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
8901	2025-01-23	Right Ventricular Function: Deep Learning's Prognostic Edge in Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017788 PMID:39836731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8902	2025-01-23	Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study 2024-Dec-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-646 PMID:39830743	研究论文	本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散（STAS）的术前预测性能	首次构建并比较了基于CT图像的深度学习模型和放射组学模型，用于预测肺腺癌中的STAS状态	研究为回顾性设计，样本量相对较小，且仅来自两个中心	评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能	395名经病理确认的肺腺癌患者	数字病理	肺癌	CT成像	深度学习模型, 放射组学模型	CT图像	395名患者（其中146名检测到STAS）
8903	2025-01-23	The development of a waste management and classification system based on deep learning and Internet of Things 2024-Dec-26, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13595-x PMID:39724392	研究论文	本文开发了一种基于深度学习和物联网的废物管理与分类系统，旨在提高资源回收率并降低劳动成本	提出了一种改进的基于YOLOv7-tiny的深度学习模型，通过添加部分卷积（PConv）和坐标注意力（CA）模块，减少了参数和计算量，并提高了识别精度	实验仅在Jetson Nano设备上进行了测试，未在其他边缘设备上验证其通用性	开发一种高效的废物管理与分类系统，以支持可持续发展	可回收废物的图像数据	计算机视觉	NA	深度学习，物联网（IoT），边缘计算	改进的YOLOv7-tiny模型	图像	包含多类别废物的图像数据集
8904	2025-01-23	Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach 2024-Dec-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13562-6 PMID:39714636	研究论文	本研究通过机器学习降尺度方法，提高了越南现有3公里分辨率PM2.5产品的空间分辨率和质量	结合时间因素的树模型提高了预测准确性，CatBoost 2天滞后模型在各项指标上表现优异	模型验证需要基于生成的PM地图，因为模型评估结果可能不适用于实际应用	提高越南PM2.5浓度的空间分辨率和质量	越南的PM2.5浓度数据	机器学习	NA	机器学习降尺度方法	随机森林、XGBoost、CatBoost、支持向量回归（SVR）、混合效应模型（MEM）、长短期记忆网络（LSTM）、卷积神经网络（CNN）、卷积长短期记忆网络（ConvLSTM）	PM2.5浓度数据	NA
8905	2025-01-23	Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting 2024-Dec-17, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-024-02579-z PMID:39688780	综述	本文综述了人工智能在miRNA癌症研究中的应用，从生物标志物发现到治疗靶点的探索	探讨了人工智能特别是深度学习在miRNA研究中的应用，包括生物标志物识别、预后模型建立以及miRNA数据库的整合	未具体提及研究的局限性	旨在指导研究人员有效利用AI技术在miRNA领域，加速癌症诊断和治疗的发展	miRNA及其在癌症中的作用	自然语言处理	癌症	RNA测序技术	深度学习	RNA数据	NA
8906	2025-01-23	Modeling Alternative Conformational States of Pseudo-Symmetric Solute Carrier Transporters using Methods from Deep Learning 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	本文介绍了一种结合ESM和模板建模的方法，用于模拟SLC蛋白质的多种构象状态	提出了一种新的结合ESM和模板建模的方法，能够一致地模拟SLC蛋白质的多种构象状态，并通过实验验证多态模型	现有AI协议在模拟多种构象状态时存在“记忆”问题，无法总是提供SLC蛋白质的内外构象	研究SLC蛋白质的多种构象状态，以更好地理解其功能和药物运输机制	SLC蛋白质	机器学习	NA	ESM, 模板建模	ESM, 模板建模	蛋白质序列	多个整合膜蛋白转运体，包括SLC35F2
8907	2025-01-23	Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements 2024-Dec-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13468-3 PMID:39643787	研究论文	本文提出了一种新颖的混合移位视觉Transformer方法，用于甘蔗叶疾病的自动分类	结合了视觉Transformer架构和混合移位窗口，有效捕捉局部和全局特征，提高了疾病识别的准确性	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	提高甘蔗叶疾病的自动分类准确性，支持农业中的疾病监测和决策	甘蔗叶疾病	计算机视觉	甘蔗疾病	自监督学习，数据增强技术（随机旋转、翻转、遮挡），拼图任务	混合移位视觉Transformer	图像	未提及具体样本数量
