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
10281	2024-12-19	Noise-resistant sharpness-aware minimization in deep learning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106829 PMID:39488109	研究论文	本文提出了一种抗噪声的锐度感知最小化方法，以增强模型在噪声环境下的泛化能力和隐私保护	提出了基于抗噪参数更新规则的抗噪声SAM方法，分析了其在噪声条件下的收敛性和抗噪性能	未提及具体的局限性	增强深度学习模型在噪声环境下的泛化能力和隐私保护	深度学习模型在噪声环境下的性能	机器学习	NA	锐度感知最小化（SAM）	NA	NA	涉及多个网络和基准数据集的实验结果
10282	2024-12-19	IPCT-Net: Parallel information bottleneck modality fusion network for obstructive sleep apnea diagnosis 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106836 PMID:39471579	研究论文	本文提出了一种用于阻塞性睡眠呼吸暂停诊断的并行信息瓶颈模态融合网络（IPCT-Net），旨在通过多模态融合提升诊断性能	创新点在于提出了一个适应多种模态融合类型的模态融合表示增强框架（MFRE），并通过分支共享机制提取局部-全局多视角表示，消除模态融合中的冗余信息	NA	提高阻塞性睡眠呼吸暂停（OSA）的诊断性能，并为临床诊断模态选择提供定量证据	阻塞性睡眠呼吸暂停（OSA）的诊断	机器学习	睡眠呼吸障碍	深度学习（DL）	并行信息瓶颈模态融合网络（IPCT-Net）	多模态数据	使用了大规模真实世界的家庭睡眠呼吸暂停测试（HSAT）多模态数据
10283	2024-12-19	An end-to-end bi-objective approach to deep graph partitioning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106823 PMID:39471576	研究论文	本文提出了一种基于图神经网络（GNN）的端到端双目标图分区方法	该方法利用多层次图特征，通过双目标公式解决了图分区问题，并引入了包含Hardmax操作符的GNN深度模型，实现了完全端到端的优化	NA	解决现有图分区方法在可扩展性和分区平衡性方面的不足	大型图的分区问题	机器学习	NA	图神经网络（GNN）	GNN	图	12个不同应用和规模的图数据集
10284	2024-12-19	Optimized deep learning networks for accurate identification of cancer cells in bone marrow 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106822 PMID:39490023	研究论文	本文提出了一种优化的深度学习网络架构，用于准确识别骨髓中的癌细胞	本文引入了混合多目标和类别优化算法，自适应优化超参数，并使用优化的基于注意力的多尺度卷积神经网络进行训练	NA	开发一种自动化方法，用于区分恶性骨和健康骨，并准确识别骨髓中的癌细胞	骨髓中的癌细胞	机器学习	NA	深度学习	卷积神经网络	图像	使用公开数据集进行实验
10285	2024-12-19	Toward high-quality pseudo masks from noisy or weak annotations for robust medical image segmentation 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106850 PMID:39520897	研究论文	本文提出了一种从噪声或弱注释中提取高质量伪掩码的两阶段框架，用于医学图像分割	本文的创新点在于通过比较干净注释和有缺陷注释，识别潜在的噪声模式，并提出了一种噪声识别网络和噪声鲁棒分割网络的两阶段框架	本文的局限性在于仅在两个公开数据集上进行了实验验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是从噪声或弱注释中提取高质量伪掩码，以实现鲁棒的医学图像分割	本文的研究对象是医学图像分割中的噪声或弱注释	计算机视觉	NA	NA	CNN	图像	两个公开数据集
10286	2024-12-19	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2024-Dec-18, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	本研究探讨了在妇科磁共振成像中，结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像（iHASTE）与传统序列的临床应用效果	本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像（iHASTE）结合，用于妇科磁共振成像，并评估其与传统序列的对比效果	本研究为回顾性研究，样本量较小，且仅在有和无抗痉挛剂的情况下进行比较，未涵盖其他可能的临床情况	探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果	妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘	医学影像	妇科疾病	半傅里叶单次激发涡轮自旋回波成像（HASTE），深度学习重建	深度学习模型	图像	79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者
10287	2024-12-19	Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00244-9 PMID:39692946	研究论文	本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性	首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估	需要进一步评估Grad-CAM的临床实用性	比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力	脑龄预测方法的性能、可解释性和临床实用性	计算机视觉	NA	MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP）	3D卷积神经网络（CNN）、DenseNet-121	图像	多站点神经影像数据集
10288	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA
10289	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文
10290	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块
10291	2024-12-19	Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82835-4 PMID:39690238	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10292	2024-12-19	Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts 2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104877 PMID:39689571	研究论文	本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节	首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别	研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用	探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值	肺结节患者的良恶性鉴别	数字病理学	肺癌	深度学习	深度学习模型	影像	1321名肺结节患者
