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
9681	2025-01-06	Interpret Gaussian Process Models by Using Integrated Gradients 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400051 PMID:39587873	研究论文	本文提出了一种通过集成梯度方法解释高斯过程回归模型的新方法，以评估解释变量对预测的重要性	将高斯过程回归模型与集成梯度方法结合，提供预测不确定性的详细分解，量化每个特征的不确定性	由于高斯过程回归的非参数性质，解释其预测标准偏差仍然具有挑战性	提高高斯过程回归模型的解释性，特别是在预测标准偏差方面	高斯过程回归模型及其预测结果	机器学习	NA	集成梯度方法	高斯过程回归模型	NA	NA
9682	2025-01-06	An improved low-rank plus sparse unrolling network method for dynamic magnetic resonance imaging 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17501 PMID:39607945	研究论文	本文提出了一种改进的低秩加稀疏展开网络方法，用于动态磁共振成像（MRI）重建，通过引入时间相关性建模来提高重建质量和减少参数冗余	提出了一种结合低秩核心矩阵和卷积长短期记忆（ConvLSTM）单元的新型展开网络方法，用于动态MRI重建中的时间相关性建模	未提及具体局限性	寻找适合的张量处理方法和深度学习模型，以实现更好的重建结果和更小的网络规模	动态磁共振成像（MRI）重建	计算机视觉	NA	动态磁共振成像（MRI）	卷积长短期记忆（ConvLSTM）	图像	AMRG Cardiac MRI数据集
9683	2025-01-06	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	本文介绍了一种名为PanSegNet的新方法，用于大规模多中心的CT和MRI胰腺分割，结合了nnUNet和Transformer网络的优点，并引入了一种新的线性注意力模块以实现体积计算	提出了PanSegNet方法，结合了nnUNet和Transformer网络的优点，并引入了一种新的线性注意力模块，提高了胰腺分割的准确性	研究主要依赖于回顾性数据，且MRI数据的公开可用性有限，可能影响方法的广泛验证和应用	开发一种自动化胰腺分割方法，用于胰腺疾病的诊断和随访	胰腺	数字病理学	胰腺疾病	深度学习	nnUNet, Transformer	CT, MRI	767次MRI扫描（来自499名参与者）和1,350次CT扫描
9684	2025-01-06	An attention mechanism-based lightweight UNet for musculoskeletal ultrasound image segmentation 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17503 PMID:39620487	研究论文	本文提出了一种基于注意力机制的轻量级UNet模型（AML-UNet），用于肌肉骨骼超声（MSKUS）图像分割，旨在提高分割效率、准确性和模型轻量化	设计了通道重建和空间注意力模块以抑制冗余特征的传输，并开发了多尺度聚合模块替代U-Net的跳跃连接架构，同时引入深度监督逐步细化预测掩码	未提及模型在更大规模数据集上的泛化能力，也未讨论其在临床环境中的实际应用效果	设计一种参数更少、计算复杂度更低且分割精度更高的MSKUS图像分割方法	肌肉骨骼超声（MSKUS）图像	计算机视觉	肌肉骨骼疾病	深度学习	AML-UNet（基于注意力机制的轻量级UNet）	图像	两个MSKUS 2D图像分割数据集，分别包含3917张和1534张图像
9685	2025-01-06	Predicting learning achievement using ensemble learning with result explanation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312124 PMID:39745993	研究论文	本研究提出了一种基于集成学习技术的学习成就预测框架，旨在解决高辍学率问题	结合多种机器学习算法的优势设计了一个鲁棒的模型，并使用可解释性分析（SHAP）来阐明预测结果	现有预测模型存在偏差，且当前机器学习方法缺乏可解释性，限制了其在教育中的实际应用	预测学习成就以支持学生个性化干预	学习成就预测	机器学习	NA	集成学习	集成模型（包括六个基础学习器和逻辑回归作为元学习器）	教育数据	XuetangX数据集
9686	2025-01-06	Exploring happiness factors with explainable ensemble learning in a global pandemic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313276 PMID:39746025	研究论文	本文使用机器学习和深度学习算法预测幸福指数，并探讨了COVID-19大流行对幸福特征的影响	设计了两种集成模型（Blending RGMLL和Stacking LRGR），并利用可解释人工智能技术揭示幸福指数的变化和变量重要性	未来研究将探索更先进的方法，并包括其他相关特征和实时监测以获得更全面的见解	预测幸福指数并探讨COVID-19大流行对幸福特征的影响	156个国家的幸福指数数据	机器学习	NA	机器学习（ML）、深度学习（DL）、集成学习	Ridge Regression (RR)、Gradient Boosting (GB)、Multilayer Perceptron (MLP)、Long Short-Term Memory (LSTM)、Linear Regression (LR)、Random Forest (RF)	数值数据	156个国家从2018年到2023年的数据
9687	2025-01-06	An investigation of feature reduction, transferability, and generalization in AWID datasets for secure Wi-Fi networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306747 PMID:39746088	研究论文	本研究提出了一种使用AWID 3数据集进行网络攻击检测的新方法，通过分析保留特征的可转移性，创建了一个轻量级且成本效益高的模型	提出了一种新的方法，使用AWID 3数据集进行网络攻击检测，并评估了特征的可转移性和泛化能力	现有研究在Wi-Fi攻击检测中忽视了现代流量和攻击场景，如密钥重装或未经授权的解密攻击	研究目的是提高无线网络中的安全性和隐私保护，特别是在管理帧的认证和关联帧方面	AWID 3数据集中的网络流量数据	机器学习	NA	决策树与递归特征消除方法	DT, CNN	网络流量数据	AWID 3数据集
9688	2025-01-06	Artificial intelligence in dentistry: Assessing the informational quality of YouTube videos 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316635 PMID:39746083	研究论文	本研究评估了YouTube上关于牙科人工智能（AI）信息的质量	首次对YouTube上牙科AI相关视频的信息质量进行了系统评估	研究仅限于YouTube平台，未涵盖其他社交媒体或信息来源	评估YouTube上牙科AI相关视频的信息质量和可靠性	YouTube上关于牙科AI的视频	自然语言处理	NA	DISCERN评分、修改后的全球质量评分（mGQS）、美国医学会杂志（JAMA）评分	NA	视频	91个YouTube视频
9689	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
9690	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
9691	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
9692	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）
9693	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）
9694	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）
9695	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
9696	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
9697	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
9698	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）
9699	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
9700	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