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
9321	2025-01-07	Deep Learning With Optical Coherence Tomography for Melanoma Identification and Risk Prediction 2025-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400277 PMID:39462483	研究论文	本研究开发并评估了一种用于黑色素瘤识别和风险预测的卷积神经网络（CNN），使用小鼠皮肤的光学相干断层扫描（OCT）成像	利用光学相干断层扫描（OCT）成像技术进行黑色素瘤识别和风险预测，相较于以往主要使用皮肤镜图像的研究，具有创新性	研究仅基于小鼠模型，尚未在人类临床数据上进行验证	开发一种基于深度学习的系统，用于黑色素瘤的早期识别和风险预测	小鼠皮肤的光学相干断层扫描（OCT）图像	计算机视觉	黑色素瘤	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	四种小鼠模型：黑色素瘤小鼠、发育不良痣小鼠及其各自的对照组
9322	2024-11-28	Correction to "Automatic evaluation of nail psoriasis severity index using deep learning algorithm" 2025-Jan, The Journal of dermatology IF:2.9Q2 DOI:10.1111/1346-8138.17556 PMID:39600150	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9323	2025-01-07	The 'golden fleece of embryology' eludes us once again: a recent RCT using artificial intelligence reveals again that blastocyst morphology remains the standard to beat 2025-Jan-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/deae263 PMID:39602554	研究论文	本文探讨了在胚胎选择中使用人工智能（AI）与标准形态学方法在预测临床妊娠率方面的比较	使用深度学习算法'iDAScore version 1'进行随机对照试验（RCT），以评估其在胚胎选择中的效果	未能证明AI在临床妊娠率方面不劣于标准形态学方法	提高胚胎选择的准确性，寻找最具活力的胚胎进行移植	胚胎	数字病理学	NA	深度学习	深度学习算法'iDAScore version 1'	胚胎形态学数据	NA
9324	2025-01-07	Object detection in motion management scenarios based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315130 PMID:39752546	研究论文	本文提出了一种基于深度学习的运动管理场景中的目标检测方法，旨在提高运动员、运动器材、场地边界等目标的检测准确性和速度	首次提出了一种针对运动管理场景的监督目标检测方法，设计了TSM模块、可变形注意力机制和解耦结构，增强了网络对时间信息的捕捉能力和特征提取能力	未提及具体局限性	提高运动管理场景中目标检测的准确性和速度	运动员、运动器材、场地边界等目标	计算机视觉	NA	深度学习	TSM模块、可变形注意力机制、解耦结构	图像	开源数据集
9325	2025-01-07	A Deep Learning-Based Approach to Characterize Skull Physical Properties: A Phantom Study 2025-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400131 PMID:39540545	研究论文	本文提出了一种基于深度学习的方法，通过超声信号来表征颅骨的物理特性，特别是厚度和孔隙率	首次利用深度学习和机器学习模型从超声信号中提取颅骨厚度和孔隙率信息，为颅骨畸变校正方法的开发提供了新思路	研究仅基于模拟颅骨的幻影实验，尚未在真实颅骨上进行验证	开发一种从超声信号中获取颅骨厚度和孔隙率信息的方法，以改进经颅超声成像的准确性	模拟颅骨物理特性的幻影	医学影像处理	脑损伤	超声成像	深度学习（DL）和机器学习（ML）	超声信号	多种厚度和孔隙率的模拟颅骨幻影
9326	2025-01-07	Artificial intelligence in precision medicine for lung cancer: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241300229 PMID:39758259	研究论文	本文通过文献计量分析探讨了人工智能在肺癌精准医学中的应用趋势	首次通过文献计量学方法系统分析了人工智能在肺癌精准医学中的应用趋势和研究热点	研究结果依赖于Web of Science数据库的数据，可能未涵盖所有相关文献	提供人工智能在肺癌精准医学中应用的综合概览，促进研究者对该领域的理解	肺癌精准医学中的人工智能应用研究	数字病理学	肺癌	文献计量分析	深度学习框架	文献数据	4062篇论文
9327	2025-01-07	SpaRG: Sparsely Reconstructed Graphs for Generalizable fMRI Analysis 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_5 PMID:39758707	研究论文	本文提出了一种基于稀疏化和自监督的简单方法，用于解决静息态功能磁共振成像（rs-fMRI）分析中的解释性问题	通过联合训练稀疏输入掩码、变分自编码器（VAE）和下游分类器，识别出高度信息化的连接并遮挡其余部分，从而提高跨领域的分类准确性	需要一部分标记样本来训练分类器，且模型在适应新的分布外站点时依赖于未标记样本	提高rs-fMRI数据分析的可解释性和泛化能力	静息态功能磁共振成像（rs-fMRI）数据	机器学习	精神疾病	变分自编码器（VAE）	VAE	图像	ABIDE数据集中的18个站点的标记样本和两个分布外站点的未标记样本
