Models 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.22 PMID:39847375	研究论文	本研究开发了一种深度学习方法，用于修复带有伪影的光学相干断层扫描（OCT）图像，并预测24-2 Humphrey视野（HVF）测试中的功能损失	结合自监督视觉变换器（ViT）和生成伪影校正技术，增强了青光眼结构和功能之间的相关性	研究依赖于有限的样本量，且仅使用了特定类型的OCT和HVF数据	开发一种深度学习方法，用于修复OCT图像中的伪影并预测青光眼的功能损失	951只眼睛的1674对视野-OCT数据用于训练，345只眼睛的429对数据用于测试	计算机视觉	青光眼	光学相干断层扫描（OCT），24-2 Humphrey视野（HVF）测试	卷积神经网络（CNN），视觉变换器（ViT）	图像	1674对视野-OCT数据用于训练，429对数据用于测试
7607	2025-01-31	Artificial Intelligence for Optical Coherence Tomography in Glaucoma 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.27 PMID:39854198	综述	本文探讨了人工智能（AI），特别是深度学习（DL）与光学相干断层扫描（OCT）在青光眼诊断和管理中的应用	本文综述了多种DL模型在增强OCT能力方面的应用，并探讨了其在临床实施中的挑战	数据可用性、变异性、潜在偏见以及需要广泛验证等挑战仍然存在	探索AI，特别是DL模型在增强OCT诊断能力方面的应用	青光眼的诊断和管理	数字病理学	青光眼	光学相干断层扫描（OCT）	卷积神经网络（CNNs）、循环神经网络（RNNs）、生成对抗网络（GANs）、自编码器、大型语言模型（LLMs）	图像	NA
7608	2025-01-31	PaleAle 6.0: Prediction of Protein Relative Solvent Accessibility by Leveraging Pre-Trained Language Models (PLMs) 2025-Jan-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010049 PMID:39858443	研究论文	本研究利用预训练语言模型（PLMs）增强蛋白质相对溶剂可及性（RSA）的预测，提出了一种基于双向循环神经网络和卷积层的深度神经网络架构	结合自然语言处理（NLP）算法和预训练语言模型（PLMs）来预测蛋白质的RSA，提出了一种新的深度神经网络架构	NA	提高蛋白质相对溶剂可及性（RSA）的预测准确性	蛋白质序列	自然语言处理	NA	预训练语言模型（PLMs）	双向循环神经网络和卷积层	蛋白质序列数据	2022年和2024年的测试集数据
7609	2025-01-31	Redox-Detecting Deep Learning for Mechanism Discernment in Cyclic Voltammograms of Multiple Redox Events 2025-Jan-02, ACS electrochemistry DOI:10.1021/acselectrochem.4c00014 PMID:39878149	研究论文	本文介绍了一种名为EchemNet的深度学习架构，用于在多个氧化还原事件的循环伏安图中分配电压窗口和机制类别	首次开发了一种深度学习模型，能够在最小知识的情况下进行氧化还原事件检测和电化学机制分类	NA	提高电化学分析中机制分配的自动化水平，支持实验人员进行机制分类	循环伏安图中的氧化还原事件	机器学习	NA	深度学习	EchemNet	电化学数据	模拟测试数据中的氧化还原事件
7610	2025-01-31	Acceleration of Simultaneous Multislice Magnetic Resonance Fingerprinting With Spatiotemporal Convolutional Neural Network 2025-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5302 PMID:39631961	研究论文	本文介绍了一种新的深度学习方法，用于加速同时多切片磁共振指纹成像（SMS-MRF），以实现高多波段因子，从而在神经影像中进行准确的T和T定量	提出了一种解耦的时空特征学习方法，用于SMS-MRF，以解决高切片间和平面内加速引起的严重混叠伪影问题	方法的有效性在SMS-MRF中尚未得到充分探索，且多波段因子通常限制在2或3	加速同时多切片磁共振指纹成像，以实现高多波段因子，从而在神经影像中进行准确的T和T定量	神经影像中的T和T定量	医学影像	NA	磁共振指纹成像（MRF）	卷积神经网络（CNN）	图像	使用获取的SMS-MRF数据或从单切片MRF采集生成的模拟数据进行训练和评估
7611	2025-01-31	A machine learning model for predicting abnormal liver function induced by a Chinese herbal medicine preparation (Zhengqing Fengtongning) in patients with rheumatoid arthritis based on real-world study 2025-Jan, Journal of integrative medicine DOI:10.1016/j.joim.2024.12.001 PMID:39721810	研究论文	本研究开发了一个机器学习模型，用于预测中药制剂正清风痛宁（ZF）在类风湿性关节炎患者中引起的肝功能异常	首次基于真实世界数据开发了预测ZF引起肝功能异常的模型，并比较了10种机器学习和深度学习模型的性能	研究为回顾性研究，可能存在数据偏差	开发预测模型以提高ZF与西药联合使用的安全性	类风湿性关节炎患者	机器学习	类风湿性关节炎	机器学习、深度学习	LightGBM	临床数据	1,913名符合条件的患者
7612	2025-01-31	EquiRank: Improved protein-protein interface quality estimation using protein language-model-informed equivariant graph neural networks 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.015 PMID:39850657	研究论文	本文提出了一种改进的蛋白质-蛋白质界面质量估计方法EquiRank，利用对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入	结合了对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入，提高了蛋白质-蛋白质界面质量估计的准确性	未提及具体局限性	改进蛋白质-蛋白质界面质量估计方法	蛋白质复合物结构模型的预测相互作用界面	机器学习	NA	E(3)等变图神经网络，ESM-2嵌入	EGNN	蛋白质复合物结构数据	多样化的数据集
