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	2025-01-15	Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI 2025-Jan-14, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01342 PMID:39647859	综述	本文探讨了机器学习在医学中的应用及其挑战，特别是通过可解释AI（XAI）技术来解决模型透明性问题	强调了可解释AI（XAI）在提高机器学习模型透明性和可解释性方面的潜力，以促进其在医疗决策中的信任和接受	机器学习模型的'黑箱'问题仍然是一个重大挑战，可能阻碍其在临床实践中的广泛应用	探讨机器学习在医学中的应用，并推动可解释AI技术的发展，以提高模型的透明性和可解释性	机器学习模型及其在医学中的应用	机器学习	NA	卷积神经网络（CNN）、变换器（Transformers）	CNN, Transformers	患者数据	NA
8722	2025-01-15	Flow Matching for Optimal Reaction Coordinates of Biomolecular Systems 2025-Jan-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01139 PMID:39699247	研究论文	本文提出了一种名为FMRC的深度学习算法，用于识别生物分子可逆动力学中的最优反应坐标	FMRC基于可分解性和可聚合性的数学原理，将其重新表述为条件概率框架，利用深度生成模型进行高效的数据驱动优化	FMRC未明确学习已建立的转移算子或其本征函数	识别生物分子可逆动力学中的最优反应坐标	生物分子系统	机器学习	NA	深度生成模型	FMRC	NA	三个逐渐复杂的生物分子系统
8723	2025-01-15	Toward efficient slide-level grading of liver biopsy via explainable deep learning framework 2025-Jan-13, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03266-x PMID:39806118	研究论文	本研究开发了一种新的基于多尺度特征提取和融合的patch级分类模型，用于提高肝活检的分级准确性和可解释性，并引入了一种slide级聚合框架，以有效整合局部组织学信息	提出了一种新的patch级分类模型和slide级聚合框架，显著提高了肝活检的分级准确性和可解释性	研究主要基于特定数据集，可能在其他数据集上的泛化能力有待验证	提高慢性肝病的早期和精确诊断能力	肝活检样本	数字病理学	慢性肝病	深度学习	多尺度特征提取和融合模型	图像	1322例肝活检样本
8724	2025-01-15	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习技术从心电图中识别心脏壁运动异常（WMA），以提高检测准确性	开发了一种新的深度学习模型（ECG-WMA-Net），该模型在检测WMA方面优于传统的心电图解释和Q波指数	研究依赖于加州和乔治亚州的患者数据，可能限制了结果的普适性	提高心脏壁运动异常的检测准确性	35,210名加州患者和2,338名乔治亚州患者的心电图和超声心动图数据	机器学习	心血管疾病	深度学习	深度神经网络（ECG-WMA-Net）	心电图（ECG）和超声心动图数据	35,210名加州患者和2,338名乔治亚州患者
8725	2025-01-15	Computer vision based automatic evaluation method of Y2O3 steel coating performance with SEM image 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85061-0 PMID:39799187	研究论文	本研究介绍了一种基于深度学习的自动评估方法，用于分析扫描电子显微镜（SEM）下的钢微观结构，旨在解决研究人员手动标记和主观评估的局限性	利用先进的计算机视觉算法，特别是名为Tang Rui Detect（TRD）的模型，实现了对钢微观结构特征的高效准确检测和量化，简化了损失函数设计并改进了训练过程	未提及具体局限性	开发一种自动化评估方法，以提高钢微观结构分析的效率和可靠性	钢材料的微观结构	计算机视觉	NA	深度学习	TRD	图像	未提及具体样本数量
