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
8141	2025-02-06	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	本文提出了一种名为PixCUE的新方法，用于在MRI重建过程中进行不确定性估计，通过像素分类框架在单次前向传播中生成重建图像和不确定性图	PixCUE方法在单次前向传播中同时生成重建图像和不确定性图，显著减少了计算成本，并且与传统的蒙特卡罗方法在不确定性估计上具有相关性	NA	解决深度学习MRI重建中的不确定性估计问题	MRI图像	计算机视觉	NA	深度学习	像素分类框架	图像	NA
8142	2025-02-06	Speech-based personality prediction using deep learning with acoustic and linguistic embeddings 2024-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81047-0 PMID:39627367	研究论文	本研究提出了一种通过分析语音样本来预测大五人格特质的新方法，推动了计算人格评估领域的发展	结合预训练的卷积神经网络和基于transformer的模型，从语音样本中提取声学特征和语言内容的嵌入，并输入梯度提升树模型进行人格特质预测	NA	探索语音与人格特质之间的关系，开发基于语音的人格预测方法	2045名参与者提供的自由形式语音样本和自我报告的大五人格问卷数据	自然语言处理	NA	深度学习	卷积神经网络（CNN）、transformer模型、梯度提升树模型	语音	2045名参与者
8143	2025-02-06	Improved deep learning for automatic localisation and segmentation of rectal cancer on T2-weighted MRI 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.794 PMID:38654675	研究论文	本研究旨在比较提出的AttSEResUNet模型与其他三种模型在直肠癌T2加权MRI图像上的分割准确性，并评估自动分割模型与观察者间的一致性	提出了一种基于ResUNet和注意力机制的新型分割模型AttSEResUNet，其在直肠癌T2加权MRI图像上的分割性能优于其他三种模型	样本量较小，仅包含65名患者，且未进行外部验证	提高直肠癌在T2加权MRI图像上的自动分割准确性，减轻医生的工作负担并提高工作效率	65名接受MRI检查的直肠癌患者	数字病理学	直肠癌	MRI	AttSEResUNet, U-Net, ResUNet, AttUNet	图像	65名患者（训练集45名，验证集20名）
8144	2025-02-06	Classification-based pathway analysis using GPNet with novel P-value computation 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf039 PMID:39879387	研究论文	本文提出了一种基于深度学习的分类方法GPNet，结合新的P值计算方法，用于生物信息学中的通路分析	使用深度学习模型Gene PointNet和基于混淆矩阵的新P值计算方法，解决了传统方法在低信噪比和大样本数据集上的局限性	未提及具体局限性	提高通路分析在低信噪比和大样本数据集中的准确性和可靠性	基因表达数据	生物信息学	乳腺癌	RNA-Seq	Gene PointNet	基因表达数据	模拟数据集和The Cancer Genome Atlas乳腺癌数据集
8145	2025-02-06	A Real-Time End-to-End Framework with a Stacked Model Using Ultrasound Video for Cardiac Septal Defect Decision-Making 2024-11-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10110280 PMID:39590744	研究论文	本文提出了一种实时端到端框架，利用超声视频进行心脏间隔缺损（CSD）决策，采用基于Yolo技术的先进实时架构，显著提高了诊断效率和准确性	首次将Yolov8l架构应用于儿科超声视频分析，实现了高精度的实时CSD决策，并在医院实时测试中表现出色	研究样本量相对较小，仅使用了222个超声视频，且仅在单一医院进行测试，可能限制了模型的泛化能力	提高心脏间隔缺损的诊断效率和准确性，优化儿科心脏病的临床决策	儿科患者的超声视频	计算机视觉	心血管疾病	深度学习	Yolov8l	视频	222个超声视频
8146	2025-02-06	An Artificial Intelligent System for Prostate Cancer Diagnosis in Whole Slide Images 2024-Oct-28, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02118-3 PMID:39466503	研究论文	本文开发并验证了一种用于前列腺癌诊断的机器学习系统，该系统能够检测神经周围浸润并测量癌症部分，以满足临床报告需求	开发了一个三阶段的机器学习系统，包括组织检测、分类和切片级别分析，用于前列腺癌的全切片图像诊断	系统在不同放大倍数下的分类准确率有所下降，特别是在20x放大倍数下	开发并验证一种用于前列腺癌诊断的计算机辅助工具	前列腺癌的全切片图像	数字病理学	前列腺癌	深度学习	NA	图像	2340张苏木精和伊红染色的切片
8147	2025-02-06	SeqDance: A Protein Language Model for Representing Protein Dynamic Properties 2024-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance，一种蛋白质语言模型，旨在直接从序列中学习蛋白质动态特性的表示	SeqDance模型能够直接从蛋白质序列中学习动态特性，补充了传统的基于进化和静态结构的方法，为蛋白质行为和功能提供了新的见解	尽管SeqDance在捕获蛋白质动态特性方面表现出色，但其预训练数据集可能限制了其在某些蛋白质上的泛化能力	研究目的是开发一种能够直接从蛋白质序列中学习动态特性的模型，以增强对蛋白质功能和突变适应性的理解	研究对象是蛋白质的动态特性，包括局部动态相互作用、共运动模式和全局构象特征	自然语言处理	NA	分子动力学轨迹和正常模式分析	蛋白质语言模型	序列数据	超过30,400个分子动力学轨迹和28,600个正常模式分析
