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
7921	2025-01-31	Explainable Deep Learning for Glaucomatous Visual Field Prediction: Artifact Correction Enhances Transformer Models 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.22 PMID:39847375	研究论文	本研究开发了一种深度学习方法，用于修复带有伪影的光学相干断层扫描（OCT）图像，并预测24-2 Humphrey视野（HVF）测试中的功能损失	结合自监督视觉变换器（ViT）和生成伪影校正技术，增强了青光眼结构和功能之间的相关性	研究依赖于有限的样本量，且仅使用了特定类型的OCT和HVF数据	开发一种深度学习方法，用于修复OCT图像中的伪影并预测青光眼的功能损失	951只眼睛的1674对视野-OCT数据用于训练，345只眼睛的429对数据用于测试	计算机视觉	青光眼	光学相干断层扫描（OCT），24-2 Humphrey视野（HVF）测试	卷积神经网络（CNN），视觉变换器（ViT）	图像	1674对视野-OCT数据用于训练，429对数据用于测试
7922	2025-01-31	Artificial Intelligence for Optical Coherence Tomography in Glaucoma 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.27 PMID:39854198	综述	本文探讨了人工智能（AI），特别是深度学习（DL）与光学相干断层扫描（OCT）在青光眼诊断和管理中的应用	本文综述了多种DL模型在增强OCT能力方面的应用，并探讨了其在临床实施中的挑战	数据可用性、变异性、潜在偏见以及需要广泛验证等挑战仍然存在	探索AI，特别是DL模型在增强OCT诊断能力方面的应用	青光眼的诊断和管理	数字病理学	青光眼	光学相干断层扫描（OCT）	卷积神经网络（CNNs）、循环神经网络（RNNs）、生成对抗网络（GANs）、自编码器、大型语言模型（LLMs）	图像	NA
7923	2025-01-31	PaleAle 6.0: Prediction of Protein Relative Solvent Accessibility by Leveraging Pre-Trained Language Models (PLMs) 2025-Jan-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010049 PMID:39858443	研究论文	本研究利用预训练语言模型（PLMs）增强蛋白质相对溶剂可及性（RSA）的预测，提出了一种基于双向循环神经网络和卷积层的深度神经网络架构	结合自然语言处理（NLP）算法和预训练语言模型（PLMs）来预测蛋白质的RSA，提出了一种新的深度神经网络架构	NA	提高蛋白质相对溶剂可及性（RSA）的预测准确性	蛋白质序列	自然语言处理	NA	预训练语言模型（PLMs）	双向循环神经网络和卷积层	蛋白质序列数据	2022年和2024年的测试集数据
7924	2025-01-31	Redox-Detecting Deep Learning for Mechanism Discernment in Cyclic Voltammograms of Multiple Redox Events 2025-Jan-02, ACS electrochemistry DOI:10.1021/acselectrochem.4c00014 PMID:39878149	研究论文	本文介绍了一种名为EchemNet的深度学习架构，用于在多个氧化还原事件的循环伏安图中分配电压窗口和机制类别	首次开发了一种深度学习模型，能够在最小知识的情况下进行氧化还原事件检测和电化学机制分类	NA	提高电化学分析中机制分配的自动化水平，支持实验人员进行机制分类	循环伏安图中的氧化还原事件	机器学习	NA	深度学习	EchemNet	电化学数据	模拟测试数据中的氧化还原事件
7925	2025-01-31	Acceleration of Simultaneous Multislice Magnetic Resonance Fingerprinting With Spatiotemporal Convolutional Neural Network 2025-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5302 PMID:39631961	研究论文	本文介绍了一种新的深度学习方法，用于加速同时多切片磁共振指纹成像（SMS-MRF），以实现高多波段因子，从而在神经影像中进行准确的T和T定量	提出了一种解耦的时空特征学习方法，用于SMS-MRF，以解决高切片间和平面内加速引起的严重混叠伪影问题	方法的有效性在SMS-MRF中尚未得到充分探索，且多波段因子通常限制在2或3	加速同时多切片磁共振指纹成像，以实现高多波段因子，从而在神经影像中进行准确的T和T定量	神经影像中的T和T定量	医学影像	NA	磁共振指纹成像（MRF）	卷积神经网络（CNN）	图像	使用获取的SMS-MRF数据或从单切片MRF采集生成的模拟数据进行训练和评估
7926	2025-01-31	A machine learning model for predicting abnormal liver function induced by a Chinese herbal medicine preparation (Zhengqing Fengtongning) in patients with rheumatoid arthritis based on real-world study 2025-Jan, Journal of integrative medicine DOI:10.1016/j.joim.2024.12.001 PMID:39721810	研究论文	本研究开发了一个机器学习模型，用于预测中药制剂正清风痛宁（ZF）在类风湿性关节炎患者中引起的肝功能异常	首次基于真实世界数据开发了预测ZF引起肝功能异常的模型，并比较了10种机器学习和深度学习模型的性能	研究为回顾性研究，可能存在数据偏差	开发预测模型以提高ZF与西药联合使用的安全性	类风湿性关节炎患者	机器学习	类风湿性关节炎	机器学习、深度学习	LightGBM	临床数据	1,913名符合条件的患者
