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
10161	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
10162	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
10163	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
10164	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
10165	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
10166	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
10167	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
10168	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
10169	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
10170	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）
10171	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
10172	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
10173	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）
10174	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
10175	2025-01-07	Exploratory study on the enhancement of O-RADS application effectiveness for novice ultrasonographers via deep learning 2024-Dec, Archives of gynecology and obstetrics IF:2.1Q2 DOI:10.1007/s00404-024-07837-z PMID:39579245	研究论文	本研究旨在通过深度学习技术提升新手超声医师在卵巢-附件报告和数据系统（O-RADS）中的应用效果	使用基于ConvNeXt-Tiny的深度卷积神经网络模型来区分O-RADS中的经典良性病变（CBL）与其他病变（OL），并通过U-Net模型进行自动病变分割	研究仅涉及两个新手超声医师的评估，样本量较小	提升O-RADS系统在新手超声医师中的应用效果	经病理证实的附件病变的超声图像	计算机视觉	卵巢疾病	深度学习	ConvNeXt-Tiny, U-Net	超声图像	两组经病理证实的附件病变的超声图像（开发数据集和独立测试数据集）
10176	2025-01-07	A dataset of deep learning performance from cross-base data encoding on MNIST and MNIST-C 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111194 PMID:39760007	研究论文	本文介绍了一个关于卷积神经网络在MNIST和MNIST-C数据集上不同数值基数表示下的性能数据集	提出了一个新的数据集，用于分析不同数值基数表示对卷积神经网络性能的影响	数据集仅限于MNIST和MNIST-C数据集，未涉及其他数据集或更广泛的应用场景	研究不同数值基数表示对机器学习模型性能的影响	MNIST和MNIST-C数据集	机器学习	NA	卷积神经网络	CNN	图像	MNIST和MNIST-C数据集中的样本
10177	2025-01-07	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39756070	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在PHIs预测任务中表现出色，但其性能可能仍受到数据稀疏性的影响	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	抗生素耐药性	深度学习	区域图卷积模型	序列信息	三个基准数据集
10178	2025-01-07	Multimodal deep learning approaches for precision oncology: a comprehensive review 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae699 PMID:39757116	综述	本文综述了多模态深度学习在精准肿瘤学中的应用，基于对651篇文献的广泛调查	提供了多模态深度学习在肿瘤分割、检测、诊断、预后、治疗选择和疗效监测中的全面应用概述，并提出了未来研究方向	当前方法存在局限性，未来研究需要解决这些挑战	推动多模态深度学习在精准肿瘤学中的应用	肿瘤学研究中的多模态数据	机器学习	癌症	深度学习	多模态深度学习	多模态数据	651篇文献
10179	2025-01-07	Pro-active risk analysis of an in-house developed deep learning based autoplanning tool for breast Volumetric Modulated Arc Therapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100677 PMID:39759485	研究论文	本文介绍了一种针对乳腺癌容积调强弧形治疗（VMAT）的深度学习自动规划工具的风险分析，旨在最小化临床实施前的风险	通过多学科团队进行主动失效模式与影响分析（FMEA），识别并减少深度学习工具在临床工作流程中的风险	研究仅针对乳腺癌VMAT的特定工作流程，可能不适用于其他类型的放射治疗	评估并减少深度学习模型在乳腺癌VMAT临床工作流程中的风险	乳腺癌VMAT的深度学习自动规划工具及其临床工作流程	数字病理	乳腺癌	深度学习	深度学习模型	NA	NA
10180	2025-01-07	Neuroimaging signatures and a deep learning modeling for early diagnosing and predicting non-pharmacological therapy success for subclinical depression comorbid sleep disorders in college students 2024 Oct-Dec, International journal of clinical and health psychology : IJCHP IF:5.3Q1 DOI:10.1016/j.ijchp.2024.100526 PMID:39759571	研究论文	本研究通过神经影像学特征和深度学习模型，旨在早期诊断和预测大学生亚临床抑郁症合并睡眠障碍的非药物治疗效果	提出了基于分层功能脑网络（HFBN）的深度学习模型，用于早期诊断和预测非药物治疗效果，优于传统深度学习模型	研究样本量相对较小，且仅针对大学生群体，可能限制了结果的普适性	探索亚临床抑郁症合并睡眠障碍的非药物治疗的神经影像学机制，并开发早期诊断和治疗效果预测模型	114名首次发作、未用药的亚临床抑郁症合并睡眠障碍的大学生和93名健康对照者	神经影像学与深度学习	抑郁症与睡眠障碍	静息态功能磁共振成像（rs-fMRI）	基于Transformer框架的分层功能脑网络（HFBN）模型	神经影像数据与临床数据	114名患者和93名健康对照者