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
9161	2025-01-23	Multiscale wildfire and smoke detection in complex drone forest environments based on YOLOv8 2025-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86239-w PMID:39827308	研究论文	本文提出了一种基于改进YOLOv8的模型，用于复杂无人机森林环境中的多尺度野火和烟雾检测	在C2F模块中使用局部卷积代替全卷积，并集成EMA模块以增强特征通道交互建模能力和上下文信息利用，同时在Backbone中引入AgentAttention模块优化特征提取，设计BiFormer模块自适应融合全局和局部特征，显著提升模型的多尺度和多角度检测能力	未提及具体局限性	提高森林火灾和烟雾检测的准确性和效率，支持森林火灾预警、应急响应和损失减少	森林火灾和烟雾	计算机视觉	NA	深度学习	YOLOv8	图像	未提及具体样本数量
9162	2025-01-23	Fusing multispectral information for retinal layer segmentation 2025-Jan-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01446-z PMID:39825030	研究论文	本文研究了多光谱信息（MSI）对视网膜层分割（RLS）的影响，并展示了将MSI整合到RLS方法中如何显著提高分割精度	首次研究了多光谱信息对视网膜层分割的影响，并展示了其在提高分割精度方面的潜力	研究主要依赖于光学相干断层扫描（OCT）图像，未涉及其他类型的医学影像	探索多光谱信息对视网膜层分割的影响，并提高分割精度	视网膜层光学相干断层扫描（OCT）图像	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	深度学习（DL）	图像	NA
9163	2025-01-23	Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children 2025-Jan-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120459 PMID:39603586	研究论文	本研究通过深度学习分析美国儿童的街景图像，评估绿地与心血管健康之间的关系	利用深度学习分割算法从街景图像中提取绿地指标，并结合儿童成长阶段的心血管健康数据进行关联分析	未发现绿地指标与儿童心血管健康之间的显著纵向关联，且影响可能随儿童成长阶段变化	评估街景绿地与儿童心血管健康之间的关系	美国儿童	计算机视觉	心血管疾病	深度学习分割算法	NA	图像	Project Viva队列中的儿童，从2007年至2021年跟踪
9164	2025-01-23	Human-Validated Neural Networks for Precise Amastigote Categorization and Quantification to Accelerate Drug Discovery in Leishmaniasis 2025-Jan-14, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c08735 PMID:39829493	研究论文	本研究旨在实现和验证YOLOv8深度学习模型，用于实时检测、量化和分类利什曼原虫无鞭毛体，以增强药物筛选实验	使用YOLOv8模型进行利什曼原虫无鞭毛体的实时检测和分类，相比传统显微镜方法更高效且减少了人为误差	在区分细胞外无鞭毛体和背景噪声方面存在挑战，需要进一步改进以减少误分类问题	提高利什曼病药物筛选实验的准确性和效率	利什曼原虫无鞭毛体	计算机视觉	利什曼病	深度学习	YOLOv8	图像	470张来自两台显微镜的图像
9165	2025-01-23	Quantifying Monomer-Dimer Distribution of Nanoparticles from Uncorrelated Optical Images Using Deep Learning 2025-Jan-14, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c07914 PMID:39829601	研究论文	本文提出了一种基于深度学习的集成方法，用于从光学图像中自动检测和量化聚合物基质中的纳米颗粒及其寡聚化状态	使用光学图像而非传统的SEM或TEM图像进行纳米颗粒检测和寡聚化状态量化，克服了传统方法的破坏性限制	光学图像易受噪声、低对比度、各向异性形状、点扩散函数重叠、等离子体耦合和分辨率限制的影响	开发一种基于光学图像的纳米颗粒检测和寡聚化状态量化方法，以促进纳米技术、材料科学和生物医学研究的发展	80纳米金纳米球（AuNSs）及其在聚合物基质中的分布和寡聚化状态	计算机视觉	NA	深度学习	YOLOv8	光学图像	80纳米金纳米球（AuNSs）的光学和SEM图像数据集
9166	2025-01-23	Deep Learning for Biomarker Discovery in Cancer Genomes 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.06.631471 PMID:39829845	研究论文	本文提出了一种端到端的深度学习方法，用于分析下一代测序（NGS）数据，以发现癌症基因组中的生物标志物	提出了一种多实例学习深度学习框架，能够整合体细胞突变序列来预测微卫星不稳定性（MSI）和同源重组缺陷（HRD）两种复合生物标志物	依赖于公开数据库的数据，可能无法涵盖所有癌症类型和突变情况	提高NGS数据在生物标志物提取中的潜力，加速精准肿瘤学中新生物标志物的发现	癌症患者的基因组数据	机器学习	癌症	下一代测序（NGS）	深度学习（DL）	基因组数据	3,184名癌症患者的数据，来自TCGA和CPTAC两个公共数据库
