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
7981	2025-01-31	A multimodal transformer system for noninvasive diabetic nephropathy diagnosis via retinal imaging 2025-Jan-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01393-1 PMID:39856403	研究论文	本文开发了一种基于transformer的深度学习系统，用于通过非侵入性多模态数据（眼底图像和临床特征）检测糖尿病肾病（DN）和非糖尿病肾病（NDRD）	提出了一种新的transformer-based深度学习系统Trans-MUF，用于非侵入性诊断糖尿病肾病和非糖尿病肾病，避免了传统活检的需求	研究主要基于回顾性和前瞻性数据集，虽然展示了良好的泛化能力，但仍需进一步验证其在不同临床环境中的适用性	改革传统的活检诊断模式，通过非侵入性方法自动区分糖尿病肾病和非糖尿病肾病	糖尿病肾病（DN）和非糖尿病肾病（NDRD）患者	数字病理学	糖尿病肾病	深度学习	transformer	图像, 临床特征	内部回顾性数据集、前瞻性数据集和多中心、跨机器、多操作者数据集
7982	2025-01-31	Clinically oriented automatic three-dimensional enamel segmentation via deep learning 2025-Jan-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05385-1 PMID:39856656	研究论文	本研究开发了一种基于深度学习的2.5D Attention U-Net模型，用于临床环境中牙齿釉质的自动、高效和准确分割	提出了2.5D Attention U-Net模型，能够在少量样本数据集上进行训练，实现牙齿釉质的自动分割，并生成3D釉质模型进行厚度分析	模型在少量样本数据集上进行训练，可能限制了其泛化能力	开发一种自动、高效且准确的牙齿釉质分割方法，以辅助临床诊断和治疗	牙齿釉质	计算机视觉	NA	深度学习	2.5D Attention U-Net	图像	少量样本数据集
7983	2025-01-31	Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis 2025-Jan-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06007-8 PMID:39856778	研究论文	本研究利用深度学习注意力机制从H&E染色图像中学习空间转录组揭示的组织学相关免疫特征，以预测卵巢癌的预后	通过结合空间转录组数据和深度学习注意力机制，揭示了H&E染色图像中与免疫特征相关的区域，为卵巢癌预后提供了新的预测方法	研究依赖于TCGA数据集，样本来源有限，且需要进一步验证模型的普适性	预测卵巢癌患者的预后，并揭示预测机制	335名未经治疗的高级别浆液性卵巢癌患者的773张H&E染色全切片图像	数字病理学	卵巢癌	空间转录组分析	ResNet101 CNN（带注意力机制）	图像（H&E染色全切片图像）	773张H&E染色全切片图像，来自335名患者
7984	2025-01-31	Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns 2025-Jan-23, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-025-09846-3 PMID:39847242	研究论文	本研究提出了一种基于深度学习的计算流程，首次实现了胰腺神经内分泌肿瘤（PanNETs）的自动分类	首次将病理学领域知识整合到图神经网络（GNN）的构建和训练中，以更深入地利用肿瘤微环境及其结构变化进行PanNET分类	研究仅基于105张HE染色的全切片图像，样本量相对较小	开发自动化系统以减少观察者变异性，实现PanNET的自动分类	胰腺神经内分泌肿瘤（PanNETs）	数字病理学	胰腺神经内分泌肿瘤	深度学习	图神经网络（GNN）	图像	105张HE染色的全切片图像
7985	2025-01-31	A deep learning approach for early prediction of breast cancer neoadjuvant chemotherapy response on multistage bimodal ultrasound images 2025-Jan-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01543-7 PMID:39849366	研究论文	本研究提出了一种新的卷积神经网络模型，用于早期预测乳腺癌新辅助化疗的疗效	提出了双模态分层特征融合模块（BLFFM）和时间混合注意力模块（THAM），能够有效挖掘灰度超声（GUS）和彩色多普勒血流成像（CDFI）之间的复杂相关性和互补特征信息	NA	早期预测乳腺癌新辅助化疗的疗效	局部晚期乳腺癌（LABC）患者	计算机视觉	乳腺癌	NA	卷积神经网络（CNN）	图像	101名患者的多阶段双模态超声图像组合，共3000组