8908	2025-01-23	Prediction of Preeclampsia Using Machine Learning: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76095 PMID:39834976	review	本文系统回顾了使用机器学习预测子痫前期的方法、预测因子和模型性能，强调了其比较优势、挑战和临床适用性	本文综合评估了多种机器学习模型在子痫前期预测中的应用，并探讨了模型性能与可解释性之间的平衡	部分研究存在高偏倚风险，且非解释性或黑箱模型可能因伦理问题难以在临床中应用	探讨机器学习在子痫前期预测中的应用及其临床适用性	子痫前期	machine learning	preeclampsia	machine learning	XGBoost, random forest, neural networks	clinicodemographic characteristics, laboratory reports, Doppler ultrasound, genotypic data, fundal images	11 studies from diverse countries including the United States, the United Kingdom, China, and Korea
8909	2025-01-23	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	本研究通过螺旋和线条绘图比较帕金森病和小脑症状的识别，并探讨了笔压数据在分类中的重要性	结合螺旋和线条绘图以提高识别准确性，并探讨了笔压数据对分类的影响	未使用笔压数据时，单一绘图任务的性能未显著下降，但未进一步探讨其他可能的影响因素	比较螺旋和线条绘图在帕金森病和小脑症状识别中的表现，并评估笔压数据的作用	帕金森病和小脑功能障碍患者	数字病理学	帕金森病	深度学习特征提取模型	预训练和自定义深度学习模型	图像	未明确提及样本数量
8910	2025-01-23	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	研究论文	本文探讨了使用深度学习技术进行3D血管分割的方法，特别是在肾脏的层次相位对比断层扫描（HiP-CT）中的应用	引入了新的成像技术HiP-CT，并创建了一个经过双重注释验证的训练数据集，用于血管分割	Dice相似系数（DSC）主要评估体素到体素的一致性，忽略了血管的几个关键特征，且大血管由于缺乏静水压力而塌陷，分割效果不佳	为血管分割提供一个基础，并确定一个稳健的基线模型，应用于新的成像技术HiP-CT	肾脏的血管结构	数字病理学	NA	HiP-CT	nnU-Net	3D图像	三个肾脏的血管数据
8911	2025-01-23	Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature 2024-Nov, Atherosclerosis IF:4.9Q1 DOI:10.1016/j.atherosclerosis.2024.117580 PMID:38852022	综述	本文综述了利用人工智能（AI）从计算机断层扫描（CT）成像中研究动脉粥样硬化的最新文献	介绍了基于深度学习的卷积神经网络（CNNs）在病变检测、分割和分类中的应用，以及新的放射转录组学技术通过CT图像体素的高阶结构分析捕捉潜在的生物化学过程	讨论了当前基于AI方法的局限性及解决这些挑战的优先事项	旨在将基于AI的新方法从研究环境过渡到临床工作流程，以检测易损动脉粥样硬化斑块并指导患者治疗策略	冠状动脉炎症、冠状动脉斑块及其相关风险	计算机视觉	心血管疾病	CT成像、放射转录组学技术	CNN	图像	NA
8912	2025-01-23	Arkitekt: streaming analysis and real-time workflows for microscopy 2024-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02404-5 PMID:39294366	研究论文	本文介绍了Arkitekt，一个开源的中介平台，用于实时执行复杂的定量显微镜工作流	Arkitekt作为一个开源平台，能够在本地或远程可靠且高效地协调流行的生物图像软件，实现实时分析和数据管理	现有解决方案在灵活性和可扩展性方面仍有限制，通常仅限于离线分析	解决生物图像工作流中的高效协调和数据管理问题	定量显微镜工作流	数字病理学	NA	深度学习	NA	图像	NA
8913	2025-01-23	[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma] 2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2024.09.14 PMID:39505342	研究论文	本文建立了一个深度学习模型，结合磁共振成像（MRI）深度学习特征和临床特征，用于术前预测肝细胞癌（HCC）的细胞角蛋白19（CK19）状态	提出了基于多尺度特征融合和多模态特征融合的深度学习模型（MSFF-IResnet和MMFF-IResnet），并验证了其在预测CK19状态方面的有效性	研究为回顾性实验，样本量相对较小（116例患者），可能影响模型的泛化能力	探索结合MRI深度学习特征和临床特征预测HCC患者术前CK19状态的可行性	116例确诊CK19状态的HCC患者	数字病理	肝细胞癌	深度学习	MSFF-IResnet, MMFF-IResnet	MRI图像, 临床数据	116例HCC患者
