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
7661	2025-01-31	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	本文提出了一种名为ItpCtrl-AI的端到端可解释和可控的人工智能框架，旨在模拟放射科医生的决策过程，通过模拟放射科医生的眼动模式来生成注意力热图，并用于诊断医学影像中的发现	提出了一种新的端到端可解释和可控的AI框架，通过模拟放射科医生的眼动模式生成注意力热图，并允许用户进行方向性输入，从而增强模型的可解释性和可控性	NA	解决深度学习在计算机辅助诊断系统中缺乏可解释性的问题，提高诊断的准确性和透明度	放射科医生的决策过程和医学影像中的发现	计算机视觉	NA	深度学习	端到端可解释和可控的AI框架	医学影像和眼动数据	创建了一个名为Diagnosed-Gaze++的数据集，包含医学发现与眼动数据的对齐
7662	2025-01-31	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了TransformerLSR，一种基于Transformer的深度建模和推理框架，用于同时联合建模纵向数据、生存数据和复发事件	TransformerLSR首次将深度时间点过程整合到联合建模框架中，处理复发和终止事件作为两个竞争过程，并引入了新的轨迹表示和模型架构以整合已知的潜在结构	当前方法仅处理定期观察时间的纵向测量和生存事件的联合建模，忽略了复发事件	开发一个灵活的框架来联合建模纵向测量、复发事件和生存数据，同时考虑它们的依赖关系	肾移植后的患者	机器学习	NA	深度时间点过程	Transformer	纵向数据、生存数据、复发事件数据	NA
7663	2025-01-31	ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification 2025-Feb-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.12.023 PMID:39705887	研究论文	本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率	提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程	NA	提高垃圾图像分类的准确性和效率，以优化废物管理策略	有机和可回收废物的图像	计算机视觉	NA	深度学习	ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18	图像	24,705张图像，分为有机和可回收两类
7664	2025-01-31	ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102281 PMID:39799749	研究论文	本文开发并验证了一种名为ConvXGB的深度学习模型，用于预测宫颈癌患者术后复发风险	结合卷积神经网络（CNN）和极端梯度提升（XGBoost）开发了新的深度学习模型ConvXGB，用于预测宫颈癌术后复发风险	NA	开发并验证一种深度学习模型，用于预测宫颈癌患者术后复发风险	406名宫颈癌患者的临床病理数据和多参数MRI图像	数字病理学	宫颈癌	多参数MRI	CNN, XGBoost	图像	406名宫颈癌患者
7665	2025-01-31	A deep learning framework for in silico screening of anticancer drugs at the single-cell level 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae451 PMID:39872221	研究论文	本文介绍了一个名为Shennong的深度学习框架，用于在单细胞水平上进行抗癌药物的计算机筛选	利用泛癌和泛组织单细胞转录组数据揭示恶性细胞、癌前细胞以及癌症相关基质和内皮细胞的异质性表达模式，并开发了Shennong框架进行药物筛选	未提及具体的数据集大小和模型验证的局限性	提高抗癌药物筛选的准确性和效率，加速药物发现过程	恶性细胞、癌前细胞、癌症相关基质和内皮细胞	数字病理学	癌症	单细胞RNA测序（scRNA-seq）	深度学习	单细胞转录组数据	未提及具体样本数量
7666	2025-01-14	A CNN-based self-supervised learning framework for small-sample near-infrared spectroscopy classification 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01970a PMID:39803715	研究论文	本文提出了一种基于卷积神经网络（CNN）的自监督学习框架，用于小样本近红外光谱分类	提出了一种自监督学习框架，能够在少量标记数据的情况下提高光谱分析的性能	需要大量伪标记数据进行预训练，可能在实际应用中受到数据获取的限制	提高小样本近红外光谱分类的准确性	三种茶叶品种的光谱数据	机器学习	NA	近红外光谱分析	CNN	光谱数据	自收集的三种茶叶品种数据集及三个公共数据集
7667	2025-01-31	Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization 2025-Jan-30, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c05276 PMID:39809573	研究论文	本文介绍了一种名为Kin-SiM的深度学习框架，用于自动化单分子荧光共振能量转移（smFRET）轨迹的理想化处理	使用预训练的LSTM神经网络来自动化smFRET轨迹的理想化，无需用户输入马尔可夫假设，减少了手动干预和偏差风险	需要大量的模拟数据进行预训练，且在实际应用中可能面临数据不足的问题	开发一种自动化工具来分析和理想化smFRET时间轨迹，以揭示生物分子的动态变化	单分子荧光共振能量转移（smFRET）时间轨迹	机器学习	NA	smFRET	LSTM	时间序列数据	基准smFRET数据集
