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
9421	2025-01-07	Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead 2024-05-15, Genes IF:2.8Q2 DOI:10.3390/genes15050629 PMID:38790258	综述	本文综述了深度学习在RNA修饰和RNA结合蛋白研究中的应用，特别是mRNA-RBP结合问题	深度学习方法能够基于序列和二级结构等特征预测RNA修饰的存在与否，揭示了位点偏好的高度非线性序列模式和结构	文章未具体提及研究的局限性	探讨深度学习在RNA修饰和RNA结合蛋白研究中的应用，推动该领域的发展	RNA结合蛋白和RNA化学修饰	自然语言处理	NA	深度学习	NA	序列数据	NA
9422	2025-01-07	Enhancing Classification Accuracy with Integrated Contextual Gate Network: Deep Learning Approach for Functional Near-Infrared Spectroscopy Brain-Computer Interface Application 2024-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s24103040 PMID:38793895	研究论文	本研究提出了一种集成上下文门网络（ICGN）算法，用于提高功能性近红外光谱脑机接口（fNIRS-BCI）系统中的分类准确率	提出了一种新的ICGN算法，该算法能够从过滤后的数据中提取特征，并基于网络内前一个单元的信息生成模式，从而提高分类准确率	研究仅基于健康参与者的数据，未涉及患者数据，可能限制了算法的普适性	提高fNIRS-BCI系统中的分类准确率	健康参与者的手部抓握运动数据	脑机接口	NA	功能性近红外光谱（fNIRS）	集成上下文门网络（ICGN）、长短期记忆网络（LSTM）、双向长短期记忆网络（Bi-LSTM）	功能性近红外光谱数据	20名健康参与者的手部抓握运动数据和30名受试者的三类运动数据
9423	2025-01-07	MedKnee: A New Deep Learning-Based Software for Automated Prediction of Radiographic Knee Osteoarthritis 2024-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100993 PMID:38786291	研究论文	本文介绍了一种名为MedKnee的深度学习软件，用于自动化预测膝关节骨关节炎的X光影像	开发了新的深度学习软件MedKnee，用于辅助医生根据Kellgren和Lawrence (KL)评分诊断膝关节骨关节炎	在本地数据集上，MedKnee与风湿病学家的诊断一致率为74%，仍有提升空间	开发一种深度学习软件，辅助医生诊断膝关节骨关节炎	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	深度学习	Xception	图像	5000张膝关节X光影像，来自Osteoarthritis Initiative公共数据集
9424	2025-01-07	Preoperative Molecular Subtype Classification Prediction of Ovarian Cancer Based on Multi-Parametric Magnetic Resonance Imaging Multi-Sequence Feature Fusion Network 2024-May-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050472 PMID:38790338	研究论文	本研究提出了一种基于多参数磁共振成像（mpMRI）数据融合的深度学习方法，旨在提高术前卵巢癌亚型分类的准确性	通过构建一个新的深度学习网络架构，整合多种序列特征，实现了对高级别浆液性癌和透明细胞癌的高精度预测	目前的研究主要集中在高级别浆液性癌和透明细胞癌的分类，未涵盖所有卵巢癌亚型	提高术前卵巢癌亚型分类的准确性	卵巢癌（OC）的不同亚型，特别是高级别浆液性癌和透明细胞癌	计算机视觉	卵巢癌	多参数磁共振成像（mpMRI）	深度学习网络架构	图像	未提及具体样本数量
9425	2025-01-07	Human Activity Recognition Algorithm with Physiological and Inertial Signals Fusion: Photoplethysmography, Electrodermal Activity, and Accelerometry 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103005 PMID:38793858	研究论文	本研究探讨了通过融合生物信号和惯性信号来增强人类活动识别（HAR）模型的潜力	首次将光电容积描记图（BVP）和皮肤电活动（EDA）与加速度计数据融合，用于HAR分类	研究仅使用了手腕佩戴的传感器数据，未考虑其他身体部位的数据	提高人类活动识别的准确性	八种常见低、中、高强度活动	机器学习	NA	机器学习算法	随机森林（RF）、ResNet-18	加速度计（ACC）、血容量脉冲（BVP）、皮肤电活动（EDA）数据	NA
