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
7961	2025-01-25	Fault detection and classification of motor bearings under multiple operating conditions 2025-Jan, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.11.008 PMID:39592313	研究论文	本文提出了一种用于多操作条件下电机轴承故障检测和分类的框架	提出了一种多任务故障检测和分类方法，适用于健康监测，并在HUST电机轴承数据集上展示了其在不同操作条件和多种故障类型下的鲁棒性能	未提及具体的技术限制或数据集局限性	提高机械设备的安全性和可靠性，适应各种旋转场景	电机轴承	机器学习	NA	深度学习	NA	传感器数据	HUST电机轴承数据集
7962	2025-01-25	Anatomy-centred deep learning improves generalisability and progression prediction in radiographic sacroiliitis detection 2024-Dec-23, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2024-004628 PMID:39719299	研究论文	本研究探讨了以解剖学为中心的深度学习是否能提高模型在检测影像学骶髂关节炎中的泛化能力，并预测疾病进展	通过以解剖学为中心的深度学习，提高了模型在检测影像学骶髂关节炎中的泛化能力，并能够预测疾病进展	研究为回顾性多中心研究，可能存在数据偏差	提高影像学骶髂关节炎检测模型的泛化能力并预测疾病进展	四组不同患者队列的骨盆X光片，重点关注中轴型脊柱关节炎	计算机视觉	中轴型脊柱关节炎	深度学习	神经网络	图像	1483张X光片用于训练和验证，436、340和163名患者的数据用于独立测试
7963	2025-01-25	Advances for Managing Pancreatic Cystic Lesions: Integrating Imaging and AI Innovations 2024-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers16244268 PMID:39766167	review	本文综述了胰腺囊性病变（PCLs）的诊断和管理现状，探讨了人工智能（AI）在改善诊断准确性和风险分层方面的潜力	本文创新性地探讨了AI驱动的策略，如深度学习算法和放射组学，用于自动化胰腺和病变分割以及分析异质性，以提高诊断准确性和风险分层	本文指出传统方法在图像解释和复杂形态学分析中的局限性，可能导致诊断不确定性和患者管理策略的变异性	研究目的是探讨AI在胰腺囊性病变管理中的应用潜力，以提高诊断准确性和患者预后	研究对象为胰腺囊性病变（PCLs）	digital pathology	pancreatic cancer	deep learning, radiomics	deep learning algorithms	image	NA
7964	2025-01-25	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-Oct-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	本文介绍了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子，基于化学结构和序列信息	sChemNET通过一个目标函数克服了化学信息稀疏的限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	由于小分子-miRNA数据集规模较小，预测与miRNA相关的小分子仍然具有挑战性	开发一个深度学习框架来预测影响miRNA生物活性的小分子	小分子和miRNA	机器学习	癌症	深度学习	神经网络	化学结构和序列信息	NA
7965	2025-01-25	Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease 2024-Aug-27, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2024.05.062 PMID:39168568	研究论文	本研究开发并外部验证了一种基于深度学习的AI-ECG模型，用于预测先天性心脏病患者的心血管磁共振定义的双心室功能障碍/扩张	首次在先天性心脏病中探索和应用AI-ECG分析，以预测双心室功能障碍和扩张	在功能性单心室患者中模型表现最差	开发并验证AI-ECG模型，以预测先天性心脏病患者的双心室功能障碍和扩张	先天性心脏病患者	机器学习	心血管疾病	AI-ECG分析	卷积神经网络（CNN）	心电图（ECG）和心血管磁共振（CMR）数据	内部队列8584对ECG-CMR数据（4941名患者），外部队列909对ECG-CMR数据（746名患者）
7966	2025-01-25	Approaching artificial intelligence to Hospital Pharmacy 2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.02.007 PMID:39097366	研究论文	本文探讨了人工智能在医院药学中的应用及其潜力	提出了人工智能算法在医院药学中的具体应用，如分析患者数据、识别药物相互作用、评估药物安全性和有效性，并做出推荐	未具体说明所使用的人工智能算法的局限性或实施中的挑战	研究人工智能如何提升医院药学的质量和效率	医院药师和患者数据	自然语言处理	NA	机器学习、深度学习、神经网络	NA	医疗记录、实验室结果、药物档案	NA
7967	2025-01-25	[Translated article] Introducing artificial intelligence to hospital pharmacy departments 2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.04.001 PMID:39097375	研究论文	本文介绍了人工智能在医院药房部门的引入及其潜在应用	探讨了人工智能在医院药房中的具体应用，如药物相互作用识别、药物安全性和有效性评估，以及优化药物推荐	未具体说明人工智能技术在实际应用中的挑战和限制	研究人工智能在医院药房中的应用，以提高药物管理的质量和效率	医院药房及其专业人员	自然语言处理	NA	机器学习、深度学习、神经网络	NA	医疗记录、实验室结果、药物档案	NA