7986	2025-01-31	Distributed training of foundation models for ophthalmic diagnosis 2025-Jan-22, Communications engineering DOI:10.1038/s44172-025-00341-5 PMID:39843622	研究论文	本文提出了一种分布式深度学习框架，结合自监督和领域自适应联邦学习，用于从光学相干断层扫描图像中增强眼病的检测	该框架采用自监督的掩码预训练策略开发了一个强大的基础编码器，并在本地、集中和联邦学习设置下进行了性能比较，结果显示自监督方法显著提高了曲线下面积	NA	提高眼病（如糖尿病视网膜病变和年龄相关性黄斑变性）的检测和诊断效率	光学相干断层扫描图像	计算机视觉	眼病	自监督学习、联邦学习	深度学习	图像	七个光学相干断层扫描数据集
7987	2025-01-31	Equitable artificial intelligence for glaucoma screening with fair identity normalization 2025-Jan-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01432-5 PMID:39833503	研究论文	本文提出了一种公平身份归一化（FIN）模块，用于提高青光眼筛查中深度学习模型在不同身份群体间的公平性	开发了公平身份归一化（FIN）模块，以均衡不同身份群体的特征重要性，从而提高模型性能的公平性	未明确提及具体的研究局限性	提高青光眼筛查中深度学习模型在不同种族和民族群体间的公平性	青光眼患者和非青光眼患者	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习模型	图像	未明确提及具体样本数量
7988	2025-01-28	Precision Imaging for Early Detection of Esophageal Cancer 2025-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010090 PMID:39851364	研究论文	本研究探讨了利用高光谱成像（HSI）和人工智能（AI）技术提高早期食管癌（ECA）检测的准确性	结合高光谱成像和Yolov5模型，显著提高了早期食管癌检测的准确性和召回率	研究中使用的数据集可能不足以代表所有类型的早期食管癌病例	提高早期食管癌的诊断准确性	早期食管癌	计算机视觉	食管癌	高光谱成像（HSI）	Yolov5	图像	3984张白光图像（WLIs）和3666张窄带图像（NBIs）
7989	2025-01-31	EEG-Based ADHD Classification Using Autoencoder Feature Extraction and ResNet with Double Augmented Attention Mechanism 2025-Jan-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15010095 PMID:39851462	研究论文	本研究旨在通过脑电图（EEG）信号分析，利用深度学习技术改进ADHD的诊断	提出了一种基于双增强注意力机制的ResNet模型，结合自编码器进行特征提取和Reptile搜索算法进行特征选择，以提高ADHD诊断的准确性	研究主要基于EEG数据，可能未涵盖ADHD的所有诊断维度	建立一种客观的ADHD诊断方法	儿童ADHD患者	机器学习	ADHD	EEG信号分析	ResNet	EEG信号	未明确提及样本数量
7990	2025-01-31	Precise Crop Pest Detection Based on Co-Ordinate-Attention-Based Feature Pyramid Module 2025-Jan-20, Insects IF:2.7Q1 DOI:10.3390/insects16010103 PMID:39859684	研究论文	本文提出了一种基于坐标注意力的特征金字塔网络（CAFPN），用于精确检测农作物害虫，并通过动态样本选择策略提高检测精度	设计了基于坐标注意力的特征金字塔网络（CAFPN），并引入了动态样本选择策略，以解决小尺寸害虫检测中的特征提取和样本选择问题	未提及具体局限性	提高农作物害虫的检测精度，特别是小尺寸害虫的识别	农作物害虫	计算机视觉	NA	深度学习	CAFPN（基于坐标注意力的特征金字塔网络）	图像	AgriPest 21数据集和IP102数据集
