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
7821	2025-02-07	Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3505038 PMID:39902153	研究论文	本研究旨在开发一种成本效益高且易于获取的机器学习模型，用于预测认知障碍的风险	开发了一种新的算法，用于选择成本效益高的模型，同时最小化开发和运营成本	研究主要依赖于NACC UDS数据集，可能限制了模型的广泛适用性	开发早期认知障碍预测的机器学习模型	认知障碍和痴呆相关疾病	机器学习	老年疾病	机器学习、深度学习	SVM	人口统计和历史健康数据	NA
7822	2025-02-06	Classification of tomato leaf disease using Transductive Long Short-Term Memory with an attention mechanism 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1467811 PMID:39906226	研究论文	本文提出了一种基于Transductive Long Short-Term Memory（T-LSTM）和注意力机制的番茄叶病分类方法	引入了T-LSTM与注意力机制结合的方法，能够聚焦于图像序列的不同部分，并通过转导学习利用训练实例的特定特征进行准确预测	未提及模型在其他作物或更大规模数据集上的泛化能力	提高番茄叶病分类的准确性和效率	番茄叶病	计算机视觉	植物病害	深度学习	T-LSTM, U-Net, VGG-16	图像	PlantVillage数据集
7823	2025-02-07	An improved ShuffleNetV2 method based on ensemble self-distillation for tomato leaf diseases recognition 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1521008 PMID:39906224	研究论文	本文提出了一种基于集成自蒸馏的改进ShuffleNetV2方法，用于番茄叶部病害识别	提出了一种集成自蒸馏方法，并将其应用于轻量级模型ShuffleNetV2，通过构建不同深度的浅层模型并引入深度可分离卷积层，显著提升了模型性能	未提及具体的数据集规模或模型在不同硬件上的实际部署效果	提高番茄病害识别的准确性和模型在边缘设备上的部署能力	番茄叶部病害	计算机视觉	植物病害	集成自蒸馏	ShuffleNetV2	图像	NA
7824	2025-02-07	Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends 2023-Dec-15, Cancers IF:4.5Q1 DOI:10.3390/cancers15245858 PMID:38136405	综述	本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势	本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向	本文主要基于现有文献进行综述，未涉及具体的实验验证	探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势	癌症和肿瘤学研究中的多模态图数据	机器学习	癌症	图神经网络（GNNs）	GNN	图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等）	NA
7825	2025-02-07	Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022) 2022-09, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01613-8 PMID:35681080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7826	2025-02-06	Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model 2025-Apr, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100659 PMID:39902382	研究论文	本研究结合放射组学和Vision Transformer (ViT)深度学习技术，利用平扫和增强CT图像预测结直肠癌患者的骨转移风险	首次将ViT深度学习模型与放射组学结合，用于结直肠癌骨转移风险的预测，显著提高了预测准确性	研究样本量较小（155例患者），且为单中心回顾性研究，需在更大规模的多中心研究中进一步验证	开发一种结合放射组学和ViT深度学习技术的预测模型，以评估结直肠癌患者的骨转移风险	155例结直肠癌患者（81例有骨转移，74例无骨转移）	计算机视觉	结直肠癌	放射组学、深度学习	Vision Transformer (ViT)、SVM、KNN、Random Forest、LightGBM、XGBoost	CT图像	155例结直肠癌患者
7827	2025-02-06	Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116982 PMID:39616900	研究论文	本文探讨了将人工智能与智能手机成像技术结合用于体内癌症检测的潜力和挑战	提出了利用智能手机成像系统和AI算法进行便携、经济、广泛可及的早期癌症检测的创新方法	智能手机成像系统面临成像质量低和计算能力有限的挑战，AI算法的透明性和可靠性仍需提高	开发便携、经济、广泛可及的早期癌症检测工具	不同癌症类型的体内检测	数字病理学	癌症	智能手机成像系统	深度学习算法	图像	NA
