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
9641	2025-01-02	Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images 2024-Dec-31, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11321-2 PMID:39738559	研究论文	本研究评估并比较了两种最先进的深度学习方法在CT图像中分割四个胸部风险器官（食管、气管、心脏和主动脉）的性能，以用于放疗计划	比较了多器官分割方法和多个单器官模型融合方法，并评估了它们在对抗性扰动下的鲁棒性、在外部数据集上的泛化能力，以及专家校正引入的潜在偏差	专家对AI分割的校正可能导致结果偏差，需要使用手动注释的测试集来评估这些方法的性能	评估和比较两种深度学习方法在CT图像中分割胸部风险器官的性能，以用于放疗计划	CT图像中的四个胸部风险器官（食管、气管、心脏和主动脉）	数字病理	NA	深度学习	nnU-Net	CT图像	NA
9642	2025-01-02	A novel artificial intelligence segmentation model for early diagnosis of bladder tumors 2024-Dec-30, Abdominal radiology (New York) DOI:10.1007/s00261-024-04715-9 PMID:39738572	研究论文	本文开发了一种基于深度学习的智能诊断系统，用于早期膀胱癌的诊断，以提高早期膀胱肿瘤的识别率	提出了一种新的膀胱肿瘤分割网络（BTS-Net），基于transformer架构，能够准确诊断早期膀胱癌病变	NA	提高早期膀胱肿瘤的识别率，减少漏诊	膀胱癌患者	计算机视觉	膀胱癌	深度学习	transformer	视频	273名膀胱癌患者
9643	2025-01-02	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本文通过单核RNA测序和深度学习模型APA-Net，研究了肌萎缩侧索硬化症（ALS）和额颞叶变性（FTLD）中眶额皮层的细胞类型特异性转录特征和选择性多聚腺苷酸化机制	开发了APA-Net深度学习模型，整合转录序列和RNA结合蛋白表达谱，揭示了细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要集中于C9orf72相关的ALS和散发性ALS病例，可能不适用于所有ALS亚型	揭示ALS和FTLD中细胞类型特异性的病理机制和转录调控	ALS和FTLD患者的眶额皮层细胞	数字病理学	肌萎缩侧索硬化症	单核RNA测序	APA-Net	RNA序列数据	C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例
9644	2025-01-02	Calibration-free estimation of field dependent aberrations for single molecule localization microscopy across large fields of view 2024-Dec-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.11.627909 PMID:39713420	研究论文	本文提出了一种无需校准的模型方法，用于估计单分子定位显微镜中的场依赖像差	引入了一种基于模型的方法，直接从单分子数据中估计场依赖像差，无需校准步骤	未提及具体局限性	提高单分子定位显微镜的图像质量	微管和核孔复合物	计算机视觉	NA	单分子定位显微镜（SMLM）	基于节点的像差理论	2D和3D定位数据	视野范围达180 μm的微管和核孔复合物数据
9645	2025-01-02	MEFFNet: Forecasting Myoelectric Indices of Muscle Fatigue in Healthy and Post-Stroke During Voluntary and FES-Induced Dynamic Contractions 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3431024 PMID:39028608	研究论文	本文提出了一种名为MEFFNet的深度学习模型，用于预测健康和中风后患者在自主和FES诱导动态收缩中的肌电疲劳指数	将迁移学习引入深度学习模型MEFFNet，用于预测动态收缩中的肌电疲劳指数，并在合成时间序列数据集上进行预训练以提高预测性能	研究样本量较小，且仅针对肘部屈伸运动进行测试，未涵盖其他肌肉群或运动类型	开发一种能够预测肌电疲劳指数的深度学习模型，以应用于可穿戴技术、辅助设备（如外骨骼和假肢）和功能性电刺激（FES）神经假体等领域	健康和中风后患者在自主和FES诱导动态收缩中的肌电疲劳指数	机器学习	中风	功能性电刺激（FES）	MEFFNet	时间序列数据	16名健康受试者和17名中风后受试者
9646	2025-01-02	Retrospective imaging studies of gastric cancer: Study protocol clinical trial (SPIRIT Compliant) 2020-Feb, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000019157 PMID:32080093	研究论文	本研究旨在开发一种深度学习模型，用于胃癌中腹膜转移的术前准确诊断	首次基于CT图像使用深度学习技术诊断胃癌中的腹膜转移	研究为回顾性研究，可能存在选择偏倚	提高CT在胃癌腹膜转移诊断中的性能	胃癌患者	数字病理学	胃癌	CT	深度卷积神经网络（DCNN）	图像	所有胃癌患者，具体数量未明确
9647	2025-01-01	An attention 3DUNET and visual geometry group-19 based deep neural network for brain tumor segmentation and classification from MRI 2025-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2283164 PMID:37979152	研究论文	本文提出了一种基于注意力3DUNET和视觉几何组-19的深度神经网络，用于从MRI图像中进行脑肿瘤分割和分类	提出了一种新颖的深度学习系统，结合了空间和通道注意力机制的三维U形网络（SC3DUNet）和基于扩张卷积的视觉几何组-19（DCVGG-19），用于脑肿瘤的分割和分类	该方法主要针对3D脑MRI图像，未涉及其他类型的医学影像	提高脑肿瘤的早期检测和分类准确率	脑肿瘤	数字病理学	脑肿瘤	深度学习	SC3DUNet, DCVGG-19	3D MRI图像	BraTS2020数据集