9328	2025-01-07	Predicting CRISPR-Cas9 off-target effects in human primary cells using bidirectional LSTM with BERT embedding 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae184 PMID:39758829	研究论文	本文提出了一种名为CrisprBERT的深度学习模型，用于预测CRISPR-Cas9系统在人类原代细胞中的脱靶效应	结合了BERT架构和双向LSTM网络，利用双栈编码捕捉Cas9结合的局部能量配置，并通过BERT模型学习双栈对的上下文嵌入	未提及具体局限性	提高CRISPR-Cas9系统中单导RNA（sgRNA）的设计效率，减少脱靶效应	人类原代细胞中的CRISPR-Cas9系统	机器学习	NA	CRISPR-Cas9	双向LSTM与BERT嵌入	sgRNA和DNA序列	未提及具体样本数量
9329	2025-01-07	LncLSTA: a versatile predictor unveiling subcellular localization of lncRNAs through long-short term attention 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae173 PMID:39758831	研究论文	本文提出了一种新的深度学习框架LncLSTA，用于预测长链非编码RNA（LncRNA）的亚细胞定位	LncLSTA模型结合了1D卷积、最大池化操作、长短时注意力模块和双向长短时记忆网络，以及TextCNN模块，显著提高了亚细胞定位任务的准确性和鲁棒性	NA	研究LncRNA的亚细胞定位，以深入了解其生物学功能	长链非编码RNA（LncRNA）	自然语言处理	NA	深度学习	CNN, LSTM, TextCNN	序列数据	NA
9330	2025-01-07	Linking transcriptome and morphology in bone cells at cellular resolution with generative AI 2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjae151 PMID:39303095	研究论文	本文探讨了生成式AI在骨细胞转录组和形态学数据中的应用及其潜力	利用生成式AI模型在细胞分辨率上揭示骨细胞的复杂生物学过程，特别是在预测细胞分化动态、连接分子和形态学特征以及预测细胞对扰动的反应方面	骨单细胞数据集中的技术偏差、重要骨细胞类型的缺乏以及空间信息的缺失需要解决	探索生成式AI在骨细胞研究中的应用及其潜力	骨细胞	计算机视觉	NA	单细胞测序、空间转录组学	生成式AI	组织学图像、单细胞分子数据、空间转录组数据	NA
9331	2025-01-07	Design of an improved graph-based model for real-time anomaly detection in healthcare using hybrid CNN-LSTM and federated learning 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41071 PMID:39759321	研究论文	本文提出了一种改进的基于图的模型，用于医疗保健中的实时异常检测，结合了混合CNN-LSTM和联邦学习技术	提出了一种先进的混合CNN-LSTM模型，能够同时提取医疗图像的空间特征和患者生命体征的时间依赖性，并结合联邦学习和差分隐私技术解决数据安全和隐私问题	NA	实现医疗系统中具有弹性的实时异常检测，同时确保患者数据的隐私和安全	医疗图像、患者生命体征、EHR文本数据和时间序列传感器数据	机器学习	NA	CNN-LSTM、联邦学习、差分隐私	CNN-LSTM	图像、文本、时间序列数据	测试数据集包含10,000名患者，系统每秒处理超过100,000条消息
9332	2025-01-07	RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data 2024-Dec-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313909 PMID:39371168	研究论文	本文介绍了RiskPath，一个可解释的AI工具箱，用于在经典和新兴的纵向队列中进行风险分层预测	RiskPath提供了先进的时间序列方法，并集成了理论指导的优化，以指定最佳模型拓扑或探索性能与复杂性的权衡	模型的结构复杂性和大小可能限制了其在风险分层工具中的应用	开发一个可解释的AI工具箱，用于多步骤生物医学预测	纵向数据中的疾病风险预测	机器学习	NA	时间序列AI方法	NA	时间序列数据	NA
9333	2025-01-07	Erratum: Retraction notice to "A deep learning approach based on graphs to detect plantation lines" [Heliyon Volume 10, Issue 11, 15 June 2024, e31730] 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40689 PMID:39759858	correction	本文是对先前发表文章的更正通知	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9334	2025-01-07	Simple quantitation and spatial characterization of label free cellular images 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40684 PMID:39759864	研究论文	本文开发了一种无需训练数据的计算流程，用于基于高内涵显微镜设备生成的图像进行细胞数量量化和空间分布特征描述	开发了一种无需训练数据的计算流程，结合经典图像处理功能、Voronoi分割、高斯混合建模和自动参数优化，适用于大规模或重复细胞培养实验的自动化无标记图像分析	NA	开发一种无需训练数据的计算流程，用于无标记图像分析	无标记细胞图像	计算机视觉	NA	高内涵显微镜	NA	图像	四种形态不同的细胞类型，具有不同的细胞密度