8148	2025-02-06	Semantic Segmentation of CT Liver Structures: A Systematic Review of Recent Trends and Bibliometric Analysis : Neural Network-based Methods for Liver Semantic Segmentation 2024-Oct-14, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02115-6 PMID:39400739	综述	本文系统回顾和文献计量分析了近年来基于神经网络的肝脏结构语义分割方法，特别是深度学习在CT图像中的应用	首次提供了该科学领域的系统性和文献计量学综述，概述了算法特征方面的多个研究方向	报告的性能基准表明，在高分辨率腹部CT扫描中分割小结构仍有很大改进空间	回顾和评估AI在医学图像中肝脏结构分割的应用进展	CT图像中的肝脏结构	计算机视觉	肝脏疾病	深度学习	2D和3D混合网络，生成式方法	CT图像	NA
8149	2025-02-06	Deep learning pipeline for automated cell profiling from cyclic imaging 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74597-w PMID:39384907	研究论文	本文介绍了一种名为CycloNET的计算管道，用于分析通过循环免疫荧光获得的原始荧光图像，旨在自动化细胞分析过程	CycloNET通过预训练的神经网络快速处理大规模数据集，并在单细胞分辨率上提供见解，有助于识别罕见的免疫细胞群	NA	开发一个自动化管道，用于从循环荧光显微镜图像中分析细胞特征，以加深对组织组成、细胞间相互作用和细胞信号传导的理解	头颈部鳞状细胞癌患者的22个人类样本	数字病理学	头颈部鳞状细胞癌	循环免疫荧光	预训练的神经网络	图像	22个人类样本，每个样本17个视野和13个染色周期
8150	2025-02-06	Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03429-5 PMID:39014270	研究论文	本研究评估了nnU-net在多序列MRI上自动分割和体积测量眼附属器淋巴瘤（OAL）的性能	使用nnU-net深度学习框架进行自动分割和体积测量，特别是在T2_FS图像上表现出色	Model 2未能检测到19例T1c病例，且T1_nFS的分割性能较差	评估nnU-net在OAL多序列MRI上的自动分割和体积测量性能	眼附属器淋巴瘤（OAL）患者	数字病理	淋巴瘤	深度学习	nnU-net	MRI图像	147名患者作为训练集，33名患者作为测试集
8151	2025-02-06	Global Genotype by Environment Prediction Competition Reveals That Diverse Modeling Strategies Can Deliver Satisfactory Maize Yield Estimates 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.13.612969 PMID:39345633	研究论文	本文介绍了2022年和2023年首次公开的Genomes to Fields (G2F)计划的基因型与环境(GxE)预测竞赛，展示了多种建模策略在预测玉米产量方面的有效性	首次公开的GxE预测竞赛，结合了基因组变异、表型、天气测量和田间管理数据，展示了多种建模策略的有效性	竞赛结果仅基于特定数据集，可能无法推广到其他环境或作物	通过结合遗传和环境因素预测表型，以提高作物产量预测的准确性	玉米	计算生物学	NA	机器学习、传统育种工具、定量遗传学、经典机器学习/深度学习、机械模型、模型集成	Random Forest, Ridge Regression, Least-squares, 定量遗传学, 经典机器学习/深度学习, 机械模型, 模型集成	基因组变异、表型、天气测量、田间管理数据	九年的数据收集
8152	2025-02-06	Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review 2024-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02105-8 PMID:39264388	综述	本文对医学图像分析领域中视觉变换器（ViTs）和卷积神经网络（CNNs）进行了系统比较	系统性地比较了ViTs和CNNs在医学图像分析中的表现，特别是强调了ViTs在多种医学成像任务中的潜力	综述基于36项研究，可能未涵盖所有相关研究，且未进行新的实验验证	比较ViTs和CNNs在医学图像分析中的表现，帮助研究者和从业者选择最合适的模型	视觉变换器（ViTs）和卷积神经网络（CNNs）	医学图像分析	NA	深度学习	ViTs, CNNs	医学图像	36项研究
8153	2025-02-06	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本文提出了一种新的数字病理数据源——体积核心，通过使用深度学习方法改进前列腺癌的Gleason分级	提出了一种新的数字病理数据源——体积核心，并开发了一种基于注意力机制的多实例学习框架来处理体积数据，显著优于现有的2D基线方法	研究中使用的数据集可能有限，且未提及外部验证的结果	改进前列腺癌的Gleason分级，提高诊断准确性	前列腺癌活检组织	数字病理	前列腺癌	深度特征提取，自监督学习	注意力机制的多实例学习框架（ABMIL），视频变换器	3D活检组织体积数据	10,210个体积核心，其中30%用于预训练
