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
11001	2024-12-21	Tumor conspicuity enhancement-based segmentation model for liver tumor segmentation and RECIST diameter measurement in non-contrast CT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108420 PMID:38613896	研究论文	本文提出了一种基于肿瘤显著性增强的分割模型，用于在非增强CT图像上进行肝肿瘤分割和RECIST直径测量	开发了一种基于强度的肿瘤显著性增强模型（ITCE），并设计了基于肿瘤显著性增强的肝肿瘤分割模型（TCELiTS），以提高非增强CT图像上的肝肿瘤分割精度	NA	提高非增强CT图像上肝肿瘤分割的准确性	肝肿瘤（包括肝细胞癌和肝血管瘤）	计算机视觉	肝癌	深度卷积神经网络	CNN	图像	100名经组织病理学确诊的肝肿瘤患者（64名肝细胞癌，36名肝血管瘤）
11002	2024-12-21	CRIECNN: Ensemble convolutional neural network and advanced feature extraction methods for the precise forecasting of circRNA-RBP binding sites 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108466 PMID:38615462	研究论文	提出了一种名为CRIECNN的新型集成深度学习模型，用于提高circRNA-RBP结合位点的预测准确性	采用了先进的特征提取方法和多种编码技术，结合了集成卷积神经网络、BiLSTM和自注意力机制，显著提升了预测性能	未提及具体的研究局限性	提高circRNA-RBP结合位点的预测准确性，增进对circRNA及其调控作用的了解	circRNA与RNA结合蛋白（RBP）的相互作用	机器学习	NA	NA	集成卷积神经网络、BiLSTM、自注意力机制	序列数据	涉及四种不同的序列数据集和编码技术（BERT、Doc2Vec、KNF、EIIP）
11003	2024-12-21	Semantic uncertainty Guided Cross-Transformer for enhanced macular edema segmentation in OCT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108458 PMID:38631114	研究论文	提出了一种名为语义不确定性引导的跨变压器网络（SuGCTNet）的新方法，用于OCT图像中多类黄斑水肿的同时分割	引入了语义不确定性引导的注意力模块（SuGAM）和跨变压器模块（CTM），通过语义不确定性和多尺度图像特征来提高分割性能	未提及具体限制	提高黄斑水肿在OCT图像中的分割准确性和连续性	黄斑水肿及其相关病变（如内层视网膜液体、亚视网膜液体和色素上皮脱离）	计算机视觉	眼科疾病	深度学习	跨变压器网络（Cross-Transformer Network）	图像	使用了公共数据集和多种OCT成像设备的数据
11004	2024-12-21	One-shot skill assessment in high-stakes domains with limited data via meta learning 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108470 PMID:38636326	研究论文	本文介绍了一种名为A-VBANet的元学习模型，能够在高风险领域通过一次性学习进行技能评估	提出了A-VBANet模型，能够在数据有限的情况下进行领域无关的技能评估，并通过一次性学习实现高精度评估	NA	开发一种能够在数据有限的高风险领域进行技能评估的深度学习模型	在腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术中评估手术技能	机器学习	NA	元学习	A-VBANet	视频	五个腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术
11005	2024-12-21	DesTrans: A medical image fusion method based on Transformer and improved DenseNet 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108463 PMID:38640634	研究论文	提出了一种基于Transformer和改进DenseNet的医学图像融合方法，以提高图像融合的效果	引入了Transformer和改进的DenseNet网络模块，增强了特征提取能力，减少了特征损失和边缘模糊问题	未提及具体的局限性	提高医学图像融合的效果，解决传统方法中的边缘模糊和信息冗余问题	医学图像和自然图像的融合	计算机视觉	NA	深度学习	Transformer, DenseNet	图像	未提及具体样本数量
11006	2024-12-21	Exploratory drug discovery in breast cancer patients: A multimodal deep learning approach to identify novel drug candidates targeting RTK signaling 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108433 PMID:38642491	研究论文	本研究开发了一种多模态深度神经网络（MM-DNN）模型，用于识别针对RTK信号通路的乳腺癌新药候选物	创新性地采用了多模态深度学习方法，结合组学数据进行药物发现，显著提高了预测准确性	研究主要集中在RTK信号通路，未涵盖其他潜在的药物靶点	开发一种新的药物发现策略，用于识别针对RTK信号通路的乳腺癌新药候选物	乳腺癌患者及RTK信号通路相关药物候选物	机器学习	乳腺癌	多模态深度神经网络（MM-DNN）	多模态深度神经网络（MM-DNN）	组学数据（基因组、蛋白质组表达数据和药物反应数据）	从PubChem数据库中筛选的RTK信号通路相关药物分子
