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
8261	2025-02-05	Integrating particle swarm optimization with backtracking search optimization feature extraction with two-dimensional convolutional neural network and attention-based stacked bidirectional long short-term memory classifier for effective single and multi-document summarization 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2435 PMID:39896393	研究论文	本文提出了一种结合粒子群优化与回溯搜索优化的特征提取方法，以及基于注意力机制的堆叠双向长短期记忆分类器，用于有效的单文档和多文档摘要生成	创新点在于结合了粒子群优化与回溯搜索优化（PSOBSA）进行特征提取，并使用二维卷积神经网络（2D CNN）和基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）模型进行摘要生成	未明确提及具体局限性	研究目标是提高单文档和多文档摘要生成的准确性和效率	研究对象为单文档和多文档摘要生成	自然语言处理	NA	粒子群优化（PSO）、回溯搜索优化（BSA）、二维卷积神经网络（2D CNN）、基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）	2D CNN、ABS-BiLSTM	文本	使用DUC 2002、2003、2005数据集进行单文档摘要，以及DUC 2002、2003、2005、Multi-News和CNN/Daily Mail数据集进行多文档摘要
8262	2025-02-05	Challenges issues and future recommendations of deep learning techniques for SARS-CoV-2 detection utilising X-ray and CT images: a comprehensive review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2517 PMID:39896401	综述	本文全面回顾了截至2024年5月使用深度学习技术进行基于影像的SARS-CoV-2诊断的研究，涵盖了数据来源、预处理方法、深度学习技术分类、研究结果、研究空白和性能评估	本文不仅综述了现有研究，还通过实验比较了12种当代深度学习技术，发现MobileNetV3模型在SARS-CoV-2影像检测中表现最佳，准确率达到98.11%	本文主要关注影像数据的深度学习应用，未涉及其他类型的数据或诊断方法	探讨深度学习技术在基于影像的SARS-CoV-2诊断中的应用及其未来发展方向	SARS-CoV-2的X射线和CT影像	计算机视觉	COVID-19	深度学习	MobileNetV3, 其他深度学习模型	影像	NA
8263	2025-02-05	A comprehensive analysis and performance evaluation for osteoporosis prediction models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2338 PMID:39896405	研究论文	本文通过深度学习技术，利用NHANES 2017-2020数据集预测骨质疏松症的发生，并比较了不同特征选择方法和神经网络模型的性能	本研究创新地应用了互信息（MI）和递归特征消除（RFE）两种特征选择方法，结合多种深度学习模型（如CNN、RNN等），在非图像医学数据上实现了高精度的骨质疏松症预测	研究仅基于NHANES 2017-2020数据集，可能无法完全代表其他人群或更广泛的数据集	通过深度学习技术提高骨质疏松症的预测准确性，以辅助医疗决策	NHANES 2017-2020数据集中的SpineOsteo和FemurOsteo数据	机器学习	骨质疏松症	深度学习	CNN, RNN, 序列深度神经网络	非图像医学数据	NHANES 2017-2020数据集
8264	2025-02-05	Golden eagle optimized CONV-LSTM and non-negativity-constrained autoencoder to support spatial and temporal features in cancer drug response prediction 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2520 PMID:39896419	研究论文	本文提出了一种结合非负约束自编码器（NNCAE）和金鹰优化卷积长短期记忆神经网络（GEO-Conv-LSTM）的混合分类器，用于癌症药物反应预测	创新点在于使用NNCAE处理噪声和类别不平衡问题，并通过GEO算法优化Conv-LSTM模型的参数，提高了药物反应预测的准确性和处理效率	未明确提及具体局限性	研究目的是提高癌症药物反应预测的准确性和处理效率	研究对象是癌症药物反应预测	机器学习	癌症	NNCAE, GEO-Conv-LSTM	CNN, LSTM	基因组数据	来自GDSC数据库的两个大型数据集
8265	2025-02-05	The potential of short-wave infrared hyperspectral imaging and deep learning for dietary assessment: a prototype on predicting closed sandwiches fillings 2024, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2024.1520674 PMID:39897532	研究论文	本文探讨了短波红外高光谱成像和深度学习在家庭自制餐食饮食评估中的适用性，通过构建一个原型系统来自动检测封闭三明治中的食物成分	首次将短波红外高光谱成像与机器学习结合，用于家庭自制餐食的饮食评估，特别是封闭三明治的食物成分检测	模型在预测可涂抹馅料时表现较差，可能过于关注结构特征而非营养成分	开发一种不干扰自然饮食习惯的饮食摄入准确测量方法	封闭三明治中的食物成分	计算机视觉	NA	短波红外高光谱成像	PLS-DA, 多分类器, 简单神经网络	高光谱图像	24张高光谱图像
