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
7681	2025-02-16	Efficient Deep Learning-Based Detection Scheme for MIMO Communication Systems 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030669 PMID:39943308	研究论文	本文提出了一种基于深度学习的MIMO通信系统信号检测策略，通过预处理阶段标记输入信号，提出了两种新方案并评估了其性能	提出了一种新的基于深度学习的信号检测策略，并引入了两种新方案（OHA和DSE），在降低复杂度的同时保持了较高的分类性能和较低的误码率	与传统的OH方案相比，OHA和DSE方案在误码率性能上有轻微损失（分别小于1 dB和2 dB）	解决MIMO通信系统中检测器复杂度高的问题，提供一种在检测复杂度和误码率之间权衡的灵活设计	MIMO通信系统的信号检测	机器学习	NA	深度学习	神经网络	信号数据	NA
7682	2025-02-16	Enhanced Multi-Model Deep Learning for Rapid and Precise Diagnosis of Pulmonary Diseases Using Chest X-Ray Imaging 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030248 PMID:39941178	研究论文	本文提出了一种增强的多模型深度学习（EMDL）方法，用于通过胸部X光成像快速准确诊断肺部疾病	EMDL方法集成了五种预训练的深度学习模型，并结合了先进的图像预处理和多阶段特征选择与优化管道，显著提高了诊断精度和模型鲁棒性	研究主要依赖于胸部X光数据集，可能在其他类型的医学影像数据上表现不同	开发一种快速、准确的肺部疾病诊断工具，以改善医疗响应	流感、结核病和病毒性肺炎等呼吸系统疾病	计算机视觉	肺癌	深度学习	VGG-16, VGG-19, ResNet, AlexNet, GoogleNet	图像	两个独立的胸部X光数据集
7683	2025-02-16	Virtual Biopsy for the Prediction of MGMT Promoter Methylation in Gliomas: A Comprehensive Review of Radiomics and Deep Learning Approaches Applied to MRI 2025-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030251 PMID:39941181	综述	本文综述了利用放射组学和深度学习方法预测胶质瘤中MGMT启动子甲基化状态的研究进展	结合放射组学和深度学习，提供了一种非侵入性的MGMT启动子甲基化状态预测工具	研究人群、数据来源和方法的异质性反映了管道和机器学习算法的复杂性，可能需要通用标准化才能在临床实践中实施	预测胶质瘤中MGMT启动子甲基化状态，以增强神经肿瘤学中的个性化医疗	胶质瘤患者	数字病理学	胶质瘤	放射组学（RD）和深度学习（DL）	深度学习模型	MRI影像数据	34项研究，涉及公共（如BraTS, TCGA）和私人机构数据集
7684	2025-02-16	Deep-Learning Framework for Efficient Real-Time Speech Enhancement and Dereverberation 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030630 PMID:39943269	研究论文	本文提出了一种用于高效实时语音增强和去混响的深度学习框架	提出了一个扩展的Deep Filter Net框架，显著提高了去混响性能，同时保持了竞争性的降噪质量	Deep Filter Net的去混响性能有限	开发一种计算高效的语音增强和去混响方法，适用于资源受限设备	语音信号	自然语言处理	NA	深度学习	Deep Filter Net	语音数据	NA
7685	2025-02-16	Specific Emitter Identification Method for Limited Samples via Time-Wavelet Spectrum Consistency 2025-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s25030648 PMID:39943287	研究论文	本文提出了一种基于TFC-CNN的特定发射器识别方法，用于解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	提出了一种基于时间-小波谱一致性的TFC-CNN方法，通过连续小波变换进行数据增强，并利用复值神经网络和深度卷积神经网络提取隐藏的发射器身份特征	方法在样本稀缺的情况下表现良好，但在样本充足的情况下是否仍具有优势未明确说明	解决在发射器样本稀缺和训练数据有限的情况下传统方法难以分类的问题	无线电信号中的发射器	机器学习	NA	连续小波变换（CWT）	TFC-CNN（复值神经网络和深度卷积神经网络）	无线电信号	开源WiFi数据集和自动相关监视广播（ADS-B）数据集
7686	2025-02-16	Coupling Artificial Intelligence with Proper Mathematical Algorithms to Gain Deeper Insights into the Biology of Birds' Eggs 2025-Jan-21, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15030292 PMID:39943062	研究论文	本文探讨了将人工智能与适当的数学算法结合，以深入理解鸟类卵的生物学特性	提出了将深度学习和人工智能应用于禽蛋形态分析的新方法，并重新评估了多种数学模型的有效性和实用性	未具体说明所提出方法的实验验证结果和实际应用效果	研究目的是通过AI和DL技术提高禽蛋的质量、生产力和市场竞争力	研究对象是禽蛋的形态特征，包括形状、重量、体积、表面积和气室计算	计算机视觉	NA	深度学习（DL）	深度学习模型	图像	未提及具体样本数量
7687	2025-02-16	Physics-informed deep learning for infectious disease forecasting 2025-Jan-16, ArXiv PMID:39876937	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，旨在提高传染病预测的准确性和能力	该模型将疾病传播的动态系统表示融入损失函数中，结合流行病学理论和数据，防止模型过拟合，并引入子网络考虑流动性、疫苗接种等影响传播率的关键因素	模型仅在加利福尼亚州的COVID-19数据上进行了验证，尚未在其他地区或疾病上进行广泛测试	提高传染病预测的准确性和能力，以支持公共卫生决策	COVID-19在加利福尼亚州的传播情况	机器学习	传染病	物理信息神经网络（PINNs）	PINN	时间序列数据	加利福尼亚州的COVID-19数据