8154	2025-02-06	Advancing ICU patient care with a Real-Time predictive model for mechanical Power to mitigate VILI 2024-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105511 PMID:38851133	研究论文	本研究旨在开发一种利用人工智能实时预测机械功率（MP）的模型，以减轻机械通气引起的肺损伤（VILI）	开发了一种混合神经网络模型，能够提前15分钟预测MP，并在临床实践中集成到一个网络平台中，供临床医生实时访问	研究为回顾性观察研究，可能受到数据质量和选择偏差的影响	开发实时预测模型以减轻机械通气引起的肺损伤	18岁以上且接受超过6小时机械通气的ICU患者	机器学习	肺损伤	人工智能	混合神经网络	临床数据	1967名患者
8155	2025-02-06	GenomicLinks: deep learning predictions of 3D chromatin interactions in the maize genome 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae123 PMID:39318505	研究论文	本文介绍了GenomicLinks，一个深度学习模型，用于预测玉米基因组中的3D染色质相互作用	开发了GenomicLinks模型，首次在植物中利用深度学习预测3D染色质相互作用，并验证了特定转录因子结合基序在染色质环形成中的作用	研究主要集中于玉米基因组，可能不直接适用于其他植物物种	探索植物中染色质环形成的分子机制，特别是通过DNA序列特征预测3D染色质相互作用	玉米基因组中的3D染色质相互作用	机器学习	NA	深度学习	深度学习模型	基因组序列数据	不同基因型的玉米单细胞共可及性数据
8156	2025-02-06	Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study 2024-08-10, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02367-z PMID:39127709	研究论文	本研究利用基于人工智能的深度学习技术，通过视网膜眼底图像对糖尿病患者中的心脏自主神经病变进行分类	首次利用视网膜眼底图像和AI技术对糖尿病心脏自主神经病变进行高效诊断	研究为单中心观察性研究，样本量相对较小，且未进行外部验证	探索AI技术是否可以通过糖尿病眼筛查中收集的视网膜图像提供心脏自主神经病变的高效诊断方法	糖尿病患者	数字病理学	糖尿病	深度学习	ResNet 18, ResWide 50	图像	229名患者的2275张视网膜图像
8157	2025-02-06	Deep learning solutions for inverse problems in advanced biomedical image analysis on disease detection 2024-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69415-2 PMID:39122782	研究论文	本文提出了一种深度学习解决方案，用于解决生物医学图像分析中的逆问题，以优化疾病检测	开发了DLSIP-ABIADD技术，结合了MobileNetv2模型、双边滤波、亨利气体溶解度优化方法和双向长短期记忆模型，用于解决逆问题并检测疾病	未提及具体局限性	优化疾病检测，解决生物医学图像分析中的逆问题	生物医学图像	数字病理学	NA	深度学习	MobileNetv2, BiLSTM	图像	未提及具体样本数量
8158	2025-02-06	Labelling with dynamics: A data-efficient learning paradigm for medical image segmentation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103196 PMID:38781755	研究论文	本文提出了一种数据高效的学习框架，用于医学图像分割任务，通过引入领域知识作为强先验来解决深度神经网络在医学应用中面临的数据需求和可解释性问题	提出了一种基于定制动态系统的数据高效学习框架，能够在极有限的训练数据下实现可靠的分割结果，并具有旋转不变性和对初始化不敏感的特性	NA	解决深度神经网络在医学图像分割任务中需要大量标注数据和缺乏可解释性的问题	医学图像分割	计算机视觉	NA	深度学习	深度神经网络（DNN）	图像	两个数据集（JSRT和ISIC2016），涉及心脏和肺部X光图像分割以及皮肤病变的皮肤镜图像分割
8159	2025-02-06	Analyzing the impact of deep learning algorithms and fuzzy logic approach for remote English translation 2024-Jun-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64831-w PMID:38914631	研究论文	本文提出了一种结合深度学习和模糊决策算法的远程英语翻译方法，以提高翻译的准确性和可理解性	提出了一种名为Fusion-dependent Precision Translation Approach (FPTA)的方法，通过深度学习和模糊决策算法进行单词使用和句子完成的反复验证，从而减少翻译错误并提高可理解性	未提及具体的数据集或样本量，可能缺乏广泛的验证	解决远程英语翻译中的精确性问题	远程英语翻译	自然语言处理	NA	深度学习, 模糊决策算法	NA	文本	NA
8160	2025-01-24	Attention and sentiment of Chinese public toward rural landscape based on Sina Weibo 2024-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64527-1 PMID:38877046	研究论文	本研究提出了一种基于深度学习的微博数据分析模型，旨在从中国公众的角度探索乡村景观的发展方向	利用深度学习模型分析微博数据，揭示中国公众对乡村景观的关注和情感变化	研究主要基于微博数据，可能无法全面代表所有公众的意见	探索中国公众对乡村景观的关注和情感，为政策制定和发展模式探索提供依据	中国公众对乡村景观的关注和情感	自然语言处理	NA	深度学习	NA	文本	基于微博数据的公众意见分析