8726	2025-01-15	Harnessing advanced hybrid deep learning model for real-time detection and prevention of man-in-the-middle cyber attacks 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85547-5 PMID:39799192	研究论文	本文介绍了一种名为AEXB模型的混合深度学习方法，用于实时检测和防止智能家居环境中的中间人（MitM）网络攻击	结合了AutoEncoder的特征提取能力和XGBoost的分类能力，显著提高了检测精度并减少了误报	未提及模型在其他数据集或环境中的泛化能力	开发一种更先进、自适应的入侵检测系统，以应对智能家居环境中日益增长的安全风险	智能家居环境中的网络通信数据	机器学习	NA	AutoEncoder, XGBoost, Recursive Feature Elimination (RFE), 相关性分析	混合深度学习模型	网络通信数据	使用了Intrusion Detection in Smart Home (IDSH)数据集
8727	2025-01-15	Deep learning for predicting prognostic consensus molecular subtypes in cervical cancer from histology images 2025-Jan-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00778-5 PMID:39799271	研究论文	本研究提出了一种端到端的深度学习框架，用于从H&E染色的组织切片中预测HPV阳性宫颈鳞状细胞癌的共识分子亚型	引入了Digital-CMS评分，通过数字化的全切片图像（WSI）提供新的临床优势，揭示了肿瘤微环境差异对患者预后的影响，并识别了作为CMS亚型潜在替代标志物的组织学模式	研究仅针对HPV阳性的宫颈鳞状细胞癌，未涵盖其他类型的宫颈癌	预测宫颈癌的共识分子亚型，以改善患者预后和潜在治疗靶点的识别	HPV阳性的宫颈鳞状细胞癌患者	数字病理学	宫颈癌	深度学习	NA	图像	545例宫颈鳞状细胞癌患者
8728	2025-01-15	Enhanced Pneumonia Detection in Chest X-Rays Using Hybrid Convolutional and Vision Transformer Networks 2025-Jan-09, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056326685250101113959 PMID:39806960	研究论文	本研究旨在通过结合卷积神经网络（CNN）和改进的Swin Transformer模块的混合深度学习模型，增强胸部X光片中的肺炎检测	提出了一种结合CNN和改进Swin Transformer模块的混合模型，能够有效捕捉局部和全局特征，显著提高肺炎检测的准确性	未来研究需要进一步优化模型架构，探索更先进的图像处理技术和可解释的AI方法	提高肺炎检测的准确性，减少误分类，为资源有限的地区提供可部署的诊断解决方案	胸部X光片	计算机视觉	肺炎	深度学习	混合模型（CNN + Swin Transformer）	图像	由广州妇女儿童医疗中心提供的数据集
8729	2025-01-15	The development of point-of-care ultrasound (POCUS): Worldwide contributions and publication trends 2025-Jan, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23846 PMID:39295568	研究论文	本研究通过统计方法分析了关于点护理超声（POCUS）的科学文章，并全面评估了该主题	使用网络可视化地图识别了POCUS研究中的趋势主题，如深度学习、人工智能、COVID-19等	研究主要依赖于Web of Science数据库的出版物，可能未涵盖所有相关研究	分析POCUS相关科学文章，评估该领域的研究趋势	POCUS相关出版物	医学影像	NA	统计方法、网络可视化	NA	文本数据	5714篇出版物
8730	2025-01-15	Comparing statistical and deep learning approaches for simultaneous prediction of stand-level above- and belowground biomass in tropical forests 2025-Jan-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177869 PMID:39642621	研究论文	本研究比较了统计方法和深度学习方法在热带森林中同时预测地上生物量（AGB）、地下生物量（BGB）和总生物量（ABGB）的效果	开发了创新的深度学习加性模型（DLAMs），用于同时预测热带森林中的AGB、BGB和ABGB，并整合了森林林分、生态和环境因素作为预测变量	研究仅基于越南五个生态区域的121个样地数据，可能限制了模型的普适性	提高热带森林中AGB、BGB和ABGB的预测准确性和成本效益，以支持森林生态管理和生态系统服务	热带森林中的AGB、BGB和ABGB	机器学习	NA	深度学习加性模型（DLAMs）、加权非线性看似无关回归（WNSUR）、多元自适应回归样条（MARS）	深度学习加性模型（DLAMs）	森林林分、生态和环境数据	121个分布在越南五个生态区域的样地