7968	2025-01-25	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	研究论文	本文提出了一种利用分布式内存高效物理引导深度学习（PG-DL）进行大规模3D非笛卡尔冠状动脉MRI重建的方法，以克服硬件限制和训练数据不足的挑战	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，使用2D卷积神经网络处理3D体积数据，以有限的训练数据实现高质量重建	训练数据有限，可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	计算机视觉	心血管疾病	MRI	CNN	3D图像	NA
7969	2025-01-25	ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635176 PMID:39844940	研究论文	本研究利用多任务深度学习框架，从有限的超短回波时间（UTE）MRI数据集中生成合成CT（sCT）图像，用于经颅聚焦超声（tFUS）治疗规划	采用3D Transformer U-Net生成sCT图像，展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力	研究基于有限的数据集，可能需要更大规模的数据验证	提高经颅聚焦超声治疗规划的准确性和效率	超短回波时间（UTE）MRI数据	医学影像处理	NA	超短回波时间（UTE）MRI	3D Transformer U-Net	MRI图像	有限的数据集
7970	2025-01-25	ID3RSNet: cross-subject driver drowsiness detection from raw single-channel EEG with an interpretable residual shrinkage network 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1508747 PMID:39844854	研究论文	本文提出了一种名为ID3RSNet的新型可解释残差收缩网络，用于从单通道EEG信号中进行跨受试者驾驶员嗜睡检测	提出了一种结合注意力机制的残差收缩构建单元，用于自适应特征重新校准和软阈值去噪，并引入了基于EEG的类激活图（ECAM）可解释方法，以可视化分析样本学习模式	NA	开发一种无需校准的驾驶员嗜睡检测系统，使用单通道EEG信号	驾驶员嗜睡检测	机器学习	NA	EEG信号处理	ID3RSNet（可解释残差收缩网络）	单通道EEG信号	NA
7971	2025-01-25	Revolutionizing diagnosis of pulmonary Mycobacterium tuberculosis based on CT: a systematic review of imaging analysis through deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1510026 PMID:39845042	系统综述	本文综述了基于深度学习的CT成像分析在肺结核诊断中的应用，评估了其诊断准确性，并探讨了当前面临的挑战和未来研究方向	本文首次系统评估了深度学习在基于CT的肺结核诊断中的应用，并提出了数据稀缺性、模型泛化性、可解释性和伦理问题等关键挑战	研究仅纳入了7篇相关文献，样本量较小，且未进行定量分析	评估深度学习在基于CT的肺结核诊断中的准确性，并探讨其应用前景和挑战	肺结核（PTB）患者	计算机视觉	肺结核	深度学习（DL）	NA	CT图像	7篇相关文献
7972	2025-01-25	A multi-modal multi-branch framework for retinal vessel segmentation using ultra-widefield fundus photographs 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1532228 PMID:39845080	研究论文	本文提出了一种多模态多分支框架M3B-Net，用于提高超广角眼底照片中的视网膜血管分割精度	M3B-Net框架结合了眼底荧光血管造影（FFA）图像，通过选择性融合模块（SFM）、局部感知融合模块（LPFM）和注意力引导上采样模块（AUM）提升分割性能	未明确提及具体局限性	提高超广角眼底图像中视网膜血管的分割精度，以支持疾病分析	超广角眼底照片中的视网膜血管	计算机视觉	NA	深度学习	M3B-Net（多模态多分支框架）	图像（超广角眼底照片和FFA图像）	未明确提及样本数量
7973	2025-01-25	A systematic review of Machine Learning and Deep Learning approaches in Mexico: challenges and opportunities 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1479855 PMID:39845096	系统综述	本文系统综述了墨西哥在机器学习和深度学习领域的发展及其应用，涵盖了多个领域	提供了墨西哥在机器学习和深度学习领域的全面信息，包括趋势、空间位置、机构、出版问题、主题领域、算法应用和性能指标	主要关注墨西哥的应用，可能缺乏对其他国家的比较分析	提供墨西哥在机器学习和深度学习领域的应用和发展情况	120篇原始研究论文	机器学习, 深度学习	NA	NA	人工神经网络(ANN), 随机森林(RF), 支持向量机(SVM)	NA	120篇原始研究论文
