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
8841	2025-01-13	Systematic benchmarking of deep-learning methods for tertiary RNA structure prediction 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012715 PMID:39775239	研究论文	本文系统性地评估了用于三级RNA结构预测的深度学习方法，旨在识别影响性能差异的因素	首次系统性地对最先进的深度学习方法在RNA结构预测中的表现进行基准测试，并识别了影响性能的关键因素	大多数方法无法预测RNA中的非沃森-克里克碱基对，且在处理未见过的或合成的RNA时性能差异不明显	评估和比较深度学习方法在RNA三级结构预测中的性能，并识别影响预测准确性的因素	RNA的三级结构	机器学习	NA	深度学习	DeepFoldRNA, DRFold	RNA序列数据	多样化的RNA数据集
8842	2025-01-13	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	本文介绍了一种基于深度学习的工具LOGOWheat，用于预测小麦中非编码变异的调控效应	LOGOWheat采用自注意力机制的预训练语言模型，结合表观基因组数据，有效预测小麦基因组序列中的调控代码	未明确提及具体局限性	研究目的是开发一种工具，用于预测小麦中非编码变异的调控效应	研究对象为小麦基因组中的非编码变异	自然语言处理	NA	深度学习	自注意力机制的预训练语言模型	基因组序列数据、表观基因组数据	未明确提及具体样本数量
8843	2025-01-13	Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer 2024-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01131-7 PMID:38811811	研究论文	本文提出了一种基于深度学习的模型，用于直接从子宫内膜癌的H&E染色全切片图像中评估微卫星不稳定性（MSI）状态	该模型能够快速准确地评估子宫内膜癌的MSI状态，显著优于现有的四种最先进方法，并且在AI推理时间上表现出色，适合临床实际应用	NA	开发一种高效且准确的深度学习模型，用于评估子宫内膜癌的MSI状态	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	529名患者的千兆像素组织病理学图像
8844	2025-01-13	Decoding imagined speech with delay differential analysis 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1398065 PMID:38826617	研究论文	本文探讨了一种新的非线性信号处理方法——延迟微分分析（DDA）在语音解码中的应用，并对其在两个公开的想象语音解码数据集上的性能进行了系统评估	首次将延迟微分分析（DDA）应用于语音解码，并与所有公开的深度学习方法进行了比较，展示了DDA作为一种快速、高效且无需大量预处理的替代或补充方法的潜力	现有EEG数据集的小规模和异质性限制了算法的泛化能力，且公开代码的有限可用性阻碍了方法之间的比较	探索DDA在语音解码中的应用，评估其性能	想象语音解码	自然语言处理	NA	延迟微分分析（DDA）	NA	EEG信号	两个公开的想象语音解码数据集
8845	2025-01-13	Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1331852 PMID:38818521	研究论文	本文提出了一种基于深度学习的算法，用于从心电信号中识别心房成分的递减，以区分辅助通路和房室折返性心动过速	首次在文献中提出了一种能够自动描绘心电信号中所有局部成分的工具，并开发了两种新的损失函数以减少假阴性和描绘错误	数据稀缺问题通过合成数据增强方法缓解，但仍需进一步验证模型的泛化能力	开发一种自动量化心电信号中递减诱发电位的方法，以辅助心脏电生理程序的诊断	冠状窦中的心电信号	数字病理学	心血管疾病	深度学习	U-Net, W-Net	心电信号	77名患者的312个心电信号记录
8846	2025-01-13	Improving Psychiatry Services with Artificial Intelligence: Opportunities and Challenges 2024, Turk psikiyatri dergisi = Turkish journal of psychiatry DOI:10.5080/u27604 PMID:39783807	综述	本文探讨了人工智能（AI）在全球及土耳其精神病护理中的潜力，特别是大型语言模型的应用	提出了利用AI技术，如机器学习和深度学习，通过语音模式、神经影像和行为测量等多种数据源，改善精神障碍的诊断、治疗个性化和监测的创新方法	算法偏见、数据隐私问题、伦理影响以及大型语言模型的虚构现象等挑战阻碍了AI在实践中的全面实施	探讨AI在提高精神病诊断准确性和服务可及性方面的潜力	精神障碍患者	自然语言处理	精神疾病	机器学习, 深度学习	大型语言模型	语音, 神经影像, 行为数据	NA
