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
7781	2025-01-31	Can the number of confirmed COVID-19 cases be predicted more accurately by including lifestyle data? An exploratory study for data-driven prediction of COVID-19 cases in metropolitan cities using deep learning models 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251314528 PMID:39872000	研究论文	本文探讨了通过包含生活方式数据是否能更准确地预测COVID-19确诊病例数，并使用了深度学习模型进行探索性数据分析	首次尝试将多种生活方式数据（如公共交通使用、电影院观影、汽车旅馆住宿）纳入COVID-19确诊病例数的预测模型中	研究仅针对韩国的大都市区，可能不适用于其他地区或国家	探索生活方式数据对COVID-19确诊病例数预测准确性的影响	韩国大都市区（如首尔和釜山）的COVID-19确诊病例数	机器学习	COVID-19	深度学习	DNN, RNN	时间序列数据、生活方式数据	首尔（960万人口）和釜山（340万人口）
7782	2025-01-31	Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer 2025-Jan, Cancer pathogenesis and therapy DOI:10.1016/j.cpt.2024.03.004 PMID:39872368	研究论文	本研究通过整合分析铜死亡相关的长链非编码RNA（lncRNAs），揭示了其在前列腺癌预后、免疫微环境及铜诱导机制中的重要性	首次使用多级注意力图神经网络（MLA-GNN）深度学习算法构建基于铜死亡相关lncRNAs的前列腺癌预后模型，并探索了关键lncRNAs与铜死亡的相关性	研究样本仅来自TCGA数据库，未进行外部验证，且细胞实验的样本量较小	探索铜死亡相关lncRNAs在前列腺癌预后中的作用及其潜在机制	492名前列腺癌患者	数字病理学	前列腺癌	RNA测序、拷贝数变异分析、细胞实验	多级注意力图神经网络（MLA-GNN）	RNA测序数据、拷贝数变异数据	492名前列腺癌患者
7783	2025-01-31	Utilizing a Wireless Radar Framework in Combination With Deep Learning Approaches to Evaluate Obstructive Sleep Apnea Severity in Home-Setting Environments 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S486261 PMID:39872870	研究论文	本研究旨在验证一种结合深度学习技术的无线雷达框架，用于在家庭环境中筛查阻塞性睡眠呼吸暂停（OSA）的风险	提出了一种无需接触传感器的无线雷达框架，结合深度学习技术，用于家庭环境中的OSA筛查	需要进一步优化和验证雷达总睡眠时间功能，以实现独立应用	验证无线雷达框架结合深度学习技术在家庭环境中筛查OSA风险的可行性	80名参与者在147个夜晚的家庭睡眠参数	机器学习	阻塞性睡眠呼吸暂停	深度学习	深度神经决策树	连续波信号	80名参与者，147个夜晚的睡眠数据
7784	2025-01-31	Automatic classification of temporomandibular joint disorders by magnetic resonance imaging and convolutional neural networks 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.06.001 PMID:39873009	研究论文	本研究利用卷积神经网络对颞下颌关节疾病进行分类和严重程度分析	使用YOLO深度学习技术高效识别颞下颌关节的关键区域，并通过HSV格式处理图像，简化年龄和左右耳信息	NA	通过卷积神经网络自动分类和严重程度分析颞下颌关节疾病	颞下颌关节磁共振成像数据	计算机视觉	颞下颌关节疾病	磁共振成像	卷积神经网络（CNN）	图像	NA
7785	2025-01-31	Establishment and evaluation of a deep learning-based tooth wear severity grading system using intraoral photographs 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.05.013 PMID:39873059	研究论文	本研究旨在开发一种基于深度学习的系统，利用口腔内照片自动确定牙齿磨损程度	结合Mask R-CNN架构、U-Net和SGE注意力机制，构建了牙齿分割模型，并采用优化的视觉Transformer模型进行牙齿磨损程度分类	研究中未提及模型在不同人群或不同拍摄条件下的泛化能力	开发一种自动诊断系统，用于确定牙齿磨损程度	牙齿磨损程度	计算机视觉	NA	深度学习	Mask R-CNN, U-Net, 视觉Transformer	图像	388张口腔内照片，2774张单个牙齿图像
