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	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究利用深度学习技术分析数字细胞病理学图像，直接预测葡萄膜黑色素瘤患者的48个月生存状态	首次使用深度学习直接从数字细胞病理学图像预测葡萄膜黑色素瘤患者的长期生存状态	样本量较小（74名患者），且需要前瞻性验证	开发一种基于深度学习的葡萄膜黑色素瘤患者生存预测工具	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检（FNAB）和H&E染色	人工神经网络	图像	74名患者，207,260个独特ROI
7602	2025-01-28	In Shift and In Variance: Assessing the Robustness of HAR Deep Learning Models Against Variability 2025-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s25020430 PMID:39860799	研究论文	本研究评估了深度学习模型在人类活动识别（HAR）中对现实世界变异性的鲁棒性	首次系统地分析了主体、设备、位置和方向变异性对深度学习HAR模型的影响，并使用最大均值差异（MMD）量化了这些变异性引起的数据分布变化	研究主要基于实验室控制的数据集，未在更广泛的现实世界数据上进行验证	评估深度学习模型在人类活动识别中对现实世界变异性的鲁棒性	人类活动识别（HAR）的深度学习模型	机器学习	NA	最大均值差异（MMD）	深度学习模型	IMU传感器数据	使用了HARVAR和REALDISP数据集
7603	2025-01-31	A Hybrid Approach for Sports Activity Recognition Using Key Body Descriptors and Hybrid Deep Learning Classifier 2025-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s25020441 PMID:39860811	研究论文	本文提出了一种利用人体部位特征及其周围环境进行序列图像中事件识别的方法	结合了多种特征描述符和混合深度学习分类器，并采用灰狼优化算法进行特征选择，显著提高了事件识别的准确性	未提及具体的数据集限制或模型泛化能力的问题	提高复杂场景下运动活动识别的准确性	序列图像中的人体运动活动	计算机视觉	NA	MSER, SURF, 距离变换, DOF, BRIEF, HOG, FAST, 光流	CNN + RNN	图像	UCF-101 数据集和 YouTube 数据集
7604	2025-01-31	Unsupervised deep learning of electrocardiograms enables scalable human disease profiling 2025-Jan-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01418-9 PMID:39799251	研究论文	本文开发了一种深度学习的去噪自编码器，用于从12导联心电图（ECG）中检测人类疾病，并在三个独立的数据集中评估了ECG编码与约1600种基于Phecode的疾病之间的关联	利用深度学习的去噪自编码器从ECG中提取潜在空间特征，系统地评估了ECG编码与多种疾病之间的关联，并展示了如何利用潜在空间模型生成疾病特定的ECG波形	研究结果基于特定的数据集，可能无法推广到所有人群	探索ECG在检测人类疾病中的潜力，并开发一种能够进行疾病分析的深度学习模型	12导联心电图（ECG）数据	机器学习	心血管疾病	深度学习	去噪自编码器	ECG数据	三个独立的数据集，涉及约1600种基于Phecode的疾病
7605	2025-01-31	Deep Temporal Clustering of Pathological Gait Patterns in Post-Stroke Patients Using Joint Angle Trajectories: A Cross-Sectional Study 2025-Jan-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010055 PMID:39851329	研究论文	本研究旨在通过深度学习技术对中风后偏瘫患者的步态模式进行自动聚类分析	采用端到端深度学习模型直接从关节角度轨迹中自动提取特征进行聚类，减少了人工干预，提高了准确性和一致性	研究主要使用了矢状面数据，未来可结合冠状面和横断面数据以及肌肉活动和步态对称性进行更全面的分析	识别和聚类中风后偏瘫患者的步态模式，以改善康复效果	74名亚急性中风后偏瘫患者	数字病理学	中风	深度学习	深度时间聚类模型	关节角度和角速度轨迹	74名患者，219个步态周期的矢状面关节角度和角速度轨迹