7828	2025-02-06	Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms 2025-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100925 PMID:39901943	研究论文	本研究提出了一种基于深度学习的双阶段方法，用于通过患者的CT图像自动定位高剂量率（HDR）前列腺近距离放射治疗导管	提出了一种新的双阶段深度学习方法，结合pix2pix GAN和GOTURN网络，实现了前列腺HDR-BT间质针的自动定位和重建	研究仅基于25名患者的数据集，样本量相对较小	自动化定位和重建前列腺HDR-BT间质针，以提高治疗质量	前列腺高剂量率近距离放射治疗导管	计算机视觉	前列腺癌	深度学习	pix2pix GAN, GOTURN	CT图像	25名患者，592张CT切片，8764根针
7829	2025-02-06	Advanced Quantitative Phase Microscopy Achieved with Spatial Multiplexing and a Metasurface 2025-Feb-05, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c06039 PMID:39838821	研究论文	本文提出了一种结合超表面光学和深度学习技术的单次定量相位成像方法，以提高测量速度并减少检测噪声	结合超表面光学和深度学习技术，实现单次定量相位成像，显著提高测量速度和空间带宽积	需要进一步验证在更多生物样本和实际应用中的性能	提高定量相位成像的测量速度和精度	校准相位物体和生物样本	计算机视觉	NA	深度学习，超表面光学	神经网络	图像	校准相位物体和生物样本
7830	2025-02-06	Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models 2025-Feb-05, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25633 PMID:39905914	研究论文	本文提出了一种使用2D和3D深度学习模型从微CT图像中分割皮质骨、松质骨和髓腔孔隙的方法	开发了名为BONe的新模型，旨在快速准确地进行骨分割，并比较了2D和3D模型的性能	3D模型的计算成本高，限制了其可扩展性和实用性	实现从微CT图像中自动分割皮质骨、松质骨和髓腔孔隙	水獭长骨的微CT扫描图像	计算机视觉	NA	微CT扫描	CNN	图像	NA
7831	2025-02-06	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Feb-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究旨在利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	开发了一个全自动的管道，用于在多示踪剂、多扫描仪和多中心数据集上检测和评分ATTR-CM，实现了高准确率	数据集#6中的3215名患者没有标签，可能影响模型性能的全面评估	自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	深度学习	CNN	图像	六个数据集，包括93名、216名、41名、53名、129名和3215名患者
7832	2025-02-06	Class-aware multi-level attention learning for semi-supervised breast cancer diagnosis under imbalanced label distribution 2025-Feb-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03291-4 PMID:39907850	研究论文	本文提出了一种面向半监督乳腺癌诊断的类感知多级注意力学习模型，旨在减少对大量数据标注的依赖，并通过多级融合注意力学习模块和类感知自适应伪标签模块提高诊断准确性和平衡学习过程	提出了类感知多级注意力学习模型，结合多级融合注意力学习模块和类感知自适应伪标签模块，有效解决了现有乳腺癌诊断模型在数据标注依赖、特征提取和类别不平衡方面的局限性	实验仅在BACH数据集上进行验证，未在其他数据集或实际临床环境中测试其泛化能力	开发一种半监督乳腺癌诊断模型，减少对大量标注数据的依赖并提高诊断准确性	乳腺癌图像数据	计算机视觉	乳腺癌	深度学习	类感知多级注意力学习模型	图像	BACH数据集中的显微图像数据，仅使用40%的标注数据
7833	2025-02-06	Spatio-temporal transformers for decoding neural movement control 2025-Feb-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adaef0 PMID:39870043	研究论文	本文介绍了一种新型的专门用于分析单神经元放电活动的transformer架构，用于解码神经运动控制	提出了一种新型的transformer架构，能够在低数据情况下高效且可解释地分析神经活动，并能够早期预测运动方向和是否生成运动	模型仅在非人类灵长类动物的背侧前运动皮层多电极记录数据上进行了测试，尚未在人类数据上验证	研究神经运动控制的解码方法	非人类灵长类动物的背侧前运动皮层	机器学习	NA	多电极记录	transformer	神经生理数据	非人类灵长类动物的多电极记录数据
7834	2025-02-06	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	本研究比较了混合型迭代重建（IR）、基于模型的迭代重建（MBIR）、深度学习重建（DLR）和高分辨率深度学习重建（HR-DLR）在冠状动脉CT血管造影（CCTA）中对冠状动脉狭窄评估的效果	首次在体外和体内研究中直接比较了HR-DLR与其他重建方法在冠状动脉狭窄评估中的效果	研究样本量较小，仅包括31名患者	比较不同重建方法在冠状动脉狭窄评估中的效果	冠状动脉狭窄评估	医学影像	心血管疾病	CT扫描	深度学习重建（DLR）	CT图像	31名患者和三根不同直径的血管模型