7668	2025-01-31	Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map 2025-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adabea PMID:39832385	研究论文	本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响	提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题	未提及具体的数据集大小和多样性，可能影响结果的普适性	提高角膜地形图分类的深度学习模型性能	角膜地形图	计算机视觉	NA	生成对抗网络（GAN）、特定生成模型	卷积神经网络（CNN）	图像	NA
7669	2025-01-31	A novel spectroscopy-deep learning approach for aqueous multi-heavy metal detection 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01200c PMID:39775679	研究论文	本文提出了一种结合光谱技术和深度学习的新方法，用于水体中多种重金属的快速检测	开发了一种新的数字光谱成像系统，并利用深度卷积神经网络（ResNet-50、Inception V1和SqueezeNet V1.1）构建了一个端到端的回归模型，用于预测混合水样中的重金属浓度	需要大量的光谱数据来训练AI模型，传统方法难以快速提供这些数据	开发一种高效的方法，用于复杂水环境中重金属的快速检测	混合水样中的重金属（砷、铬、铜）	机器学习	NA	光谱技术	ResNet-50, Inception V1, SqueezeNet V1.1	光谱数据	3000个混合重金属样本的光谱数据
7670	2025-01-31	An explainable transformer model integrating PET and tabular data for histologic grading and prognosis of follicular lymphoma: a multi-institutional digital biopsy study 2025-Jan-30, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07090-9 PMID:39883138	研究论文	本研究开发了一种可解释的多模态融合Transformer模型，用于非侵入性识别滤泡性淋巴瘤（FL）的分级和预后	创新点在于开发了一种结合3D PET肿瘤图像和表格数据的多模态融合Transformer模型，并配备了可解释模块，增强了临床可解释性和可靠性	研究为回顾性研究，可能存在选择偏倚，且样本量相对较小	开发一种深度学习模型，用于非侵入性识别滤泡性淋巴瘤的分级和预后	滤泡性淋巴瘤患者	数字病理学	滤泡性淋巴瘤	深度学习	Transformer	3D PET图像和表格数据	513名滤泡性淋巴瘤患者，来自五个独立的医院中心
7671	2025-01-31	Multiparametric MRI-based machine learning system of molecular subgroups and prognosis in medulloblastoma 2025-Jan-30, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11385-8 PMID:39883158	研究论文	本文旨在利用人工智能准确识别髓母细胞瘤的分子亚群，预测临床结果，并将基于深度学习的影像特征整合到风险分层中	提出了一种名为Bi-ResNet-MB的新型多参数卷积神经网络，用于提取髓母细胞瘤的MRI特征，并建立了一个基于XGBoost的预后模型，以及一个基于M2R评分的新型风险分层系统	研究样本量相对较小，且仅在北京天坛医院进行，可能限制了结果的普遍性	识别髓母细胞瘤的分子亚群并预测临床结果，整合深度学习影像特征进行风险分层	髓母细胞瘤患者	数字病理学	髓母细胞瘤	MRI	CNN, XGBoost	图像	139名髓母细胞瘤患者（36名女性，平均年龄7.27±3.62岁），独立验证数据集包含108名患者（33名女性，平均年龄7.11±2.92岁）
7672	2024-12-15	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	研究论文	本研究探讨了将全息显微医学成像与深度学习技术结合用于癌症诊断的新方法	提出了一种结合定量相位成像（QPI）和深度学习（DL）的新方法，解决了传统成像技术无法捕捉详细结构信息的局限性	研究中提到了集成全息成像和深度学习方法所面临的挑战，但未详细说明具体的限制	探索全息显微成像与深度学习技术结合在癌症诊断中的潜力，并提出未来研究方向	癌症诊断中的组织样本和全息图像	计算机视觉	NA	全息显微成像，深度学习	U-Net，Vision Transformer（ViT）	图像	未具体说明样本数量
7673	2025-01-31	EEG-derived brainwave patterns for depression diagnosis via hybrid machine learning and deep learning frameworks 2025-Jan-29, Applied neuropsychology. Adult DOI:10.1080/23279095.2025.2457999 PMID:39879638	研究论文	本文开发了基于脑电图（EEG）信号的机器学习和深度学习技术，用于抑郁症的诊断	结合机器学习和深度学习框架，利用EEG信号进行抑郁症诊断，并在不同条件下测试了三种分类器的性能	样本量较小，仅包含34名抑郁症患者和30名健康受试者	开发基于EEG信号的机器学习和深度学习技术，用于抑郁症的早期诊断	34名抑郁症患者和30名健康受试者的EEG信号	机器学习	抑郁症	EEG信号分析	1DCNN, SVM, LR	EEG信号	64名受试者（34名抑郁症患者和30名健康受试者）
7674	2025-01-31	High-Precision prediction of curling trajectory multivariate time series using the novel CasLSTM approach 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87933-5 PMID:39870770	研究论文	本文提出了一种创新的深度学习方法CasLSTM，用于高精度预测冰壶轨迹的多元时间序列	引入了集成层间记忆的CasLSTM方法，并设计了非教师强制、ExMSE损失和增量多轨迹学习等定制训练技术，显著提高了模型性能	NA	提高冰壶轨迹预测的精度，帮助运动员制定比赛策略	冰壶轨迹的多元时间序列	机器学习	NA	深度学习	CasLSTM	多元时间序列	NA
