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
9181	2025-01-25	ELW-CNN: An extremely lightweight convolutional neural network for enhancing interoperability in colon and lung cancer identification using explainable AI 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12122 PMID:39845172	研究论文	本文提出了一种极轻量级的卷积神经网络（ELW-CNN），用于增强结肠癌和肺癌识别的互操作性，并利用可解释AI提高模型的透明度	提出了一种极轻量级的卷积神经网络模型，仅使用7万个参数，在大型肺和结肠数据集上达到了98.16%的准确率，并在肺癌和结肠癌的单独测试中分别达到了99.02%和99.40%的准确率	数据集规模较小、数据质量较差、肺鳞状细胞癌和腺癌之间的类间变化、移动设备部署困难以及缺乏图像和个体级别的准确性测试	开发一种自动化且准确的结肠癌和肺癌检测方法	结肠癌和肺癌	计算机视觉	肺癌, 结肠癌	卷积神经网络（CNN）	CNN	图像	大型肺和结肠数据集
9182	2025-01-25	Artificial Intelligence in Pediatric Epilepsy Detection: Balancing Effectiveness With Ethical Considerations for Welfare 2025-Jan, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70372 PMID:39846037	综述	本文评估了人工智能在儿童癫痫检测中的有效性，并探讨了其实施过程中的伦理问题	结合人工智能在儿童癫痫诊断和管理中的应用，同时深入探讨了相关的伦理问题	伦理问题如隐私、数据安全和模型偏差仍需解决	评估人工智能在儿童癫痫检测中的有效性，并探讨其实施中的伦理问题	儿童癫痫患者	机器学习	癫痫	EEG, rs-fMRI, DTI	CNN-LSTM	EEG数据, 神经影像数据, 视频数据	NA
9183	2025-01-25	Machine learning based prediction models for cardiovascular disease risk using electronic health records data: systematic review and meta-analysis 2025-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztae080 PMID:39846062	系统综述与元分析	本文通过系统综述和元分析评估了基于机器学习的模型在利用电子健康记录数据预测心血管疾病风险方面的效能，并与传统风险评分模型进行了比较	首次系统评估和比较了机器学习模型与传统心血管疾病风险预测算法在中长期（5-10年）风险预测中的表现，并发现机器学习模型（特别是随机森林和深度学习）在性能上显著优于传统模型	研究存在显著的异质性（I² > 99%）和潜在的发表偏倚，且方法学上的问题限制了这些模型在临床中的当前应用	评估和比较机器学习模型与传统心血管疾病风险预测算法在中长期风险预测中的效能	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习	随机森林, 深度学习	电子健康记录数据	20项研究中的32个机器学习模型和26个传统统计模型
9184	2025-01-25	CardiacField: computational echocardiography for automated heart function estimation using two-dimensional echocardiography probes 2025-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztae072 PMID:39846074	研究论文	本文介绍了一种名为CardiacField的计算心脏超声系统，使用二维超声探头自动估计左心室和右心室的射血分数，旨在为非心血管专业的医疗从业者提供易于使用的心脏功能评估工具	CardiacField系统通过隐式神经表示网络从二维超声图像重建三维心脏体积，并自动分割左心室和右心室区域以计算射血分数，显著提高了心脏功能评估的准确性和易用性	研究样本量相对较小（127名患者），且未涵盖所有类型的超声设备，可能影响结果的普适性	开发一种自动、精确的心脏功能评估系统，以改善心血管疾病的检测和监测	左心室和右心室的射血分数	数字病理学	心血管疾病	二维超声成像	隐式神经表示网络	图像	127名患者
9185	2025-01-25	Dissecting AlphaFold2's capabilities with limited sequence information 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae187 PMID:39846081	研究论文	本研究探讨了AlphaFold2在主要依赖高质量模板结构而非多序列比对（MSAs）提供额外信息时的蛋白质结构预测能力	通过设计实验探究AlphaFold2对局部和全局结构的理解，揭示了其对特定特征的依赖及其处理缺失信息的能力	AlphaFold2学习到的生物物理能量函数在局部相互作用中最为有效，但在全局结构预测上可能存在局限	研究AlphaFold2在有限序列信息下的蛋白质结构预测能力	蛋白质的三维结构	机器学习	NA	深度学习	AlphaFold2	蛋白质序列和结构数据	NA
9186	2025-01-25	A hyperparameter optimization-assisted deep learning method towards thermal error modeling of spindles 2025-Jan, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.11.001 PMID:39516098	研究论文	本研究提出了一种结合贝叶斯优化和扩张卷积神经网络的模型，用于主轴热误差建模	通过扩张卷积增强传统CNN模型，并使用基于高斯过程的贝叶斯算法优化关键超参数，提高了模型的泛化能力和性能	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	提高主轴热误差建模的精度	主轴热误差	机器学习	NA	贝叶斯优化，扩张卷积神经网络	DCNN	热误差数据	未提及具体样本数量
