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	2025-01-06	Incident duration prediction through integration of uncertainty and risk factor evaluation: A San Francisco incidents case study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316289 PMID:39746103	研究论文	本文提出了一种综合不确定性和风险因素评估的框架，用于预测交通事故持续时间，并通过旧金山事故数据集进行了案例研究	引入了基于风险优先级数（RPN）概念的'风险'特征，强调了事故地点在事故发生和预测中的重要性，并通过模糊聚类方法改进了事故分类	案例研究仅限于旧金山地区，可能无法完全推广到其他地区	优化交通管理中的资源分配和减少交通中断	交通事故持续时间预测	机器学习	NA	模糊聚类方法，多准则决策（MCDM）过程	传统机器学习（ML）和深度学习（DL）模型	交通事故数据	旧金山事故数据集
9162	2025-01-06	An end-to-end implicit neural representation architecture for medical volume data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314944 PMID:39752347	研究论文	本文提出了一种端到端的架构，用于医疗体积数据的压缩，利用先进的深度学习技术	提出了一种结合下采样、隐式神经表示（INR）和超分辨率（SR）的端到端架构，通过权衡点方法优化各模块性能，实现高压缩率和重建质量的最佳平衡	实验仅在多参数MRI数据上进行，未涉及其他类型的医疗数据	解决医疗体积数据在组织、存储、传输、操作和渲染方面的挑战	医疗体积数据	数字病理	NA	深度学习	隐式神经表示（INR）	体积数据	多参数MRI数据
9163	2025-01-06	Automated CAD system for early detection and classification of pancreatic cancer using deep learning model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307900 PMID:39752442	研究论文	本文提出了一种基于深度学习的自动化计算机辅助诊断系统，用于早期检测和分类胰腺癌	提出了一个四阶段的计算机辅助诊断系统框架，包括预处理、分割、检测和分类阶段，并使用改进的11层AlexNet模型进行分类	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一个自动化系统，用于早期检测和分类胰腺癌	胰腺癌的CT扫描图像	计算机视觉	胰腺癌	深度学习	U-Net, AlexNet	图像	NA
9164	2025-01-06	A weak edge estimation based multi-task neural network for OCT segmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316089 PMID:39752440	研究论文	本文提出了一种基于弱边缘估计的多任务神经网络（MTAMNP），用于光学相干断层扫描（OCT）图像的分割	引入了多任务注意力机制网络（MTAMNP），包含分割分支和边界回归分支，利用自适应加权损失函数提高模型对弱边缘细节的保留能力，并提出基于通道注意力的结构化剪枝方法以减少参数数量并防止过拟合	未明确提及具体局限性	解决OCT图像分割中弱边缘敏感性和标注数据不足导致的过拟合问题	光学相干断层扫描（OCT）图像	计算机视觉	眼科疾病	深度学习	多任务注意力机制网络（MTAMNP）	图像	两个公开数据集（HCMS和Duke数据集）
9165	2025-01-06	Automatic tumor segmentation and lymph node metastasis prediction in papillary thyroid carcinoma using ultrasound keyframes 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17498 PMID:39475358	研究论文	本文提出了一种全自动深度学习模型（FADLM），用于在甲状腺乳头状癌（PTC）中使用超声关键帧进行自动肿瘤分割和颈部淋巴结转移（LNM）预测	创新点在于整合了Mask R-CNN用于自动甲状腺原发肿瘤分割，并结合ResNet34和贝叶斯策略进行颈部LNM诊断，显著提高了预测性能	研究样本量相对较小，且仅在两所医院进行验证，可能影响模型的泛化能力	建立一种全自动深度学习模型，用于甲状腺乳头状癌的术前颈部淋巴结转移预测	518名甲状腺乳头状癌患者	数字病理	甲状腺癌	超声关键帧分析	Mask R-CNN, ResNet34	超声视频关键帧	518名患者（340名训练集，83名内部测试集，95名外部测试集）
9166	2025-01-06	Diffusion network with spatial channel attention infusion and frequency spatial attention for brain tumor segmentation 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17482 PMID:39476317	研究论文	本文提出了一种结合空间通道注意力注入（SCAI）模块和频率空间注意力（FSA）机制的条件扩散网络（SF-Diff），用于精确分割脑肿瘤的整个肿瘤（WT）区域	提出了一个条件扩散网络（SF-Diff），结合了空间通道注意力注入（SCAI）模块和频率空间注意力（FSA）机制，以改进脑肿瘤分割的边界轮廓和准确性	目前的方法主要针对整个肿瘤区域的分割，未来需要进一步扩展到脑肿瘤的三类分割任务	提高脑肿瘤分割的准确性，特别是在边界轮廓和非连续病变区域	脑肿瘤的整个肿瘤（WT）区域	计算机视觉	脑肿瘤	扩散模型	条件扩散网络（SF-Diff）	多模态MRI图像	369例患者数据，来自Multimodal BraTS Challenge 2020（BraTS2020）
