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
8501	2025-01-19	Evaluating CNN Architectures for the Automated Detection and Grading of Modic Changes in MRI: A Comparative Study 2025-Jan, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.14280 PMID:39638639	研究论文	本研究开发并评估了卷积神经网络（CNN）在检测和分级Modic变化（MCs）中的性能，并与初级医生的表现进行了比较	首次使用CNN自动检测和分级Modic变化，并验证了AI辅助对初级医生诊断一致性的提升	样本量相对较小，且数据来源仅限于特定品牌的MRI扫描仪	开发并验证CNN在MRI图像中自动检测和分级Modic变化的性能	139名患者的MRI图像	计算机视觉	脊柱疾病	MRI	CNN, YOLOv8, YOLOv5	图像	139名患者的MRI图像（109名来自Philips扫描仪，30名来自Philips和United Imaging扫描仪）
8502	2025-01-19	An ensemble deep learning framework for energy demand forecasting using genetic algorithm-based feature selection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310465 PMID:39813218	研究论文	本文提出了一种集成深度学习方法，通过遗传算法优化特征选择，用于能源需求预测	结合遗传算法与多种预测模型（LSTM、BiLSTM、GRU），并使用堆叠集成技术生成最终预测，同时将数据集分为工作日和周末子集以进行更详细的分析	未提及模型在其他数据集或不同地理区域的泛化能力	提高能源需求预测的准确性和鲁棒性	历史能源消耗、天气变量和时间特征	机器学习	NA	遗传算法、堆叠集成技术	LSTM、BiLSTM、GRU	时间序列数据	未明确提及具体样本数量，但进行了十次模拟
8503	2025-01-19	Dynamics and triggers of misinformation on vaccines 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316258 PMID:39813203	研究论文	本文分析了2016年至2021年意大利疫苗辩论在多个社交媒体平台上的动态和触发因素，探讨了可靠和可疑新闻来源对疫苗议程的影响	使用符号转移熵分析新闻生产时间序列，动态确定可疑或可靠新闻来源对疫苗议程的因果驱动作用，并利用深度学习模型对疫苗相关内容进行分类	研究主要关注意大利的社交媒体平台，可能无法完全代表全球其他地区的情况	探讨在线疫苗错误信息的动态和触发因素，评估其对公众态度的影响	意大利社交媒体平台上的疫苗辩论	自然语言处理	NA	符号转移熵分析，深度学习	深度学习模型	文本	6年（2016-2021年）的意大利社交媒体数据
8504	2025-01-19	A framework for assessing reliability of observer annotations of aerial wildlife imagery, with insights for deep learning applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316832 PMID:39813190	研究论文	本文提出了一个评估空中野生动物图像观察者注释可靠性的框架，并探讨了图像属性如空间分辨率和纹理对观察者一致性的影响	提出了一个通过聚类多个观察者的观察结果并选择模式分类来计算个体观察者与聚合注释集之间一致性指标的框架	样本量有限，可能限制了结果的普遍性	评估空中野生动物图像观察者注释的可靠性，以提高深度学习模型的稳定性	新墨西哥州迁徙水禽的无人机图像	计算机视觉	NA	NA	深度学习模型	图像	十二张无人机图像
8505	2025-01-19	A novel multi-user collaborative cognitive radio spectrum sensing model: Based on a CNN-LSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316291 PMID:39813223	研究论文	本文提出了一种基于CNN-LSTM模型的多用户协作认知无线电频谱感知模型，旨在提高频谱感知的准确性和效率	结合CNN的局部特征提取能力和LSTM处理序列数据的优势，并引入多头自注意力机制，优化了模型在动态复杂环境中的适应性和鲁棒性	NA	提高多用户协作认知无线电系统中的频谱感知性能	多用户协作认知无线电系统	机器学习	NA	NA	CNN-LSTM	序列数据	不同数量的次级用户（16, 24, 32, 40, 48）
8506	2025-01-19	Deep learning methods for improving the accuracy and efficiency of pathological image analysis 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241306830 PMID:39814425	研究论文	本研究提出了一种结合U-Net和EfficientNetV2的深度学习模型，用于提高病理图像分析的准确性和效率	开发了一种新的热图生成算法，结合了图像预处理、数据增强、集成学习、注意力机制和深度特征融合技术，显著提高了病理图像分析的准确性和效率	未提及具体局限性	提高病理图像分析的准确性和效率	病理图像	数字病理学	NA	深度学习	U-Net, EfficientNetV2	图像	NA
8507	2025-01-19	Machine Learning Approaches for Neuroblastoma Risk Prediction and Stratification 2025, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2024056447 PMID:39819432	研究论文	本文探讨了机器学习在神经母细胞瘤风险预测和分层中的应用	利用大规模生物和临床数据，机器学习模型能够检测传统方法常忽视的复杂模式，从而实现更个性化的治疗和更好的患者预后	数据规模有限、模型可解释性差、数据变异性大以及临床整合困难等问题阻碍了广泛采用，此外还需解决与偏见和隐私相关的伦理问题	通过机器学习技术改进神经母细胞瘤的早期诊断、风险评估和治疗决策	神经母细胞瘤患者	机器学习	神经母细胞瘤	支持向量机、随机森林、深度学习	支持向量机、随机森林、深度学习	生物和临床数据	NA