8731	2025-01-15	Deep learning using histological images for gene mutation prediction in lung cancer: a multicentre retrospective study 2025-Jan, The Lancet. Oncology DOI:10.1016/S1470-2045(24)00599-0 PMID:39653054	研究论文	本研究开发了一种基于深度学习的AI方法（DeepGEM），用于从常规获取的组织学切片中预测肺癌患者的基因突变	提出了一种无需注释的深度学习方法，能够从常规组织学切片中预测基因突变，并生成基因突变空间分布图	研究依赖于多中心回顾性数据，可能存在数据异质性和选择偏差	开发一种准确、及时且经济的基因突变预测方法，以辅助肺癌患者的临床治疗	肺癌患者及其组织学切片和基因突变信息	数字病理学	肺癌	多基因下一代测序（NGS）	实例级和袋级共监督的多实例学习方法	图像	3637名患者（包括1978名男性，1514名女性，145名未知性别；中位年龄60岁），涉及3697张病理图像
8732	2025-01-15	ACTION: Augmentation and computation toolbox for brain network analysis with functional MRI 2025-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120967 PMID:39716522	研究论文	本文介绍了一个名为ACTION的开源工具箱，用于功能磁共振成像（fMRI）的增强和计算，以简化脑网络分析	ACTION工具箱提供了自动fMRI增强功能，包括BOLD信号增强和脑网络增强，并支持构建深度学习模型，利用大规模未标记数据进行模型预训练，以提高下游任务的性能	NA	开发一个综合性的工具箱，以简化和增强fMRI数据分析，特别是针对数据有限或不平衡的研究	功能磁共振成像（fMRI）数据	机器学习和脑网络分析	NA	fMRI	深度学习模型	fMRI数据	3800+静息态fMRI扫描
8733	2025-01-15	A Convolutional Neural Network Using Anterior Segment Photos for Infectious Keratitis Identification 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S496552 PMID:39801570	研究论文	本研究开发了一种深度学习算法，用于区分细菌性角膜炎、真菌性角膜炎、非感染性角膜病变和正常角膜	首次使用卷积神经网络结合集成技术对前段照片进行感染性角膜炎的识别，并展示了其在快速初步诊断中的潜力	研究为回顾性研究，可能受到数据质量和样本选择的限制	开发一种深度学习算法，用于快速区分不同类型的角膜炎和正常角膜	细菌性角膜炎、真菌性角膜炎、非感染性角膜病变和正常角膜的照片	计算机视觉	角膜炎	卷积神经网络（ResNet50, DenseNet121, VGG19）和集成技术	CNN	图像	6478张照片，来自2171只眼睛，包括2400例细菌性角膜炎、1616例真菌性角膜炎、1545例非感染性角膜病变和917例正常角膜
8734	2025-01-15	Deep Learning for Obstructive Sleep Apnea Detection and Severity Assessment: A Multimodal Signals Fusion Multiscale Transformer Model 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S492806 PMID:39801628	研究论文	本文开发了一种用于阻塞性睡眠呼吸暂停（OSA）检测和严重程度评估的深度学习模型，提供了一种便捷、经济且准确的疾病检测新方法	提出了一种多模态信号融合多尺度Transformer模型，结合心电图（ECG）和血氧饱和度（SpO2）信号进行OSA检测和严重程度评估	模型在公开数据集上的样本量较小，可能影响其泛化能力的全面评估	开发一种深度学习模型，用于阻塞性睡眠呼吸暂停（OSA）的检测和严重程度评估	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	多尺度Transformer模型	心电图（ECG）和血氧饱和度（SpO2）信号	510名医院数据集患者，8个Apnea-ECG数据集记录，21个UCD数据集记录