9426	2025-01-07	Lightweight Low-Rank Adaptation Vision Transformer Framework for Cervical Cancer Detection and Cervix Type Classification 2024-May-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050468 PMID:38790335	研究论文	本文提出了一种结合低秩适应（LoRA）和视觉Transformer（ViT）模型的新型数字病理分类方法，用于宫颈癌检测和宫颈类型分类	使用LoRA技术，使得模型能够在较小数据集上有效训练，充分利用ViT表示视觉信息的能力，相比传统CNN模型（如ResNets）在性能和泛化能力上表现更优	NA	提高宫颈癌早期检测方法的效率和准确性，改善患者治疗效果	宫颈癌和宫颈类型	数字病理	宫颈癌	低秩适应（LoRA）	视觉Transformer（ViT）	图像	不同大小的数据集
9427	2025-01-07	Electroencephalogram-Based ConvMixer Architecture for Recognizing Attention Deficit Hyperactivity Disorder in Children 2024-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050469 PMID:38790448	研究论文	本文提出了一种结合ConvMixer和高效通道注意力（ECA）模块的深度学习架构ConvMixer-ECA，用于通过脑电图（EEG）信号准确诊断儿童注意力缺陷多动障碍（ADHD）	ConvMixer-ECA架构结合了ConvMixer和ECA模块，显著提高了ADHD识别的准确性，并在实验中优于其他基于注意力的变体和现有的深度学习模型	样本量相对较小，仅包含121名儿童（60名健康儿童和61名ADHD儿童），可能影响模型的泛化能力	开发一种基于EEG信号的深度学习模型，用于儿童ADHD的早期诊断和干预	儿童（健康儿童和ADHD儿童）	机器学习	注意力缺陷多动障碍（ADHD）	脑电图（EEG）信号分析	ConvMixer-ECA	EEG信号	121名儿童（60名健康儿童和61名ADHD儿童）
9428	2025-01-07	Association Between Body Composition and Survival in Patients With Gastroesophageal Adenocarcinoma: An Automated Deep Learning Approach 2024-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00231 PMID:38588476	研究论文	本研究开发了一种深度学习模型，用于从常规CT扫描中自动量化胃食管腺癌患者的身体组成，并探讨其与生存率的关系	利用深度学习技术从常规CT扫描中自动量化身体组成，并首次在胃食管腺癌患者中探讨其与生存率的关联	研究样本量相对较小，且仅关注了胃食管腺癌患者，结果可能不适用于其他癌症类型	探讨身体组成与胃食管腺癌患者生存率之间的关系	胃食管腺癌患者	数字病理学	胃食管腺癌	深度学习	深度学习模型	CT图像	299名胃食管腺癌患者
9429	2025-01-07	The clinical implication and translational research of OSCC differentiation 2024-03, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02566-7 PMID:38177661	研究论文	本研究通过整合流行病学、基因组学、实验和深度学习，阐明了口腔鳞状细胞癌（OSCC）分化的临床价值和分子特征，并开发了一种新的OSCC分子分类预测系统	开发了一种基于深度学习的OSCC分子分类预测系统（SMGO），并验证了其高准确性	研究未提及SMGO系统在其他类型癌症中的适用性	阐明OSCC分化的临床价值和分子特征，并开发一种新的OSCC分子分类预测系统	口腔鳞状细胞癌（OSCC）	数字病理学	口腔癌	深度学习	ShuffleNetV2	病理图像	流行病学数据（n=118,817），独立多中心队列（n=340）
9430	2025-01-07	Deep learning segmentation of endothelial cell images using an active learning paradigm with guided label corrections 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.014006 PMID:38188935	研究论文	本文开发了一种引导校正软件，用于手动编辑自动生成的角膜内皮细胞（EC）分割，并将其应用于主动学习范式，以分析一组多样化的角膜移植后EC图像	提出了一种新的引导校正软件，结合主动学习范式，显著提高了深度学习模型在EC图像分割中的性能	研究仅针对角膜移植后的EC图像，可能不适用于其他类型的细胞图像	提高角膜内皮细胞图像分割的准确性和效率	角膜移植后的内皮细胞图像	计算机视觉	眼科疾病	深度学习	U-Net, DeepLabV3+	图像	841张角膜移植后EC图像
