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
8921	2025-01-31	Combined Input Deep Learning Pipeline for Embryo Selection for In Vitro Fertilization Using Light Microscopic Images and Additional Features 2025-Jan-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010013 PMID:39852326	研究论文	本研究开发了一种基于深度学习的管道，用于通过结合显微镜图像和额外特征（如患者年龄和预测胚胎阶段、内细胞团和滋养外胚层的伊斯坦布尔评分）来分类胚胎的生存能力	创新点在于结合了显微镜图像和额外特征，使用卷积迁移学习模型，并通过Optuna进行超参数优化，同时使用自监督学习框架SimCLR和GAN生成的图像进行训练	模型的F1分数、准确率、敏感性和AUC分别为65.02%、69.04%、56.76%和66.98%，仍有提升空间	研究目的是通过深度学习提高体外受精中胚胎选择的准确性和客观性	研究对象是体外受精中的胚胎	计算机视觉	NA	深度学习、卷积迁移学习、自监督学习、生成对抗网络（GANs）	EfficientNet-B0、SimCLR、GAN	图像、额外特征（如患者年龄、伊斯坦布尔评分）	NA
8922	2025-01-31	TransRAUNet: A Deep Neural Network with Reverse Attention Module Using HU Windowing Augmentation for Robust Liver Vessel Segmentation in Full Resolution of CT Images 2025-Jan-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020118 PMID:39857002	研究论文	本文提出了一种名为TransRAUNet的深度神经网络，结合反向注意力模块和HU窗口增强技术，用于在CT图像的全分辨率下进行稳健的肝脏血管分割	引入了反向注意力模块（RAM）和不同的HU窗口值进行图像增强，以强化边缘信息并解决小血管的上下文丢失问题	未提及具体的数据集限制或模型在其他数据集上的泛化能力	开发一种基于深度学习的自动肝脏血管分割方法，以辅助肝脏切除手术	CT图像中的肝脏血管	计算机视觉	肝癌	HU窗口增强	TransRAUNet（基于TransUNet的改进模型）	CT图像	3Dricadb数据集
8923	2025-01-31	Adaptive Evolutionary Optimization of Deep Learning Architectures for Focused Liver Ultrasound Image Segmentation 2025-Jan-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020117 PMID:39857001	研究论文	本文介绍了一种使用自适应进化遗传算法优化深度学习模型（特别是U-Net）的通用框架，用于肝脏超声图像的聚焦分割	提出了一种自适应进化遗传算法，用于同时调整网络的深度、宽度、dropout和跳跃连接，以优化深度学习模型	未来的工作可能需要将此优化方法扩展到其他成像模式和深度学习架构	优化深度学习模型以提高肝脏超声图像分割的准确性	肝脏超声图像	计算机视觉	肝脏疾病	深度学习	U-Net	图像	NA
8924	2025-01-31	A Comprehensive Review of Artificial Intelligence (AI) Applications in Pulmonary Hypertension (PH) 2025-Jan-07, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61010085 PMID:39859065	综述	本文综述了人工智能（AI）在肺动脉高压（PH）中的应用，探讨了AI在提高诊断、疾病分类和预后方面的潜力	本文系统地回顾了AI在PH中的应用，强调了AI在改善诊断准确性和效率、风险分层以及治疗优化方面的潜力	现有挑战和局限性需要进一步探索和改进AI驱动的工具	探讨AI在肺动脉高压（PH）管理中的应用，以改善患者预后	肺动脉高压（PH）患者	机器学习	肺动脉高压	NA	NA	医学数据	45项相关研究
8925	2025-01-31	Deep Learning Approaches for the Prediction of Protein Functional Sites 2025-Jan-07, Molecules (Basel, Switzerland) DOI:10.3390/molecules30020214 PMID:39860084	综述	本文综述了深度学习在预测蛋白质功能位点中的应用	深度学习特别适合处理大量蛋白质序列数据，并能利用其内在的序列特性进行功能位点预测	这些系统的预测结果高度依赖于训练集的质量	预测蛋白质功能位点，以理解其分子基础并应用于医学或生物技术	蛋白质序列	自然语言处理	NA	深度学习	语言模型	序列数据	大量未表征的蛋白质序列