8508	2025-01-19	Intelligent Diagnosis of Hypopigmented Dermatoses and Intelligent Evaluation of Vitiligo Severity on the Basis of Deep Learning 2024-Dec, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-024-01296-9 PMID:39514178	研究论文	本研究提出了一种基于深度学习的智能诊断模型，用于分类诊断色素减退性皮肤病（HD）和评估白癜风严重程度	通过将squeeze-and-excitation (SE)模块与候选模型结合，构建了优化的诊断模型，并提出了一种客观的严重程度评估指标，结合分割模型形成了严重程度评估模型	研究中使用的数据集主要来自4744名患者，可能无法涵盖所有类型的HD和白癜风病例	开发一种客观、准确且方便的智能诊断和评估方法，用于色素减退性皮肤病和白癜风的严重程度评估	色素减退性皮肤病（HD）和白癜风患者	计算机视觉	皮肤病	深度学习	SE_ResNet-18, HR-Net	图像	4744名患者的11483张图像
8509	2025-01-19	Three-dimensional convolutional neural network for leak detection and localization in smart water distribution systems 2024-Dec-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100264 PMID:39822329	研究论文	本文提出了一种三维卷积神经网络（3D CNN）深度学习模型，用于智能水分配系统中的泄漏检测和定位	首次将3D CNN应用于水分配网络的泄漏检测和定位，能够处理压力和时间的空间分布信息	深度学习模型的适应性可能受限，且受水力模拟模型影响较大，网络变化时需要重新训练，可能耗时且难以处理多种故障情况	研究智能水分配系统中的泄漏检测和定位方法	水分配网络（WDNs）中的泄漏	机器学习	NA	深度学习	3D CNN	压力数据	使用奥斯汀的一个真实水分配网络进行测试，生成了150毫米管道中3升/秒的泄漏模拟数据
8510	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8511	2025-01-19	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	本文介绍了一种名为高维特征重要性测试（HdFIT）的框架，用于整合信息丰富的高维生物标志物以提高疾病结果预测的准确性	提出了HdFIT框架，结合特征筛选步骤和机器学习模型，有效评估每个特征的影响，并在高维环境中显著提高预测准确性	未提及具体局限性	提高疾病结果预测的准确性并理解疾病机制	行为、临床和分子因素	机器学习	NA	机器学习	深度神经网络	高维分子数据	NA
8512	2025-01-19	Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis 2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery DOI:10.48729/pjctvs.411 PMID:39820882	综述	本文探讨了人工智能（AI）和机器学习（ML）在提高颈动脉狭窄（CS）诊断、风险分层和管理方面的作用	AI和ML在颈动脉狭窄的诊断和分类中展现出显著潜力，特别是在深度学习增强的成像技术和临床风险因素整合方面	尽管AI和ML在血管外科中展现出巨大潜力，但仍面临临床验证和数据隐私的挑战	研究AI和ML在颈动脉狭窄诊断和管理中的应用	颈动脉狭窄（CS）患者	数字病理学	心血管疾病	深度学习	NA	图像	NA
8513	2025-01-19	Association of quantitative histopathology measurements with antemortem medial temporal lobe cortical thickness in the Alzheimer's disease continuum 2024-Sep-03, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-024-02789-9 PMID:39227502	研究论文	本文开发了两种深度学习算法，用于测量与阿尔茨海默病和LATE相关的磷酸化tau和TDP-43病理，并探讨了这些病理与内侧颞叶结构测量之间的关系	使用深度学习算法定量测量磷酸化tau和TDP-43病理，提供了比半定量评分更精细的病理测量方法，并展示了其在理解病理与结构关系中的优势	研究样本量相对较小（140例），且仅关注了内侧颞叶区域，未涉及其他脑区	探讨内侧颞叶萎缩与特定神经病理之间的关系，特别是磷酸化tau和TDP-43病理	阿尔茨海默病和LATE患者的脑组织样本	数字病理学	阿尔茨海默病	深度学习	深度学习算法	图像	140例生前MRI成像的病例
8514	2025-01-19	ARID3C Acts as a Regulator of Monocyte-to-Macrophage Differentiation Interacting with NPM1 2024-Aug-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00509 PMID:38231884	研究论文	本研究探讨了ARID3C的细胞定位和功能，发现其与NPM1相互作用，促进单核细胞向巨噬细胞分化	首次揭示了ARID3C通过与NPM1结合并转运至细胞核，作为转录因子调控单核细胞向巨噬细胞分化的机制	未明确ARID3C在其他细胞类型或生物过程中的功能	阐明ARID3C的生物学功能及其在单核细胞向巨噬细胞分化中的作用	ARID3C蛋白及其与NPM1的相互作用	分子生物学	NA	LC-MS/MS, 深度学习, AlphaFold2	深度学习	蛋白质相互作用数据	NA