7927	2025-01-31	EquiRank: Improved protein-protein interface quality estimation using protein language-model-informed equivariant graph neural networks 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.015 PMID:39850657	研究论文	本文提出了一种改进的蛋白质-蛋白质界面质量估计方法EquiRank，利用对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入	结合了对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入，提高了蛋白质-蛋白质界面质量估计的准确性	未提及具体局限性	改进蛋白质-蛋白质界面质量估计方法	蛋白质复合物结构模型的预测相互作用界面	机器学习	NA	E(3)等变图神经网络，ESM-2嵌入	EGNN	蛋白质复合物结构数据	多样化的数据集
7928	2025-01-31	Deep Learning for Predicting Spheroid Viability: Novel Convolutional Neural Network Model for Automating Quality Control for Three-Dimensional Bioprinting 2025-Jan-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010028 PMID:39851302	研究论文	本研究开发了一种卷积神经网络模型，用于预测三维生物打印中球状体的存活率，以提高质量控制效率	提出了一种新的卷积神经网络模型，用于自动化评估球状体存活率，解决了现有方法耗时、劳动密集、需要专业训练或存在人为偏差的问题	研究仅基于小鼠间充质干细胞球状体，未涉及其他细胞类型或更复杂的组织模型	开发一种高效、准确的方法来评估球状体存活率，以促进生物工程心脏组织贴片的开发	小鼠间充质干细胞球状体	数字病理学	心血管疾病	CCK-8检测	CNN	图像	不同大小的小鼠间充质干细胞球状体数据集
7929	2025-01-31	Neural-WDRC: A Deep Learning Wide Dynamic Range Compression Method Combined With Controllable Noise Reduction for Hearing Aids 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165241309301 PMID:39865875	研究论文	本文提出了一种名为Neural-WDRC的深度学习方法，用于在助听器中结合可控降噪的宽动态范围压缩（WDRC）	Neural-WDRC采用两阶段低复杂度网络，同时实现降噪和WDRC，通过控制残余噪声水平帮助用户感知自然环境声音	NA	提高助听器在非稳态噪声环境下的语音清晰度和听感舒适度	助听器用户	机器学习	听力障碍	深度学习	两阶段低复杂度网络	音频信号	正常听力参与者和听力受损参与者
7930	2025-01-31	Deep Learning and Radiomics in Triple-Negative Breast Cancer: Predicting Long-Term Prognosis and Clinical Outcomes 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S509004 PMID:39866348	综述	本文综述了深度学习和放射组学在三阴性乳腺癌（TNBC）诊断和治疗中的应用进展	结合深度学习和放射组学技术，探索其在TNBC诊断、治疗反应评估和长期预后预测中的应用前景	未提及具体研究数据或实验结果的局限性	探讨深度学习和放射组学在TNBC诊断和治疗中的潜在应用	三阴性乳腺癌（TNBC）	数字病理学	乳腺癌	深度学习、放射组学、超声、MRI	NA	图像	NA
7931	2025-01-31	Development of metastasis and survival prediction model of luminal and non-luminal breast cancer with weakly supervised learning based on pathomics 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18780 PMID:39866573	研究论文	本研究旨在开发一种基于病理图像的深度学习模型，用于预测乳腺癌患者的转移和生存结果	利用弱监督学习方法，结合病理图像和临床特征，开发了预测乳腺癌转移和生存的深度学习模型	样本量相对较小，仅包括204个根治性乳房切除标本	开发预测乳腺癌患者转移和生存结果的深度学习模型	乳腺癌患者	数字病理学	乳腺癌	全片成像（WSI）	DenseNet121, ResNet50, Inception_v3	图像	204个根治性乳房切除标本
7932	2025-01-28	Post-processing enhances protein secondary structure prediction with second order deep learning and embeddings 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.022 PMID:39866664	研究论文	本文探讨了利用二阶深度学习和嵌入技术增强蛋白质二级结构预测的方法	采用卷积神经网络（CNN）结合SHN方法进行训练，并使用从预训练语言模型中提取的嵌入作为输入，通过后处理技术显著提高了预测性能	后处理窗口大小受限于CASP13数据集中最小蛋白质的大小	提高蛋白质二级结构预测的准确性	蛋白质二级结构	生物信息学	NA	深度学习	CNN	蛋白质序列	CB513、PISCES和CASP13数据集