8926	2025-01-31	An Effective Methodology for Diabetes Prediction in the Case of Class Imbalance 2025-Jan-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010035 PMID:39851309	研究论文	本文提出了一种在类别不平衡情况下进行糖尿病预测的有效方法	提出了两种新颖的步骤：重采样和随机打乱，以提高类别不平衡情况下的分类效果	方法仅在PIMA糖尿病数据集上进行了测试，未在其他数据集上验证	提高类别不平衡情况下的糖尿病预测准确性	PIMA糖尿病数据集	机器学习	糖尿病	重采样和随机打乱	NA	结构化数据	PIMA糖尿病数据集
8927	2025-01-28	A New Deep Learning-Based Method for Automated Identification of Thoracic Lymph Node Stations in Endobronchial Ultrasound (EBUS): A Proof-of-Concept Study 2025-Jan-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010010 PMID:39852323	研究论文	本研究提出了一种新的深度学习方法，用于基于EBUS图像对胸部淋巴结进行自动分类	首次使用深度神经网络模型对EBUS图像中的胸部淋巴结进行实时分类，展示了实时应用的可行性	模型在10L站的分类精度、敏感性和F1得分最低，表明在某些淋巴结站的分类性能有待提高	开发一种新的深度学习方法，用于在EBUS图像中自动识别胸部淋巴结站，以辅助肺癌分期中的临床决策	胸部淋巴结站	计算机视觉	肺癌	EBUS-TBNA	深度神经网络（DNN）	图像	56名患者的28,134张EBUS图像
8928	2025-01-31	Comparative Analysis of Prediction Models for Trawling Grounds of the Argentine Shortfin Squid Illex argentinus in the Southwest Atlantic High Seas Based on Vessel Position and Fishing Log Data 2025-Jan-04, Biology DOI:10.3390/biology14010035 PMID:39857266	研究论文	本研究基于船舶位置和捕捞日志数据，评估和比较了西南大西洋公海阿根廷鱿鱼拖网渔场预测模型的有效性	使用CNN-Attention深度学习模型开发了基于船舶位置和捕捞日志数据的拖网渔场预测模型，并比较了两种模型的准确性	船舶数据无法区分不同物种的CPUE，导致在某些月份的预测准确性较低，需要结合捕捞日志数据进行更精确的评估	评估和比较基于船舶位置和捕捞日志数据的阿根廷鱿鱼拖网渔场预测模型的有效性	阿根廷短鳍鱿鱼（Illex argentinus）在西南大西洋公海的拖网渔场	机器学习	NA	CNN-Attention深度学习模型	CNN-Attention	船舶位置数据、捕捞日志数据、海洋学数据	2019-2024年每年12月至6月的捕捞季节数据
8929	2025-01-31	Enhanced CATBraTS for Brain Tumour Semantic Segmentation 2025-Jan-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010008 PMID:39852321	研究论文	本文介绍了一种名为增强型通道注意力变换器（E-CATBraTS）的全自动模型，用于脑肿瘤语义分割，旨在提高分割准确性和统计稳定性	E-CATBraTS模型结合了卷积神经网络和Swin Transformer，引入了通道混洗和注意力机制，有效分割多模态MRI中的脑肿瘤	NA	提高脑肿瘤分割的准确性和统计稳定性	脑肿瘤	计算机视觉	脑肿瘤	MRI	E-CATBraTS（结合CNN和Swin Transformer）	图像	3137个脑部MRI扫描
8930	2025-01-31	PaleAle 6.0: Prediction of Protein Relative Solvent Accessibility by Leveraging Pre-Trained Language Models (PLMs) 2025-Jan-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010049 PMID:39858443	研究论文	本研究利用预训练语言模型（PLMs）增强蛋白质相对溶剂可及性（RSA）的预测，提出了一种基于双向循环神经网络和卷积层的深度神经网络架构	结合自然语言处理（NLP）算法和预训练语言模型（PLMs）来预测蛋白质的RSA，提出了一种新的深度神经网络架构	NA	提高蛋白质相对溶剂可及性（RSA）的预测准确性	蛋白质序列	自然语言处理	NA	预训练语言模型（PLMs）	双向循环神经网络和卷积层	蛋白质序列数据	2022年和2024年的测试集数据