7786	2025-01-31	Deep learning system for the differential diagnosis of oral mucosal lesions through clinical photographic imaging 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.10.019 PMID:39873061	研究论文	本研究开发了一种基于卷积神经网络（CNN）的诊断模型，用于通过临床摄影图像对口腔黏膜病变进行五种不同诊断的分类，以辅助临床医生进行准确的鉴别诊断	该研究首次开发了一种能够对口腔溃疡及相关病变的临床照片进行五种不同诊断分类的CNN模型，展示了区分良性和恶性潜在病变的能力	主要挑战是数据集小且不平衡，未来工作可能包括扩大少数类别、纳入更多口腔黏膜病变诊断、采用迁移学习和交叉验证以优化图像分类模型	开发一种基于CNN的诊断模型，用于通过临床摄影图像对口腔黏膜病变进行五种不同诊断的分类，以辅助临床医生进行准确的鉴别诊断	口腔黏膜病变的临床摄影图像	计算机视觉	口腔疾病	卷积神经网络（CNN）	CNN	图像	506张五种不同诊断的临床图像
7787	2025-01-31	Towards automated recipe genre classification using semi-supervised learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317697 PMID:39874282	研究论文	本研究提出了一个名为3A2M+的烹饪食谱数据集，并利用半监督学习技术进行食谱流派分类	提出了一个包含两百万条烹饪食谱的数据集3A2M+，并扩展了命名实体识别（NER）列表以解决食谱描述中缺失的命名实体问题	数据集虽然庞大，但仍可能存在未覆盖的食谱流派或实体	实现自动化食谱流派分类，解决在线食谱分类的挑战	烹饪食谱	自然语言处理	NA	半监督学习，命名实体识别（NER）	传统机器学习模型，深度学习模型，预训练语言模型	文本	两百万条烹饪食谱
7788	2025-01-31	Identification of diabetic retinopathy lesions in fundus images by integrating CNN and vision mamba models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318264 PMID:39874303	研究论文	本文提出了一种结合卷积神经网络（CNN）和视觉Mamba模型的深度学习模型，用于准确识别和分类眼底图像中的糖尿病视网膜病变病变	本文的创新点在于结合了卷积神经网络和视觉Mamba模型，利用双向状态空间方法和位置嵌入来实现视觉数据样本的位置敏感性，并满足全局关系上下文的条件	未明确提及具体局限性	研究目的是通过深度学习模型准确识别和分类糖尿病视网膜病变病变，以辅助临床诊断和治疗	研究对象是眼底图像中的糖尿病视网膜病变病变	计算机视觉	糖尿病视网膜病变	深度学习	CNN, 视觉Mamba模型	图像	未明确提及具体样本数量
7789	2025-01-31	Using machine and deep learning to predict short-term complications following trigger digit release surgery 2025-Jan, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100171 PMID:39876951	研究论文	本研究评估了机器学习和深度学习技术在预测扳机指释放手术后短期并发症方面的能力	首次将机器学习和深度学习技术应用于预测扳机指释放手术后的短期并发症	研究样本量相对较小，且仅使用了回顾性数据	评估机器学习和深度学习技术在预测扳机指释放手术后短期并发症方面的能力	扳机指释放手术患者	机器学习	手部疾病	机器学习、深度学习	Random Forest (RF), Elastic-Net Regression (ENet), Extreme Gradient Boosted Tree (XGBoost), Neural Network (NN)	临床数据	1209例扳机指释放手术病例
7790	2025-01-31	AI-guided virtual biopsy: Automated differentiation of cerebral gliomas from other benign and malignant MRI findings using deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae225 PMID:39877747	研究论文	本研究开发了一种自动化算法，通过深度学习非侵入性地区分脑胶质瘤与其他颅内病变，以防止误诊并确保在进一步评估胶质瘤前进行准确分析	利用深度学习技术自动区分脑胶质瘤与其他颅内病变，提供了一种非侵入性的诊断方法	研究样本量有限，且仅针对特定类型的颅内病变进行了验证	开发一种自动化算法，用于非侵入性地区分脑胶质瘤与其他颅内病变	1280名患有各种颅内病变的患者，包括胶质瘤、脑转移瘤、炎症性病变、脑出血和脑膜瘤	数字病理学	脑胶质瘤	深度学习	XGBoost	MRI图像	1280名患者，包括218名胶质瘤患者、514名脑转移瘤患者、366名炎症性病变患者、99名脑出血患者和83名脑膜瘤患者
