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
8181	2025-01-24	Deep learning captures the effect of epistasis in multifactorial diseases 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479717 PMID:39839630	研究论文	本研究探讨了非线性和深度学习模型在预测多因素疾病风险中的应用，特别是考虑基因上位效应的影响	首次系统地比较了线性回归模型与非线性机器学习模型（包括深度学习）在模拟和真实遗传数据中捕捉基因上位效应的能力	研究主要基于模拟数据和特定疾病类型的真实数据，可能无法推广到所有多因素疾病	探索非线性和深度学习模型在预测多因素疾病风险中的有效性，特别是考虑基因上位效应	模拟数据和真实遗传数据，涉及肥胖、1型糖尿病和银屑病等疾病	机器学习	多因素疾病（如阿尔茨海默病、糖尿病、心血管疾病、癌症等）	GAMETES模拟数据生成，PyTOXO包生成渗透表	多层感知器（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、Lasso回归、随机森林、梯度提升模型	遗传数据	模拟数据和真实遗传数据，具体样本数量未明确
8182	2025-01-24	AI predicting recurrence in non-muscle-invasive bladder cancer: systematic review with study strengths and weaknesses 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1509362 PMID:39839785	综述	本文系统回顾了基于机器学习的非肌层浸润性膀胱癌（NMIBC）复发预测框架，分析了其统计稳健性和算法效能	通过多模态数据集和多种机器学习模型（如神经网络、深度学习、随机森林）的结合，显著提高了预测准确性，并探讨了增强模型解释性的方法（如SHAP）	由于数据集较小，模型的泛化能力有限，且高级模型的“黑箱”性质仍是一个挑战	提高非肌层浸润性膀胱癌（NMIBC）复发的预测精度，推动AI在肿瘤学中的应用	非肌层浸润性膀胱癌（NMIBC）患者	机器学习	膀胱癌	机器学习（ML）和人工智能（AI）	神经网络、深度学习、随机森林、支持向量机	放射组学、临床、组织病理学、基因组数据	NA
8183	2025-01-24	Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1420328 PMID:39839787	系统综述与元分析	本文通过系统综述和元分析，评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果	本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现，并强调了混合模型和深度学习（特别是卷积神经网络）的优势	大多数研究依赖内部验证，缺乏外部验证，可能影响模型的普适性和鲁棒性	评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力	乳腺癌患者的临床数据	机器学习	乳腺癌	机器学习算法	混合模型、卷积神经网络（CNN）	临床数据	32篇符合条件的文章，涉及140篇初步筛选的文章
8184	2025-01-24	Application of MRI image segmentation algorithm for brain tumors based on improved YOLO 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1510175 PMID:39840016	研究论文	本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性，并在此基础上进行了优化和升级	在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进，提出了多个优化版本，显著提升了脑肿瘤磁共振图像的分割能力	研究仅使用了两个公开数据集，样本量相对有限，可能影响模型的泛化能力	辅助临床快速识别脑肿瘤类型并实现分割检测	脑肿瘤磁共振图像	计算机视觉	脑肿瘤	深度学习	YOLOv5s, YOLOv8s	图像	3,223张图像（数据集1）和216张图像（数据集2）
8185	2025-01-24	Artificial intelligence-driven identification and mechanistic exploration of synergistic anti-breast cancer compound combinations from Prunella vulgaris L.-Taraxacum mongolicum Hand.-Mazz. herb pair 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1522787 PMID:39840098	研究论文	本研究利用人工智能和大规模生物医学数据，识别并验证了夏枯草-蒲公英草药对中具有协同抗乳腺癌作用的化合物组合及其作用机制	首次应用深度学习模型DeepMDS预测夏枯草-蒲公英草药对中的协同抗乳腺癌多化合物组合，并通过实验验证其效果	研究主要基于体外细胞实验，缺乏体内实验验证	识别和验证夏枯草-蒲公英草药对中的协同抗乳腺癌化合物组合及其作用机制	夏枯草（Prunella vulgaris L.）和蒲公英（Taraxacum mongolicum Hand.-Mazz.）的提取物及其化合物	生物医学	乳腺癌	液相色谱-质谱分析（LC-MS）、深度学习模型（DeepMDS）	深度学习模型（DeepMDS）	化学化合物数据、生物医学数据	夏枯草和蒲公英的50%乙醇提取物，分别鉴定出27和21种化合物
8186	2025-01-24	A customized convolutional neural network-based approach for weeds identification in cotton crops 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1435301 PMID:39840351	研究论文	本文提出了一种基于定制卷积神经网络（CNN）的方法，用于棉花作物中的杂草识别	提出了一种新的基于深度CNN的架构，用于高效识别和分类棉花作物中的杂草，并在准确率上优于现有的VGG-16、ResNet、DenseNet和Xception模型	未提及具体的数据集规模或实验环境限制	开发一种高效的杂草识别和分类方法，以提高棉花作物的产量	棉花作物中的杂草	计算机视觉	NA	卷积神经网络（CNN）	CNN, VGG-16, ResNet, DenseNet, Xception	图像	未提及具体样本数量