7933	2025-01-31	Enhancing prostate cancer segmentation in bpMRI: Integrating zonal awareness into attention-guided U-Net 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251314546 PMID:39866889	研究论文	本研究提出了一种结合区域感知的注意力引导U-Net模型，用于增强前列腺癌在双参数磁共振成像（bpMRI）中的分割效果	创新点在于引入区域特征对疾病进展的影响，采用两步机制的自动化方法，先对前列腺区域进行分割预训练，再对病变进行分割预训练	未提及具体局限性	提高前列腺癌在bpMRI图像中的诊断性能，实现早期准确诊断	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像（bpMRI）	注意力引导U-Net	图像	未提及具体样本量
7934	2025-01-31	Classification of CT scan and X-ray dataset based on deep learning and particle swarm optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317450 PMID:39869555	研究论文	本文提出了一种基于深度学习和粒子群优化的低误报率疾病检测方法，用于COVID-19肺部图像的分类	提出了一种两阶段优化模型，第一阶段使用经典梯度下降法训练模型并提取相关特征，第二阶段构建最小化误报率的目标函数，以获得高精度和低误报率的网络模型	NA	开发一种低误报率的疾病检测方法，用于COVID-19肺部图像的分类	COVID-19肺部图像	计算机视觉	COVID-19	深度学习，粒子群优化	两阶段优化模型	图像	公共COVID-19放射学数据集和公共COVID-19肺部CT扫描数据集
7935	2025-01-31	Deep learning based analysis of G3BP1 protein expression to predict the prognosis of nasopharyngeal carcinoma 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315893 PMID:39869565	研究论文	本文利用深度学习技术分析G3BP1蛋白表达，以预测鼻咽癌的预后	首次使用数字病理学方法研究G3BP1的免疫组化染色，并建立了一个深度学习模型来量化染色强度和范围	未提及样本量的具体限制或潜在的偏差	研究G3BP1蛋白表达与鼻咽癌预后的关系	鼻咽癌患者	数字病理学	鼻咽癌	免疫组化染色	深度学习模型	图像	未提及具体样本量
7936	2025-01-31	Enhanced ResNet-50 for garbage classification: Feature fusion and depth-separable convolutions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317999 PMID:39869568	研究论文	本文提出了一种基于ResNet-50网络的垃圾图像分类模型，通过特征融合和深度可分离卷积提高分类准确性和计算效率	提出了冗余加权特征融合模块和深度可分离卷积，有效减少了模型参数数量并提高了计算效率，同时在Focal Loss中加入了权重因子以解决类别不平衡问题	NA	开发一种合理有效的垃圾图像分类方法，以提高分类准确性、鲁棒性和检测速度	垃圾图像	计算机视觉	NA	深度学习	ResNet-50	图像	TrashNet数据集
7937	2025-01-31	Dual-hybrid intrusion detection system to detect False Data Injection in smart grids 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316536 PMID:39869576	研究论文	本文提出了一种新型的双混合入侵检测系统（IDS），用于检测智能电网中的虚假数据注入攻击（FDIAs）	结合了混合特征选择和深度学习分类器，使用粒子群优化（PSO）和灰狼优化（GWO）进行特征选择，并整合了卷积神经网络（CNN）和长短期记忆网络（LSTM）来捕捉数据的空间和时间特征	未来研究应关注整合真实世界智能电网数据进行验证，开发自适应学习机制，探索其他生物启发优化算法，并解决大规模部署中的实时处理和可扩展性挑战	提高智能电网中入侵检测系统（IDS）的准确性和鲁棒性	智能电网中的虚假数据注入攻击（FDIAs）	机器学习	NA	混合特征选择，深度学习	CNN, LSTM	智能电网数据	工业控制系统（ICS）网络攻击数据集（电力系统数据集），包含多种FDIA场景的模拟数据
7938	2025-01-31	Alzheimer's disease image classification based on enhanced residual attention network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317376 PMID:39869613	研究论文	本文提出了一种基于增强残差注意力网络（ERAN）的深度学习模型，用于阿尔茨海默病的医学图像分类	结合残差学习、注意力机制和软阈值技术，提升了模型的特征表示能力和分类准确率	未提及模型在其他数据集上的泛化能力及临床应用的可行性	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病的医学图像	计算机视觉	老年病	深度学习	增强残差注意力网络（ERAN）	图像	未提及具体样本数量
7939	2025-01-31	Advancements in Artificial Intelligence in Noninvasive Cardiac Imaging: A Comprehensive Review 2025-Jan, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70087 PMID:39871619	综述	本文综述了人工智能在无创心脏影像学中的技术进步及其对诊断流程和患者预后的影响	探讨了AI在心脏影像学中的应用，包括提高图像质量、加速处理时间和提升诊断准确性，以及识别传统方法可能忽略的细微心脏异常	存在数据标准化、法规遵从性和患者安全等挑战	评估人工智能在心脏影像学中的应用及其对诊断和患者预后的影响	心脏影像学中的各种成像模式，包括超声心动图、磁共振成像（MRI）、计算机断层扫描（CT）和核成像	医学影像	心血管疾病	机器学习和深度学习算法	NA	图像	NA
7940	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）