7688	2024-08-07	Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study 2025 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.07.008 PMID:39025757	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7689	2025-02-16	Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251318202 PMID:39943714	研究论文	本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较	通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能	某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报	提高从高分辨率航空图像中提取建筑物的准确性和效率	高分辨率航空图像中的建筑物	计算机视觉	NA	深度学习	DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net	图像	180张高分辨率航空图像
7690	2025-02-15	COVID-19 recognition from chest X-ray images by combining deep learning with transfer learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251319667 PMID:39949849	研究论文	本文提出了一种名为Covid-DenseNet的深度学习模型，用于从胸部X光图像中检测COVID-19，旨在构建一个计算复杂度较小、泛化能力较强且在基准数据集和其他具有不同样本分布特征和样本大小的数据集上表现优异的模型	结合迁移学习和注意力机制，通过多尺度融合架构提取和增强图像特征，提高了模型的识别准确性和泛化能力	模型在外部测试集上的识别准确率仍有提升空间，特别是在样本分布不平衡的情况下	开发一种高效且泛化能力强的深度学习模型，用于从胸部X光图像中检测COVID-19	胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	Covid-DenseNet	图像	三个公开的胸部放射学数据集，包括基准数据集和其他两个数据集
7691	2025-02-16	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次系统评估了AI模型在孕龄估计中的准确性，并进行了亚组分析，包括孕龄评估的孕期、AI模型类型、研究设计和外部验证	研究数量有限，且大多数研究来自高收入国家，可能限制了结果的普遍性	评估人工智能模型在孕龄估计中的准确性，并与超声作为金标准进行比较	使用超声图像进行孕龄估计的研究	数字病理学	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及不同收入地区的数据
7692	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
7693	2025-02-16	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-Nov-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	本文提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测，旨在改进现有深度学习模型在药物设计中的应用	Interformer模型基于Graph-Transformer架构，利用交互感知的混合密度网络捕捉非共价相互作用，并引入负采样策略以校正亲和力预测中的交互分布	未明确提及具体局限性	改进蛋白质-配体对接和亲和力预测的深度学习模型，以支持基于结构的药物设计	蛋白质-配体复合物	机器学习	NA	深度学习	Graph-Transformer	分子结构数据	广泛使用的数据集和内部数据集
7694	2025-02-16	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	本文介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于基因组学中的不确定性感知模型，同时捕捉预测的平均值和变异性	未明确提及具体局限性	提高深度神经网络在基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络（DNNs）	DEGU（集成学习和知识蒸馏模型）	基因组学数据	NA
7695	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
7696	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
7697	2025-02-16	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习和生成对抗网络，对45至85岁无认知障碍个体的脑部结构变化进行分组，并探讨这些分组与遗传、生物医学指标及认知衰退轨迹的关系	首次使用生成对抗网络进行半监督聚类分析，识别出无认知障碍个体中三种不同的脑老化模式，并揭示其与遗传、心血管风险因素及未来认知衰退的关联	研究依赖于特定数据集（iSTAGING国际联盟），可能限制了结果的普适性；此外，研究未涵盖所有可能的神经病理过程	探索无认知障碍个体中脑部结构变化的异质性，以揭示神经退行性疾病早期阶段的潜在机制	45至85岁无认知障碍的个体	数字病理	老年疾病	深度学习、生成对抗网络（GAN）	GAN	脑部影像数据	27,402名无认知障碍个体
7698	2025-02-16	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型	构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络	现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题	探索三叉神经痛的病理生理学并开发有效的镇痛药物	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络（TNPAN）	图像	NA
7699	2025-02-16	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据	提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题	提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策	直肠癌患者	数字病理	直肠癌	MRI（磁共振成像）	nnUNet, MLNet, 3D ResNet10	图像	509名患者，来自9个中心
7700	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量