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
8221	2025-01-23	Breast cancer classification in point-of-care ultrasound imaging-the impact of training data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014502 PMID:39830074	研究论文	本文探讨了通过增加训练数据的不同技术来改进用于分类点-of-care超声（POCUS）图像的分类网络	通过比较不同的数据增强技术，包括数据增强、直方图匹配、直方图均衡化和循环一致对抗网络（CycleGANs），显著提高了分类网络的性能	研究主要依赖于POCUS图像和标准超声（US）图像，可能限制了结果的普适性	提高用于分类POCUS图像的分类网络的性能，以促进乳腺癌的早期检测	乳腺癌的POCUS图像和标准超声（US）图像	计算机视觉	乳腺癌	数据增强、直方图匹配、直方图均衡化、循环一致对抗网络（CycleGANs）	分类网络	图像	两个数据集，包括POCUS图像和标准超声（US）图像
8222	2025-01-23	Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems 2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-73010-8_26 PMID:39831070	研究论文	本文提出了一种零样本近似后验采样方法（ZAPS），用于解决扩散模型在逆问题中的应用问题	ZAPS方法通过零样本训练和物理引导的损失函数来学习每个不规则时间步的对数似然权重，从而提高了图像生成和收敛速度	ZAPS方法在计算效率上依赖于对角化近似，这可能会影响其在高维数据上的表现	研究目标是提高扩散模型在逆问题中的推理速度和重建质量	研究对象是扩散模型在逆问题中的应用，特别是高斯和运动去模糊、修复和超分辨率等问题	计算机视觉	NA	零样本训练、物理引导的损失函数	扩散模型	图像	NA
8223	2025-01-23	A Self-supervised Deep Learning Model for Diagonal Sulcus Detection with Limited Labeled Data 2025-Jan, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09700-7 PMID:39777603	研究论文	本文提出了一种基于深度学习的自监督模型，用于在有限标注数据的情况下检测大脑中的对角线沟（ds）	首次提出使用自监督学习和卷积自编码器来检测对角线沟，并在有限标注数据的情况下实现了较高的检测精度	模型依赖于有限的标注数据，且手动标注的挑战性可能影响模型的性能	开发一种自动检测大脑对角线沟的深度学习模型，以解决现有方法精度低的问题	大脑中的对角线沟（ds）	数字病理学	NA	自监督学习，卷积自编码器	卷积自编码器	图像	未明确说明具体样本数量，但使用了有限的标注数据集
8224	2025-01-23	Right Ventricular Function: Deep Learning's Prognostic Edge in Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017788 PMID:39836731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8225	2025-01-23	Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017005 PMID:39836730	研究论文	本研究探讨了深度学习模型预测的右心室射血分数（RVEF）对接受经导管边缘对边缘修复（TEER）的严重二尖瓣反流（MR）患者预后的评估价值	利用深度学习模型从二维超声心动图视频中准确预测RVEF，并证明其在预测TEER后一年死亡率方面优于传统的三尖瓣环平面收缩偏移测量	研究仅基于二维超声心动图视频，未涉及三维成像数据，且样本量有限	评估深度学习预测的RVEF值对严重MR患者TEER后预后的预测价值	接受TEER的严重MR患者	数字病理学	心血管疾病	深度学习	深度学习模型	视频	1154名患者
8226	2025-01-23	Automating egg damage detection for improved quality control in the food industry using deep learning 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17553 PMID:39838604	研究论文	本研究利用深度学习算法自动识别鸡蛋的裂纹和表面损伤，旨在提高食品行业中的鸡蛋质量控制	采用四种不同的卷积神经网络模型（GoogLeNet、VGG-19、MobileNet-v2和ResNet-50）进行鸡蛋损伤检测，其中GoogLeNet模型达到了最高的分类准确率（98.73%）	研究中仅使用了794张鸡蛋图像，样本量相对较小，可能影响模型的泛化能力	提高食品行业中鸡蛋质量控制的自动化水平	鸡蛋的裂纹和表面损伤	计算机视觉	NA	深度学习	CNN（GoogLeNet、VGG-19、MobileNet-v2、ResNet-50）	图像	794张鸡蛋图像（包括受损和完好两类）
8227	2025-01-23	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	本研究开发了一种基于深度学习的分类模型，结合MRCP图像和临床参数，以辅助放射科医生更准确地诊断肝外胆总管梗阻	提出了一种多模态深度学习融合模型，结合了MRCP图像特征和临床参数，并应用加权损失函数来处理不同特征的重要性差异	样本量相对较小，尤其是MRCP图像数据仅来自143名患者	开发一种深度学习模型，以提高肝外胆总管梗阻的诊断准确性	465名患者，其中143名患者有MRCP图像数据	计算机视觉	肝外胆总管梗阻	MRCP成像	多模态深度学习融合模型	图像和临床数据	465名患者（其中143名有MRCP图像）