9648	2025-01-01	DeepCTG® 2.0: Development and validation of a deep learning model to detect neonatal acidemia from cardiotocography during labor 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109448 PMID:39608037	研究论文	本文开发并验证了一种深度学习模型，用于从分娩期间的胎心监护（CTG）信号中检测新生儿酸血症	首次使用卷积神经网络（CNN）从CTG信号中检测新生儿酸血症，并在多中心数据库上进行评估	模型仍有显著改进空间，例如通过添加临床变量来考虑CTG信号中可能未出现的酸血症风险因素	开发一种能够从CTG信号中准确检测新生儿酸血症的深度学习模型	新生儿酸血症	机器学习	新生儿疾病	深度学习	卷积神经网络（CNN）	CTG信号	27662例，包括3457例中度酸血症和464例重度酸血症
9649	2025-01-01	Monkeypox Global Research: A Comprehensive Analysis from Emergence to Present (1961-2023) for innovative prevention and control approaches 2025-Jan, Journal of infection and public health IF:4.7Q1 DOI:10.1016/j.jiph.2024.102593 PMID:39608220	研究论文	本研究旨在识别猴痘（MPX）研究的热点和趋势，分析了1961年至2023年间发表的2655篇相关文章	通过文献计量学方法，结合深度学习和分子对接等新兴技术，全面分析了猴痘研究的发展历程和未来方向	研究依赖于Scopus数据库，可能未涵盖所有相关文献，且未进行实验验证	识别猴痘研究的热点和趋势，为未来的研究和防控策略提供指导	猴痘相关的研究文献	文献计量学	猴痘	文献计量分析，深度学习和分子对接	NA	文献数据	2655篇猴痘相关文章
9650	2025-01-01	Applications of Transformers in Computational Chemistry: Recent Progress and Prospects 2024-Dec-31, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c03128 PMID:39737793	综述	本文综述了Transformer模型在计算化学中的应用及其未来前景	与传统的机器学习和深度学习技术相比，Transformer模型具有细粒度的特征捕捉能力，能够高效准确地建模长序列数据的依赖关系，模拟复杂多样的化学空间，并探索数据背后的计算逻辑	NA	探讨Transformer模型在计算化学中的应用及其未来研究方向	Transformer模型及其在计算化学中的应用	计算化学	NA	NA	Transformer	长序列数据	NA
9651	2025-01-01	An efficient surface electromyography-based gesture recognition algorithm based on multiscale fusion convolution and channel attention 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81369-z PMID:39730496	研究论文	本文提出了一种基于多尺度融合卷积和通道注意力的高效表面肌电信号手势识别算法	提出了Residual-Inception-Efficient (RIE)模型，结合了Inception模块和高效通道注意力机制，降低了算法复杂度并提高了识别精度	未提及具体局限性	实现更高效的多类型手势识别	表面肌电信号（sEMG）	机器学习	NA	NA	Residual-Inception-Efficient (RIE)模型	表面肌电信号（sEMG）	NinaPro DB1、DB3和DB4数据集，分别包含14,040、3,234和3,120个手势样本
9652	2024-12-30	A proficient approach for the classification of Alzheimer's disease using a hybridization of machine learning and deep learning 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81563-z PMID:39730532	研究论文	本文提出了一种结合机器学习和深度学习的新方法，用于阿尔茨海默病的早期检测和分类	提出了一种独特的机器学习和深度学习结合的方法，优化了阿尔茨海默病检测和分类的精度和准确性	NA	早期检测和分类阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	结构磁共振成像（sMRI）	混合模型（机器学习和深度学习）	图像	NA
9653	2025-01-01	Limitations of panoramic radiographs in predicting mandibular wisdom tooth extraction and the potential of deep learning models to overcome them 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81153-z PMID:39730557	研究论文	本研究探讨了全景X光片在预测下颌智齿拔除难度中的局限性，并评估了深度学习模型在此任务中的潜力	首次使用深度学习模型（AlexNet和VGG-16）来预测智齿拔除过程中是否需要牙齿分离或骨移除，并与口腔外科医生的预测能力进行了比较	仅使用全景X光片进行预测，准确率较低，表明单独使用全景X光片预测智齿拔除难度具有挑战性	预测下颌智齿拔除的难度，并评估深度学习模型在此任务中的表现	下颌智齿	数字病理	NA	深度学习	CNN（AlexNet和VGG-16）	图像（全景X光片）	NA