8266	2025-02-05	An explainable Bi-LSTM model for winter wheat yield prediction 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1491493 PMID:39898259	研究论文	本研究开发了一种可解释的Bi-LSTM模型，用于冬小麦产量预测，结合了深度学习和解释性技术	首次在区域尺度上应用Bi-LSTM模型进行作物产量预测，并结合LIME、IG和SHAP等解释性技术，提供了模型决策过程的直观见解	研究主要关注冬小麦，未涉及其他作物，且模型的解释性分析可能受限于所选解释性技术的局限性	开发一种可解释的深度学习模型，用于准确预测作物产量并提供预测解释	冬小麦	机器学习	NA	深度学习	Bi-LSTM, LSTM, 1D CNN	时间序列数据	未明确说明样本数量，但涉及多个区域和产量数据范围
8267	2025-02-05	Research on the quantification and automatic classification method of Chinese cabbage plant type based on point cloud data and PointNet+ 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1458962 PMID:39898272	研究论文	本文提出了一种基于点云数据和PointNet++深度学习算法的大白菜株型快速准确量化和自动分类方法	结合点云数据处理和深度学习算法PointNet++，首次实现了大白菜株型的快速准确量化和自动分类	目前的方法主要依赖于点云数据，可能在实际应用中受到数据采集条件的限制	开发一种能够快速准确量化和分类大白菜株型的方法，以提高作物管理和育种效率	大白菜株型	计算机视觉	NA	点云数据处理，深度学习	PointNet++	点云数据	未明确说明样本数量
8268	2025-02-05	Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis 2023-08, Abdominal radiology (New York) DOI:10.1007/s00261-023-03966-2 PMID:37280374	系统综述与荟萃分析	本文对两种最常见的商用深度学习CT重建算法在腹部临床扫描中的应用进行了系统综述和荟萃分析	首次对True Fidelity (TF)和Advanced intelligent Clear-IQ Engine (AiCE)这两种商用深度学习CT重建算法在腹部扫描中的应用进行了系统综述和荟萃分析	仅评估了单一供应商的双能量CT，且高DLR重建强度下存在轻微信号丢失和模糊现象	评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量减少潜力	腹部CT扫描	医学影像	NA	深度学习CT重建	深度学习算法	CT图像	44篇文章，其中32篇评估TF，12篇评估AiCE
8269	2025-02-05	Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340987 PMID:38083160	研究论文	本文训练并验证了一个深度学习模型，用于预测三阴性乳腺癌（TNBC）患者对新辅助系统治疗（NAST）的病理完全缓解（pCR）反应	利用治疗前和治疗后四个周期的多参数MRI数据，通过深度学习模型预测TNBC患者的治疗反应，具有较高的预测准确性	模型的验证和测试结果在不同组别之间存在一定的差异，可能需要在更大规模的数据集上进行进一步验证	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应	三阴性乳腺癌患者	数字病理学	乳腺癌	动态对比增强MRI（DCE-MRI）和扩散加权成像（DWI）	深度学习模型	图像	未明确提及具体样本数量
8270	2024-12-28	Network embedding: The bridge between water distribution network hydraulics and machine learning 2025-Apr-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.123011 PMID:39721501	研究论文	本文提出了一种新的水分配网络嵌入（WDNE）方法，将水分配网络的液压关系转化为适合机器学习算法的向量形式	提出了WDNE方法，首次将水分配网络的液压特性有效整合到机器学习中，并通过两种深度自编码器嵌入模型同时保留液压关系和属性信息	未提及具体局限性	解决水分配网络管理问题，提升机器学习算法在水分配网络中的应用效率	水分配网络（WDNs）	机器学习	NA	深度自编码器嵌入模型	自编码器	网络拓扑数据	未提及具体样本数量
8271	2025-02-04	Redefining healthcare - The transformative power of generative AI in modern medicine 2025-Feb-03, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2025.11081/2024 PMID:39898717	评论	本文探讨了生成式AI在现代医学中的变革力量及其对医疗保健的影响	讨论了生成式AI在医疗保健领域的潜在颠覆性影响，强调了伦理和法律挑战	未具体说明生成式AI在医疗保健中的具体应用案例或实际效果	探讨生成式AI在医疗保健中的应用及其带来的挑战	医疗保健行业及其从业者	机器学习	NA	深度学习	生成式AI	NA	NA
8272	2025-02-04	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Feb-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	研究论文	本文提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于药物-药物相互作用预测	MI-DDI框架首次结合了原子视图和子结构视图特征，通过MPNN和transformer编码器提取多视图特征，并设计了可解释的交互模块	未明确提及具体局限性	提高药物-药物相互作用预测的准确性和可解释性	药物-药物相互作用	机器学习	NA	Message Passing Neural Network (MPNN), transformer编码器	深度学习框架	分子图, 药物SMILES	BIOSNAP数据集和DrugBank数据集
