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	2025-02-14	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
7602	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
7603	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
7604	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
7605	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
7606	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
7607	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
7608	2025-02-14	Detection of Masses in Mammogram Images Based on the Enhanced RetinaNet Network With INbreast Dataset 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S493873 PMID:39935433	研究论文	本文提出了一种基于增强RetinaNet网络的乳腺X光图像肿块检测方法，旨在提高计算机辅助诊断的效率和准确性	在RetinaNet网络结构中引入ReLU函数处理特征图M5，以防止小肿块特征的分辨率损失，并采用迁移学习技术进行模型训练	研究仅基于INbreast数据集进行验证，未在其他数据集上测试模型的泛化能力	提高乳腺X光图像中肿块的检测准确率，减少假阳性和假阴性	乳腺X光图像中的肿块	计算机视觉	乳腺癌	深度学习	RetinaNet	图像	INbreast数据集
7609	2025-02-14	Diagnosis of depression based on facial multimodal data 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1508772 PMID:39935533	研究论文	本研究提出了一种基于面部视频和音频数据的深度学习方法来自动诊断抑郁症	通过融合多模态数据，使用时空注意力模块增强视觉特征提取，并结合GCN和LSTM分析音频特征，有效捕捉与抑郁症相关的不同特征模式	NA	开发基于客观指标的自动诊断工具，以解决传统量表诊断方法的主观性强和误诊率高的问题	抑郁症患者	机器学习	抑郁症	深度学习	GCN, LSTM	面部视频, 音频数据	公开的临床数据集E-DAIC
7610	2025-02-14	Mapping knowledge landscapes and emerging trends in artificial intelligence for antimicrobial resistance: bibliometric and visualization analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1492709 PMID:39935800	研究论文	本文通过文献计量学分析，系统地绘制了人工智能在抗菌素耐药性研究中的应用知识图谱和发展趋势	整合了多种文献计量学方法，包括VOSviewer、CiteSpace和定量分析，以可视化合作网络和研究集群，并分析时间演变	数据来源仅限于Web of Science核心合集数据库，可能未涵盖所有相关研究	提供基于证据的见解，指导未来研究方向，并为这一动态领域的战略决策提供信息	2014年至2024年期间发表的关于人工智能在抗菌素耐药性研究中应用的出版物	机器学习	抗菌素耐药性	文献计量学分析、VOSviewer、CiteSpace	人工神经网络、图神经网络	文献数据	2,408篇出版物
7611	2025-02-14	DPD-YOLO: dense pineapple fruit target detection algorithm in complex environments based on YOLOv8 combined with attention mechanism 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1523552 PMID:39935949	研究论文	本文提出了一种基于YOLOv8并结合注意力机制的DPD-YOLO算法，用于复杂环境下的菠萝果实目标检测	DPD-YOLO算法引入了注意力机制（Coordinate Attention）和BiFPN（双向特征金字塔网络），并替换了YOLOv8的检测头为RT-DETR检测头，结合了Cross-Attention和Self-Attention机制，显著提高了模型在复杂背景和遮挡情况下的检测精度	NA	提高复杂环境下菠萝果实目标检测的准确性	菠萝果实	计算机视觉	NA	NA	YOLOv8, DPD-YOLO, RT-DETR	图像	NA
7612	2025-02-14	Dual-stream disentangled model for microvascular extraction in five datasets from multiple OCTA instruments 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1542737 PMID:39944497	研究论文	本文提出了一种新颖的双流解耦网络（D2Net），用于视网膜OCTA微血管分割，有效减少了不同成像仪器带来的噪声和伪影干扰	提出了一种双流编码器，分别学习图像伪影和潜在血管特征，通过引入血管结构作为先验约束和构建辅助信息，实现了解耦表示学习	尽管在多个数据集上验证了方法的鲁棒性和泛化能力，但仍需进一步验证其在更广泛临床环境中的适用性	提高视网膜OCTA微血管分割的准确性，减少噪声和伪影的干扰	视网膜OCTA图像中的微血管	计算机视觉	眼科疾病	OCTA成像技术	双流解耦网络（D2Net）	图像	五个数据集（包括FOCA、OCTA-500、ROSE-O、ROSE-Z和ROSE-H），数据来自不同仪器
7613	2025-02-14	Magnetic resonance imaging-based deep learning for predicting subtypes of glioma 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1518815 PMID:39944539	研究论文	本研究探讨了基于磁共振成像（MRI）的深度学习在胶质瘤亚型分类中的应用价值	开发了一套能够有效分类胶质瘤亚型的模型，并发现仅包含FLAIR序列的模型效果最佳	研究样本主要来自公开数据库和单一医院，可能存在样本选择偏差	探索基于MRI的深度学习在胶质瘤亚型分类中的应用	747名来自公开数据库和64名来自医院的经手术病理证实的胶质瘤成年患者	计算机视觉	胶质瘤	磁共振成像（MRI）	深度学习	图像	811名患者（747名来自公开数据库，64名来自医院）