9431	2025-01-07	The application of natural language processing for the extraction of mechanistic information in toxicology 2024, Frontiers in toxicology IF:3.6Q2 DOI:10.3389/ftox.2024.1393662 PMID:38800806	研究论文	本文探讨了自然语言处理（NLP）在毒理学中提取机制信息的应用，特别是用于构建和优化不良结果路径（AOPs）	本文的创新点在于使用深度学习语言模型识别文本中的实体并建立它们之间的因果关系，以及提出一个结合命名实体识别和基于规则的简单关系提取模型的NLP管道	本文的局限性在于仅选择了肝脏中的两种常见不良情况（胆汁淤积和脂肪变性）作为案例，未涵盖更广泛的毒性类型	研究目的是通过NLP技术从科学文献中提取信息，以支持毒理学中AOPs的构建和优化	研究对象是毒理学中的不良结果路径（AOPs），特别是与肝脏相关的不良情况	自然语言处理	NA	深度学习语言模型	命名实体识别（NER）和基于规则的简单关系提取模型	文本	NA
9432	2025-01-07	SGSNet: a lightweight deep learning model for strawberry growth stage detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1491706 PMID:39717733	研究论文	本文介绍了一种轻量级深度学习模型SGSNet，用于快速准确地检测草莓生长阶段	设计了创新的轻量级卷积神经网络GrowthNet，采用DySample自适应上采样结构和iRMB轻量级注意力机制，优化了RepNCSPELAN4模块，并应用Inner-IoU优化损失函数	模型目前仅针对草莓生长阶段检测，未来可扩展至其他作物	开发适用于便携设备的轻量级检测技术，以优化草莓生产管理	草莓生长阶段	计算机视觉	NA	深度学习	CNN	图像	涵盖整个草莓生长周期的综合数据集
9433	2025-01-07	Robust fiber orientation distribution function estimation using deep constrained spherical deconvolution for diffusion-weighted magnetic resonance imaging 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.014005 PMID:38188934	研究论文	本文提出了一种数据驱动的深度约束球面反卷积方法，用于从重复的扩散加权磁共振成像扫描中更可重复和稳健地估计大脑微观结构	引入三维体积扫描仪不变正则化方案，在fODF估计过程中显式约束扫描-重扫描变异性	方法主要针对大脑微观结构的估计，可能不适用于其他类型的组织或器官	提高从重复扩散加权磁共振成像扫描中估计大脑微观结构的可重复性和稳健性	大脑微观结构	医学影像	NA	扩散加权磁共振成像（DW-MRI）	深度约束球面反卷积（deep CSD）	磁共振成像数据	Human Connectome Project (HCP) 年轻成年人测试-重测组、MASiVar 数据集、巴尔的摩纵向衰老研究数据集
9434	2025-01-07	Image-Based Subtype Classification for Glioblastoma Using Deep Learning: Prognostic Significance and Biologic Relevance 2024-01, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00154 PMID:38231003	研究论文	本研究应用深度学习算法对胶质母细胞瘤的组织病理学图像进行分类，构建独立于已知临床和分子分类的图像亚型，并揭示胶质母细胞瘤肿瘤微环境的分子和免疫特征	首次使用深度学习模型对胶质母细胞瘤进行图像亚型分类，并发现这些亚型具有独特的预后信息和生物学特征	样本量相对较小，且仅使用了TCGA和CPTAC两个数据集	通过深度学习模型对胶质母细胞瘤进行图像亚型分类，并评估其预后价值和生物学意义	胶质母细胞瘤患者的组织病理学图像	数字病理学	胶质母细胞瘤	深度学习	卷积神经网络（CNN）	图像	214名TCGA患者和189名CPTAC患者
9435	2025-01-07	DreamOn: a data augmentation strategy to narrow the robustness gap between expert radiologists and deep learning classifiers 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1420545 PMID:39758512	研究论文	本文探讨了数据增强策略对深度学习模型在医学图像分析中鲁棒性的影响，并提出了一种新的生物启发式数据增强方法DreamOn	提出了DreamOn，一种基于条件生成对抗网络（GAN）的生物启发式数据增强策略，用于生成REM梦境启发的训练图像插值	尽管DreamOn显著提高了模型在高噪声环境下的鲁棒性，但放射科医生在噪声图像上的表现仍优于模型	提高深度学习模型在医学图像分析中的鲁棒性，以应对图像质量差异和噪声	乳腺超声图像	计算机视觉	乳腺癌	条件生成对抗网络（GAN）	ResNet-18	图像	NA