9167	2025-01-23	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604663 PMID:39091726	研究论文	本文介绍了一种利用深度学习技术进行参数化指导的β桶和跨膜纳米孔设计方法	将参数化表示的简单性和形状控制能力扩展到β桶结构设计，结合RoseTTAFold设计方法，实现了高成功率的蛋白质设计	需要依赖深度学习模型，且实验验证的样本量有限	开发一种更精确和可访问的蛋白质设计方法，特别是针对β桶纳米孔等全局形状决定功能的蛋白质	β桶结构和跨膜纳米孔	蛋白质设计	NA	深度学习，RoseTTAFold，RFjoint inpainting，RFdiffusion	深度学习模型	蛋白质结构数据	设计了12、14和16链的跨膜纳米孔，并进行了X射线晶体结构验证
9168	2025-01-23	Integrating Prior Knowledge Using Transformer for Gene Regulatory Network Inference 2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409990 PMID:39605181	研究论文	本文提出了一种基于Transformer的新框架GRNPT，用于从单细胞RNA测序轨迹中推断基因调控网络，并整合了大型语言模型的嵌入和时序卷积网络自编码器	GRNPT框架结合了大型语言模型和深度学习技术，显著提高了基因调控网络推断的准确性和泛化能力，特别是在训练数据有限的情况下	NA	提高基因调控网络推断的准确性和泛化能力	基因调控网络	生物信息学	NA	单细胞RNA测序（scRNA-seq）	Transformer, 时序卷积网络（TCN）自编码器	基因表达数据	NA
9169	2025-01-23	Breast cancer classification in point-of-care ultrasound imaging-the impact of training data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014502 PMID:39830074	研究论文	本文探讨了通过增加训练数据的不同技术来改进用于分类点-of-care超声（POCUS）图像的分类网络	通过比较不同的数据增强技术，包括数据增强、直方图匹配、直方图均衡化和循环一致对抗网络（CycleGANs），显著提高了分类网络的性能	研究主要依赖于POCUS图像和标准超声（US）图像，可能限制了结果的普适性	提高用于分类POCUS图像的分类网络的性能，以促进乳腺癌的早期检测	乳腺癌的POCUS图像和标准超声（US）图像	计算机视觉	乳腺癌	数据增强、直方图匹配、直方图均衡化、循环一致对抗网络（CycleGANs）	分类网络	图像	两个数据集，包括POCUS图像和标准超声（US）图像
9170	2025-01-23	Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems 2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-73010-8_26 PMID:39831070	研究论文	本文提出了一种零样本近似后验采样方法（ZAPS），用于解决扩散模型在逆问题中的应用问题	ZAPS方法通过零样本训练和物理引导的损失函数来学习每个不规则时间步的对数似然权重，从而提高了图像生成和收敛速度	ZAPS方法在计算效率上依赖于对角化近似，这可能会影响其在高维数据上的表现	研究目标是提高扩散模型在逆问题中的推理速度和重建质量	研究对象是扩散模型在逆问题中的应用，特别是高斯和运动去模糊、修复和超分辨率等问题	计算机视觉	NA	零样本训练、物理引导的损失函数	扩散模型	图像	NA
9171	2025-01-23	A Self-supervised Deep Learning Model for Diagonal Sulcus Detection with Limited Labeled Data 2025-Jan, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09700-7 PMID:39777603	研究论文	本文提出了一种基于深度学习的自监督模型，用于在有限标注数据的情况下检测大脑中的对角线沟（ds）	首次提出使用自监督学习和卷积自编码器来检测对角线沟，并在有限标注数据的情况下实现了较高的检测精度	模型依赖于有限的标注数据，且手动标注的挑战性可能影响模型的性能	开发一种自动检测大脑对角线沟的深度学习模型，以解决现有方法精度低的问题	大脑中的对角线沟（ds）	数字病理学	NA	自监督学习，卷积自编码器	卷积自编码器	图像	未明确说明具体样本数量，但使用了有限的标注数据集
9172	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
9173	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）
9174	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
9175	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
9176	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
9177	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
9178	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
9179	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
9180	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