7791	2025-01-31	Artificial Intelligence Transforming Post-Translational Modification Research 2024-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010026 PMID:39851300	综述	本文探讨了人工智能（AI）在研究蛋白质翻译后修饰（PTMs）中的应用	本文创新性地比较了多种深度学习架构和程序，包括最近应用的语言模型，用于预测蛋白质上的PTM位点及其调控功能，并描述了一个高通量PTM数据生成管道	本文未提及具体的研究局限性	探索人工智能在蛋白质翻译后修饰研究中的应用	蛋白质翻译后修饰（PTMs）	生物信息学	NA	深度学习	语言模型	蛋白质数据	NA
7792	2025-01-31	Exploring Multi-Pathology Brain Segmentation: From Volume-Based to Component-Based Deep Learning Analysis 2024-Dec-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010006 PMID:39852319	研究论文	本文探讨了使用深度学习模型对多病理脑部MRI图像进行分割的方法，从基于体积的分析到基于组件的分析	本文创新性地对预训练的U-net模型在四种不同脑部病理（肿瘤、中风、多发性硬化症和白质高信号）上的分割结果进行了深入分析，并提供了异常组件的位置、强度和体积的详细评估	模型在检测和分割异常组件时存在较高的假阳性和假阴性率，尤其是在异常组件的部分正确检测方面表现不佳	研究目的是通过深度学习模型对多病理脑部MRI图像进行分割，并评估其在不同病理条件下的表现	研究对象为包含四种不同病理（肿瘤、中风、多发性硬化症和白质高信号）的脑部MRI图像	数字病理	脑部疾病	MRI	U-net	图像	验证集中的脑部MRI图像
7793	2025-01-31	The Role of Machine Learning in the Detection of Cardiac Fibrosis in Electrocardiograms: Scoping Review 2024-Dec-30, JMIR cardio DOI:10.2196/60697 PMID:39753213	综述	本文综述了基于心电图（ECG）的机器学习（ML）方法在心脏纤维化检测中的应用现状	本文首次系统性地评估了ECG结合ML技术在心脏纤维化检测中的应用，并指出了现有研究的局限性和未来改进方向	许多研究样本量有限，缺乏外部验证，影响了研究结果的普遍适用性，且方法学报告不一致，阻碍了跨研究比较	评估基于ECG的ML方法在心脏纤维化检测中的应用效果	心脏纤维化	机器学习	心血管疾病	机器学习	支持向量机, 集成学习, 卷积神经网络	心电图数据	11项研究，其中一项大规模研究涉及14,052个样本
7794	2025-01-31	Cells Grouping Detection and Confusing Labels Correction on Cervical Pathology Images 2024-Dec-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010023 PMID:39851297	研究论文	本文提出了一种基于先验知识收集和混淆标签校正的宫颈细胞检测网络PGCC-Net，旨在通过细胞分组检测和标签校正提高宫颈病理图像的自动分析效率和准确性	利用临床先验知识将检测任务分解为多个子任务进行细胞分组检测，并通过构建特征中心进行标签校正，以提高深度学习网络的分类准确性	未提及具体局限性	提高宫颈病理图像中细胞检测和分类的效率和准确性	宫颈病理图像中的细胞	数字病理学	宫颈癌	深度学习	PGCC-Net	图像	公共数据集7410张图像，私有数据集13526张图像
7795	2025-01-31	External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets 2024-Dec-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010020 PMID:39851294	研究论文	本研究旨在通过外部验证深度学习模型（FastVit_SA12和ResNet18）来区分视网膜出血的创伤性和医学性病因，使用多样化的眼底摄影数据集	首次在多样化的眼底摄影数据集上对FastVit_SA12和ResNet18模型进行外部验证，展示了它们在临床环境中准确诊断视网膜出血的潜力	研究依赖于特定数据集，可能无法完全代表所有临床情况	验证深度学习模型在区分视网膜出血病因中的准确性和可靠性	视网膜出血的病因分类	计算机视觉	视网膜疾病	深度学习	FastVit_SA12, ResNet18	图像	2661张眼底摄影图像