8735	2025-01-15	GNCnn: A QuPath extension for glomerulosclerosis and glomerulonephritis characterization based on deep learning 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.049 PMID:39802211	研究论文	本研究提出了GNCnn，一个基于深度学习的QuPath扩展工具，专门用于肾病理学中的肾小球硬化和肾小球肾炎的自动检测和分类	GNCnn是首个开源的QuPath扩展工具，专门为肾病理学设计，集成了深度学习模型，提供高精度的肾小球检测和分类功能	NA	为肾病理学家提供一个免费可用的应用程序，用于测量和分析肾小球，以识别肾小球硬化和肾小球肾炎等疾病	肾小球	数字病理学	肾小球疾病	深度学习	CNN	图像	NA
8736	2025-01-15	Knowledge, interest and perspectives on Artificial Intelligence in Neurosurgery. A global survey 2025, Brain & spine DOI:10.1016/j.bas.2024.104156 PMID:39802868	研究论文	本文通过全球调查探讨了神经外科社区对人工智能（AI）基础知识及应用的信心、知识和态度	首次在全球范围内调查神经外科医生对AI的认知、兴趣和态度，揭示了AI在神经外科实践中的潜在应用和障碍	样本量相对较小（250份回复），且可能无法完全代表全球神经外科社区的多样性	评估全球神经外科社区对AI基础知识及应用的信心、知识和态度	全球神经外科医生	医疗AI	神经外科疾病	调查问卷	NA	调查数据	250份回复，来自61个国家
8737	2025-01-15	Novel Transfer Learning Approach for Detecting Infected and Healthy Maize Crop Using Leaf Images 2025-Jan, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.4655 PMID:39803246	研究论文	本文提出了一种名为VG-GNBNet的新型迁移学习模型，用于通过叶片图像准确检测健康和感染的玉米作物	VG-GNBNet模型结合了VGG-16网络和高斯朴素贝叶斯模型，通过两步特征提取过程，显著提高了作物健康检测的准确性	NA	开发一种高效的模型，用于检测玉米作物的健康状况，以预防疾病传播并确保高产	玉米作物的叶片图像	计算机视觉	NA	迁移学习	VG-GNBNet（结合VGG-16和高斯朴素贝叶斯模型）	图像	NA
8738	2025-01-15	An Optimized Bidirectional Long Short-Term Memory Model Based on Hyperspectral Analysis of Protein Content in Milk Powder 2025-Jan, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.4556 PMID:39803281	研究论文	本文提出了一种基于高光谱分析的优化双向长短期记忆模型，用于快速无损检测奶粉中的蛋白质含量	引入了注意力机制为BiLSTM隐藏状态分配不同权重，并采用鲸鱼优化算法优化模型超参数选择，提高了预测精度	未提及模型在其他类型食品或更大规模数据集上的泛化能力	开发一种更快、更准确的奶粉蛋白质含量检测方法	奶粉中的蛋白质含量	机器学习	NA	高光谱分析	BiLSTM-Attention, WOA-BiLSTM-Attention	高光谱数据	未明确说明样本数量
8739	2025-01-15	Erratum: Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2025-Jan, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00325 PMID:39807853	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8740	2025-01-15	An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states 2024-Dec-24, ArXiv PMID:39764404	研究论文	本文报告了一种基于深度学习的人工智能模型，用于高精度检测由铜绿假单胞菌产生的生物膜，并探讨了该技术的潜在应用	使用U-Net与ResNet编码器增强相结合的方法来分割生物膜图像，并利用适配体DNA模板银纳米簇（Ag-NC）防止生物膜形成	未提及样本量的具体数据，且未讨论模型在其他类型生物膜上的泛化能力	开发一种高效、准确的生物膜检测和预防方法	铜绿假单胞菌在浮游和生物膜状态下的光学透射显微图像	计算机视觉	NA	深度学习、适配体DNA模板银纳米簇（Ag-NC）	U-Net、ResNet18、ResNet34	图像	NA