7613	2025-01-31	Deep Learning for Predicting Spheroid Viability: Novel Convolutional Neural Network Model for Automating Quality Control for Three-Dimensional Bioprinting 2025-Jan-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010028 PMID:39851302	研究论文	本研究开发了一种卷积神经网络模型，用于预测三维生物打印中球状体的存活率，以提高质量控制效率	提出了一种新的卷积神经网络模型，用于自动化评估球状体存活率，解决了现有方法耗时、劳动密集、需要专业训练或存在人为偏差的问题	研究仅基于小鼠间充质干细胞球状体，未涉及其他细胞类型或更复杂的组织模型	开发一种高效、准确的方法来评估球状体存活率，以促进生物工程心脏组织贴片的开发	小鼠间充质干细胞球状体	数字病理学	心血管疾病	CCK-8检测	CNN	图像	不同大小的小鼠间充质干细胞球状体数据集
7614	2025-01-31	Neural-WDRC: A Deep Learning Wide Dynamic Range Compression Method Combined With Controllable Noise Reduction for Hearing Aids 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165241309301 PMID:39865875	研究论文	本文提出了一种名为Neural-WDRC的深度学习方法，用于在助听器中结合可控降噪的宽动态范围压缩（WDRC）	Neural-WDRC采用两阶段低复杂度网络，同时实现降噪和WDRC，通过控制残余噪声水平帮助用户感知自然环境声音	NA	提高助听器在非稳态噪声环境下的语音清晰度和听感舒适度	助听器用户	机器学习	听力障碍	深度学习	两阶段低复杂度网络	音频信号	正常听力参与者和听力受损参与者
7615	2025-01-31	Deep Learning and Radiomics in Triple-Negative Breast Cancer: Predicting Long-Term Prognosis and Clinical Outcomes 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S509004 PMID:39866348	综述	本文综述了深度学习和放射组学在三阴性乳腺癌（TNBC）诊断和治疗中的应用进展	结合深度学习和放射组学技术，探索其在TNBC诊断、治疗反应评估和长期预后预测中的应用前景	未提及具体研究数据或实验结果的局限性	探讨深度学习和放射组学在TNBC诊断和治疗中的潜在应用	三阴性乳腺癌（TNBC）	数字病理学	乳腺癌	深度学习、放射组学、超声、MRI	NA	图像	NA
7616	2025-01-31	Development of metastasis and survival prediction model of luminal and non-luminal breast cancer with weakly supervised learning based on pathomics 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18780 PMID:39866573	研究论文	本研究旨在开发一种基于病理图像的深度学习模型，用于预测乳腺癌患者的转移和生存结果	利用弱监督学习方法，结合病理图像和临床特征，开发了预测乳腺癌转移和生存的深度学习模型	样本量相对较小，仅包括204个根治性乳房切除标本	开发预测乳腺癌患者转移和生存结果的深度学习模型	乳腺癌患者	数字病理学	乳腺癌	全片成像（WSI）	DenseNet121, ResNet50, Inception_v3	图像	204个根治性乳房切除标本
7617	2025-01-28	Post-processing enhances protein secondary structure prediction with second order deep learning and embeddings 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.022 PMID:39866664	研究论文	本文探讨了利用二阶深度学习和嵌入技术增强蛋白质二级结构预测的方法	采用卷积神经网络（CNN）结合SHN方法进行训练，并使用从预训练语言模型中提取的嵌入作为输入，通过后处理技术显著提高了预测性能	后处理窗口大小受限于CASP13数据集中最小蛋白质的大小	提高蛋白质二级结构预测的准确性	蛋白质二级结构	生物信息学	NA	深度学习	CNN	蛋白质序列	CB513、PISCES和CASP13数据集
7618	2025-01-31	Enhancing prostate cancer segmentation in bpMRI: Integrating zonal awareness into attention-guided U-Net 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251314546 PMID:39866889	研究论文	本研究提出了一种结合区域感知的注意力引导U-Net模型，用于增强前列腺癌在双参数磁共振成像（bpMRI）中的分割效果	创新点在于引入区域特征对疾病进展的影响，采用两步机制的自动化方法，先对前列腺区域进行分割预训练，再对病变进行分割预训练	未提及具体局限性	提高前列腺癌在bpMRI图像中的诊断性能，实现早期准确诊断	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像（bpMRI）	注意力引导U-Net	图像	未提及具体样本量
7619	2025-01-31	Classification of CT scan and X-ray dataset based on deep learning and particle swarm optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317450 PMID:39869555	研究论文	本文提出了一种基于深度学习和粒子群优化的低误报率疾病检测方法，用于COVID-19肺部图像的分类	提出了一种两阶段优化模型，第一阶段使用经典梯度下降法训练模型并提取相关特征，第二阶段构建最小化误报率的目标函数，以获得高精度和低误报率的网络模型	NA	开发一种低误报率的疾病检测方法，用于COVID-19肺部图像的分类	COVID-19肺部图像	计算机视觉	COVID-19	深度学习，粒子群优化	两阶段优化模型	图像	公共COVID-19放射学数据集和公共COVID-19肺部CT扫描数据集
7620	2025-01-31	Deep learning based analysis of G3BP1 protein expression to predict the prognosis of nasopharyngeal carcinoma 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315893 PMID:39869565	研究论文	本文利用深度学习技术分析G3BP1蛋白表达，以预测鼻咽癌的预后	首次使用数字病理学方法研究G3BP1的免疫组化染色，并建立了一个深度学习模型来量化染色强度和范围	未提及样本量的具体限制或潜在的偏差	研究G3BP1蛋白表达与鼻咽癌预后的关系	鼻咽癌患者	数字病理学	鼻咽癌	免疫组化染色	深度学习模型	图像	未提及具体样本量