8515	2025-01-19	Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17072 PMID:38721977	研究论文	本文提出了一种基于胸部CT的自动化椎体骨折评估方法，利用深度学习和形态学特征进行椎体分割、标记和骨折检测	结合深度学习、多参数冻结增长算法和强度自相关技术，实现了椎体的自动化分割、标记及骨折检测，并验证了该方法在低剂量CT上的通用性	方法在低剂量CT上的通用性验证样本量较小（n=236），可能需要进一步扩大样本量以验证其稳定性	开发一种自动化方法，用于胸部CT图像中的椎体骨折评估，以替代人工专家阅读	慢性阻塞性肺疾病（COPD）患者的胸部CT图像	数字病理学	慢性阻塞性肺疾病	深度学习、多参数冻结增长算法、强度自相关	深度学习网络	胸部CT图像	3231名COPDGene研究参与者的40,050个椎体，其中120个扫描用于训练和验证深度学习模型，236个低剂量CT扫描用于通用性验证
8516	2025-01-19	Automated deep learning segmentation of high-resolution 7 Tesla postmortem MRI for quantitative analysis of structure-pathology correlations in neurodegenerative diseases 2024-May-01, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00171 PMID:39301426	研究论文	本文介绍了一种用于高分辨率7特斯拉死后MRI的自动深度学习分割方法，用于神经退行性疾病的结构-病理相关性定量分析	开发了一个深度学习管道，通过基准测试九种深度神经架构的性能来分割皮质层，并进行后处理拓扑校正	由于标记数据集的有限可用性以及扫描仪硬件和采集协议的异质性，自动分割方法在死后MRI中的应用尚未充分发展	开发自动分割方法以链接病理学测量与形态测量学测量	死后人类脑组织样本	数字病理学	阿尔茨海默病	7T MRI, T2w序列, T2*w FLASH序列	深度神经网络	MRI图像	135个死后人类脑组织样本，其中82个样本有阿尔茨海默病连续诊断
8517	2025-01-19	NON-CARTESIAN SELF-SUPERVISED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION FOR HIGHLY-ACCELERATED MULTI-ECHO SPIRAL FMRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635551 PMID:39669313	研究论文	本文提出了一种基于物理驱动的深度学习（PD-DL）重建方法，用于加速多回波螺旋fMRI的10倍重建	本文的创新点在于将自监督学习算法修改并应用于非笛卡尔轨迹的优化训练，以实现高时空分辨率的多回波螺旋fMRI重建	NA	研究目的是通过深度学习技术加速多回波螺旋fMRI的重建，以提高时空分辨率	多回波螺旋fMRI数据	医学影像处理	NA	深度学习	PD-DL网络	fMRI图像数据	NA
8518	2025-01-19	Human-airway surface mesh smoothing based on graph convolutional neural networks 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108061 PMID:38341897	研究论文	本文提出了一种基于图卷积神经网络（GCNNs）的无监督气道网格平滑学习方法（AMSL），用于保留三维气道几何形状，以进行精确的CT图像计算流体动力学（CFD）模拟	引入了一种新的无监督气道网格平滑学习方法（AMSL），该方法通过联合训练两个图卷积神经网络来过滤顶点位置和面法向量，并采用深度网格先验模型的概念，无需大量数据集进行训练	研究仅使用了20名受试者的气道图像进行平滑处理，其中仅两名受试者的数据用于CFD模拟，样本量较小	开发一种能够保留三维气道几何形状的平滑方法，以进行精确的CT图像计算流体动力学（CFD）模拟	气道几何形状	计算机视觉	NA	CT图像计算流体动力学（CFD）模拟	图卷积神经网络（GCNNs）	图像	20名受试者的气道图像
8519	2025-01-19	Investigating distributions of inhaled aerosols in the lungs of post-COVID-19 clusters through a unified imaging and modeling approach 2024-Apr-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2024.106724 PMID:38340875	研究论文	本研究通过结合成像和建模方法，调查了COVID-19后遗症患者肺部吸入气溶胶的分布情况	利用深度学习算法识别出COVID-19后遗症患者的两个集群，并通过计算模型分析预测了这两个集群的气道阻力和颗粒沉积情况	样本量相对较小，且仅包括COVID-19幸存者和健康对照组	评估COVID-19后遗症患者集群中吸入气溶胶的分布情况	COVID-19幸存者和健康对照组	数字病理学	COVID-19	CT扫描和计算模型分析	深度学习算法	CT图像	140名COVID-19幸存者和105名健康对照组
8520	2025-01-19	Mapping cell-to-tissue graphs across human placenta histology whole slide images using deep learning with HAPPY 2024-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46986-2 PMID:38548713	研究论文	本文介绍了一种名为HAPPY的深度学习分层方法，用于量化胎盘组织学全切片图像中细胞和微解剖组织结构的变异性	HAPPY方法不同于基于补丁的特征或分割方法，它遵循可解释的生物层次结构，在全切片图像中以单细胞分辨率表示细胞和组织中的细胞群落	NA	开发一种深度学习方法来准确评估胎盘病理学，以管理母婴健康	胎盘组织学全切片图像	数字病理学	NA	深度学习	NA	图像	健康足月胎盘和具有临床显著胎盘梗死的胎盘