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
8641	2025-01-16	Precise Large-Scale Chemical Transformations on Surfaces: Deep Learning Meets Scanning Probe Microscopy with Interpretability 2025-Jan-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c14757 PMID:39680589	研究论文	本文开发了一种名为AutoOSS的软件基础设施，用于自动化从Au(111)表面上的数百个Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)中去除溴，利用神经网络模型解释STM输出，并通过深度强化学习模型优化操作参数	结合深度学习和扫描探针显微镜技术，实现了大规模化学反应的精确控制，并通过贝叶斯优化结构搜索和密度泛函理论计算探索了3D结构和反应机制	需要进一步验证该技术在其他系统和化学反应中的适用性和扩展性	开发自动化扫描探针显微镜技术，以实现精确的大规模化学反应控制	Au(111)表面上的Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)	机器学习	NA	扫描探针显微镜(SPM), 深度强化学习, 贝叶斯优化结构搜索(BOSS), 密度泛函理论(DFT)	神经网络, 深度强化学习模型	STM图像	数百个Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉(ZnBrMeDPP)
8642	2025-01-16	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结了机器学习和深度学习在磁粒子成像（MPI）中的应用及其未来潜力	探讨了人工智能方法在MPI图像重建和分析中的新兴应用，展示了其在提高精确信息获取方面的潜力	未提及具体的研究限制	研究机器学习和深度学习在磁粒子成像中的应用	磁粒子成像（MPI）	机器学习	NA	磁粒子成像（MPI）	机器学习和深度学习模型	图像	NA
8643	2025-01-16	Fragmentation in patchy ecosystems: a call for a functional approach 2025-Jan, Trends in ecology & evolution IF:16.7Q1 DOI:10.1016/j.tree.2024.09.004 PMID:39510920	研究论文	本文探讨了栖息地破碎化对生物多样性的威胁，特别是自然斑块状生态系统如稀树草原，与森林生态系统的不同	提出了基于景观功能性的破碎化识别方法，强调连通性在理解生态系统动态中的重要性	现有文献主要关注森林生态系统，对自然斑块状生态系统的研究较少	改进破碎化映射方法，结合遥感数据和实地测量，实证测试景观是否功能上破碎化	稀树草原等自然斑块状生态系统	生态学	NA	遥感技术，深度学习	NA	遥感数据，实地测量数据	NA
8644	2025-01-16	Protein Binding Site Representation in Latent Space 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400205 PMID:39692081	研究论文	本文研究了图神经网络在蛋白质-配体复合物亲和力预测中的应用，并评估了配体结合位点的潜在表示及其与蛋白质功能的关系	引入了一种自动化的计算流程，用于降维、聚类、假设检验和潜在空间的可视化，揭示了蛋白质潜在空间的内在结构	未明确提及具体的数据集或样本量限制	理解深度学习模型在计算机辅助药物发现中的特征感知能力	蛋白质-配体复合物	机器学习	NA	图神经网络	图神经网络	蛋白质-配体复合物数据	NA
8645	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8646	2025-01-16	Advances in modeling cellular state dynamics: integrating omics data and predictive techniques 2025, Animal cells and systems IF:2.5Q1 DOI:10.1080/19768354.2024.2449518 PMID:39807350	综述	本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术	强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变	讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化	旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学	细胞状态动态	机器学习	NA	转录组学, 单细胞RNA测序	深度学习模型	组学数据	NA
8647	2025-01-16	Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography 2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70041 PMID:39811700	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI）	开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力	深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求	开发一种基于OCT的深度学习算法，用于检测AD和MCI	228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试	数字病理学	老年疾病	光学相干断层扫描（OCT）	集成三边深度学习模型	图像	228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试