9187	2025-01-25	Fault detection and classification of motor bearings under multiple operating conditions 2025-Jan, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.11.008 PMID:39592313	研究论文	本文提出了一种用于多操作条件下电机轴承故障检测和分类的框架	提出了一种多任务故障检测和分类方法，适用于健康监测，并在HUST电机轴承数据集上展示了其在不同操作条件和多种故障类型下的鲁棒性能	未提及具体的技术限制或数据集局限性	提高机械设备的安全性和可靠性，适应各种旋转场景	电机轴承	机器学习	NA	深度学习	NA	传感器数据	HUST电机轴承数据集
9188	2025-01-25	Anatomy-centred deep learning improves generalisability and progression prediction in radiographic sacroiliitis detection 2024-Dec-23, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2024-004628 PMID:39719299	研究论文	本研究探讨了以解剖学为中心的深度学习是否能提高模型在检测影像学骶髂关节炎中的泛化能力，并预测疾病进展	通过以解剖学为中心的深度学习，提高了模型在检测影像学骶髂关节炎中的泛化能力，并能够预测疾病进展	研究为回顾性多中心研究，可能存在数据偏差	提高影像学骶髂关节炎检测模型的泛化能力并预测疾病进展	四组不同患者队列的骨盆X光片，重点关注中轴型脊柱关节炎	计算机视觉	中轴型脊柱关节炎	深度学习	神经网络	图像	1483张X光片用于训练和验证，436、340和163名患者的数据用于独立测试
9189	2025-01-25	Advances for Managing Pancreatic Cystic Lesions: Integrating Imaging and AI Innovations 2024-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers16244268 PMID:39766167	review	本文综述了胰腺囊性病变（PCLs）的诊断和管理现状，探讨了人工智能（AI）在改善诊断准确性和风险分层方面的潜力	本文创新性地探讨了AI驱动的策略，如深度学习算法和放射组学，用于自动化胰腺和病变分割以及分析异质性，以提高诊断准确性和风险分层	本文指出传统方法在图像解释和复杂形态学分析中的局限性，可能导致诊断不确定性和患者管理策略的变异性	研究目的是探讨AI在胰腺囊性病变管理中的应用潜力，以提高诊断准确性和患者预后	研究对象为胰腺囊性病变（PCLs）	digital pathology	pancreatic cancer	deep learning, radiomics	deep learning algorithms	image	NA
9190	2025-01-25	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-Oct-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	本文介绍了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子，基于化学结构和序列信息	sChemNET通过一个目标函数克服了化学信息稀疏的限制，使神经网络能够从大量未知影响miRNA的化学结构中学习化学空间	由于小分子-miRNA数据集规模较小，预测与miRNA相关的小分子仍然具有挑战性	开发一个深度学习框架来预测影响miRNA生物活性的小分子	小分子和miRNA	机器学习	癌症	深度学习	神经网络	化学结构和序列信息	NA
9191	2025-01-25	Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease 2024-Aug-27, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2024.05.062 PMID:39168568	研究论文	本研究开发并外部验证了一种基于深度学习的AI-ECG模型，用于预测先天性心脏病患者的心血管磁共振定义的双心室功能障碍/扩张	首次在先天性心脏病中探索和应用AI-ECG分析，以预测双心室功能障碍和扩张	在功能性单心室患者中模型表现最差	开发并验证AI-ECG模型，以预测先天性心脏病患者的双心室功能障碍和扩张	先天性心脏病患者	机器学习	心血管疾病	AI-ECG分析	卷积神经网络（CNN）	心电图（ECG）和心血管磁共振（CMR）数据	内部队列8584对ECG-CMR数据（4941名患者），外部队列909对ECG-CMR数据（746名患者）
9192	2025-01-25	Approaching artificial intelligence to Hospital Pharmacy 2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.02.007 PMID:39097366	研究论文	本文探讨了人工智能在医院药学中的应用及其潜力	提出了人工智能算法在医院药学中的具体应用，如分析患者数据、识别药物相互作用、评估药物安全性和有效性，并做出推荐	未具体说明所使用的人工智能算法的局限性或实施中的挑战	研究人工智能如何提升医院药学的质量和效率	医院药师和患者数据	自然语言处理	NA	机器学习、深度学习、神经网络	NA	医疗记录、实验室结果、药物档案	NA
9193	2025-01-25	[Translated article] Introducing artificial intelligence to hospital pharmacy departments 2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.04.001 PMID:39097375	研究论文	本文介绍了人工智能在医院药房部门的引入及其潜在应用	探讨了人工智能在医院药房中的具体应用，如药物相互作用识别、药物安全性和有效性评估，以及优化药物推荐	未具体说明人工智能技术在实际应用中的挑战和限制	研究人工智能在医院药房中的应用，以提高药物管理的质量和效率	医院药房及其专业人员	自然语言处理	NA	机器学习、深度学习、神经网络	NA	医疗记录、实验室结果、药物档案	NA