7675	2025-01-31	Automatic segmentation of the midfacial bone surface from ultrasound images using deep learning methods 2025-Jan-28, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.01.012 PMID:39880737	研究论文	本研究开发了一种基于深度学习方法的自动算法，用于从2D超声图像中分割中面部骨表面	首次将六种深度学习网络（nnU-Net, U-Net, ConvNeXt, Mask2Former, SegFormer, 和 DDRNet）应用于中面部骨表面的自动分割，并比较了它们的性能	研究仅针对中面部骨表面，未涉及其他骨骼部位	开发一种自动算法，用于从2D超声图像中分割中面部骨表面	中面部骨表面	计算机视觉	NA	深度学习	nnU-Net, U-Net, ConvNeXt, Mask2Former, SegFormer, DDRNet	2D超声图像	NA
7676	2025-01-31	Efficient anomaly detection in tabular cybersecurity data using large language models 2025-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88050-z PMID:39870811	研究论文	本文提出了一种基于大型语言模型的创新方法，用于表格数据中的异常检测，称为“通过引导提示的表格异常检测”（TAD-GP）	利用7亿参数的开源模型，结合数据样本引入、异常类型识别、链式思维推理、多轮对话和关键信息强化等策略，显著提高了异常检测的性能	NA	解决传统机器学习和深度学习方法在表格数据异常检测中的泛化问题	表格数据中的异常检测	机器学习	NA	大型语言模型	TAD-GP	表格数据	CICIDS2017、KDD Cup 1999和UNSW-NB15数据集
7677	2025-01-31	Hybrid generative adversarial network based on frequency and spatial domain for histopathological image synthesis 2025-Jan-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06057-9 PMID:39871140	研究论文	本文提出了一种基于频率和空间域的混合生成对抗网络，用于合成高质量的病理学图像	该方法通过跨注意力机制提取和融合空间域和频率域的特征，利用空间域指导优化频率域特征，并通过频率域信息细化空间特征，从而生成高质量的病理学图像	NA	提高病理学图像生成的质量，以支持临床应用	病理学图像	数字病理学	NA	生成对抗网络（GAN）	混合生成对抗网络	图像	Patch Camelyon数据集
7678	2025-01-31	Deep learning-based algorithm for classifying high-resolution computed tomography features in coal workers' pneumoconiosis 2025-Jan-27, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01333-4 PMID:39871257	研究论文	本文开发了一种基于深度学习的算法，用于分类煤工尘肺病的高分辨率计算机断层扫描特征	结合DenseNet与ECA-Net，开发了一种新的深度学习模型，并成功应用于2D HRCT图像的自动分类	研究样本仅限于217名煤工尘肺病患者和粉尘暴露工人，可能限制了模型的泛化能力	开发一种能够准确分类煤工尘肺病临床影像特征的深度学习算法	煤工尘肺病患者和粉尘暴露工人的高分辨率计算机断层扫描图像	计算机视觉	尘肺病	深度学习	DenseNet-ECA	图像	217名煤工尘肺病患者和粉尘暴露工人的高分辨率计算机断层扫描图像，包含超过1700个感兴趣区域
7679	2025-01-31	The clinical application of artificial intelligence in cancer precision treatment 2025-Jan-27, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06139-5 PMID:39871340	综述	本文综述了人工智能在癌症精准治疗中的临床应用及其最新进展	提供了人工智能在癌症精准医学中应用的最新发展综述，特别是在靶点预测、靶向药物生成、免疫治疗反应预测等领域的应用	缺乏对人工智能在癌症精准医学中影响的全面评估，且存在当前挑战和伦理问题	优化癌症患者的治疗效果并减少副作用，推动癌症精准医学的发展	癌症患者	机器学习	癌症	机器学习和深度学习	NA	高维数据集	NA
7680	2025-01-31	Histopathology and proteomics are synergistic for high-grade serous ovarian cancer platinum response prediction 2025-Jan-26, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00808-w PMID:39863682	研究论文	本研究展示了结合H&E染色的全切片图像和蛋白质组学特征的多模态深度学习框架，显著提高了对高级别浆液性卵巢癌铂类药物反应的预测	结合H&E染色的全切片图像和蛋白质组学特征的多模态深度学习框架，显著提高了对铂类药物反应的预测，并优于同源重组缺陷（HRD）评分	NA	提高高级别浆液性卵巢癌（HGSOC）患者对铂类药物反应的预测准确性	高级别浆液性卵巢癌（HGSOC）患者	数字病理学	卵巢癌	H&E染色、蛋白质组学	多模态深度学习框架	图像、蛋白质组学数据	NA