8931	2025-01-31	Redox-Detecting Deep Learning for Mechanism Discernment in Cyclic Voltammograms of Multiple Redox Events 2025-Jan-02, ACS electrochemistry DOI:10.1021/acselectrochem.4c00014 PMID:39878149	研究论文	本文介绍了一种名为EchemNet的深度学习架构，用于在多个氧化还原事件的循环伏安图中分配电压窗口和机制类别	首次开发了一种深度学习模型，能够在最小知识的情况下进行氧化还原事件检测和电化学机制分类	NA	提高电化学分析中机制分配的自动化水平，支持实验人员进行机制分类	循环伏安图中的氧化还原事件	机器学习	NA	深度学习	EchemNet	电化学数据	模拟测试数据中的氧化还原事件
8932	2025-01-31	Acceleration of Simultaneous Multislice Magnetic Resonance Fingerprinting With Spatiotemporal Convolutional Neural Network 2025-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5302 PMID:39631961	研究论文	本文介绍了一种新的深度学习方法，用于加速同时多切片磁共振指纹成像（SMS-MRF），以实现高多波段因子，从而在神经影像中进行准确的T和T定量	提出了一种解耦的时空特征学习方法，用于SMS-MRF，以解决高切片间和平面内加速引起的严重混叠伪影问题	方法的有效性在SMS-MRF中尚未得到充分探索，且多波段因子通常限制在2或3	加速同时多切片磁共振指纹成像，以实现高多波段因子，从而在神经影像中进行准确的T和T定量	神经影像中的T和T定量	医学影像	NA	磁共振指纹成像（MRF）	卷积神经网络（CNN）	图像	使用获取的SMS-MRF数据或从单切片MRF采集生成的模拟数据进行训练和评估
8933	2025-01-31	A machine learning model for predicting abnormal liver function induced by a Chinese herbal medicine preparation (Zhengqing Fengtongning) in patients with rheumatoid arthritis based on real-world study 2025-Jan, Journal of integrative medicine DOI:10.1016/j.joim.2024.12.001 PMID:39721810	研究论文	本研究开发了一个机器学习模型，用于预测中药制剂正清风痛宁（ZF）在类风湿性关节炎患者中引起的肝功能异常	首次基于真实世界数据开发了预测ZF引起肝功能异常的模型，并比较了10种机器学习和深度学习模型的性能	研究为回顾性研究，可能存在数据偏差	开发预测模型以提高ZF与西药联合使用的安全性	类风湿性关节炎患者	机器学习	类风湿性关节炎	机器学习、深度学习	LightGBM	临床数据	1,913名符合条件的患者
8934	2025-01-31	EquiRank: Improved protein-protein interface quality estimation using protein language-model-informed equivariant graph neural networks 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.015 PMID:39850657	研究论文	本文提出了一种改进的蛋白质-蛋白质界面质量估计方法EquiRank，利用对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入	结合了对称感知的E(3)等变图神经网络和预训练的蛋白质语言模型ESM-2嵌入，提高了蛋白质-蛋白质界面质量估计的准确性	未提及具体局限性	改进蛋白质-蛋白质界面质量估计方法	蛋白质复合物结构模型的预测相互作用界面	机器学习	NA	E(3)等变图神经网络，ESM-2嵌入	EGNN	蛋白质复合物结构数据	多样化的数据集
8935	2025-01-31	Deep Learning for Predicting Spheroid Viability: Novel Convolutional Neural Network Model for Automating Quality Control for Three-Dimensional Bioprinting 2025-Jan-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010028 PMID:39851302	研究论文	本研究开发了一种卷积神经网络模型，用于预测三维生物打印中球状体的存活率，以提高质量控制效率	提出了一种新的卷积神经网络模型，用于自动化评估球状体存活率，解决了现有方法耗时、劳动密集、需要专业训练或存在人为偏差的问题	研究仅基于小鼠间充质干细胞球状体，未涉及其他细胞类型或更复杂的组织模型	开发一种高效、准确的方法来评估球状体存活率，以促进生物工程心脏组织贴片的开发	小鼠间充质干细胞球状体	数字病理学	心血管疾病	CCK-8检测	CNN	图像	不同大小的小鼠间充质干细胞球状体数据集