8847	2025-01-13	Single subject prediction of brain disorders in neuroimaging: Promises and pitfalls 2017-01-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2016.02.079 PMID:27012503	综述	本文综述了基于神经影像的个体脑疾病预测研究，探讨了其潜力和局限性	提供了迄今为止最全面的神经影像个体预测脑疾病的综述，并提出了未来研究方向	主要瓶颈是样本量有限，可能通过现代数据共享模型解决	探讨神经影像数据在个体脑疾病预测中的潜力	精神分裂症、轻度认知障碍、阿尔茨海默病、抑郁症、自闭症谱系障碍和注意力缺陷多动障碍	神经影像	脑疾病	结构、功能和扩散MRI	机器学习	神经影像数据	超过200项研究，涉及多种脑疾病
8848	2025-01-12	Deep Learning Reconstruction of Prospectively Accelerated MRI of the Pancreas: Clinical Evaluation of Shortened Breath-Hold Examinations With Dixon Fat Suppression 2025-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001110 PMID:39043213	研究论文	本研究评估了一种新型深度学习重建算法在胰腺MRI检查中的应用，旨在缩短屏气时间并提高图像质量	首次在临床环境中评估了深度学习重建算法在胰腺病理学背景下的加速MRI检查中的应用，并显著缩短了屏气时间	研究为单中心研究，样本量较小（32名参与者），且仅使用了1.5 T MRI扫描仪	评估深度学习重建算法在胰腺MRI检查中的性能，包括缩短屏气时间、提高图像质量和诊断信心	患有各种胰腺疾病的患者	医学影像	胰腺疾病	深度学习重建算法，Dixon脂肪抑制技术	深度学习模型	MRI图像	32名参与者（平均年龄62±19岁，20名男性）
8849	2025-01-12	Artificial T1-Weighted Postcontrast Brain MRI: A Deep Learning Method for Contrast Signal Extraction 2025-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001107 PMID:39074258	研究论文	本研究比较了两种重新实现的最先进深度学习方法与一种提出的对比信号提取方法，用于从非对比和低剂量图像合成人工T1加权全剂量图像	提出了一种新的对比信号提取方法，显著改善了合成后对比图像的质量	在现有剂量下，仍有相当比例的图像与参考图像的可互换性不足	比较不同深度学习方法在合成人工T1加权全剂量图像中的性能	213名接受脑部磁共振成像的参与者	医学影像	NA	磁共振成像	深度学习方法	图像	213名参与者，其中50名作为测试集
8850	2025-01-12	Trap colour strongly affects the ability of deep learning models to recognize insect species in images of sticky traps 2025-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.8464 PMID:39377441	研究论文	本研究探讨了粘虫板颜色和成像设备对深度学习模型在粘虫板上分类害虫性能的影响	首次深入研究了粘虫板颜色对深度学习模型分类害虫性能的影响，并提出了使用透明粘虫板作为训练数据以提高模型准确性的方法	研究仅使用了MobileNetV2架构，未探索其他深度学习模型的效果	研究粘虫板颜色和成像设备对深度学习模型分类害虫性能的影响	粘虫板上的害虫	计算机视觉	NA	深度学习	MobileNetV2	图像	NA
8851	2025-01-12	Bioimaging and the future of whole-organismal developmental physiology 2025-Feb, Comparative biochemistry and physiology. Part A, Molecular & integrative physiology DOI:10.1016/j.cbpa.2024.111783 PMID:39581226	评论	本文探讨了生物成像在整体生物发育生理学研究中的重要性及其未来潜力	强调了图像分析，特别是深度学习方法，在推动对发育动物生长和功能理解方面的潜力，并探讨了计算机视觉在不同物种、生命阶段和实验中的可转移性	未具体提及研究的局限性	评估成像作为测量整体生物发育生理学手段的重要性，并探索计算机视觉在该领域的应用	发育中的动物	计算机视觉	NA	生物成像	深度学习	图像	NA