9194	2025-01-25	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	研究论文	本文提出了一种利用分布式内存高效物理引导深度学习（PG-DL）进行大规模3D非笛卡尔冠状动脉MRI重建的方法，以克服硬件限制和训练数据不足的挑战	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，使用2D卷积神经网络处理3D体积数据，以有限的训练数据实现高质量重建	训练数据有限，可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	计算机视觉	心血管疾病	MRI	CNN	3D图像	NA
9195	2025-01-25	ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635176 PMID:39844940	研究论文	本研究利用多任务深度学习框架，从有限的超短回波时间（UTE）MRI数据集中生成合成CT（sCT）图像，用于经颅聚焦超声（tFUS）治疗规划	采用3D Transformer U-Net生成sCT图像，展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力	研究基于有限的数据集，可能需要更大规模的数据验证	提高经颅聚焦超声治疗规划的准确性和效率	超短回波时间（UTE）MRI数据	医学影像处理	NA	超短回波时间（UTE）MRI	3D Transformer U-Net	MRI图像	有限的数据集
9196	2025-01-25	ID3RSNet: cross-subject driver drowsiness detection from raw single-channel EEG with an interpretable residual shrinkage network 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1508747 PMID:39844854	研究论文	本文提出了一种名为ID3RSNet的新型可解释残差收缩网络，用于从单通道EEG信号中进行跨受试者驾驶员嗜睡检测	提出了一种结合注意力机制的残差收缩构建单元，用于自适应特征重新校准和软阈值去噪，并引入了基于EEG的类激活图（ECAM）可解释方法，以可视化分析样本学习模式	NA	开发一种无需校准的驾驶员嗜睡检测系统，使用单通道EEG信号	驾驶员嗜睡检测	机器学习	NA	EEG信号处理	ID3RSNet（可解释残差收缩网络）	单通道EEG信号	NA
9197	2025-01-25	Revolutionizing diagnosis of pulmonary Mycobacterium tuberculosis based on CT: a systematic review of imaging analysis through deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1510026 PMID:39845042	系统综述	本文综述了基于深度学习的CT成像分析在肺结核诊断中的应用，评估了其诊断准确性，并探讨了当前面临的挑战和未来研究方向	本文首次系统评估了深度学习在基于CT的肺结核诊断中的应用，并提出了数据稀缺性、模型泛化性、可解释性和伦理问题等关键挑战	研究仅纳入了7篇相关文献，样本量较小，且未进行定量分析	评估深度学习在基于CT的肺结核诊断中的准确性，并探讨其应用前景和挑战	肺结核（PTB）患者	计算机视觉	肺结核	深度学习（DL）	NA	CT图像	7篇相关文献
9198	2025-01-25	A multi-modal multi-branch framework for retinal vessel segmentation using ultra-widefield fundus photographs 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1532228 PMID:39845080	研究论文	本文提出了一种多模态多分支框架M3B-Net，用于提高超广角眼底照片中的视网膜血管分割精度	M3B-Net框架结合了眼底荧光血管造影（FFA）图像，通过选择性融合模块（SFM）、局部感知融合模块（LPFM）和注意力引导上采样模块（AUM）提升分割性能	未明确提及具体局限性	提高超广角眼底图像中视网膜血管的分割精度，以支持疾病分析	超广角眼底照片中的视网膜血管	计算机视觉	NA	深度学习	M3B-Net（多模态多分支框架）	图像（超广角眼底照片和FFA图像）	未明确提及样本数量
9199	2025-01-25	A systematic review of Machine Learning and Deep Learning approaches in Mexico: challenges and opportunities 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1479855 PMID:39845096	系统综述	本文系统综述了墨西哥在机器学习和深度学习领域的发展及其应用，涵盖了多个领域	提供了墨西哥在机器学习和深度学习领域的全面信息，包括趋势、空间位置、机构、出版问题、主题领域、算法应用和性能指标	主要关注墨西哥的应用，可能缺乏对其他国家的比较分析	提供墨西哥在机器学习和深度学习领域的应用和发展情况	120篇原始研究论文	机器学习, 深度学习	NA	NA	人工神经网络(ANN), 随机森林(RF), 支持向量机(SVM)	NA	120篇原始研究论文
9200	2025-01-25	DLBWE-Cys: a deep-learning-based tool for identifying cysteine S-carboxyethylation sites using binary-weight encoding 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1464976 PMID:39845187	研究论文	本文介绍了一种名为DLBWE-Cys的深度学习工具，用于准确识别蛋白质序列中的半胱氨酸S-羧乙基化位点	开发了一种新的深度学习模型DLBWE-Cys，结合了CNN、BiLSTM、Bahdanau注意力机制和全连接神经网络，并采用了专门设计的Binary-Weight编码方法	目前尚无其他计算工具能准确预测这些位点，这给该领域的研究带来了挑战	准确识别半胱氨酸S-羧乙基化位点，以阐明其在自身免疫疾病中的功能机制	蛋白质序列中的半胱氨酸S-羧乙基化位点	机器学习	自身免疫疾病	深度学习	CNN, BiLSTM, Bahdanau attention, FNN	蛋白质序列数据	NA