8648	2025-01-16	Importance of Computer-Aided Drug Design in Modern Pharmaceutical Research 2024-Dec-31, Current drug discovery technologies DOI:10.2174/0115701638361318241230073123 PMID:39810447	研究论文	本文探讨了计算机辅助药物设计（CADD）在现代药物研究中的重要性及其基本原理，旨在加速药物发现过程，提高准确性，并减少时间和财务资源	本文综合分析了CADD在药物发现和开发中的应用，强调了其在提高药物效力和减少成本方面的重要性	本文主要基于文献综述，缺乏实际实验数据的支持	研究目的是探讨CADD在药物发现和开发中的应用及其对公共健康的积极影响	研究对象是计算机辅助药物设计（CADD）及其在药物发现和开发中的应用	药物设计	NA	分子对接、片段基药物发现、从头药物设计、药效团建模、定量构效关系、3D-QSAR、同源建模、计算机模拟ADME-Tox、机器学习和深度学习	NA	文献数据	NA
8649	2025-01-16	MS-CLSTM: Myoelectric Manipulator Gesture Recognition Based on Multi-Scale Feature Fusion CNN-LSTM Network 2024-Dec-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9120784 PMID:39727788	研究论文	本文提出了一种基于多尺度特征融合的深度学习模型MS-CLSTM，用于表面肌电信号（sEMG）手势识别，以提高肌电操纵器的手势控制精度	提出了一种结合多尺度卷积块（MS Block）、ResCBAM和双向LSTM（Bi-LSTM）的深度学习模型，能够同时捕捉sEMG信号的局部细节、全局模式和通道间相关性	模型在小样本数据集上可能存在过拟合问题，尽管ResCBAM模块对此有所缓解	提高肌电操纵器手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	深度学习	CNN-LSTM	sEMG信号	Ninapro DB2和DB4数据集
8650	2025-01-16	Deep Learning-Based Diagnosis Algorithm for Alzheimer's Disease 2024-Dec-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120333 PMID:39728230	研究论文	本文提出了一种基于改进的3D DenseNet分割模型和MobileNetV3分类模型的阿尔茨海默病自动辅助诊断算法	在分割网络中简化了骨干网络，替换了激活函数和损失函数，并引入了3D GAM注意力机制；在分类网络中增加了CA注意力机制，引入了扩张卷积，并修改了MobileNetV3的全连接层，采用了迁移学习的思想	NA	提高阿尔茨海默病的自动辅助诊断效率和准确性	阿尔茨海默病患者和正常人的脑部MR图像	计算机视觉	老年病	深度学习	3D DenseNet, MobileNetV3	图像	NA
8651	2025-01-16	Complex Large-Deformation Multimodality Image Registration Network for Image-Guided Radiotherapy of Cervical Cancer 2024-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121304 PMID:39768121	研究论文	本文提出了一种基于多阶段变换增强特征的多模态图像配准网络，用于宫颈癌的图像引导放射治疗	提出了多阶段变换增强特征（MTEF）的多模态图像配准网络，结合小波变换提取图像不同成分并进行融合增强处理，提出了一种新的共享金字塔配准网络，结合双结构形态学的深度学习相似性测量方法	未提及具体局限性	提高宫颈癌图像引导放射治疗中多模态图像配准的准确性和连续性	宫颈癌患者的多模态图像（CT和MR图像）	计算机视觉	宫颈癌	小波变换，双结构形态学	多阶段变换增强特征（MTEF）网络，共享金字塔配准网络	图像	实际临床数据，未提及具体样本数量
8652	2025-01-16	Clean Self-Supervised MRI Reconstruction from Noisy, Sub-Sampled Training Data with Robust SSDU 2024-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121305 PMID:39768122	研究论文	本文提出了一种名为Robust SSDU的自监督MRI重建方法，能够从噪声和子采样的训练数据中恢复清晰图像	Robust SSDU通过同时估计缺失的k空间样本和去噪可用样本，解决了现有自监督方法对测量数据噪声敏感的问题	NA	开发一种能够在噪声和子采样数据条件下进行高质量MRI重建的自监督学习方法	MRI图像	医学影像处理	NA	自监督学习	NA	MRI图像数据	多线圈fastMRI脑部数据集
8653	2025-01-16	Towards Robust Supervised Pectoral Muscle Segmentation in Mammography Images 2024-Dec-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120331 PMID:39728227	研究论文	本文提出了一种用于乳腺X光图像中胸肌分割的鲁棒监督方法，并提供了INbreast、MIAS和CBIS-DDSM数据集的胸肌分割掩码	提供了胸肌分割掩码，使得能够开发基于深度学习的监督方法，并利用AU-Net模型进行胸肌分割	当前方法主要依赖于传统机器学习方法，且缺乏胸肌分割掩码的数据集	开发一种鲁棒的自动化乳腺癌检测系统，特别是针对乳腺X光图像中的胸肌分割	乳腺X光图像中的胸肌	计算机视觉	乳腺癌	深度学习	AU-Net	图像	INbreast、MIAS和CBIS-DDSM数据集中的图像