8852	2025-01-12	Stress testing deep learning models for prostate cancer detection on biopsies and surgical specimens 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6373 PMID:39660731	研究论文	本文研究了深度学习模型在前列腺癌检测中的应用，特别是在活检和手术标本上的表现差异	探讨了样本处理差异对深度学习模型性能的影响，并提出了需要针对不同样本类型（活检和手术标本）定制机器学习模型的必要性	研究仅基于特定数据集（宾夕法尼亚大学和NRG/RTOG 0521临床试验），可能无法完全代表所有临床环境	研究样本处理差异对深度学习模型在前列腺癌检测中性能的影响	前列腺癌的活检和手术标本	数字病理学	前列腺癌	深度学习	CNN (DenseNet)	图像	1,000个样本（包括100个手术标本和50个活检标本），以及来自NRG/RTOG 0521临床试验的750个活检标本
8853	2025-01-12	Unveiling the power of artificial intelligence for image-based diagnosis and treatment in endodontics: An ally or adversary? 2025-Feb, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14163 PMID:39526945	综述	本文综述了人工智能在牙髓病学中的应用，评估了其在2D和3D成像中的使用，并探讨了其作为有益工具或潜在挑战的角色	本文详细探讨了人工智能在牙髓病学中的创新应用，特别是在2D和3D成像中的诊断和治疗规划方面的显著提升	一些研究指出，AI模型的训练依赖于体外或离体数据集，这些数据集无法复制临床环境的复杂性，可能影响AI应用的可靠性	评估人工智能在牙髓病学中的应用，特别是在2D和3D成像中的使用，并探讨其作为有益工具或潜在挑战的角色	牙髓病学中的2D和3D成像数据	计算机视觉	牙髓病	深度学习算法	卷积神经网络（CNN）	2D和3D图像	NA
8854	2025-01-12	MRI-Seed-Wizard: combining deep learning algorithms with magnetic resonance imaging enables advanced seed phenotyping 2025-Jan-10, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erae408 PMID:39383098	研究论文	本文介绍了一种新工具MRI-Seed-Wizard，结合深度学习算法与非侵入性磁共振成像（MRI），用于植物种子的三维形态、组成和内部特征的无损评估	MRI-Seed-Wizard工具首次将深度学习算法与MRI结合，用于植物种子表型分析，能够自动识别、标记和分析数字MRI数据，并提供了先进的MRI协议以提高通量	NA	开发一种非破坏性的三维评估工具，用于种子形态、组成和内部特征的量化分析，以支持植物育种和生物技术项目	小麦（Triticum aestivum）和大麦（Hordeum vulgare）的种子	计算机视觉	NA	磁共振成像（MRI）	深度学习算法	图像	NA
8855	2025-01-12	Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology 2025-Jan-10, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05440-8 PMID:39792275	研究论文	本研究开发了一种基于深度学习的模型，通过原发肿瘤组织预测肌层浸润性膀胱癌（MIBC）的淋巴结转移状态，并验证了预测的aiN评分在MIBC患者中的预后价值	首次使用深度学习模型直接从H&E染色的组织学图像中提取相关信息，预测MIBC患者的淋巴结转移状态，并验证其预后价值	需要在前瞻性研究中进一步验证模型的预测能力	开发并验证一种基于深度学习的模型，用于预测MIBC患者的淋巴结转移状态及其预后价值	肌层浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	深度学习	UNI视觉编码器	图像	323名来自TCGA的患者用于训练和内部验证，139名来自武汉大学人民医院的患者用于外部验证