8914	2025-01-23	AI-Based multimodal Multi-tasks analysis reveals tumor molecular heterogeneity, predicts preoperative lymph node metastasis and prognosis in papillary thyroid carcinoma: A retrospective study 2024-Jul-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001875 PMID:38990290	研究论文	本研究通过AI驱动的多模态多任务分析，揭示了乳头状甲状腺癌（PTC）的分子异质性，预测了术前淋巴结转移和预后	开发了一种基于深度学习的多模态模型，结合组织病理学图像、基因组、转录组和免疫细胞数据，预测淋巴结转移和无病生存期	研究为回顾性研究，可能受到数据选择和偏倚的影响	探索PTC的分子异质性及其对淋巴结转移和预后的影响，开发预测模型以改善诊断和治疗策略	521名来自医院的PTC患者和499名来自TCGA的PTC患者	数字病理学	甲状腺癌	DNA-based next-generation sequencing, single-cell RNA sequencing (scRNA-seq)	深度学习多模态模型	组织病理学图像、基因组、转录组、免疫细胞数据	1011名PTC患者（256名来自队列1，275名来自队列2，499名来自TCGA）
8915	2025-01-23	CYCLE-CONSISTENT SELF-SUPERVISED LEARNING FOR IMPROVED HIGHLY-ACCELERATED MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635895 PMID:39831103	研究论文	本文提出了一种基于循环一致性的自监督学习方法，用于改进高度加速的MRI重建	使用循环一致性（CC）来增强自监督学习，特别是在高加速率下减少混叠伪影	未明确提及具体局限性	改进高度加速的MRI重建技术	MRI图像	计算机视觉	NA	自监督学习	NA	图像	包括速率6和8的fastMRI膝关节成像以及20倍的HCP风格fMRI
8916	2025-01-23	Leveraging deep learning for robust EEG analysis in mental health monitoring 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1494970 PMID:39829439	研究论文	本文介绍了一种名为EEG Mind-Transformer的深度学习架构，用于改进基于EEG的心理健康监测	提出了EEG Mind-Transformer，结合了动态时间图注意力机制、分层图表示与分析模块以及时空融合模块，显著提升了EEG数据分析的准确性和适应性	未提及具体的数据集规模或多样性限制，可能影响模型的广泛适用性	改进基于EEG的心理健康监测方法，提高分类准确性和模型适应性	EEG信号	机器学习	心理健康	深度学习	EEG Mind-Transformer（结合DT-GAM、HGRA、STFM）	EEG信号	多个数据集，具体样本量未提及
8917	2025-01-23	Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1502725 PMID:39830028	综述	本文提出了两种非侵入性诊断算法，用于诊断与先天性心脏病相关的肺动脉高压	提出了直接三分法和两阶段分类模型两种非侵入性诊断算法，结合了时间、频率、能量域特征与深度学习特征	先天性心脏病相关肺动脉高压数据缺乏	探讨先天性心脏病相关肺动脉高压的辅助诊断方法	先天性心脏病相关肺动脉高压患者	机器学习	心血管疾病	NA	Bi-LSTM, 集成学习	心音数据	NA
8918	2025-01-23	Protein-ligand binding affinity prediction using multi-instance learning with docking structures 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1518875 PMID:39830331	研究论文	本文提出了一种基于多实例学习和分子对接结构的蛋白质-配体结合亲和力预测方法	该方法利用多个分子对接构象进行预测，无需依赖共晶结构，提高了在缺乏共晶结构数据情况下的适用性	依赖于分子对接的预测结构，对接结构的准确性可能影响预测结果	提高蛋白质-配体结合亲和力预测的准确性，特别是在缺乏共晶结构数据的情况下	蛋白质-配体复合物	机器学习	NA	分子对接	多实例学习与注意力网络	3D结构数据	多个数据集，包括PDBbind和针对SARS-CoV-2主要蛋白酶的化合物
8919	2025-01-23	Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1495911 PMID:39830648	研究论文	本研究使用R软件bibliometrix及可视化工具CiteSpace和VOSviewer对2015年以来发表的关于肺癌通过空气间隙扩散（STAS）的文献进行了文献计量分析	首次使用文献计量和可视化工具对肺癌STAS领域的研究热点和趋势进行全面分析	仅分析了Web of Science数据库中的文献，可能遗漏其他数据库中的重要研究	分析肺癌STAS领域的研究热点和趋势	2015年至2024年8月31日期间发表的关于肺癌STAS的文献	文献计量学	肺癌	文献计量分析、可视化分析	NA	文献数据	243篇文章
8920	2025-01-23	OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1437188 PMID:39830688	研究论文	本文提出了一种名为OA-MEN的深度学习模型，用于通过膝关节X射线成像自动预测和分类膝骨关节炎（KOA），以提高诊断的准确性和效率	OA-MEN模型结合了ResNet和MobileNet的特征提取与多尺度特征融合，增强了语义信息的提取能力，同时保持了高分辨率图像在低网络层中的优势，从而扩展了模型的感受野并增强了其理解能力	未提及具体局限性	提高膝骨关节炎（KOA）评估的准确性和效率	膝骨关节炎（KOA）的X射线图像	计算机视觉	骨关节炎	深度学习	OA-MEN（结合ResNet和MobileNet的混合模型）	图像	未提及具体样本数量