8654	2025-01-16	The Use of Hybrid CNN-RNN Deep Learning Models to Discriminate Tumor Tissue in Dynamic Breast Thermography 2024-Dec-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120329 PMID:39728226	研究论文	本研究评估了基于五种预训练CNN架构与三种RNN结合的混合卷积-循环神经网络（CNN-RNN）模型，用于区分动态乳腺热成像中的肿瘤异常	首次将混合CNN-RNN模型应用于动态乳腺热成像数据，以提取空间和时间信息，提高乳腺癌检测的准确性	尽管混合模型在性能上优于独立CNN模型，但某些架构的CPU运行时间较长，可能影响实际应用中的效率	通过深度学习模型提高乳腺癌早期检测的准确性和效率	动态乳腺热成像数据	计算机视觉	乳腺癌	红外热成像	CNN-RNN（VGG16-LSTM, AlexNet-RNN等）	图像（动态乳腺热成像）	未明确提及样本数量
8655	2025-01-16	In Vivo Evaluation of Two Hemorrhagic Shock Resuscitation Controllers with Non-Invasive, Intermittent Sensors 2024-Dec-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121296 PMID:39768114	研究论文	本文评估了两种使用非侵入性间歇传感器输入的出血性休克复苏控制器在猪模型中的效果	提出了使用非侵入性间歇信号传感器输入的闭环液体复苏控制器，以简化在远前环境中的使用	需要进一步改进非侵入性输入方法	评估非侵入性间歇传感器输入在出血性休克复苏中的有效性	猪出血性休克模型	医学工程	出血性休克	非侵入性血压测量（NIBP）和深度学习模型	深度学习模型	血压数据	猪模型
8656	2025-01-15	A Real-Time Lightweight Behavior Recognition Model for Multiple Dairy Goats 2024-Dec-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14243667 PMID:39765571	研究论文	本文提出了一种名为GSCW-YOLO的实时轻量级行为识别模型，用于多只奶山羊的行为识别，特别是在复杂环境中识别小目标行为	GSCW-YOLO模型集成了高斯上下文变换（GCT）和内容感知特征重组（CARAFE）上采样算子，增强了YOLOv8n框架对行为特征的关注，减少了复杂背景的干扰，并提高了区分细微行为差异的能力	NA	通过深度学习技术自动识别奶山羊的行为，特别是异常行为，以早期发现潜在的健康和环境问题	奶山羊	计算机视觉	NA	深度学习	GSCW-YOLO	图像	9213张图像
8657	2025-01-16	Automated Supraclavicular Brown Adipose Tissue Segmentation in Computed Tomography Using nnU-Net: Integration with TotalSegmentator 2024-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242786 PMID:39767147	研究论文	本研究开发了一种基于nnU-Net深度学习框架的自动化棕色脂肪组织（BAT）分割方法，并将其集成到TotalSegmentator软件中，用于评估其在淋巴瘤患者中的性能	使用nnU-Net深度学习框架进行自动化BAT分割，并集成到TotalSegmentator软件中，显著提高了分割性能并减少了手动标注的需求	研究仅针对淋巴瘤患者，未在其他疾病或健康人群中验证其通用性	开发并评估一种自动化BAT分割方法，以减少手动标注的时间并提高准确性	淋巴瘤患者的CT扫描图像	数字病理学	淋巴瘤	CT扫描，FDG PET/CT	nnU-Net	图像	159名淋巴瘤患者的CT扫描用于训练，30名患者用于测试，7107名患者的FDG PET/CT研究用于分析
8658	2025-01-16	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	本文分析了深度学习中的变分信息瓶颈（VIB）在回归问题中的表现，并提出了一种框架，可以在一次训练中获得所有β值的最优解	提出了一种框架，可以在一次训练中获得所有β值的最优解，而传统方法需要为每个β值进行一次训练	NA	分析变分信息瓶颈（VIB）在回归问题中的表现，并提高探索β值的效率	回归问题中的变分信息瓶颈（VIB）	机器学习	NA	NA	变分信息瓶颈（VIB）	NA	NA
8659	2025-01-16	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	本文探讨了人工智能（AI）在体外受精（IVF）实验室中的应用，旨在通过提高精度和效率来提升生殖医学的成果	AI技术在IVF实验室中的应用，特别是在胚胎和精子选择、优化临床结果以及减少人为错误方面的自动化过程，提供了有价值的预测性见解，增强了个性化治疗计划并提高了生育治疗的成功率	AI的整合带来了伦理、监管和社会挑战，包括数据安全、算法偏见以及临床决策中人机界面的问题	探讨AI在IVF实验室中的应用，以提升生殖医学的精度和效率	体外受精（IVF）实验室	生殖医学	NA	神经网络、深度学习、机器学习	NA	NA	NA
8660	2025-01-16	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	本文提出了一种名为VDMNet的深度学习框架，用于视网膜血管分割，通过集成多种先进组件克服现有方法的局限性	引入了Fast Multi-Head Self-Attention模块、Vessel Dynamic Convolution模块、Multi-Scale Fusion机制以及Weighted Asymmetric Focal Tversky Loss，显著提升了复杂血管形态的分割精度	未提及具体局限性	提高视网膜血管分割的精度，特别是在复杂背景和病理干扰下的表现	视网膜血管	计算机视觉	眼科疾病	深度学习	VDMNet	图像	公开数据集ROSE-1和OCTA-3M