8856	2025-01-12	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jan-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	研究论文	本研究探讨了半监督学习在脑转移瘤分割中的应用，通过减少标注数据的需求来提高模型性能	首次在多中心MRI数据上测试了半监督学习方法在脑转移瘤分割中的有效性，并展示了其在减少标注数据需求的同时提高模型性能的潜力	研究仅针对脑转移瘤，未涉及其他类型的颅内肿瘤	测试半监督学习在脑转移瘤分割中的可行性	脑转移瘤患者的多中心MRI数据	数字病理	脑转移瘤	半监督学习	U-Net	MRI图像	156、65、324和200个来自四个机构的标注扫描，以及519个来自单一机构的未标注扫描
8857	2025-01-12	Machine learning assisted plasmonic metascreen for enhanced broadband absorption in ultra-thin silicon films 2025-Jan-09, Light, science & applications DOI:10.1038/s41377-024-01723-8 PMID:39779674	研究论文	本文提出并展示了一种数据驱动的等离子体元屏幕，能够在超薄硅膜中高效吸收宽光谱范围内的入射光	通过将双纳米环银阵列嵌入20纳米的超薄非晶硅层中，实现了光吸收的显著增强，并开发了一个深度学习框架来优化设计	需要精确调谐等离子体共振以匹配硅活性层的吸收区域	提高超薄硅膜的光吸收效率，以改善光转换效率	超薄非晶硅层和双纳米环银阵列	机器学习	NA	深度学习	深度学习框架	光谱数据	NA
8858	2025-01-12	A hybrid machine learning approach for the personalized prognostication of aggressive skin cancers 2025-Jan-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01329-9 PMID:39779875	研究论文	本文开发了一种名为'DeepMerkel'的基于网络的预后工具，用于Merkel细胞癌（MCC）的个性化时间依赖性生存预测	结合深度学习特征选择和改进的XGBoost框架，开发了首个针对MCC的个性化预后工具	未提及具体局限性	开发个性化机器学习预后工具，用于预测MCC的生存率	Merkel细胞癌（MCC）患者	机器学习	皮肤癌	深度学习特征选择，XGBoost框架	深度学习，XGBoost	临床信息	国际临床队列
8859	2025-01-12	Effective BCDNet-based breast cancer classification model using hybrid deep learning with VGG16-based optimal feature extraction 2025-Jan-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01538-4 PMID:39780045	研究论文	本文提出了一种基于BCDNet的新型深度学习模型，用于使用超声图像对乳腺肿瘤进行良恶性分类	该模型结合了预训练的VGG16网络进行特征提取，并采用AHDNAM分类方法，包括ASPP、DTCN、1DCNN和注意力机制，通过RPAOSM-ESO算法优化权重和参数，提高了分类准确性	研究主要依赖于超声图像，未涉及其他成像技术如MRI或X光，可能限制了模型的通用性	设计一个有效的乳腺癌诊断模型，以准确分类早期肿瘤，从而降低死亡率	乳腺肿瘤的超声图像	计算机视觉	乳腺癌	深度学习	VGG16, BCDNet	图像	NA
8860	2025-01-12	Hybrid natural language processing tool for semantic annotation of medical texts in Spanish 2025-Jan-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05949-6 PMID:39780059	研究论文	本文介绍了一种基于深度学习和词典的西班牙语医学文本命名实体识别工具，用于医学文本的语义注释	结合了基于词典的系统和Transformer模型（如RoBERTa、mBERT和mDeBERTa）的混合工具，用于西班牙语医学文本的命名实体识别和标准化	工具主要在西班牙语文本上进行验证，可能在其他语言上的性能尚未测试	开发一种能够从西班牙语医学文本中提取结构化信息的自然语言处理工具	西班牙语医学文本，包括临床试验和临床病例报告	自然语言处理	NA	命名实体识别（NER）、Transformer模型	RoBERTa、mBERT、mDeBERTa	文本	1200篇文本用于训练，200篇新文本用于外部验证