7974	2025-01-25	DLBWE-Cys: a deep-learning-based tool for identifying cysteine S-carboxyethylation sites using binary-weight encoding 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1464976 PMID:39845187	研究论文	本文介绍了一种名为DLBWE-Cys的深度学习工具，用于准确识别蛋白质序列中的半胱氨酸S-羧乙基化位点	开发了一种新的深度学习模型DLBWE-Cys，结合了CNN、BiLSTM、Bahdanau注意力机制和全连接神经网络，并采用了专门设计的Binary-Weight编码方法	目前尚无其他计算工具能准确预测这些位点，这给该领域的研究带来了挑战	准确识别半胱氨酸S-羧乙基化位点，以阐明其在自身免疫疾病中的功能机制	蛋白质序列中的半胱氨酸S-羧乙基化位点	机器学习	自身免疫疾病	深度学习	CNN, BiLSTM, Bahdanau attention, FNN	蛋白质序列数据	NA
7975	2025-01-25	A CT-based deep learning model for preoperative prediction of spread through air spaces in clinical stage I lung adenocarcinoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1482965 PMID:39845323	研究论文	本文开发并验证了一种基于CT的深度学习模型，用于非侵入性预测临床I期肺腺癌的气道扩散（STAS），并与传统的临床语义模型进行了预测性能比较	采用Swin Transformer架构开发深度学习模型，用于预测STAS，其性能优于传统的临床语义模型	研究为回顾性设计，可能引入选择偏差，且样本量相对有限	开发并验证一种深度学习模型，用于预测临床I期肺腺癌的STAS	513例经病理证实的I期肺腺癌患者	数字病理	肺癌	CT扫描	Swin Transformer	图像	513例患者（训练队列386例，验证队列127例）
7976	2025-01-25	Deep CNN ResNet-18 based model with attention and transfer learning for Alzheimer's disease detection 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1507217 PMID:39845347	研究论文	本文提出了一种基于ResNet-18的深度学习模型，结合深度卷积和Squeeze and Excitation (SE)模块，用于阿尔茨海默病的检测	提出了一种结合SE模块的ResNet-18模型，减少了调参需求，并在小样本和不平衡数据集上表现优异	医疗数据收集成本高且涉及伦理问题，小数据集容易导致成本函数的局部最小值问题，类不平衡也会降低性能	开发一种有效的深度学习模型用于阿尔茨海默病的检测	阿尔茨海默病（AD）、认知正常（CN）和轻度认知障碍（MCI）患者	计算机视觉	阿尔茨海默病	深度卷积、Squeeze and Excitation (SE)模块、迁移学习	ResNet-18	图像	未明确说明样本数量
7977	2025-01-25	A fast monocular 6D pose estimation method for textureless objects based on perceptual hashing and template matching 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1424036 PMID:39845569	研究论文	本文提出了一种基于感知哈希和模板匹配的快速单目6D姿态估计方法，适用于无纹理物体	提出了一种新的感知哈希方法用于二值图像，实现了快速且鲁棒的姿态估计，并自动预选模板子集以减少推理时间	在绝对精度上不如最先进的深度学习模型，但在精度和处理时间之间提供了更有利的权衡	开发一种在资源受限设备上高效运行的6D姿态估计方法，以降低硬件成本和功耗	无纹理物体	计算机视觉	NA	感知哈希和模板匹配	NA	图像	合成生成的数据集和一个公开可用的数据集
7978	2025-01-25	Quantitative immunohistochemistry analysis of breast Ki67 based on artificial intelligence 2024, Open life sciences IF:1.7Q3 DOI:10.1515/biol-2022-1013 PMID:39845722	研究论文	本文提出了一种基于深度学习的乳腺癌Ki67定量分析方法，旨在提高诊断效率和准确性	采用深度学习技术对乳腺癌Ki67进行定量分析，显著提高了诊断效率和一致性	未提及方法在其他类型癌症或更大样本中的适用性	开发一种高效的乳腺癌Ki67定量分析系统，以辅助病理诊断	乳腺癌病理图像中的Ki67表达	数字病理学	乳腺癌	深度学习	CNN	图像	未明确提及具体样本数量，但提到在临床独立样本实验中进行了验证
7979	2025-01-25	Transformer-based model for predicting length of stay in intensive care unit in sepsis patients 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1473533 PMID:39845825	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于预测脓毒症患者在重症监护病房（ICU）的住院时间	利用Transformer模型结合全局和局部输入数据分析，通过分类和特征标记，基于序贯器官衰竭评估（SOFA）标准进行预测	研究仅基于单一医院的521名患者数据，可能缺乏广泛代表性	优化ICU资源分配，减少医疗费用	脓毒症患者	机器学习	脓毒症	深度学习	Transformer	医疗数据	521名患者
7980	2025-01-25	Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1492399 PMID:39845959	研究论文	本文开发了一种基于深度学习的多模态数据融合模型，用于预测肺癌放疗联合免疫治疗引起的症状性肺炎	结合深度图像特征、放射组学特征和临床数据，开发了一种新的多模态融合模型，显著提高了预测性能	研究为回顾性设计，样本量相对较小，未来需要更大规模的前瞻性研究验证模型的泛化能力	开发一种能够准确预测肺癌患者放疗联合免疫治疗相关肺炎的模型	接受胸部放疗联合免疫治疗的肺癌患者	数字病理	肺癌	深度学习、放射组学	ResNet34、DNN、随机森林（RF）	CT图像、临床数据	261名肺癌患者