7606	2025-01-31	Explainable Self-Supervised Dynamic Neuroimaging Using Time Reversal 2025-Jan-11, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15010060 PMID:39851428	研究论文	本研究介绍了一种名为时间反转（TR）的预训练方法，用于提高功能磁共振成像（fMRI）数据的分类性能，特别是在精神分裂症分类任务中	提出了时间反转（TR）预训练方法，通过学习数据中的时间依赖性，提高了模型在精神分裂症分类任务中的预测性能和可解释性	研究主要依赖于预训练模型的迁移学习，可能在小数据集上的泛化能力有限	提高功能磁共振成像（fMRI）数据的分类性能，特别是在精神分裂症分类任务中	功能磁共振成像（fMRI）数据	机器学习	精神分裂症	时间反转（TR）预训练方法	LSTM	fMRI数据	HCP、UK Biobank、FBIRN、COBRE和B-SNIP数据集
7607	2025-01-31	Image-Based Detection and Classification of Malaria Parasites and Leukocytes with Quality Assessment of Romanowsky-Stained Blood Smears 2025-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s25020390 PMID:39860759	研究论文	本研究介绍了一种自动化系统，用于分析Romanowsky染色的厚血涂片，专注于图像质量评估、白细胞检测和疟原虫分类	结合先进的图像质量评估和深度学习技术，提出了一种鲁棒且可扩展的自动化系统，用于疟疾诊断中的寄生虫检测和分类	NA	开发一种自动化系统，以提高疟疾诊断的准确性和效率	Romanowsky染色的厚血涂片图像	计算机视觉	疟疾	灰度共生矩阵（GLCM）、支持向量机（SVM）、卷积神经网络（CNN）	CNN	图像	1000张临床诊断图像
7608	2025-01-31	MalHAPGNN: An Enhanced Call Graph-Based Malware Detection Framework Using Hierarchical Attention Pooling Graph Neural Network 2025-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s25020374 PMID:39860745	研究论文	本文提出了一种基于增强调用图的层次注意力池化图神经网络框架MalHAPGNN，用于恶意软件检测	提出了一种基于BERT属性增强的函数嵌入方法，并设计了一种集成注意力机制和池化操作的层次图神经网络，以全面描述恶意代码的语义、句法和结构特征	未提及具体局限性	提高恶意软件检测的准确性和全面性	恶意软件	机器学习	NA	BERT, 图神经网络	层次注意力池化图神经网络	调用图数据	Kaggle和VirusShare数据集
7609	2025-01-31	An Enhanced Approach Using AGS Network for Skin Cancer Classification 2025-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s25020394 PMID:39860766	研究论文	本研究提出了一种名为AGS网络的新方法，旨在解决小数据集问题并提高皮肤癌分类器的性能	AGS网络结合了三种关键模块：增强（A）、GAN（G）和分割（S），展示了在集成框架中结合多种增强技术的有效性	需要大规模医学图像数据集进行AI模型训练，但获取这些数据集并不容易	提高皮肤癌分类的准确性	皮肤癌	计算机视觉	皮肤癌	GAN, 数据增强, 图像分割	GoogLeNet, DenseNet201, ResNet50, MobileNet V3, EfficientNet B0, ViT, EfficientNet V2, Swin Transformers	图像	HAM10000数据集
7610	2025-01-31	F-CPI: A Multimodal Deep Learning Approach for Predicting Compound Bioactivity Changes Induced by Fluorine Substitution 2025-01-09, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02668 PMID:39707149	研究论文	本文提出了一种多模态深度学习方法F-CPI，用于预测氟取代引起的化合物生物活性变化	开发了F-CPI模型，相比传统机器学习和流行的CPI任务模型，在准确率、精确率和召回率上表现更优，并成功应用于SARS-CoV-2 3CL的结构优化	NA	预测氟取代对化合物与蛋白质相互作用（CPI）的影响，以优化药物发现和设计	氟取代和非氟取代的化合物对	机器学习	NA	多模态深度学习	F-CPI	化合物对数据	111,168对氟取代和非氟取代的化合物