8228	2025-01-23	Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study 2024-Dec-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-646 PMID:39830743	研究论文	本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散（STAS）的术前预测性能	首次构建并比较了基于CT图像的深度学习模型和放射组学模型，用于预测肺腺癌中的STAS状态	研究为回顾性设计，样本量相对较小，且仅来自两个中心	评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能	395名经病理确认的肺腺癌患者	数字病理	肺癌	CT成像	深度学习模型, 放射组学模型	CT图像	395名患者（其中146名检测到STAS）
8229	2025-01-23	The development of a waste management and classification system based on deep learning and Internet of Things 2024-Dec-26, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13595-x PMID:39724392	研究论文	本文开发了一种基于深度学习和物联网的废物管理与分类系统，旨在提高资源回收率并降低劳动成本	提出了一种改进的基于YOLOv7-tiny的深度学习模型，通过添加部分卷积（PConv）和坐标注意力（CA）模块，减少了参数和计算量，并提高了识别精度	实验仅在Jetson Nano设备上进行了测试，未在其他边缘设备上验证其通用性	开发一种高效的废物管理与分类系统，以支持可持续发展	可回收废物的图像数据	计算机视觉	NA	深度学习，物联网（IoT），边缘计算	改进的YOLOv7-tiny模型	图像	包含多类别废物的图像数据集
8230	2025-01-23	Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach 2024-Dec-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13562-6 PMID:39714636	研究论文	本研究通过机器学习降尺度方法，提高了越南现有3公里分辨率PM2.5产品的空间分辨率和质量	结合时间因素的树模型提高了预测准确性，CatBoost 2天滞后模型在各项指标上表现优异	模型验证需要基于生成的PM地图，因为模型评估结果可能不适用于实际应用	提高越南PM2.5浓度的空间分辨率和质量	越南的PM2.5浓度数据	机器学习	NA	机器学习降尺度方法	随机森林、XGBoost、CatBoost、支持向量回归（SVR）、混合效应模型（MEM）、长短期记忆网络（LSTM）、卷积神经网络（CNN）、卷积长短期记忆网络（ConvLSTM）	PM2.5浓度数据	NA
8231	2025-01-23	Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting 2024-Dec-17, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-024-02579-z PMID:39688780	综述	本文综述了人工智能在miRNA癌症研究中的应用，从生物标志物发现到治疗靶点的探索	探讨了人工智能特别是深度学习在miRNA研究中的应用，包括生物标志物识别、预后模型建立以及miRNA数据库的整合	未具体提及研究的局限性	旨在指导研究人员有效利用AI技术在miRNA领域，加速癌症诊断和治疗的发展	miRNA及其在癌症中的作用	自然语言处理	癌症	RNA测序技术	深度学习	RNA数据	NA
8232	2025-01-23	Modeling Alternative Conformational States of Pseudo-Symmetric Solute Carrier Transporters using Methods from Deep Learning 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	本文介绍了一种结合ESM和模板建模的方法，用于模拟SLC蛋白质的多种构象状态	提出了一种新的结合ESM和模板建模的方法，能够一致地模拟SLC蛋白质的多种构象状态，并通过实验验证多态模型	现有AI协议在模拟多种构象状态时存在“记忆”问题，无法总是提供SLC蛋白质的内外构象	研究SLC蛋白质的多种构象状态，以更好地理解其功能和药物运输机制	SLC蛋白质	机器学习	NA	ESM, 模板建模	ESM, 模板建模	蛋白质序列	多个整合膜蛋白转运体，包括SLC35F2
8233	2025-01-23	Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements 2024-Dec-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13468-3 PMID:39643787	研究论文	本文提出了一种新颖的混合移位视觉Transformer方法，用于甘蔗叶疾病的自动分类	结合了视觉Transformer架构和混合移位窗口，有效捕捉局部和全局特征，提高了疾病识别的准确性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高甘蔗叶疾病的自动分类准确性，支持农业中的疾病监测和决策	甘蔗叶疾病	计算机视觉	甘蔗疾病	自监督学习，数据增强技术（随机旋转、翻转、遮挡），拼图任务	混合移位视觉Transformer	图像	未提及具体样本数量