8187	2025-01-24	Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices 2023-12-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-23-0216 PMID:37967949	研究论文	本研究开发了基于单导联心电图（Lead I ECG）的深度学习模型，用于预测左心异常，以支持可穿戴设备的发展	首次利用单导联心电图数据开发深度学习模型，用于检测多种左心异常，并在多中心数据集上验证其性能优于或等同于心脏病专家使用12导联心电图的诊断结果	研究依赖于特定数据集，可能无法完全推广到其他人群或设备	开发基于单导联心电图的深度学习模型，用于预测左心异常，以支持可穿戴设备的应用	左心异常（包括低射血分数、室壁运动异常、左心室肥厚、左心室扩张和左心房扩张）	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	229,439对心电图和超声心动图数据，来自8个设施，并在2个设施的外部数据上验证
8188	2025-01-24	Fully automated segmentation of brain tumor from multiparametric MRI using 3D context deep supervised U-Net 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15032 PMID:34101845	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从多参数MRI中分割脑肿瘤	提出了一种上下文深度监督的U-Net模型，通过聚合多尺度上下文信息来改进脑肿瘤子区域的分割精度	研究中使用的数据集来自BraTS 2020挑战赛，可能无法完全代表所有临床情况	开发一种自动分割脑肿瘤的方法，以提高分割精度并减少临床工作流程中的时间和变异性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	3D上下文深度监督U-Net	多参数MRI图像	BraTS 2020训练数据集和测试数据集
8189	2025-01-23	HybNet: A hybrid deep models for medicinal plant species identification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103126 PMID:39830878	研究论文	本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率	本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面	深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力	研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别	研究对象为药用植物物种的图像数据	计算机视觉	NA	深度学习	CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层	图像	自建的药用植物数据集，具体样本数量未提及
8190	2025-01-23	Intelligent identification of foodborne pathogenic bacteria by self-transfer deep learning and ensemble prediction based on single-cell Raman spectrum 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127268 PMID:39644671	研究论文	本研究提出了一种基于单细胞拉曼光谱的AI模型，用于精确识别食源性致病菌	结合自迁移深度学习和集成预测算法，显著提高了训练效率和预测性能	未提及模型在实际应用中的具体限制	提高食源性疾病的准确检测，预防疾病传播	食源性致病菌	机器学习	食源性疾病	单细胞拉曼光谱	自迁移深度学习，集成预测	光谱数据	未提及具体样本数量
8191	2025-01-23	A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF 2025-Apr-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127427 PMID:39709828	研究论文	本研究提出了一种基于图像处理和深度学习的颗粒尺寸分布校正方法，用于提高NIRS-XRF在煤质分析中的准确性和重复性	创新性地结合图像处理和深度学习技术，提出了一种颗粒尺寸校正方法，显著提高了NIRS-XRF测量的重复性和准确性	研究仅针对煤质分析，未涉及其他材料或应用场景	提高NIRS-XRF在煤质分析中的准确性和重复性	煤样品	机器学习和图像处理	NA	NIRS, XRF	Segment Anything Model (SAM), Spatial Transformer Network (STN), Convolutional Neural Network (CNN)	图像	56个煤样品（48个用于标准灰分预测模型，8个用于校正）
8192	2025-01-23	A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants 2025-Feb-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120615 PMID:39674247	研究论文	本文提出了一种结合信号分解和深度学习的混合模型，用于预测污水处理厂的进水参数，如化学需氧量（COD）和五日生化需氧量（BOD）	引入了新的动态特征选择（DFS）机制，以实时优化特征选择，减少模型冗余并提高预测稳定性	NA	提高污水处理厂进水参数（如COD和BOD）的预测准确性，以优化污水处理过程、提高效率并降低成本	污水处理厂的进水参数（COD和BOD）	机器学习	NA	信号分解和深度学习	混合深度学习模型	时间序列数据	两个污水处理厂的数据
8193	2025-01-23	One-core neuron deep learning for time series prediction 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae441 PMID:39830389	研究论文	本文提出了一种仅包含单个核心神经元的可解释'小模型'框架，即单核心神经元系统（OCNS），用于时间序列预测，旨在显著减少参数数量同时保持与现有'大模型'相当的性能	提出了一种仅包含单个核心神经元的深度学习框架，通过多延迟反馈设计，能够将输入特征向量/状态转换为一维时间序列/序列，理论上确保完全表示观测动态系统的状态	未提及具体的时间序列预测任务或数据集，可能限制了结果的普适性验证	探索在时间序列预测任务中构建参数少、性能优的深度学习框架	时间序列数据	机器学习	NA	深度学习	单核心神经元系统（OCNS）	时间序列数据	NA