7611	2025-01-31	The Role of Artificial Intelligence and Emerging Technologies in Advancing Total Hip Arthroplasty 2025-Jan-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15010021 PMID:39852213	综述	本文探讨了人工智能和新兴技术在推动全髋关节置换术（THA）中的应用及其影响	本文综述了AI和机器人技术在THA中的创新应用，如自动诊断髋关节骨关节炎、精确植入物定位和个性化风险分层，以及这些技术如何改善患者预后	尽管技术进步显著，但成本、可及性以及外科医生的学习曲线等障碍限制了这些技术的广泛应用，特别是在老年人群中，技术适应性较低的问题尤为突出	评估AI和机器人技术在THA中的应用，强调其机遇与挑战，并推动进一步研究和实际验证以有效整合这些技术到临床实践中	全髋关节置换术（THA）及其相关技术应用	医疗技术	骨关节炎	人工智能（AI）、机器人技术、深度学习	深度学习模型	多模态数据	NA
7612	2025-01-31	Lessons from Deep Learning Structural Prediction of Multistate Multidomain Proteins-The Case Study of Coiled-Coil NOD-like Receptors 2025-Jan-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26020500 PMID:39859213	研究论文	本文测试了新一代深度学习预测器在多状态多结构域蛋白质结构预测中的能力，以卷曲螺旋NOD样受体为例	研究了深度学习预测器在多状态多结构域蛋白质结构预测中的表现，特别是在卷曲螺旋区域的建模挑战	预测器在建模蛋白质的变形区域（如卷曲螺旋）时表现较低，且在缺乏全局模板时，可能需要分段建模方法	评估深度学习预测器在多状态多结构域蛋白质结构预测中的能力	卷曲螺旋NOD样受体及其他参考蛋白质	生物信息学	NA	深度学习	深度学习预测器	蛋白质序列和结构数据	卷曲螺旋NOD样受体家族及少量其他参考蛋白质
7613	2025-01-31	Technology for the Quantitative Identification of Dairy Products Based on Raman Spectroscopy, Chemometrics, and Machine Learning 2025-Jan-09, Molecules (Basel, Switzerland) DOI:10.3390/molecules30020239 PMID:39860109	研究论文	本文探讨了基于拉曼光谱、化学计量学和机器学习技术的乳制品定量识别技术	结合了二维相关光谱、多种光谱预处理方法和机器学习算法，提出了适用于智能识别的深度学习算法和融合策略	未提及具体样本量或实验验证结果	开发乳制品的定量识别技术	乳制品	机器学习	NA	拉曼光谱、化学计量学	深度学习算法	光谱数据	NA
7614	2025-01-31	Elephant Sound Classification Using Deep Learning Optimization 2025-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s25020352 PMID:39860723	研究论文	本研究利用深度学习优化技术进行大象声音分类，旨在提高野生动物保护和生态研究的效率	提出了一种名为ElephantCallerNet的新模型，直接在原始音频上进行分类，无需转换为频谱图，并达到了89%的准确率	研究主要针对三种特定的大象声音类型（咆哮、隆隆声和喇叭声），可能不适用于其他动物声音分类	开发适用于资源受限边缘设备的轻量级模型，以改进大象声音分类	大象的声音（咆哮、隆隆声和喇叭声）	机器学习	NA	深度学习优化，贝叶斯优化	MobileNet, YAMNET, RawNet, ElephantCallerNet	音频	NA
7615	2025-01-31	Marker-Less Video Analysis of Infant Movements for Early Identification of Neurodevelopmental Disorders 2025-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020136 PMID:39857020	研究论文	本研究采用无标记的人工智能方法，通过单摄像头视频记录自动评估婴儿运动，以早期识别神经发育障碍	使用无标记的AI方法自动评估婴儿运动，这在早期识别神经发育障碍方面具有创新性	样本量相对较小（74名高风险婴儿），且仅关注了特定时间点的运动特征	早期识别神经发育障碍，以促进有效干预和改善长期结果	高风险婴儿	计算机视觉	神经发育障碍	深度学习	SVM	视频	74名高风险婴儿