9167	2025-01-06	Research on floating object classification algorithm based on convolutional neural network 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83543-9 PMID:39738669	研究论文	本研究基于卷积神经网络（CNN）开发了一种用于水面漂浮物分类的算法，并构建了VGG16-15模型，能够识别15种常见的水面漂浮物	在VGG-16架构基础上进行了定制化改进，包括调整神经网络结构以适应15种漂浮物类别、应用学习率衰减和早停策略进行模型优化，并使用数据增强提升模型泛化能力	未提及模型在复杂环境或极端条件下的表现，以及实际部署中的计算资源需求	提升水面垃圾分类的准确性和效率，为无人船在环境保护中的应用提供技术支持	水面漂浮物	计算机视觉	NA	深度学习	CNN, VGG16-15	图像	5707张图像，分为15个类别
9168	2025-01-06	Automatic identification of the endangered hawksbill sea turtle behavior using deep learning and cross-species transfer learning 2024-Dec-15, The Journal of experimental biology IF:2.8Q2 DOI:10.1242/jeb.249232 PMID:39555892	研究论文	本文探讨了利用深度学习和跨物种迁移学习自动识别濒危玳瑁海龟行为的方法	通过迁移学习，将绿海龟和人类活动数据训练的模型应用于玳瑁海龟行为识别，提高了分类性能	数据稀缺仍然是生态学中的一个挑战	研究目的是利用加速度数据自动识别濒危玳瑁海龟的行为	研究对象是濒危玳瑁海龟（Eretmochelys imbricata）的行为	机器学习	NA	迁移学习	深度学习模型	加速度数据	NA
9169	2025-01-06	Ion channel classification through machine learning and protein language model embeddings 2024-Dec-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2023-0047 PMID:39572876	研究论文	本研究通过机器学习和蛋白质语言模型嵌入技术，对离子通道进行分类，显著提升了分类方法的性能和准确性	结合ProtBERT-BFD和CNN的TooT-BERT-CNN-C模型在离子通道分类中表现优异，显著超越现有基准	研究依赖于计算技术，可能忽略了传统湿实验室实验的某些细节	开发更高效的计算方法以识别离子通道，加速离子通道生物学研究和药物发现	离子通道	机器学习	NA	ProtBERT, ProtBERT-BFD, MembraneBERT, CNN	k-Nearest Neighbors, Random Forest, Support Vector Machines, Feed-Forward Neural Networks, CNN	蛋白质序列数据	原始数据集和新收集的更大数据集DS-Cv2
9170	2025-01-06	A transformer-based deep learning survival prediction model and an explainable XGBoost anti-PD-1/PD-L1 outcome prediction model based on the cGAS-STING-centered pathways in hepatocellular carcinoma 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae686 PMID:39749665	研究论文	本文开发了基于cGAS-STING通路的深度学习生存预测模型和可解释的XGBoost抗PD-1/PD-L1结果预测模型，用于肝细胞癌（HCC）的研究	创新点在于结合cGAS-STING通路，构建了Transformer生存模型和XGBoost免疫治疗结果预测模型，并提供了模型的开源代码	模型的泛化能力需进一步验证，且样本量可能限制了模型的普适性	开发预测肝细胞癌患者生存风险和抗PD-1/PD-L1治疗结果的模型	肝细胞癌（HCC）患者	机器学习	肝细胞癌	SHAP算法	Transformer, XGBoost	基因表达数据	多个HCC队列（TCGA-LIHC、ICGC-LIRI-JP、GSE144269等）
9171	2025-01-06	Towards simplified graph neural networks for identifying cancer driver genes in heterophilic networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae691 PMID:39751645	研究论文	本文提出了一种简化的图神经网络（SGCD），用于在异质性网络中识别癌症驱动基因	SGCD模型结合了表示分离的图卷积神经网络和双模态特征提取器，解决了现有方法未考虑生物网络异质性和特征混淆的问题	NA	提高在异质性网络中识别癌症驱动基因的模型性能	癌症驱动基因	机器学习	癌症	图深度学习	图卷积神经网络（GCN）	多组学数据和生物网络	NA
9172	2025-01-06	Gut Analysis Toolbox - automating quantitative analysis of enteric neurons 2024-Oct-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261950 PMID:39219476	研究论文	本文介绍了Gut Analysis Toolbox (GAT)，一种用于定量分析肠道神经元的图像分析工具	GAT通过使用基于深度学习的细胞分割模型和神经节分割模型，实现了快速、准确的图像分析，减少了操作者偏差	NA	开发一种自动化工具，用于定量分析肠道神经元的分布和功能	肠道神经系统（ENS）中的神经元和胶质细胞	数字病理学	NA	深度学习（DL）	StarDist, deepImageJ	二维图像	公共数据集
9173	2025-01-06	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-Oct, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	研究论文	本文探讨了数据科学在改进放射治疗计划和临床决策中的应用	提出了利用深度学习改进正常组织耐受性分类、预测治疗中肿瘤变化、跟踪累积剂量分布以及基于影像量化肿瘤对放疗反应的方法，并引入了患者特异性计算机模拟（'数字双胞胎'）来指导适应性放疗	未具体提及研究的局限性	改进放射治疗计划，提高个性化治疗的效果	肿瘤和正常组织的基因组学、放射组学、剂量组学数据	机器学习	肿瘤	深度学习	NA	影像数据、基因组数据	NA