9654	2025-01-01	SHIVA-CMB: a deep-learning-based robust cerebral microbleed segmentation tool trained on multi-source T2*GRE- and susceptibility-weighted MRI 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81870-5 PMID:39730628	研究论文	本文介绍了一种基于深度学习的脑微出血（CMB）分割工具SHIVA-CMB，该工具在多种来源的T2*GRE和磁敏感加权MRI数据上进行了训练	SHIVA-CMB是首个公开分享预训练模型的CMB检测工具，具有较高的泛化能力和性能	尽管在多个数据集上表现出色，但模型的性能可能仍受限于训练数据的多样性和数量	开发一种能够在大规模研究中快速表征CMB的工具，以促进对CMB病理生理学和功能后果的研究	脑微出血（CMB）	数字病理学	脑血管疾病	深度学习	3D Unet	MRI图像	450次扫描来自六个不同的队列研究，测试集包括96次扫描，另外还有1992次T2*加权扫描用于验证
9655	2025-01-01	CDUNeXt: efficient ossification segmentation with large kernel and dual cross gate attention 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82199-9 PMID:39730708	研究论文	本文提出了一种名为CDUNeXt的轻量级、自动且高效的方法，用于识别黄韧带骨化区域	首次将深度学习方法引入黄韧带骨化诊断，设计了轻量级模块结构，利用大核卷积提取图像特征的长距离依赖，并采用双交叉门注意力机制（DCGA）顺序捕捉通道和空间依赖，以实现快速准确的分割	目前仅依赖医生的主观经验进行识别，效率低且误差大	解决黄韧带骨化区域准确高效识别的临床痛点	黄韧带骨化区域	医学图像分割	脊柱狭窄	深度学习	CDUNeXt	图像	NA
9656	2025-01-01	Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82045-y PMID:39730745	研究论文	本文提出了一种结合深度CNN和双向LSTM的混合模型，用于提高医疗紧急情况下的人类活动识别	提出了CNN-BiLSTM模型，并采用欠采样技术，显著提高了人类活动识别的准确性	模型仅在两个公开数据集上进行了评估，可能在其他数据集上的泛化能力有待验证	提高医疗紧急情况下的人类活动识别准确性	人类活动	机器学习	老年疾病	NA	CNN, BiLSTM	传感器数据	MHEALTH和Actitracker两个公开数据集
9657	2025-01-01	A new prediction model based on deep learning for pig house environment 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82492-7 PMID:39730744	研究论文	提出了一种基于贝叶斯优化、压缩激励块、卷积神经网络和门控循环单元的猪舍环境预测模型，以提高预测精度和动物福利，并提前采取控制措施	结合贝叶斯优化、压缩激励块、卷积神经网络和门控循环单元，提出了一种新的猪舍环境预测模型，显著提高了预测精度和稳定性	未提及模型在其他类型环境或更大规模数据集上的适用性	提高猪舍环境预测精度，优化动物福利和环境控制	猪舍环境参数（温度、湿度、CO和NH浓度）	机器学习	NA	贝叶斯优化、卷积神经网络、门控循环单元	BO-SE-CNN-GRU	环境数据	NA
9658	2025-01-01	Leveraging fuzzy embedded wavelet neural network with multi-criteria decision-making approach for coronary artery disease prediction using biomedical data 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82019-0 PMID:39730749	研究论文	本文提出了一种结合模糊小波神经网络和多准则决策方法的冠状动脉疾病预测技术	提出了LFWNNDMA-CADP技术，结合了模糊小波神经网络、改进的蚁群优化算法和混合小龙虾优化算法与自适应差分进化技术，用于冠状动脉疾病的预测	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	通过多准则决策模型预测冠状动脉疾病，提高诊断准确率	冠状动脉疾病患者	机器学习	心血管疾病	模糊小波神经网络、改进的蚁群优化算法、混合小龙虾优化算法与自适应差分进化技术	FWNN	生物医学数据	NA
9659	2025-01-01	Quality prediction of air-cured cigar tobacco leaf using region-based neural networks combined with visible and near-infrared hyperspectral imaging 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82586-2 PMID:39732746	研究论文	本研究利用可见光和近红外高光谱成像技术结合深度学习模型，预测不同空气固化阶段的雪茄烟叶质量	首次将多样化区域卷积神经网络（DR-CNN）应用于雪茄烟叶质量预测，并展示了其相较于传统方法的优越性	研究仅在特定环境条件下进行，未考虑其他可能影响烟叶质量的因素	评估深度学习方法在克服数据限制方面的可行性，开发基于VNIR-HSI的雪茄烟叶质量预测模型	雪茄烟叶	计算机视觉	NA	可见光和近红外高光谱成像（VNIR-HSI）	多样化区域卷积神经网络（DR-CNN）	图像	NA
9660	2025-01-01	Hand gestures classification of sEMG signals based on BiLSTM-metaheuristic optimization and hybrid U-Net-MobileNetV2 encoder architecture 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82676-1 PMID:39732856	研究论文	本文提出了一种基于sEMG信号的手势分类新方法，结合了U-Net架构、MobileNetV2编码器、BiLSTM和元启发式优化	提出了一种结合U-Net架构、MobileNetV2编码器、BiLSTM和元启发式优化的新方法，显著提高了手势分类的准确性和鲁棒性	未提及具体局限性	提高基于sEMG信号的手势分类准确性	sEMG信号	机器学习	NA	贝叶斯优化	U-Net, MobileNetV2, BiLSTM	sEMG信号	六个标准数据库