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
8701	2025-01-16	Assessment of the Accuracy of a Deep Learning Algorithm- and Video-based Motion Capture System in Estimating Snatch Kinematics 2024, International journal of exercise science DOI:10.70252/PRVV4165 PMID:39807293	研究论文	本研究评估了基于深度学习和视频的无标记运动捕捉系统在抓举运动学估计中的准确性，并与基于标记的系统进行了比较	首次将基于深度学习的无标记视频系统应用于抓举运动学分析，并与传统标记系统进行对比	两种系统在估计运动学参数时存在显著差异，可能由于模型和假设的不同	评估无标记视频系统在抓举运动学分析中的适用性	21名举重运动员（15名男性，6名女性）	计算机视觉	NA	深度学习姿态估计算法	NA	视频	21名举重运动员，131次试验
8702	2025-01-16	Design and validation of the reflection skills self-assessment questionnaire (RSSAQ) 2024, Journal of education and health promotion IF:1.4Q3 DOI:10.4103/jehp.jehp_141_24 PMID:39811846	研究论文	本研究旨在设计和验证波斯语医学科学学生反思技能自我评估问卷（RSSAQ）的心理测量特性	开发了一种新的波斯语反思技能自我评估问卷，并验证了其心理测量特性	研究样本仅限于一所大学的学生，可能限制了结果的普遍性	设计和验证波斯语医学科学学生反思技能自我评估问卷的心理测量特性	医学科学学生	教育评估	NA	探索性因子分析（EFA）和验证性因子分析（CFA）	NA	问卷数据	19名专家、50名学生（面效度和内容效度评估）、48名学生（信度评估）、151名学生（构念效度评估）
8703	2025-01-16	Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures 2023-Dec-30, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.29.23300642 PMID:38234857	研究论文	本文利用深度学习技术识别了大脑衰老的五个主要维度，并探讨了这些维度与临床、生活方式和遗传因素之间的关联	使用先进的深度表示学习方法Surreal-GAN，首次在大规模多样化人群中量化了大脑衰老的五个主要模式，并揭示了这些模式与多种生物医学、生活方式和遗传因素的显著关联	研究依赖于MRI数据，可能无法完全捕捉大脑衰老的所有复杂性和细微变化	通过深度学习技术精确描述个体大脑衰老的神经退行性特征，并探索其与多种因素的关联	49,482名来自11项研究的个体	机器学习	老年疾病	MRI, Surreal-GAN	GAN	图像	49,482名个体
8704	2025-01-16	Deep Learning-based Diagnosis and Localization of Pneumothorax on Portable Supine Chest X-ray in Intensive and Emergency Medicine: A Retrospective Study 2023-Dec-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02023-1 PMID:38048012	研究论文	本研究开发了两种基于深度学习的系统，用于在便携式仰卧位胸部X光片（SCXRs）上诊断和定位气胸	创新点在于开发了两种深度学习系统，分别基于目标检测和图像分割技术，用于气胸的诊断和定位，并在不同患者和图像特征的数据集上表现出良好的外部泛化能力	随着气胸尺寸的减小，两种系统的性能有所下降	开发用于气胸诊断和定位的深度学习系统	便携式仰卧位胸部X光片（SCXRs）	计算机视觉	气胸	深度学习	EfficientNet-B2, DneseNet-121, Inception-v3, Deformable DETR, TOOD, VFNet, UNet	图像	训练集1571张图像，测试集1071张图像
8705	2025-01-16	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论了处理高维数据中缺失值的现代机器学习技术	提出了基于深度学习（DL）和XGboost的方法，用于估计总体均值和百分位数等参数，并通过模拟研究和实际应用展示了这些方法的优势	模拟研究有限，可能无法全面反映所有情况	探讨高维数据中缺失值的处理方法，以减少无应答偏差	高维数据	机器学习	NA	深度学习（DL）、XGboost、惩罚回归方法、基于树的方法	深度学习（DL）、XGboost	高维数据	NA
8706	2025-01-16	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	本文介绍了一种新颖的深度学习架构MUCRAN，用于在临床脑部MRI数据上训练深度学习模型，同时回归人口统计学和技术混杂因素	提出了MUCRAN架构，能够成功回归大量临床数据集中的主要混杂因素，并结合不确定性量化方法自动排除分布外数据，提高了AD检测的准确性	NA	提高在异质临床数据中基于深度学习的疾病检测的准确性和通用性	临床脑部MRI数据	计算机视觉	阿尔茨海默病	深度学习	MUCRAN	MRI图像	17,076例临床T1轴向脑部MRI
8707	2025-01-16	A maChine and deep Learning Approach to predict pulmoNary hyperteNsIon in newbornS with congenital diaphragmatic Hernia (CLANNISH): Protocol for a retrospective study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259724 PMID:34752491	研究论文	本研究旨在通过机器学习和深度学习方法，预测先天性膈疝（CDH）新生儿出生后的肺动脉高压（PH），并开发产前预测模型	首次将机器学习和深度学习应用于CDH胎儿的产前预测，特别是针对肺动脉高压的预测，并计划开发自动胎儿肺部MRI分割系统	研究为回顾性研究，可能受到数据质量和完整性的限制，且需要未来多中心前瞻性研究验证	开发预测模型以改善CDH患者的预后，特别是肺动脉高压的预测，并优化胎儿和新生儿的个性化管理	先天性膈疝（CDH）胎儿和新生儿	机器学习	先天性膈疝	MRI, 机器学习, 深度学习	3D U-NET	临床数据, 放射学数据, MRI图像	2012年1月1日至2020年12月31日期间出生的符合条件的患者
8708	2025-01-15	Synergistic integration of brain networks and time-frequency multi-view feature for sleep stage classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00328-0 PMID:39802081	研究论文	本文提出了一种结合脑网络和时间-频率多视图特征的睡眠阶段分类方法，旨在提高分类准确性	提出了一种跨注意力融合机制，用于自适应地整合复杂的睡眠特征，并开发了一个多视图特征融合网络，结合了脑连接性和时间-频谱元素	未明确提及具体局限性	提高睡眠阶段分类的准确性	多导睡眠图（PSG）信号及其转换的图和时间-频率表示	机器学习	NA	多视图特征提取和跨注意力融合机制	多视图特征融合网络	多导睡眠图信号	ISRUC公共数据集
8709	2025-01-15	Enhanced diabetic retinopathy detection using U-shaped network and capsule network-driven deep learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103052 PMID:39802427	研究论文	本研究探索了一种结合UNet++和胶囊网络（CapsNet）架构的混合方法，用于提高青光眼的检测准确性	结合UNet++和CapsNet架构，利用UNet++进行语义分割，CapsNet识别层次模式，提高了青光眼检测的敏感性和准确性	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	提高青光眼的检测准确性	青光眼	计算机视觉	青光眼	Histogram Equalization, Contrast Limited Adaptive Histogram Equalization (CLAHE)	UNet++, CapsNet	图像	基准数据集（未提及具体数量）
8710	2025-01-15	Comparative analysis and enhancing rainfall prediction models for monthly rainfall prediction in the Eastern Thailand 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103094 PMID:39802428	研究论文	本研究评估了泰国东部地区的降雨预测模型，通过分析海洋尼诺指数（ONI）的最佳滞后时间，比较了五种深度学习模型，并开发了一种新的混合深度学习模型	开发了一种新的混合深度学习模型，针对厄尔尼诺和南方涛动（ENSO）的不同条件，提高了在厄尔尼诺、拉尼娜和中性事件三种不同气候阶段的预测准确性	NA	评估和增强泰国东部地区月度降雨预测模型	泰国东部地区的五个选定气象站的月度降雨数据	机器学习	NA	深度学习	RNN, LSTM, GRU, LSTM+LSTM, LSTM+GRU	气象数据	五个选定气象站的月度降雨数据
8711	2025-01-15	Preliminary study on detection and diagnosis of focal liver lesions based on a deep learning model using multimodal PET/CT images 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100624 PMID:39803389	研究论文	本研究开发并验证了一种基于多模态PET/CT成像的深度学习模型，用于检测和分类肝脏局灶性病变（FLL）	利用多模态PET/CT图像结合深度学习模型进行肝脏局灶性病变的检测和分类，提高了诊断的敏感性和准确性	样本量相对较小（150名患者），且仅在一家机构进行，可能影响模型的泛化能力	开发并验证一种深度学习模型，用于检测和分类肝脏局灶性病变	肝脏局灶性病变（FLL）患者	数字病理学	肝脏疾病	18F-FDG PET/CT成像	深度学习模型	多模态PET/CT图像	150名患者（46名良性肝结节患者，51名恶性肝结节患者，53名无FLL患者）
8712	2025-01-15	Differentiating Choroidal Melanomas and Nevi Using a Self-Supervised Deep Learning Model Applied to Clinical Fundoscopy Images 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100647 PMID:39802204	研究论文	本研究测试了自监督深度学习模型RETFound在区分脉络膜黑色素瘤和痣方面的有效性	使用自监督深度学习模型RETFound进行脉络膜黑色素瘤和痣的区分，并在大规模不平衡数据集上验证其性能	研究仅基于单一中心的数据，未来计划在外部大规模队列上进行验证	验证自监督深度学习模型在脉络膜黑色素瘤和痣区分中的有效性	4255名患者的超广角眼底图像，包括18510张脉络膜黑色素瘤图像、8671张痣图像和1192张健康眼图像	数字病理学	脉络膜黑色素瘤	自监督深度学习	RETFound	图像	4255名患者的27333张眼底图像
8713	2025-01-15	Deep learning in disease vector image identification 2025-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.8473 PMID:39422093	综述	本文探讨了深度学习在病媒图像识别中的巨大潜力，并全面总结了当前深度学习在病媒识别中的应用现状	结合深度学习与病媒识别，自动化病媒识别过程，减少对专家的依赖	未提及具体的技术实现细节和实验结果的局限性	探索深度学习在病媒识别中的应用，以提升疾病控制效率	病媒图像	计算机视觉	NA	深度学习	NA	图像	NA
8714	2025-01-15	Drone imagery dataset for early-season weed classification in maize and tomato crops 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111203 PMID:39802837	研究论文	本文介绍了一个用于早期季节杂草分类的无人机图像数据集，专注于玉米和番茄作物	提供了一个包含两个作物生长阶段的RGB图像数据集，旨在提高早期杂草分类的准确性	数据集中未明确提及杂草种类的具体名称，可能影响特定杂草分类的研究	推动基于无人机的杂草检测和映射技术，促进精准农业的发展	玉米和番茄作物中的杂草	计算机视觉	NA	无人机成像	CNN, ViT	图像	67,558张标记图像（31,002张来自早期生长阶段，36,556张来自更高级生长阶段）
8715	2025-01-15	A dataset of blood slide images for AI-based diagnosis of malaria 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111190 PMID:39802838	研究论文	本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集	提供了一个包含厚薄血涂片图像的基准数据集，支持使用卷积神经网络构建计算模型	数据集仅来自乌干达的几家医院，可能不具有全球代表性	提高疟疾筛查的效率和准确性	疟疾诊断	数字病理学	疟疾	显微镜检查	CNN	图像	3000张厚血涂片图像和1000张薄血涂片图像
8716	2025-01-15	De novo generation of dual-target compounds using artificial intelligence 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111526 PMID:39801837	研究论文	本文介绍了基于人工智能的方法来设计能够与多个治疗靶点蛋白相互作用的化合物化学结构	使用遗传算法和生成对抗网络框架下的强化学习进行分子结构生成，设计出能够与支气管哮喘的两个治疗靶点相互作用的化合物	仅合成了10种化合物，并对其中的39种人类蛋白进行了结合实验，样本量较小	开发能够与多个治疗靶点相互作用的化合物，以支持多药理学药物发现	支气管哮喘的治疗靶点腺苷A2a受体（ADORA2A）和磷酸二酯酶4D（PDE4D）	机器学习	支气管哮喘	遗传算法、生成对抗网络（GAN）、强化学习	GAN	化学结构数据	10种合成化合物，39种人类蛋白的结合实验
8717	2025-01-15	A two-stage deep learning-based hybrid model for daily wind speed forecasting 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41026 PMID:39801963	研究论文	本文提出了一种基于两阶段深度学习的混合模型，用于每日风速预测	首次将TVFEMD与GB和LSTM模型结合，创建了TVFEMD-GB-LSTM混合模型，用于风速预测	未提及具体的研究局限性	提高风速预测的准确性，以优化风力涡轮机的设置效率	风速数据	机器学习	NA	TVFEMD, GB, LSTM	TVFEMD-GB-LSTM混合模型	时间序列数据	未提及具体样本数量
8718	2025-01-15	SecEdge: A novel deep learning framework for real-time cybersecurity in mobile IoT environments 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40874 PMID:39801973	研究论文	本文提出了一种名为SecEdge的新型深度学习框架，旨在增强移动物联网环境中的实时网络安全	SecEdge框架集成了基于Transformer的模型和Graph Neural Networks (GNNs)，结合联邦学习以确保数据隐私并减少延迟，同时采用自适应学习机制持续更新模型参数以应对不断变化的网络威胁	研究仅在模拟环境中进行评估，未在实际移动物联网环境中进行测试	增强移动物联网环境中的实时网络安全	移动物联网环境中的网络安全	机器学习	NA	深度学习	Transformer, GNN, 联邦学习	网络流量数据	NSL-KDD, UNSW-NB15, 和 CICIDS2017 数据集
8719	2025-01-15	Improving the resolution of solar energy potential maps derived from global DSMs for rooftop solar panel placement using deep learning 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41193 PMID:39802030	研究论文	本研究旨在通过深度学习提高全球数字高程模型（DEM）生成的年度太阳能潜力地图（ASM）的分辨率，以辅助屋顶太阳能板的放置	使用深度学习算法（EDSR网络）提高LiDAR和Copernicus DEM生成的ASM的分辨率，特别是在城市区域	研究主要关注城市区域，可能不适用于其他地形或区域	提高太阳能潜力地图的分辨率，以更准确地定位屋顶太阳能板	全球数字高程模型（DEM）和LiDAR数据	计算机视觉	NA	深度学习	EDSR网络, U-Net	图像	NA
8720	2025-01-15	Are we fitting data or noise? Analysing the predictive power of commonly used datasets in drug-, materials-, and molecular-discovery 2025-Jan-14, Faraday discussions IF:3.3Q2 DOI:10.1039/d4fd00091a PMID:39308206	研究论文	本文分析了在药物发现、分子发现和材料发现中常用的机器学习数据集，通过引入基于估计或实际实验误差的噪声，推导了这些数据集的最大和实际性能界限，并与文献中领先的机器学习模型报告的性能进行了比较	通过引入噪声来估计数据集的性能界限，并提供了Python包NoiseEstimator和基于Web的应用程序，帮助从业者理解数据集的局限性并设定现实的机器学习模型性能期望	研究主要关注化学科学中的数据集，可能不适用于其他领域的数据集	分析常用机器学习数据集的预测能力，并评估其性能界限	药物发现、分子发现和材料发现中的机器学习数据集	机器学习	NA	NA	NA	化学数据	九个常用数据集