9174	2025-01-06	Scalable deep learning framework for sentiment analysis prediction for online movie reviews 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30756 PMID:38784532	研究论文	本文提出了一种用于在线电影评论情感分析预测的可扩展深度学习框架	提出了PEW-MCAB模型，结合了位置嵌入和预训练的Glove嵌入向量，以及多通道卷积神经网络和基于注意力的双向长短期记忆模型	未提及模型在处理多语言或跨文化情感分析时的表现	研究在线电影评论的情感分析预测	在线电影文本评论	自然语言处理	NA	深度学习	MCNN, AB模型	文本	使用了四个数据集：IMDB, MR (2002), MRC (2004), MR (2005)
9175	2025-01-06	Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1365727 PMID:38784680	研究论文	本研究首次展示了在常规MRI数据集上高精度自动分割前庭神经鞘瘤（VS）的可能性，并发布了一个多中心常规临床（MC-RC）数据集	首次在常规MRI数据集上实现高精度的VS自动分割，并公开了一个包含160名患者的多中心常规临床数据集	数据集主要来自单一类型的肿瘤（单发散发性VS），且未涉及其他类型的肿瘤或更广泛的患者群体	提高前庭神经鞘瘤（VS）在常规临床MRI中的自动分割精度，以改善临床工作流程和患者管理	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	深度学习	深度学习框架	MRI图像	160名患者，包含124个对比增强T1加权（ceT1w）图像和363个T2加权（T2w）图像
9176	2025-01-06	Spatial Deep Learning Approach to Older Driver Classification 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3516572 PMID:39748855	研究论文	本文提出了一种基于空间深度学习的方法，用于老年驾驶员分类，通过网格索引数据增强来提高异常驾驶行为的检测	提出了一种新颖的空间深度学习方法，利用基于网格索引的数据增强技术来改进异常驾驶行为的检测	未明确提及具体限制	解决老年驾驶员分类问题，识别正常和异常驾驶员，以提升道路安全、保险风险评估及针对老年驾驶员的干预措施	老年驾驶员	机器学习	老年疾病	深度学习	NA	GPS位置、速度、方向、距离等遥测数据	未明确提及样本数量
9177	2025-01-06	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种使用并行循环一致性生成对抗网络（CycleGANs）从低分辨率磁共振成像（MR）图像生成高分辨率MR图像的新方法	采用自监督策略的并行CycleGANs方法，解决了临床环境中难以收集成对低分辨率和高分辨率MR图像的问题	NA	生成高分辨率MR图像以缩短MR扫描时间	MR图像	计算机视觉	脑肿瘤	并行循环一致性生成对抗网络（CycleGANs）	CycleGAN	图像	BraTS2020数据集和机构收集的MR图像
9178	2025-01-06	Self-supervised learning for accelerated 3D high-resolution ultrasound imaging 2021-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14946 PMID:33993508	研究论文	本研究开发了一种基于深度学习的算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	提出了一种自监督学习框架，使用循环一致性生成对抗网络（cycleGAN）来生成高分辨率三维超声图像，无需外部图谱图像	研究仅在乳腺癌和前列腺癌患者的数据集上进行了评估，可能在其他疾病或更大样本量上的泛化能力有待验证	开发一种深度学习算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	乳腺癌和前列腺癌患者的超声图像	计算机视觉	乳腺癌, 前列腺癌	cycleGAN	cycleGAN	图像	70名乳腺癌患者和45名前列腺癌患者的超声图像
9179	2025-01-05	Csec-net: a novel deep features fusion and entropy-controlled firefly feature selection framework for leukemia classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00327-1 PMID:39736875	研究论文	本文提出了一种名为Csec-net的新方法，用于白血病的计算机辅助诊断，通过深度学习特征融合和熵控制的萤火虫特征选择框架实现	提出了一种新的深度学习特征融合策略和熵控制的萤火虫特征选择技术，用于白血病分类	未提及具体局限性	开发和评估深度学习方法以实现计算机辅助的白血病诊断	白血病患者的血液样本图像	计算机视觉	白血病	深度学习	MobileNetV2, EfficientNetB0, ConvNeXt-V2, EfficientNetV2, DarkNet-19, 多类支持向量机	图像	15562张图像，来自四个数据集：ALLID_B1, ALLID_B2, C_NMC 2019, ASH
9180	2025-01-05	DEELE-Rad: exploiting deep radiomics features in deep learning models using COVID-19 chest X-ray images 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00330-6 PMID:39741501	研究论文	本文提出了一种名为DEELE-Rad的方法，通过深度学习模型提取深度放射组学特征，用于COVID-19胸部X光图像的分类，并提供了可视化的解释以支持决策	结合深度学习和机器学习技术，利用迁移学习从ImageNet中提取深度放射组学特征，并通过自动参数调整和交叉验证策略优化分类器性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	开发一种基于深度学习的放射组学方法，用于COVID-19胸部X光图像的分类，以辅助医疗决策	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习、迁移学习	VGG16, ResNet50V2, DenseNet201	图像	未提及具体样本数量