10293	2024-12-19	A deep learning approach to predict differentiation outcomes in hypothalamic-pituitary organoids 2024-12-06, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07109-1 PMID:39643622	研究论文	本研究利用深度学习技术创建了一个模型，能够从类器官图像中预测垂体类器官的分化结果	本研究首次使用EfficientNetV2-S或Vision Transformer模型，结合VENUS-coupled RAX表达，能够以70%的准确率将类器官图像分类为三个类别，优于专家观察者的预测结果	本研究仅在特定条件下验证了模型的有效性，未来需要在更多样化的样本和临床环境中进行验证	开发一种能够预测垂体类器官分化结果的深度学习模型，以提高分化效率并应用于临床	人多能干细胞分化成的垂体类器官	机器学习	NA	深度学习	EfficientNetV2-S, Vision Transformer	图像	NA
10294	2024-12-19	Seizure Sources Can Be Imaged from Scalp EEG by Means of Biophysically Constrained Deep Neural Networks 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405246 PMID:39473085	研究论文	研究了一种基于深度学习的源成像框架（DeepSIF），用于从药物难治性局灶性癫痫患者的脑电图（EEG）记录中成像癫痫活动	提出了DeepSIF框架，通过生物物理约束的深度神经网络从头皮EEG中成像癫痫源，并展示了其在空间和时间信息估计上的优越性	研究仅在药物难治性局灶性癫痫患者中进行了验证，未来需要在更多类型的癫痫患者中进行进一步验证	开发一种非侵入性方法，用于在药物难治性局灶性癫痫患者中成像癫痫活动的起源	药物难治性局灶性癫痫患者的癫痫活动起源	机器学习	癫痫	深度学习	深度神经网络	脑电图（EEG）	33名药物难治性局灶性癫痫患者的高密度（76通道）EEG记录
10295	2024-12-19	Artificial intelligence: a primer for pediatric radiologists 2024-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06098-x PMID:39556194	review	本文为儿科放射科医生介绍了人工智能（AI）的基本概念及其在儿科放射学中的应用	本文首次系统性地向儿科放射科医生介绍AI的基本概念和应用，旨在激发该领域进一步的探索和创新	本文主要为介绍性内容，未涉及具体的实验或应用案例	向儿科放射科医生介绍AI的基本概念及其在儿科放射学中的应用，并探讨其挑战和当前用途	儿科放射科医生及AI在儿科放射学中的应用	NA	NA	机器学习、深度学习、自然语言处理、生成式AI	NA	NA	NA
10296	2024-12-19	Accurate RNA 3D structure prediction using a language model-based deep learning approach 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02487-0 PMID:39572716	研究论文	本文介绍了一种基于语言模型的深度学习方法RhoFold+，用于准确预测RNA的三维结构	RhoFold+通过集成预训练的RNA语言模型和解决数据稀缺问题的技术，提供了一个全自动的端到端RNA 3D结构预测管道，并在多个评估中展示了其优于现有方法的性能	NA	开发一种能够准确预测RNA三维结构的方法，以促进RNA功能研究和RNA靶向药物开发	单链RNA的三维结构	机器学习	NA	深度学习	语言模型	序列	约2370万条RNA序列
10297	2024-12-19	Advances in Miniaturized Computational Spectrometers 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404448 PMID:39477813	综述	本文综述了微型计算光谱仪的发展，重点介绍了光谱编码和重建算法两个关键组件	通过引入计算资源，打破了传统微型光谱仪在尺寸和性能之间的权衡	NA	探讨微型计算光谱仪的原理、特点、最新进展及其在超光谱成像中的应用	微型计算光谱仪的光谱编码和重建算法	NA	NA	NA	NA	NA	NA
10298	2024-12-19	Enhanced long short-term memory architectures for chaotic systems modeling: An extensive study on the Lorenz system 2024-Dec-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0238619 PMID:39689728	研究论文	本文介绍了一种增强型长短期记忆（LSTM）变体，并探讨其在多输入单输出混沌系统建模中的能力	提出了一种简化的LSTM架构，仅包含四个标准LSTM门中的三个，并进行了其他反馈修改	实验仅在Lorenz和Rössler系统上进行，可能限制了其普适性	研究增强型LSTM在混沌系统建模中的应用	Lorenz和Rössler混沌系统	机器学习	NA	NA	LSTM	数据集	使用MATLAB生成的Lorenz和Rössler系统数据集
10299	2024-12-19	Monitoring Over Time of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Patients Through an Ensemble Vision Transformers-Based Model 2024-Dec, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70482 PMID:39692281	研究论文	本研究开发了一种基于Vision Transformer（ViT）架构的集成深度学习模型，用于预测和监测乳腺癌患者在新辅助化疗（NAC）期间病理完全缓解（pCR）的情况	本研究首次提出使用Vision Transformer（ViT）模型对动态对比增强磁共振成像（DCE-MRI）进行分析，以监测NAC期间pCR的变化	本研究的样本量较小，且仅限于乳腺癌患者	开发一种能够预测和监测乳腺癌患者在新辅助化疗期间病理完全缓解情况的深度学习模型	乳腺癌患者在新辅助化疗期间的病理完全缓解情况	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	Vision Transformer（ViT）	图像	86名乳腺癌患者，其中37.2%的患者达到病理完全缓解（pCR）
10300	2024-12-19	Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034602 PMID:39692862	研究论文	本文比较了神经网络与点击序列检测器在被动声学监测中识别抹香鲸点击序列的性能，并研究了地中海抹香鲸亚群在巴利阿里群岛的时间和空间分布	本文首次比较了多假设跟踪（MHT）点击序列分类器与基于深度学习（DL）的声学分类器在识别抹香鲸点击序列方面的性能，并揭示了两种分类器在季节性和昼夜变化方面的兼容结果	两种自动分类器在训练站点上的表现优于新站点，表明其泛化能力有限	研究自动分类算法在从大规模声学数据集中提取生物学有用信息方面的优势和局限性	抹香鲸（Physeter macrocephalus）点击序列的分类及其在地中海巴利阿里群岛的时间和空间分布	机器学习	NA	深度学习（DL）	神经网络	声学记录	NA