8194	2025-01-23	BananaImageBD: A comprehensive banana image dataset for classification of banana varieties and detection of ripeness stages in Bangladesh 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111239 PMID:39830620	研究论文	本文介绍了一个全面的香蕉图像数据集BananaImageBD，用于分类香蕉品种和检测成熟度阶段	该数据集包含了孟加拉国四种常见香蕉品种和四个关键成熟阶段的详细图像，具有推动精准农业、食品加工和供应链管理等领域自动化和高效流程发展的潜力	数据集仅限于孟加拉国的香蕉品种和成熟阶段，可能不适用于其他地区或品种	开发自动化和高效的香蕉品种分类和成熟度检测系统	孟加拉国的四种常见香蕉品种及其四个成熟阶段	计算机视觉	NA	NA	机器学习和深度学习模型	图像	2471张不同香蕉品种的原始图像和820张不同成熟阶段的原始图像，增强后的数据集分别包含7413张和2457张图像
8195	2025-01-23	Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction 2025-Jan-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70011 PMID:39840745	研究论文	本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示	MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性	NA	提高分子属性预测的准确性，特别是在药物发现领域	分子结构和功能基团	机器学习	NA	图神经网络（GNN）	MfGNN	分子图数据	NA
8196	2025-01-23	Performance of the automated digital cell image analyzer UIMD PBIA in white blood cell classification: a comparative study with sysmex DI-60 2025-Jan-23, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1323 PMID:39837502	研究论文	本研究评估了使用深度学习的自动化数字形态分析仪PBIA在白细胞分类中的性能，并与广泛使用的DI-60进行了比较	首次将深度学习技术应用于自动化数字形态分析仪PBIA，并与传统方法DI-60进行性能比较	需要进一步的多中心研究以进行全面验证	评估PBIA在白细胞分类中的性能，并与DI-60进行比较	461张外周血涂片	数字病理学	NA	深度学习	NA	图像	461张外周血涂片
8197	2025-01-23	Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective 2025-Jan-22, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.4c00628 PMID:39746214	综述	本文综述了二维过渡金属二硫化物（2D TMDs）在理论模拟方面的研究进展及其在电子学、催化、量子技术和能源领域的应用	强调了理论模拟在理解2D TMDs物理性质、发现新材料、阐明合成过程及设计新型器件中的关键作用	尽管2D TMDs展示了潜力并已制造出原型器件，但仍需解决一些挑战以实现其商业应用	探讨理论模拟如何推动2D TMDs研究，特别是在理解扭曲moire基TMDs性质、预测TMD单层和异质结构中的奇异量子相、理解TMD合成中的成核和生长过程以及理解基于TMD异质结构的潜在器件中的电子传输和接触特性方面	二维过渡金属二硫化物（2D TMDs）	材料科学	NA	理论模拟、深度学习、分子动力学、高通量计算、多尺度方法	NA	NA	NA
8198	2025-01-23	Automatic skeletal maturity grading from pelvis radiographs by deep learning for adolescent idiopathic scoliosis 2025-Jan-22, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03283-4 PMID:39838221	研究论文	本文提出了一种基于深度学习的多任务学习方法，用于从骨盆X光片中自动评估青少年特发性脊柱侧弯（AIS）患者的骨骼成熟度	提出了一种改进的Swin Transformer模型，结合空间和通道重建卷积Swin块，用于Risser阶段的自动评估，提高了评估精度	未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高青少年特发性脊柱侧弯（AIS）患者骨骼成熟度评估的准确性和自动化水平	青少年特发性脊柱侧弯（AIS）患者的骨盆X光片	计算机视觉	青少年特发性脊柱侧弯	深度学习	改进的Swin Transformer	图像	未提及具体样本数量
8199	2025-01-23	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-Jan-22, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	本文介绍了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接	DisDock结合了U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征，提高了预测准确性	尽管DisDock在预测准确性上优于现有方法，但其依赖于高质量的金属蛋白质数据集，可能限制了其广泛应用	研究目的是开发一种深度学习方法，以预测蛋白质与金属离子的对接结构	研究对象为金属蛋白质及其与金属离子的对接结构	机器学习	NA	深度学习	U-net与自注意力模块结合	蛋白质-配体配置的距离图	来自Mother of All Databases (MOAD)的高质量金属蛋白质数据集
8200	2025-01-23	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-Jan-22, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	本研究评估了ResNet-50和U-Net模型在牙种植体根尖周X光片中检测和分割垂直不匹配的能力	首次将ResNet-50和U-Net模型应用于牙种植体根尖周X光片中垂直不匹配的检测和分割，并与牙医的表现进行了比较	研究仅使用了根尖周X光片，未考虑其他类型的影像数据	评估AI在牙种植体根尖周X光片中检测和分割垂直不匹配的能力	牙种植体根尖周X光片	计算机视觉	NA	深度学习	ResNet-50, U-Net	图像	638张根尖周X光片