7616	2025-01-31	Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics 2025-Jan-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010081 PMID:39858475	综述	本文综述了特征选择技术在提高机器学习模型在高维数据集中的可解释性和性能方面的应用，以解决癌症诊断中的肿瘤亚型识别问题	探讨了特征选择技术在癌症诊断中的应用，特别是通过多组学数据和机器学习算法的整合来增强肿瘤异质性的理解	数据质量保证、过拟合缓解和可扩展性处理仍是这些方法的关键限制	提高癌症诊断的精确性，特别是肿瘤亚型的识别	肿瘤亚型及其多样化的生物学行为	机器学习	癌症	特征选择技术（如过滤法、包装法和嵌入法）	机器学习模型	高维数据集	NA
7617	2025-01-31	Overview and Prospects of DNA Sequence Visualization 2025-Jan-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26020477 PMID:39859192	综述	本文全面概述了DNA序列的可视化方法，从二维、三维、四维和动态可视化四个不同角度详细讨论了每种方法的优势和局限性，并提出了未来生物序列可视化研究的两个潜在方向	提出了构建生物序列大数据的知识图谱和利用机器学习方法进行生物序列的跨模态可视化两个未来研究方向	现有方法在图形特征提取和知识关联网络生成方面效率低下	探讨生物序列可视化方法及其在计算生物学、生物信息学、基因组计算、遗传育种、进化分析等领域的应用	DNA序列	生物信息学	NA	NA	NA	生物序列数据	NA
7618	2025-01-31	A Robust Blood Vessel Segmentation Technique for Angiographic Images Employing Multi-Scale Filtering Approach 2025-Jan-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14020354 PMID:39860360	研究论文	本研究提出了一种用于血管造影图像中血管分割的鲁棒技术，采用多尺度滤波方法	引入了Morpho-U-Net，一种增强的U-Net架构，集成了高斯模糊、阈值处理和形态学开闭操作，以提高血管完整性、减少噪声，并实现了更高的Dice分数	NA	提高血管造影图像中血管分割的准确性和鲁棒性，以支持心血管疾病的诊断和治疗规划	冠状动脉计算机断层扫描血管造影（CTA）图像	计算机视觉	心血管疾病	多尺度滤波方法	Morpho-U-Net	图像	NA
7619	2025-01-31	Performance Evaluation of Deep Learning Image Classification Modules in the MUN-ABSAI Ice Risk Management Architecture 2025-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s25020326 PMID:39860696	研究论文	本文提出了一种基于深度学习的北极冰风险管理系统架构，包括冰分类、风险评估、浮冰跟踪和冰负荷计算等多个模块	提出了一个综合的深度学习架构，用于实时监测北极冰况，并评估了YOLOv8n-cls模型在冰分类模块中的性能	未提及系统在实际应用中的长期稳定性和可靠性	解决北极新航线中的冰况导航挑战	北极冰图像	计算机视觉	NA	深度学习	YOLOv8n-cls	图像	15,000张冰图像
7620	2025-01-31	Combined Input Deep Learning Pipeline for Embryo Selection for In Vitro Fertilization Using Light Microscopic Images and Additional Features 2025-Jan-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010013 PMID:39852326	研究论文	本研究开发了一种基于深度学习的管道，用于通过结合显微镜图像和额外特征（如患者年龄和预测胚胎阶段、内细胞团和滋养外胚层的伊斯坦布尔评分）来分类胚胎的生存能力	创新点在于结合了显微镜图像和额外特征，使用卷积迁移学习模型，并通过Optuna进行超参数优化，同时使用自监督学习框架SimCLR和GAN生成的图像进行训练	模型的F1分数、准确率、敏感性和AUC分别为65.02%、69.04%、56.76%和66.98%，仍有提升空间	研究目的是通过深度学习提高体外受精中胚胎选择的准确性和客观性	研究对象是体外受精中的胚胎	计算机视觉	NA	深度学习、卷积迁移学习、自监督学习、生成对抗网络（GANs）	EfficientNet-B0、SimCLR、GAN	图像、额外特征（如患者年龄、伊斯坦布尔评分）	NA