7835	2025-02-06	Age-stratified deep learning model for thyroid tumor classification: a multicenter diagnostic study 2025-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11386-7 PMID:39903238	研究论文	本研究开发了一种基于年龄分层的深度学习模型（ASMCNet），用于甲状腺结节的分类，并探讨了年龄分层对模型准确性的影响	首次将年龄分层引入深度学习模型，用于甲状腺结节的分类，并验证了其提高诊断准确性的潜力	研究为回顾性研究，可能存在数据偏差，且未在更大规模的多中心数据集中验证模型的泛化能力	探讨年龄分层对甲状腺结节分类模型准确性的影响，并评估模型在临床诊断中的辅助作用	甲状腺结节患者	数字病理	甲状腺癌	深度学习	ASMCNet	超声图像	5934名患者的10391张超声图像
7836	2025-02-06	Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems 2025-Feb-04, Evolutionary computation IF:4.6Q1 DOI:10.1162/evco_a_00367 PMID:39903851	研究论文	本文提出了一种结合深度学习和探索性景观分析（ELA）特征的混合方法Deep-ELA，用于单目标和多目标连续优化问题的分析	提出了一种结合深度学习和ELA特征的混合方法，解决了传统ELA特征在多目标优化问题中的局限性，并减少了深度学习对大量标注数据的依赖	需要预训练大量随机生成的优化问题，可能在实际应用中存在计算资源消耗较大的问题	改进单目标和多目标连续优化问题的分析方法	单目标和多目标连续优化问题	机器学习	NA	深度学习，探索性景观分析（ELA）	Transformer	数值特征	数百万个随机生成的优化问题
7837	2025-02-06	A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging 2025-Feb-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17663 PMID:39904615	研究论文	本文提出了一种基于对比无配对翻译网络的新型跨模态数据增强方法，用于提高基于深度学习的肾脏超声图像分割性能	采用对比无配对翻译网络（CUT）从标记的腹部CT数据和无标记的肾脏超声图像中低成本获取模拟的标记肾脏超声图像，并提出了一种实例加权训练策略	需要依赖标记的CT数据和无标记的超声图像，且模拟图像的质量可能影响最终分割效果	提高基于深度学习的肾脏超声图像分割模型的准确性和泛化能力	肾脏超声图像	计算机视觉	肾脏疾病	对比无配对翻译网络（CUT）	U-Net	图像	4418张标记的CT切片和4594张无标记的超声图像用于生成网络训练，4594张模拟和100张真实的肾脏超声图像用于分割网络训练，20张用于验证，169张用于测试
7838	2025-02-06	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-Feb-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	本文开发了一种基于生成对抗网络（GAN）的2D到3D条件模型，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特定的微调工作流程，提高了在有限数据情况下的模型准确性	需要更多的患者数据来进一步验证模型的泛化能力	开发个性化深度学习模型，用于从2D MR图像重建3D MR体积	43名患者的2473个3D MR体积	计算机视觉	前列腺癌	生成对抗网络（GAN）	条件生成对抗网络（GAN）	图像	43名患者的2473个3D MR体积
7839	2025-02-06	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-Feb-04, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	本研究利用深度学习模型筛选FDA批准的药物，发现二肽基肽酶-4抑制剂沙格列汀可能作为治疗意识障碍的新药物，并通过回顾性临床分析验证其效果	首次使用深度学习模型预测现有药物的觉醒效果，并发现沙格列汀在急性及长期意识障碍中的潜在治疗作用	研究为回顾性分析，需进一步的前瞻性临床试验验证沙格列汀的疗效和安全性	探索现有FDA批准药物在治疗意识障碍中的新用途	4047名因创伤、血管性或缺氧性脑损伤导致的昏迷患者	机器学习	意识障碍	深度学习	深度学习模型	临床数据	4047名患者
7840	2025-02-06	Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions 2025-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01419-4 PMID:39904940	研究论文	本研究比较了U-Net和U-Net3+在视网膜渗出物分割中的性能，评估了它们在不同区域的检测效果	首次在不同视网膜区域（如血管周围与血管外区域、黄斑周围与黄斑外区域）对U-Net和U-Net3+模型进行了详细的性能评估	研究仅基于U-Net3+模型的结果进行评估，未进一步探讨其他深度学习模型的表现	评估深度学习模型在视网膜渗出物检测中的性能，以提高糖尿病视网膜病变的诊断准确性和效率	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net, U-Net3+	图像	NA