9436	2025-01-07	Multimodal MRI radiomics-based stacking ensemble learning model with automatic segmentation for prognostic prediction of HIFU ablation of uterine fibroids: a multicenter study 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1507986 PMID:39759109	研究论文	本研究评估了基于MRI放射组学的堆叠集成学习模型，结合T2加权成像和对比增强T1加权成像以及深度学习自动分割，用于术前预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后效果	结合T2WI和CE-T1WI的放射组学特征，使用深度学习自动分割，并构建堆叠集成学习模型以提高预测准确性	研究为回顾性研究，样本量相对较小，且仅来自两个中心	评估MRI放射组学堆叠集成学习模型在预测HIFU消融子宫肌瘤预后中的有效性	360名接受HIFU治疗的子宫肌瘤患者	数字病理学	子宫肌瘤	MRI放射组学、深度学习自动分割	V-net、SVM、RF、LightGBM、MLP、Logistic Regression	MRI图像	360名患者（训练集240名，内部测试集60名，外部测试集60名）
9437	2025-01-07	BO-CNN-BiLSTM deep learning model integrating multisource remote sensing data for improving winter wheat yield estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1500499 PMID:39759241	研究论文	本研究开发了一种名为BO-CNN-BiLSTM（BCBL）的深度学习模型，结合卷积神经网络（1DCNN）的特征提取能力和双向长短期记忆网络（BiLSTM）的时间序列记忆优势，用于提高冬小麦产量估算的准确性	首次将太阳诱导的叶绿素荧光（SIF）数据与传统遥感变量和气候数据融合，用于冬小麦产量估算，并开发了BCBL模型，结合了1DCNN和BiLSTM的优势	研究仅在河南省进行，未在其他地区验证模型的普适性	提高冬小麦产量估算的准确性，为农业政策制定和粮食安全提供支持	冬小麦	机器学习	NA	遥感技术	BO-CNN-BiLSTM（BCBL）	遥感数据、气候数据	河南省的冬小麦数据
9438	2025-01-07	Advanced deep transfer learning techniques for efficient detection of cotton plant diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1441117 PMID:39759238	研究论文	本文探讨了使用深度迁移学习技术高效检测棉花植物疾病的方法	本文的创新点在于应用多种深度迁移学习模型（如EfficientNet、Xception、ResNet等）进行棉花植物疾病的检测，并发现EfficientNetB3模型在准确率、损失和均方根误差方面表现最佳	本文的局限性在于未详细讨论模型在不同环境条件下的泛化能力，以及在实际农田中的应用效果	研究目的是通过深度迁移学习技术提高棉花植物疾病的检测效率，以促进可持续农业实践	研究对象为感染细菌性疫病、靶斑病、白粉病、蚜虫和军虫等疾病的棉花植物图像	计算机视觉	植物疾病	深度迁移学习	EfficientNet, Xception, ResNet, Inception, VGG, DenseNet, MobileNet, InceptionResNet	图像	包含感染多种疾病的棉花植物图像及健康棉花植物图像的完整数据集
9439	2025-01-07	A graph neural architecture search approach for identifying bots in social media 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1509179 PMID:39759384	研究论文	本文提出了一种基于图神经网络架构搜索的方法，用于在社交媒体中识别机器人	引入了深度灵活图神经网络架构搜索（DFG-NAS）技术，专门针对关系图卷积神经网络（RGCNs）进行优化，以自动搜索传播和转换函数的最佳配置	研究仅针对平台X的机器人检测，未涵盖其他社交媒体平台	解决社交媒体中机器人检测的挑战，并推广神经网络设计自动化中的NAS模型应用	社交媒体平台X中的机器人	自然语言处理	NA	深度灵活图神经网络架构搜索（DFG-NAS）	关系图卷积神经网络（RGCNs）	图数据	229,580个节点和227,979条边的图
9440	2025-01-07	Prediction of PD-L1 tumor positive score in lung squamous cell carcinoma with H&E staining images and deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1452563 PMID:39759385	研究论文	本研究利用深度学习模型对H&E染色图像进行分割和定量预测，以评估肺鳞状细胞癌中的PD-L1表达	首次将Transformer Unet深度学习网络应用于H&E染色图像中PD-L1表达的分割和定量预测，并取得了优于其他七种前沿分割模型的结果	研究仅针对肺鳞状细胞癌，未涵盖其他类型的肺癌或其他癌症	开发一种基于H&E染色图像的深度学习模型，用于预测肺鳞状细胞癌中的PD-L1表达，以指导免疫检查点抑制剂治疗	肺鳞状细胞癌的H&E染色数字切片	数字病理学	肺癌	深度学习	Transformer Unet	图像	NA