8273	2025-02-04	Rapid in vivo EPID image prediction using a combination of analytically calculated attenuation and AI predicted scatter 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17549 PMID:39607282	研究论文	本文提出了一种结合分析计算衰减和AI预测散射的深度学习方法，用于快速预测体内EPID图像	使用深度学习方法替代传统的蒙特卡罗算法，显著提高了预测速度，并仅需患者信息进行训练	部分图像的通过率较低，原因包括CBCT伪影和患者在CBCT与治疗之间的运动	测试使用患者数据创建深度学习模型以预测IMRT治疗中体内EPID图像的可行性和可靠性	IMRT治疗中的体内EPID图像	数字病理	NA	卷积神经网络（CNN）	CNN	图像	193个IMRT场/图像，来自93名患者，以及75个用于进一步验证的图像
8274	2025-02-04	Diagnostic performance of neural network algorithms in skull fracture detection on CT scans: a systematic review and meta-analysis 2025-Feb, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-024-02300-7 PMID:39680295	系统综述和元分析	本文通过系统综述和元分析评估了卷积神经网络（CNN）在CT扫描中诊断颅骨骨折的性能	首次系统评估了CNN在颅骨骨折CT诊断中的表现，并进行了元分析	研究间存在异质性，可能受到模型拓扑、训练模型和验证技术差异的影响	评估CNN模型在CT图像上诊断颅骨骨折的准确性	CT扫描中的颅骨骨折	医学影像	颅骨骨折	深度学习（DL）	CNN	CT图像	20,798名患者
8275	2025-02-04	A comprehensive review on early detection of drusen patterns in age-related macular degeneration using deep learning models 2025-Feb, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104454 PMID:39716627	综述	本文综述了使用深度学习模型早期检测年龄相关性黄斑变性（AMD）中玻璃膜疣模式的全面研究	提出了一种基于深度学习的模型，通过结合局部和全局知识来优化AMD早期阶段的玻璃膜疣检测	现有模型由于眼底图像分辨率问题，难以准确预测玻璃膜疣区域	研究目的是通过深度学习技术早期检测AMD中的玻璃膜疣模式	研究对象是年龄相关性黄斑变性（AMD）患者的眼底图像	计算机视觉	老年疾病	深度学习	深度学习模型	图像	NA
8276	2025-02-04	Multi-Dimensional Features Extraction for Voice Pathology Detection Based on Deep Learning Methods 2025-Feb-01, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.12.048 PMID:39894721	研究论文	本文提出了一种基于深度学习的多维特征提取方法，用于语音病理检测	提出了一种结合Gammatonegram特征与TKEO Scalogram特征的特征提取方案，命名为CGT Scalogram	NA	提高语音病理检测的准确性	健康语音与病理语音	自然语言处理	语音障碍	深度学习	ResNet	语音信号	Saarbrucken语音数据库
8277	2025-02-04	Enhancing feature-aided data association tracking in passive sonar arrays: An advanced Siamese network approach 2025-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0035577 PMID:39898705	研究论文	本文提出了一种基于Siamese网络的高级网络BiChannel-SiamDinoNet，用于改进被动声纳阵列中的特征辅助数据关联跟踪方法	提出了BiChannel-SiamDinoNet网络，结合Siamese网络和联合概率数据关联框架，通过声学目标的特征结构形成嵌入空间，使系统对变化更加鲁棒，并能有效区分测量和目标之间的差异	未提及具体局限性	改进被动声纳阵列中的多目标跟踪方法，提高在复杂海洋场景中的性能	被动声纳阵列中的多目标跟踪	机器学习	NA	深度学习	Siamese网络	声学信号	未提及具体样本数量
8278	2025-02-03	Automating container damage detection with the YOLO-NAS deep learning model 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251314084 PMID:39887245	研究论文	本研究利用YOLO-NAS深度学习模型自动化检测集装箱损伤，以提高全球供应链中的产品质量、物流效率和安全性	首次将YOLO-NAS模型应用于集装箱损伤检测，解决了海港复杂条件下的高速、高精度需求	尽管YOLO-NAS在实时评估能力上表现优异，但其他模型如Fmask-RCNN和MobileNetV2在训练精度上较高，但缺乏实时评估能力	开发自动化集装箱损伤检测解决方案，以提高港口物流的效率和安全性	集装箱损伤检测	计算机视觉	NA	深度学习	YOLO-NAS	图像	NA
8279	2025-02-04	Promoting smartphone-based keratitis screening using meta-learning: A multicenter study 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104722 PMID:39244181	研究论文	本研究提出了一种基于元学习的框架（CNCML），用于在智能手机数据不足的情况下开发基于智能手机的角膜炎筛查模型	提出了余弦最近质心度量学习（CNCML）框架，利用裂隙灯照片的先验知识，解决了智能手机数据不足的问题	研究主要依赖于有限的智能手机照片数据，可能在实际应用中存在泛化能力不足的问题	开发一种基于智能手机的角膜炎筛查模型，以解决偏远地区缺乏专业设备的问题	角膜炎患者	计算机视觉	角膜炎	深度学习，元学习	CNCML	图像	13,009张裂隙灯照片和4,075张智能手机照片，来自3个独立的临床中心
8280	2024-08-07	Correction to: Prediction of protein-ligand binding affinity via deep learning models 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae310 PMID:38888458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA