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
8721	2025-01-14	Parkinson's Disease Prediction: An Attention-Based Multimodal Fusion Framework Using Handwriting and Clinical Data 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010004 PMID:39795532	研究论文	本文介绍了一种基于深度学习的多模态诊断框架（PMMD），用于通过手写和临床数据准确检测帕金森病（PD）	该框架首次引入了跨模态注意力机制，用于建模不同数据模态之间的交互	未明确提及研究的局限性	旨在通过多模态数据融合提高帕金森病的早期诊断准确性	帕金森病患者	数字病理学	帕金森病	深度学习	跨模态注意力机制	图像、手写、绘图和临床数据	未明确提及样本数量
8722	2025-01-14	Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI 2024-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010001 PMID:39795530	研究论文	本研究提出了一种基于深度学习的新模型，旨在提高肺癌诊断的质量、可理解性和泛化能力	该研究通过整合多个CT数据集、采用mixup增强技术和课程学习策略，提升了模型的泛化能力和鲁棒性，并利用可解释人工智能（XAI）技术增强了模型的可解释性	尽管模型在多个数据集上表现优异，但其在更广泛临床环境中的实际应用仍需进一步验证	提高肺癌诊断的准确性、可理解性和泛化能力	肺癌诊断	计算机视觉	肺癌	深度学习	深度学习模型	CT图像	五个CT数据集
8723	2025-01-14	Graphical Feature Construction-Based Deep Learning Model for Fatigue Life Prediction of AM Alloys 2024-Dec-24, Materials (Basel, Switzerland) DOI:10.3390/ma18010011 PMID:39795656	研究论文	本文提出了一种基于卷积神经网络的机器学习模型，用于预测增材制造合金的疲劳寿命	通过引入Shapley加性解释和Pearson相关系数分析，将数值特征转换为图形特征，并结合注意力机制优先处理图像输入中的重要区域	模型仅在两种激光粉末床熔融制造的金属上进行了验证，可能需要进一步扩展到其他材料	提高增材制造合金疲劳寿命预测的准确性	增材制造合金	机器学习	NA	卷积神经网络	CNN	图像	两种激光粉末床熔融制造的金属
8724	2025-01-14	FFL-IDS: A Fog-Enabled Federated Learning-Based Intrusion Detection System to Counter Jamming and Spoofing Attacks for the Industrial Internet of Things 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010010 PMID:39796800	研究论文	本文提出了一种基于雾计算和联邦学习的入侵检测系统（FFL-IDS），用于应对工业物联网（IIoT）中的干扰和欺骗攻击	结合雾计算和联邦学习，解决了传统入侵检测系统在可扩展性和数据隐私方面的问题，并实现了低延迟检测	NA	开发一种能够应对工业物联网中干扰和欺骗攻击的入侵检测系统	工业物联网（IIoT）网络	机器学习	NA	NA	卷积神经网络（CNN）	网络数据	两个数据集：Edge-IIoTset 和 CIC-IDS2017
8725	2025-01-14	Predictive Maintenance and Fault Detection for Motor Drive Control Systems in Industrial Robots Using CNN-RNN-Based Observers 2024-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s25010025 PMID:39796814	研究论文	本文提出了一种结合卷积神经网络和循环神经网络（CNN-RNN）的集成方法，用于提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	提出了一种新的混合深度学习框架，结合CNN和RNN来提高直流电机驱动故障预测的准确性，相比现有的CNN-LSTM方法具有更高的准确性和更低的模型复杂度	未提及具体的数据集大小或实验环境的具体限制	提高工业机器人直流电机驱动系统的预测性维护和故障检测的准确性	工业机器人中的直流电机驱动系统	机器学习	NA	CNN-RNN	CNN-RNN	传感器数据（如空气温度、过程温度、旋转速度等）	未提及具体样本数量
8726	2025-01-14	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	研究论文	本文讨论了生物图像分析的三个主要任务：图像恢复、分割和跟踪，并介绍了允许生成三维空间基因组图谱的新计算工具	介绍了利用深度学习模型处理生物医学图像数据的新方法，并展示了这些方法在颅面发育和口腔疾病研究中的应用	未明确提及具体的研究局限性	探讨生物图像分析技术在生物医学研究中的应用，特别是颅面发育和口腔疾病的研究	生物医学图像数据，特别是与颅面发育和口腔疾病相关的图像	计算机视觉	口腔疾病	高通量测序和成像技术	深度学习模型	图像	NA
8727	2025-01-14	Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study 2024-09-03, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02411-y PMID:39227844	研究论文	本研究评估了心外膜脂肪组织（EAT）与2型糖尿病（T2D）微血管和大血管并发症（MVC）之间的关系	使用深度学习分割管道进行EAT体积的完全自动化量化，并探讨其与冠状动脉钙化（CAC）评分及微/大血管并发症的关系	研究为事后分析，样本量有限（n=1253），且未探讨EAT体积与糖尿病视网膜病变（DR）及周围神经病变的关联	评估EAT体积与T2D患者微血管和大血管并发症的关系	2型糖尿病患者	数字病理学	2型糖尿病	深度学习分割管道	深度学习	CT图像	1253名2型糖尿病患者
8728	2025-01-14	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨了使用预训练的深度学习模型Wav2Vec进行语音转文本分析，以评估帕金森病患者的言语障碍的可行性	首次将Wav2Vec模型应用于帕金森病患者的语音转文本分析，以评估其言语障碍	样本量较小，仅包含20个病例，可能影响结果的普遍性	评估预训练的深度学习模型在帕金森病患者语音转文本分析中的有效性	帕金森病患者的语音数据	自然语言处理	帕金森病	Wav2Vec模型	深度学习模型	语音数据	20个病例（包括健康对照组和帕金森病患者）
8729	2025-01-14	A deep learning-based model to estimate pulmonary function from chest x-rays: multi-institutional model development and validation study in Japan 2024-Aug, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00113-4 PMID:38981834	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从胸部X光片中估计肺功能	首次使用深度学习模型从胸部X光片中估计肺功能，提供了一种替代肺功能测试的方法	未来研究需要结合临床信息以进一步提高模型的适用性和针对性	估计从胸部X光片中得出的两种主要肺功能指标	来自日本五个机构的81,902名患者的141,734对X光和肺功能测试结果	数字病理学	肺疾病	深度学习	深度学习模型	图像	141,734对X光和肺功能测试结果，来自81,902名患者
8730	2025-01-14	Deep learning model integrating radiologic and clinical data to predict mortality after ischemic stroke 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31000 PMID:38826743	研究论文	本文旨在创建并验证一个基于深度学习的模型，该模型整合了脑部扩散加权成像（DWI）、表观扩散系数（ADC）和临床因素，用于预测缺血性卒中后的死亡率	创新点在于首次将放射学信息（DWI和ADC）与临床因素结合，用于预测缺血性卒中患者的死亡率	研究主要依赖于单一医疗中心的数据，外部验证集仅来自一个二级心血管中心，可能存在数据偏差	开发并验证一个能够预测缺血性卒中患者死亡率的深度学习模型	缺血性卒中患者	医学影像分析	心血管疾病	深度学习	深度学习模型	图像（DWI和ADC）和临床数据	训练集1109例，验证集437例，内部测试集654例，外部测试集507例
8731	2025-01-14	Noninvasive Molecular Subtyping of Pediatric Low-Grade Glioma with Self-Supervised Transfer Learning 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230333 PMID:38446044	研究论文	本文开发并外部测试了一种基于MRI的深度学习管道，用于无创预测儿童低级别胶质瘤的突变状态	结合迁移学习和自监督交叉训练（TransferX）以及共识逻辑，提高了分类性能和泛化能力，特别是在数据有限的情况下	研究依赖于回顾性数据，可能存在选择偏差，且样本量相对较小	开发一种无创的、基于MRI的深度学习管道，用于儿童低级别胶质瘤的突变状态分类	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI	CNN	图像	开发数据集214例，外部测试数据集112例
8732	2025-01-14	A multimodal Transformer Network for protein-small molecule interactions enhances predictions of kinase inhibition and enzyme-substrate relationships 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012100 PMID:38768223	研究论文	本文介绍了一种名为ProSmith的多模态Transformer网络，用于增强蛋白质-小分子相互作用的预测，特别是在激酶抑制和酶-底物关系预测方面	ProSmith框架通过多模态Transformer网络同时处理蛋白质氨基酸序列和小分子字符串，促进了两种分子类型之间的信息交换，从而提高了预测的准确性	当前模型在训练数据之外的蛋白质上的泛化能力有限，可能由于蛋白质和小分子在生成数值表示时缺乏信息交换	加速药物和生物技术研究，通过准确预测蛋白质-小分子相互作用	蛋白质和小分子	机器学习	NA	多模态Transformer网络	Transformer Network	蛋白质氨基酸序列和小分子字符串	NA
8733	2025-01-14	Microfluidics-based patient-derived disease detection tool for deep learning-assisted precision medicine 2024-Jan, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0172146 PMID:38223546	研究论文	本文介绍了一种基于微流控技术和深度学习的智能疾病检测工具（IDDT），用于癌症预后和治疗的常规评估	IDDT结合了微流控技术和深度学习算法，显著减少了手动标注时间，并实现了高精度的临床队列分类	样本量相对较小（71例），且仅验证了部分癌症类型	开发一种智能、无标记且经济高效的工具，以帮助临床医生做出精确的医疗决策并定制治疗策略	癌症患者和健康捐赠者的液体血液活检样本	数字病理学	癌症（如乳腺癌、胃癌和肺癌）	微流控技术、深度学习算法	Mask R-CNN、视觉变换器、Segment Anything Model (SAM)	图像	71例液体血液活检样本（包括12例健康捐赠者和55例癌症患者）
8734	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
8735	2025-01-13	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究通过计算病理学方法，分析了三个临床结直肠癌队列中的肿瘤微环境，识别出预测预后的免疫和内皮细胞空间模式	使用深度学习细胞分类器对H&E染色切片中的八种细胞类型进行检测，并量化了这些细胞类型的空间组织和共定位，揭示了肿瘤微环境中与治疗反应相关的重要因素	研究结果基于特定分子亚型和治疗历史的患者队列，可能不适用于所有结直肠癌患者	研究结直肠癌肿瘤微环境在肿瘤进展中的作用，并识别预测预后的生物标志物	三个临床结直肠癌队列中的肿瘤微环境	数字病理学	结直肠癌	深度学习细胞分类器	深度学习	图像	375例临床注释的结直肠癌患者
8736	2025-01-13	Generation of high-resolution MPRAGE-like images from 3D head MRI localizer (AutoAlign Head) images using a deep learning-based model 2025-Jan-11, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01728-8 PMID:39794660	研究论文	本文提出了一种基于深度学习的模型，用于从3D头部MRI定位器图像生成高分辨率的MPRAGE样图像，以辅助痴呆和神经退行性疾病的诊断和研究	首次使用深度学习模型将3D MRI定位器图像转换为MPRAGE样图像，为痴呆和神经退行性疾病的诊断提供了新的工具	研究仅基于单一机构的数据，可能限制了模型的泛化能力	建立并评估一种基于深度学习的模型，用于从MRI定位器生成MPRAGE样图像	轻度认知障碍、痴呆和癫痫患者的脑部MRI图像	医学影像分析	痴呆和神经退行性疾病	深度学习	深度学习模型	3D MRI图像	训练、验证和测试数据集分别包含340名、36名和193名患者
8737	2025-01-13	AI image analysis as the basis for risk-stratified screening 2025-Jan-11, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的应用，特别是风险预测模型的研究进展	聚焦于AI风险预测模型，从传统影像生物标志物到前沿深度学习方法及多模态方法，探讨了其在乳腺癌筛查中的创新应用	AI风险模型主要在研究环境中探索，尚未广泛临床采用，且存在伦理、实践和临床应用挑战	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查结果	乳腺癌筛查中的AI风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
8738	2025-01-13	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2025-Jan-10, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展	利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程	自动化在超分辨率显微镜中的应用仍处于初期阶段	探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用	超分辨率显微镜图像	计算机视觉	NA	深度学习（DL）	NA	图像	NA
8739	2025-01-13	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病和额颞叶痴呆中的潜在作用	本文综合分析了2012年至2024年间发表的31篇相关文章，重点比较了机器学习和深度学习技术在诊断中的应用效果	强调了结合临床检查和患者症状评估的重要性，以确保诊断的全面性和准确性	探讨人工智能在阿尔茨海默病和额颞叶痴呆诊断中的应用	阿尔茨海默病和额颞叶痴呆	数字病理学	老年疾病	MRI, DTI, fMRI, PET, SPECT	SVM, ResNet	影像数据	31篇文章
8740	2025-01-13	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	本研究基于扩散加权成像（DWI）的深度学习和放射组学特征，结合临床变量，构建了评估子宫内膜癌（EC）TP53突变的预测模型	结合深度学习特征、放射组学特征和临床变量，使用高斯过程（GP）算法构建的联合模型在诊断效能和风险重分类方面表现出色	样本量相对较小，训练集、测试集和外部验证集的样本量分别为80、35和40	评估子宫内膜癌（EC）中TP53突变的预测模型	155名子宫内膜癌患者	数字病理	子宫内膜癌	扩散加权成像（DWI）	高斯过程（GP）和决策树（DT）	图像和临床数据	155名子宫内膜癌患者（80名训练集，35名测试集，40名外部验证集）