7991	2025-01-31	Intelligent Intrusion Detection System Against Various Attacks Based on a Hybrid Deep Learning Algorithm 2025-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s25020580 PMID:39860948	研究论文	本文提出了一种基于混合深度学习算法的智能入侵检测系统，旨在提高物联网环境中的安全性	采用多阶段特征提取过程，结合自编码器（AEs）、长短期记忆网络（LSTM）和卷积神经网络（CNN）的优势，有效处理物联网安全数据并识别复杂网络威胁	未提及具体的数据集规模或实验环境的具体限制	提高现有深度学习模型的性能，增强物联网环境中的入侵检测能力	物联网（IoT）环境中的安全数据	机器学习	NA	SMOTE（合成少数类过采样技术）	自编码器（AEs）、长短期记忆网络（LSTM）、卷积神经网络（CNN）	非结构化数据	NA
7992	2025-01-31	A Deep Learning Approach for Mental Fatigue State Assessment 2025-Jan-19, Sensors (Basel, Switzerland) DOI:10.3390/s25020555 PMID:39860925	研究论文	本研究利用深度学习技术，通过分析原始ECG数据、2D频谱特征和受试者的生理信息，评估运动活动中的精神疲劳状态	采用混合深度神经网络模型，结合ResNet和Bi-LSTM进行特征提取，并使用transformer进行特征融合，相较于传统方法和其他深度学习方法，显著提高了疲劳识别的准确性	NA	准确识别运动活动中的精神疲劳状态	运动活动中的精神疲劳	机器学习	NA	深度学习	ResNet, Bi-LSTM, transformer	ECG数据, 2D频谱特征, 生理信息	NA
7993	2025-01-31	Variational Autoencoder-based Model Improves Polygenic Prediction in Blood Cell Traits 2025-Jan-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.13.632820 PMID:39868173	研究论文	本研究通过应用先进的深度学习技术，改进了多基因风险评分（PRS）的预测能力，特别是在血细胞特征方面	提出了基于变分自编码器（VAE）的PRS模型（VAE-PRS），在16个血细胞特征中的14个上优于现有最先进方法，并能捕捉高维数据中的交互效应	研究主要基于生物银行数据，可能在其他类型的数据集上表现不同	提高多基因风险评分（PRS）的预测能力，以更好地理解个体遗传倾向	血细胞特征	机器学习	NA	深度学习	变分自编码器（VAE）	基因组数据	生物银行数据
7994	2025-01-31	Biomarker Investigation Using Multiple Brain Measures from MRI Through Explainable Artificial Intelligence in Alzheimer's Disease Classification 2025-Jan-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010082 PMID:39851356	研究论文	本研究通过可解释的人工智能（XAI）方法，比较了两种深度学习模型在阿尔茨海默病分类中的表现，并评估了它们与已知生物标志物的关联	提出了一种基于梯度加权类激活映射的新型XAI指标，用于定量评估模型决策与已知AD生物标志物的关联，并比较了不同成像模态（MRI与连接性）对模型解释性的影响	研究样本量较小（132个脑区），且仅针对阿尔茨海默病，未涉及其他神经退行性疾病	开发更全面和可信的深度学习模型，以增强其在神经退行性疾病诊断支持工具中的适用性	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI	ResNet18, BC-GCN-SE	图像	132个脑区
7995	2025-01-31	Depression Detection and Diagnosis Based on Electroencephalogram (EEG) Analysis: A Systematic Review 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020210 PMID:39857094	综述	本文系统回顾了基于脑电图（EEG）分析的抑郁症检测与诊断方法，强调了EEG在人工智能驱动方法中的关键作用	本文通过整合EEG与机器学习和深度学习技术，系统分析了利用EEG信号识别抑郁症生物标志物的方法，并提出了未来研究方向	现有数据集的局限性以及诊断模型的可靠性和预测性仍需改进	提高抑郁症诊断的精确性、可扩展性和自动化水平	抑郁症患者	机器学习	抑郁症	EEG分析	机器学习和深度学习模型	EEG信号	NA