7614	2025-02-14	Modeling dose uncertainty in cone-beam computed tomography: Predictive approach for deep learning-based synthetic computed tomography generation 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100704 PMID:39944778	研究论文	本研究提出了一种基于深度学习的合成CT生成方法，用于评估锥形束CT（CBCT）中的剂量不确定性	引入了与合成CT和CT之间误差相关的体素级不确定性估计器，并提出了一种通过定义CT剂量-体积直方图（DVH）周围的置信区间来估计剂量不确定性的新方法	研究样本主要来自单一中心的头颈部患者，且仅测试了少量来自其他中心的患者，可能限制了方法的普适性	提高CBCT在图像引导放疗中的剂量计算准确性	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	NA	医学影像	85名头颈部患者（主要来自单一中心），外加3名来自不同中心的患者
7615	2025-02-14	Association between the subclinical level of problematic internet use and habenula volume: a look at mediation effect of neuroticism 2025, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2024-101694 PMID:39944777	研究论文	本研究探讨了亚临床水平的问题性互联网使用（PIU）与缰核体积之间的关系，以及神经质在这一关系中的中介作用	首次揭示了缰核体积减少与PIU增加之间的关键联系，并发现神经质是PIU发展的关键风险因素，且在其中起中介作用	研究为横断面设计，无法确定因果关系；样本量相对较小	探讨亚临床PIU与缰核体积的关系及人格特质的中介作用	110名健康成年人	神经科学	精神疾病	结构磁共振成像，深度学习技术	深度学习	图像，问卷数据	110名健康成年人
7616	2025-02-14	Ontologies in modelling and analysing of big genetic data 2024-Dec, Vavilovskii zhurnal genetiki i selektsii IF:0.9Q3 DOI:10.18699/vjgb-24-101 PMID:39944813	研究论文	本文探讨了基于本体论的新方法，用于系统化和有效利用生物信息学和生物医学领域积累的大量实验数据，包括自动化语义整合异构数据、创建大型知识库和基于深度学习的自解释方法	提出了基于本体论的深度学习方法，如Deep GONet和ONN4MST，这些方法不仅性能高，而且具有可解释性，解决了深度学习模型通常作为“黑箱”的问题	尽管提出了可解释的深度学习方法，但神经网络的复杂性和数据异质性仍然是挑战，且自动推理依赖于预先创建的参考本体	开发基于本体论的方法，以系统化和有效利用生物信息学和生物医学领域的大规模实验数据	生物信息学、系统生物学和生物医学领域的实验数据	生物信息学	癌症	深度学习、本体论、语义整合	Deep GONet、ONN4MST	基因数据、微生物数据	癌症诊断数据集、人类肠道微生物群落样本
7617	2025-02-14	Medical language model specialized in extracting cardiac knowledge 2024-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80165-z PMID:39580531	研究论文	本文专注于构建一个专门用于心脏病学领域的医学语言模型	创新点在于将医学领域细分为多个专业部门，并专注于心脏病学领域，构建专门的模型	NA	研究目的是在医学领域内构建一个专门用于心脏病学的语言模型	研究对象是心脏病学领域的医学数据	自然语言处理	心血管疾病	Transformer	Transformer-based 语言模型	文本	NA
7618	2025-02-14	Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches 2024-Nov-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252212233 PMID:39596300	综述	本文探讨了机器学习在基于靶点的药物发现中的应用，特别是在小分子方法中的影响	利用机器学习和自然语言处理技术，SMILES系统在药物设计、挖掘和再利用中取得了革命性进展，深度学习通过CNN和RNN在虚拟筛选、靶点识别和新药设计中显示出潜力	挑战包括模型的可解释性和数据质量问题	探讨机器学习如何加速基于靶点的药物发现，提高效率和创新	小分子药物	机器学习	NA	机器学习，自然语言处理，深度学习	CNN, RNN, GAN	化学结构数据	NA
7619	2025-02-14	Deep learning prediction of curve severity from rasterstereographic back images in adolescent idiopathic scoliosis 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-08052-1 PMID:38055037	研究论文	本研究评估了基于卷积神经网络的深度学习模型在青少年特发性脊柱侧弯中直接从背部表面光栅立体图像预测Cobb角度的有效性	使用深度学习模型直接从光栅立体图像预测Cobb角度，避免了传统的脊柱形状重建方法	尽管相比之前的方法有所改进，但全自动应用的性能仍低于人类操作者进行的放射学评估	评估深度学习模型在预测青少年特发性脊柱侧弯Cobb角度方面的有效性	青少年特发性脊柱侧弯患者	计算机视觉	脊柱侧弯	光栅立体成像	卷积神经网络（CNN）	图像	900名个体（720个训练样本，180个测试样本）
7620	2025-02-14	Application of machine-learning model to optimize colonic adenoma detection in India 2024-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01530-4 PMID:38758433	研究论文	本文旨在开发一种机器学习模型，以优化印度结肠腺瘤的检测	使用梯度提升机（GBM）学习方法开发预测模型，并通过调整学习率和树的数量以及10折交叉验证进一步优化模型	研究中排除了结肠腺瘤高风险患者，可能影响模型的普遍适用性	优化结肠腺瘤的检测，预防结直肠癌	接受诊断性结肠镜检查的成年患者	机器学习	结直肠癌	梯度提升机（GBM）	梯度提升树模型	临床数据	10,320名患者