8936	2025-01-31	Neural-WDRC: A Deep Learning Wide Dynamic Range Compression Method Combined With Controllable Noise Reduction for Hearing Aids 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165241309301 PMID:39865875	研究论文	本文提出了一种名为Neural-WDRC的深度学习方法，用于在助听器中结合可控降噪的宽动态范围压缩（WDRC）	Neural-WDRC采用两阶段低复杂度网络，同时实现降噪和WDRC，通过控制残余噪声水平帮助用户感知自然环境声音	NA	提高助听器在非稳态噪声环境下的语音清晰度和听感舒适度	助听器用户	机器学习	听力障碍	深度学习	两阶段低复杂度网络	音频信号	正常听力参与者和听力受损参与者
8937	2025-01-31	Deep Learning and Radiomics in Triple-Negative Breast Cancer: Predicting Long-Term Prognosis and Clinical Outcomes 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S509004 PMID:39866348	综述	本文综述了深度学习和放射组学在三阴性乳腺癌（TNBC）诊断和治疗中的应用进展	结合深度学习和放射组学技术，探索其在TNBC诊断、治疗反应评估和长期预后预测中的应用前景	未提及具体研究数据或实验结果的局限性	探讨深度学习和放射组学在TNBC诊断和治疗中的潜在应用	三阴性乳腺癌（TNBC）	数字病理学	乳腺癌	深度学习、放射组学、超声、MRI	NA	图像	NA
8938	2025-01-31	Development of metastasis and survival prediction model of luminal and non-luminal breast cancer with weakly supervised learning based on pathomics 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18780 PMID:39866573	研究论文	本研究旨在开发一种基于病理图像的深度学习模型，用于预测乳腺癌患者的转移和生存结果	利用弱监督学习方法，结合病理图像和临床特征，开发了预测乳腺癌转移和生存的深度学习模型	样本量相对较小，仅包括204个根治性乳房切除标本	开发预测乳腺癌患者转移和生存结果的深度学习模型	乳腺癌患者	数字病理学	乳腺癌	全片成像（WSI）	DenseNet121, ResNet50, Inception_v3	图像	204个根治性乳房切除标本
8939	2025-01-28	Post-processing enhances protein secondary structure prediction with second order deep learning and embeddings 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.022 PMID:39866664	研究论文	本文探讨了利用二阶深度学习和嵌入技术增强蛋白质二级结构预测的方法	采用卷积神经网络（CNN）结合SHN方法进行训练，并使用从预训练语言模型中提取的嵌入作为输入，通过后处理技术显著提高了预测性能	后处理窗口大小受限于CASP13数据集中最小蛋白质的大小	提高蛋白质二级结构预测的准确性	蛋白质二级结构	生物信息学	NA	深度学习	CNN	蛋白质序列	CB513、PISCES和CASP13数据集
8940	2025-01-31	Enhancing prostate cancer segmentation in bpMRI: Integrating zonal awareness into attention-guided U-Net 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251314546 PMID:39866889	研究论文	本研究提出了一种结合区域感知的注意力引导U-Net模型，用于增强前列腺癌在双参数磁共振成像（bpMRI）中的分割效果	创新点在于引入区域特征对疾病进展的影响，采用两步机制的自动化方法，先对前列腺区域进行分割预训练，再对病变进行分割预训练	未提及具体局限性	提高前列腺癌在bpMRI图像中的诊断性能，实现早期准确诊断	前列腺癌患者	数字病理学	前列腺癌	双参数磁共振成像（bpMRI）	注意力引导U-Net	图像	未提及具体样本量