7796	2025-01-31	Artificial Intelligence in Pediatric Electrocardiography: A Comprehensive Review 2024-Dec-27, Children (Basel, Switzerland) DOI:10.3390/children12010025 PMID:39857856	综述	本文综述了人工智能在儿科心电图分析中的应用现状，探讨了深度学习方法在提高诊断准确性、加快工作流程和改善患者预后方面的潜力	首次全面回顾了人工智能在儿科心电图分析中的应用，并探讨了该领域的独特挑战和未来研究方向	尽管人工智能在心电图分析中显示出巨大潜力，但其广泛临床应用仍需进一步研究、严格验证，并考虑公平性、伦理、法律和实际挑战	探讨人工智能在儿科心电图分析中的应用，以提高诊断准确性和患者预后	儿科心电图数据	医疗人工智能	心血管疾病	深度学习	NA	心电图数据	NA
7797	2025-01-31	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	研究论文	本文提出了一种基于灰狼优化、混合特征提取和深度学习方法的增强型椎间盘突出分类方法	结合灰狼优化算法与深度学习，提出了一种新的椎间盘突出分类方法	未提及具体样本量或实验结果的局限性	提高椎间盘突出的分类准确性	椎间盘突出病例	机器学习	椎间盘突出	灰狼优化算法、深度学习	深度学习模型	医学影像数据	NA
7798	2025-01-31	HDNLS: Hybrid Deep-Learning and Non-Linear Least Squares-Based Method for Fast Multi-Component T1ρ Mapping in the Knee Joint 2024-Dec-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010008 PMID:39851282	研究论文	本文提出了一种结合深度学习和非线性最小二乘法的混合模型HDNLS，用于膝关节的快速多组分T1ρ映射	HDNLS模型结合了基于合成数据训练的体素级深度学习和少量NLS迭代，加速了拟合过程，并消除了对参考MRI数据的需求	HDNLS在估计质量上显著优于基于深度学习的方法，但在速度上略慢于这些方法	解决非线性最小二乘法在定量磁共振成像中的初始猜测敏感性、收敛速度慢和计算成本高的问题，同时克服基于深度学习的T1ρ拟合方法对噪声敏感和依赖NLS生成参考数据的挑战	膝关节的多组分T1ρ映射	医学影像分析	NA	定量磁共振成像（MRI）	HDNLS（混合深度学习与非线性最小二乘法模型）	合成数据	NA
7799	2025-01-31	Neoplasms in the Nasal Cavity Identified and Tracked with an Artificial Intelligence-Assisted Nasal Endoscopic Diagnostic System 2024-Dec-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010010 PMID:39851283	研究论文	本研究构建了一个人工智能辅助的鼻内窥镜诊断系统，能够初步区分和识别鼻腔肿瘤特性，并在手术中进行实时跟踪，为鼻内窥镜手术提供重要依据	首次结合Deep Snake、U-Net和Att-Res2-UNet网络开发了基于内窥镜图像的鼻腔肿瘤检测网络，并优化了SiamMask在线跟踪算法，实现了术中实时自动跟踪	模型的总体准确率略低于鼻科专家（0.9790 ± 0.00348 vs 0.9707 ± 0.00984）	构建一个能够初步识别鼻腔肿瘤并在手术中实时跟踪的人工智能辅助鼻内窥镜诊断系统	鼻腔肿瘤	计算机视觉	鼻腔肿瘤	深度学习	Deep Snake, U-Net, Att-Res2-UNet, SiamMask	视频数据	1050例鼻内窥镜手术视频数据，涉及四种类型的鼻腔肿瘤
7800	2025-01-31	Automatic Aortic Valve Extraction Using Deep Learning with Contrast-Enhanced Cardiac CT Images 2024-Dec-25, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd12010003 PMID:39852281	研究论文	本研究评估了使用深度学习技术从对比增强心脏CT图像中自动提取和描绘主动脉瓣环区域的效果	比较了分割和对象检测两种方法在主动脉瓣环区域提取中的准确性，发现对象检测方法表现更优	数据集规模较小，仅包含32个对比增强心脏CT扫描	评估深度学习技术在心脏CT图像中自动提取主动脉瓣环区域的准确性	对比增强心脏CT图像	计算机视觉	心血管疾病	深度学习	DeepLabv3+, YOLOv2	图像	32个对比增强心脏CT扫描