9335	2025-01-07	SAUSI: an integrative assay for measuring social aversion and motivation 2024-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.13.594023 PMID:38798428	研究论文	本文介绍了一种新的行为任务——选择性访问无限制社交互动（SAUSI），用于全面评估小鼠的社交厌恶	SAUSI任务整合了社交动机、犹豫、决策和自由互动等元素，克服了传统评估工具的局限性，提供了对社交厌恶的全面评估	传统评估工具如三室社交性测试和居民入侵者测试未能全面揭示社交厌恶的关键组成部分，如社交冻结和社交犹豫行为	研究社交厌恶的生物行为机制，开发新的评估工具	小鼠	行为神经科学	社交焦虑症、自闭症谱系障碍	深度学习分析	NA	行为数据	NA
9336	2025-01-07	Enhanced 3D dose prediction for hypofractionated SRS (gamma knife radiosurgery) in brain tumor using cascaded-deep-supervised convolutional neural network 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01457-2 PMID:39080208	研究论文	本文提出了一种用于脑肿瘤伽玛刀放射外科（GKRS）剂量预测的级联深度监督卷积神经网络（CDS-CNN），以提高剂量分布的预测精度	提出了一种创新的级联深度监督卷积神经网络（CDS-CNN），结合多级深度监督和顺序多网络训练策略，能够提取切片内和切片间的特征，从而实现更真实的剂量预测	尽管模型在预测精度上有所提升，但仍需进一步验证其在更大样本和不同临床环境中的泛化能力	提高伽玛刀放射外科（GKRS）剂量分布的预测精度，减少对医学物理学家的依赖，优化临床工作流程	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	级联深度监督卷积神经网络（CDS-CNN）	CT扫描图像	105名脑肿瘤患者（85例用于训练，20例用于测试）
9337	2025-01-07	Deep learning architecture with shunted transformer and 3D deformable convolution for voxel-level dose prediction of head and neck tumors 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01462-5 PMID:39101991	研究论文	本研究开发了一种新型深度学习多尺度Transformer（MST）模型，旨在加速头颈部肿瘤的IMRT计划，同时生成更精确的体素级剂量分布预测	提出了一种结合分流Transformer和3D可变形卷积瓶颈块的端到端MST模型，用于捕捉多尺度特征并学习全局依赖关系，同时通过数据增强和自知识蒸馏进一步提高模型预测性能	研究主要基于OpenKBP Challenge数据集，可能在其他数据集上的泛化能力有待验证	加速头颈部肿瘤的IMRT计划，提高体素级剂量分布的预测精度	头颈部肿瘤	计算机视觉	头颈部肿瘤	深度学习	Transformer, 3D deformable convolution	医学影像数据	OpenKBP Challenge数据集
9338	2025-01-07	A deep learning phase-based solution in 2D echocardiography motion estimation 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01481-2 PMID:39264487	研究论文	本文提出了一种基于四元数小波变换（QWT）相位的深度学习新方法，用于估计二维超声心动图序列中的心肌运动和应变	该方法首次将QWT相位和强度作为定制PWC-Net结构的输入，用于二维超声心动图运动估计，表现出优越的几何和临床指标	研究仅基于模拟的B型超声心动图序列进行训练和测试，未涉及真实患者数据	开发一种新的深度学习方法来提高二维超声心动图中心肌运动和应变的估计精度	二维超声心动图序列中的心肌运动和应变	计算机视觉	心血管疾病	四元数小波变换（QWT）	PWC-Net	图像	两个模拟的B型超声心动图序列
9339	2025-01-07	PPG2RespNet: a deep learning model for respirational signal synthesis and monitoring from photoplethysmography (PPG) signal 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01482-1 PMID:39287773	研究论文	本文提出了一种名为PPG2RespNet的深度学习模型，用于从光电容积描记图（PPG）信号中合成和监测呼吸信号	PPG2RespNet引入了分层跳跃连接，建立了层次化和密集的连接，以增强信号提取的鲁棒性，并对瓶颈层进行了修改以增强潜在特征的提取	NA	解决现有方法在手动参数调整和预定义特征方面的局限性，实现呼吸信号的自主高效提取	包含重症监护病房患者、儿科患者和健康受试者的PPG数据	机器学习	呼吸系统疾病	深度学习	PPG2RespNet（基于UNet和UNet++的改进模型）	PPG信号	三个公开的PPG数据集（VORTAL、BIDMC、Capnobase）
9340	2025-01-07	PET/CT-based 3D multi-class semantic segmentation of ovarian cancer and the stability of the extracted radiomics features 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01485-y PMID:39312120	研究论文	本研究应用3D U-Net深度学习模型对PET/CT图像中的卵巢癌进行多类语义分割，并评估提取的放射组学特征的稳定性	首次在PET/CT图像中应用3D U-Net模型进行卵巢癌的多类语义分割，并评估放射组学特征的稳定性	样本量相对较小，仅包含39名卵巢癌患者的数据	提高卵巢癌的诊断和治疗规划效率	卵巢癌患者的PET/CT图像	计算机视觉	卵巢癌	PET/CT成像	3D U-Net	图像	39名卵巢癌患者的3120张PET/CT图像