7996	2025-01-31	Machine Learning-Based Alzheimer's Disease Stage Diagnosis Utilizing Blood Gene Expression and Clinical Data: A Comparative Investigation 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020211 PMID:39857095	研究论文	本研究利用血液基因表达和临床生物标志物样本，对阿尔茨海默病（AD）的多阶段诊断进行了比较分析，并应用了机器学习技术	首次使用血液基因表达数据进行多分类的AD阶段诊断，并提出了新的机器学习数据增强技术来处理高维低样本量（HDLSS）数据	数据样本量较小且高度不平衡，可能影响模型的泛化能力	比较血液基因表达和临床生物标志物在阿尔茨海默病多阶段诊断中的效果	阿尔茨海默病神经影像倡议（ADNI）参与者的血液基因表达和临床生物标志物样本	机器学习	阿尔茨海默病	机器学习、深度学习、数据增强	XGBoost、SFBS、深度学习分类器、支持向量机（SVM）、梯度提升（GB）、随机森林（RF）	基因表达数据、临床数据	ADNI参与者的血液基因表达和临床生物标志物样本
7997	2025-01-31	Advancements in Obstructive Sleep Apnea Diagnosis and Screening Through Artificial Intelligence: A Systematic Review 2025-Jan-17, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13020181 PMID:39857208	系统性综述	本文系统性回顾了过去十年中利用人工智能（AI）技术进行阻塞性睡眠呼吸暂停（OSA）筛查和诊断的研究	本文首次系统性评估了AI算法在OSA诊断和筛查中的应用，展示了AI在提高诊断准确性、敏感性和特异性方面的显著优势	由于算法的异质性，研究结果需要进一步的严格验证和数据集标准化	评估AI算法在OSA诊断和筛查中的应用潜力	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	机器学习（ML）和深度学习（DL）算法	逻辑回归等	人体测量指标、影像、心电图信号、呼吸信号、血氧测定信号等	109,046名患者
7998	2025-01-31	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-Jan-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	研究论文	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用（PPI）预测的计算方法的最新进展，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基础的PPI预测方法提供了更高的生物准确性，并提供了对功能位点的洞察	高分辨率结构数据的有限性和有效负采样的需求仍然是挑战	提高蛋白质-蛋白质相互作用预测的准确性，并推动药物发现、生物标志物识别和个性化医学的进展	蛋白质-蛋白质相互作用	机器学习	NA	机器学习和深度学习	ML和DL	蛋白质结构数据	NA
7999	2025-01-31	A Comprehensive Survey of Deep Learning Approaches in Image Processing 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020531 PMID:39860903	综述	本文深入探讨了深度学习在图像处理中的应用，从早期创新到最新进展，分析了架构设计和学习范式的演变，以及模型效率、泛化能力和鲁棒性的提升	全面总结了深度学习在图像处理中的关键进展，并提出了未来可能的研究方向，如量子计算、神经形态架构和联邦学习的结合	未涉及具体实验数据或模型性能的详细对比	探讨深度学习在图像处理中的演变及其未来发展方向	深度学习在图像处理中的应用	计算机视觉	NA	深度学习	NA	图像	NA
8000	2025-01-31	Abundant repressor binding sites in human enhancers are associated with the fine-tuning of gene regulation 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111658 PMID:39868043	研究论文	本研究利用深度学习技术解析HepG2增强子中的正负活性区域，揭示了抑制性结合位点在基因调控中的精细调节作用	首次将深度学习应用于增强子区域的正负活性划分，并发现人类增强子中丰富的抑制性结合位点与基因表达的精细调控相关	研究主要基于HepG2细胞系，可能无法完全代表其他细胞类型或组织中的增强子调控机制	探究增强子中转录因子结合位点对基因表达的调控机制	HepG2细胞系中的增强子区域	机器学习	NA	深度学习	NA	基因序列数据	HepG2细胞系中的增强子区域