8234	2025-01-23	Prediction of Preeclampsia Using Machine Learning: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76095 PMID:39834976	review	本文系统回顾了使用机器学习预测子痫前期的方法、预测因子和模型性能，强调了其比较优势、挑战和临床适用性	本文综合评估了多种机器学习模型在子痫前期预测中的应用，并探讨了模型性能与可解释性之间的平衡	部分研究存在高偏倚风险，且非解释性或黑箱模型可能因伦理问题难以在临床中应用	探讨机器学习在子痫前期预测中的应用及其临床适用性	子痫前期	machine learning	preeclampsia	machine learning	XGBoost, random forest, neural networks	clinicodemographic characteristics, laboratory reports, Doppler ultrasound, genotypic data, fundal images	11 studies from diverse countries including the United States, the United Kingdom, China, and Korea
8235	2025-01-23	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	本研究通过螺旋和线条绘图比较帕金森病和小脑症状的识别，并探讨了笔压数据在分类中的重要性	结合螺旋和线条绘图以提高识别准确性，并探讨了笔压数据对分类的影响	未使用笔压数据时，单一绘图任务的性能未显著下降，但未进一步探讨其他可能的影响因素	比较螺旋和线条绘图在帕金森病和小脑症状识别中的表现，并评估笔压数据的作用	帕金森病和小脑功能障碍患者	数字病理学	帕金森病	深度学习特征提取模型	预训练和自定义深度学习模型	图像	未明确提及样本数量
8236	2025-01-23	scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf009 PMID:39831891	研究论文	本文提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型	提出了四个新的特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的深度学习框架scHiClassifier，用于准确预测细胞类型	当前基于单细胞Hi-C数据的细胞类型预测框架在特征可解释性和生物意义方面存在局限，且缺乏令人信服和鲁棒的分类性能验证	开发一种能够有效利用单细胞Hi-C数据进行细胞类型预测的方法	单细胞Hi-C数据	生物信息学	NA	单细胞Hi-C技术	多头自注意力编码器、1D卷积	单细胞Hi-C数据	六个数据集
8237	2025-01-23	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	研究论文	本文探讨了使用深度学习技术进行3D血管分割的方法，特别是在肾脏的层次相位对比断层扫描（HiP-CT）中的应用	引入了新的成像技术HiP-CT，并创建了一个经过双重注释验证的训练数据集，用于血管分割	Dice相似系数（DSC）主要评估体素到体素的一致性，忽略了血管的几个关键特征，且大血管由于缺乏静水压力而塌陷，分割效果不佳	为血管分割提供一个基础，并确定一个稳健的基线模型，应用于新的成像技术HiP-CT	肾脏的血管结构	数字病理学	NA	HiP-CT	nnU-Net	3D图像	三个肾脏的血管数据
8238	2025-01-23	Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature 2024-Nov, Atherosclerosis IF:4.9Q1 DOI:10.1016/j.atherosclerosis.2024.117580 PMID:38852022	综述	本文综述了利用人工智能（AI）从计算机断层扫描（CT）成像中研究动脉粥样硬化的最新文献	介绍了基于深度学习的卷积神经网络（CNNs）在病变检测、分割和分类中的应用，以及新的放射转录组学技术通过CT图像体素的高阶结构分析捕捉潜在的生物化学过程	讨论了当前基于AI方法的局限性及解决这些挑战的优先事项	旨在将基于AI的新方法从研究环境过渡到临床工作流程，以检测易损动脉粥样硬化斑块并指导患者治疗策略	冠状动脉炎症、冠状动脉斑块及其相关风险	计算机视觉	心血管疾病	CT成像、放射转录组学技术	CNN	图像	NA
8239	2025-01-23	Arkitekt: streaming analysis and real-time workflows for microscopy 2024-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02404-5 PMID:39294366	研究论文	本文介绍了Arkitekt，一个开源的中介平台，用于实时执行复杂的定量显微镜工作流	Arkitekt作为一个开源平台，能够在本地或远程可靠且高效地协调流行的生物图像软件，实现实时分析和数据管理	现有解决方案在灵活性和可扩展性方面仍有限制，通常仅限于离线分析	解决生物图像工作流中的高效协调和数据管理问题	定量显微镜工作流	数字病理学	NA	深度学习	NA	图像	NA
8240	2025-01-23	[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma] 2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2024.09.14 PMID:39505342	研究论文	本文建立了一个深度学习模型，结合磁共振成像（MRI）深度学习特征和临床特征，用于术前预测肝细胞癌（HCC）的细胞角蛋白19（CK19）状态	提出了基于多尺度特征融合和多模态特征融合的深度学习模型（MSFF-IResnet和MMFF-IResnet），并验证了其在预测CK19状态方面的有效性	研究为回顾性实验，样本量相对较小（116例患者），可能影响模型的泛化能力	探索结合MRI深度学习特征和临床特征预测HCC患者术前CK19状态的可行性	116例确诊CK19状态的HCC患者	数字病理	肝细胞癌	深度学习	MSFF-IResnet, MMFF-IResnet	MRI图像, 临床数据	116例HCC患者