11007	2024-12-21	Advancing cancer driver gene detection via Schur complement graph augmentation and independent subspace feature extraction 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108484 PMID:38643595	研究论文	本文提出了一种名为SCIS-CDG的模型，通过Schur补图增强和独立子空间特征提取技术来提高癌症驱动基因的预测准确性	引入了Schur补图增强策略和独立子空间特征提取技术，增强了模型的泛化能力和对复杂网络的处理能力，并引入了基于基因网络结构的特征扩展组件和可学习的注意力权重机制	未提及具体的局限性	提高癌症驱动基因的预测准确性，指导癌症治疗	癌症驱动基因	机器学习	NA	Schur补图增强，独立子空间特征提取，图神经网络	图神经网络	基因网络数据	未提及具体样本数量
11008	2024-12-21	scGraph2Vec: a deep generative model for gene embedding augmented by graph neural network and single-cell omics data 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae108 PMID:39704704	研究论文	本文提出了一种名为scGraph2Vec的深度生成模型，用于生成基因嵌入，结合了图神经网络和单细胞组学数据	scGraph2Vec扩展了变分图自编码器框架，并整合了单细胞数据和基因-基因相互作用网络，生成的基因嵌入具有生物学可解释性	NA	探索基因的细胞过程，以理解复杂疾病和生物系统的特性	基因嵌入和基因网络	生物信息学	NA	图神经网络	变分图自编码器	单细胞组学数据	NA
11009	2024-12-21	Integrating the Physical Environment Within a Population Neuroscience Perspective 2024, Current topics in behavioral neurosciences DOI:10.1007/7854_2024_477 PMID:38691314	研究论文	本文从人口神经科学的角度探讨了物理环境对大脑、行为和心理健康的影响	本文提出了利用深度学习和高质量数据整合多源数据，以更全面地描绘物理环境	现有研究存在暴露测量不一致和小样本依赖的问题	探讨环境暴露对心理健康的长期影响，并为未来研究提供指导	物理环境对大脑、行为和心理健康的影响	NA	NA	深度学习	NA	遥感图像、行政数据、传感器数据、社交媒体数据	大样本
11010	2024-12-21	Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315407 PMID:39700256	研究论文	本文介绍了一种利用机器学习和深度学习算法进行情感分析的技术，旨在检测与COVID-19相关的虚假信息，从而创建一个对假新闻具有抵抗力的社会	本文引入了BiGRU深度学习分类器，展示了其在检测COVID-19相关虚假信息方面的高准确性和效率	本文未详细讨论数据集的多样性和可能存在的偏差，以及算法在不同语言或文化背景下的适用性	研究目的是通过情感分析技术检测COVID-19相关的虚假信息，提升社会对假新闻的抵抗能力	研究对象是与COVID-19相关的虚假新闻文章	自然语言处理	NA	自然语言处理 (NLP)	BiGRU	文本	数据集包括555个真阴性和580个真阳性样本，以及81个假阴性和68个假阳性样本
11011	2024-12-21	Artificial Intelligence in Uveitis: Innovations in Diagnosis and Therapeutic Strategies 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S495307 PMID:39703602	综述	本文探讨了人工智能在葡萄膜炎诊断和治疗策略中的创新应用	人工智能技术，包括机器学习和深度学习，展示了在前房炎症检测、玻璃体混浊分级和筛查眼部弓形虫病等领域的熟练应用	数据集质量、算法透明性和伦理问题等挑战仍然存在	探索人工智能在提高葡萄膜炎诊断精度、优化治疗方案和改善患者预后中的作用	葡萄膜炎的诊断和治疗	NA	葡萄膜炎	机器学习（ML）和深度学习（DL）	NA	NA	52项高质量研究
11012	2024-12-21	A survey of detection of Parkinson's disease using artificial intelligence models with multiple modalities and various data preprocessing techniques 2024, Journal of education and health promotion IF:1.4Q3 DOI:10.4103/jehp.jehp_1777_23 PMID:39703622	综述	本文综述了使用人工智能模型和多种数据预处理技术进行帕金森病检测的研究	本文探讨了多种数据集、模态和数据预处理技术，并提出了未来帕金森病研究中使用磁共振成像、多巴胺转运体扫描和单光子发射计算机断层扫描数据的子分类和关联分析建议	本文未详细讨论具体模型的局限性或数据预处理技术的不足	提高帕金森病的诊断准确性	帕金森病患者和健康对照者	机器学习	神经退行性疾病	磁共振成像、多巴胺转运体扫描、单光子发射计算机断层扫描	卷积神经网络、门控循环单元	图像	使用了帕金森病进展标志物计划数据集的3D脑图像，准确率分别为86.67%和94.02%
11013	2024-12-21	Advancing cybersecurity and privacy with artificial intelligence: current trends and future research directions 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1497535 PMID:39703783	综述	本文综述了人工智能在网络安全和隐私保护中的应用现状，并指出了未来的研究方向	本文首次对人工智能在网络安全和隐私领域的广泛文献进行了全面的综合分析，识别了现有研究中的空白，并提出了未来研究的方向	本文主要基于文献综述，未进行实证研究，且未涵盖所有可能的AI应用场景	探讨人工智能在网络安全和隐私保护中的应用现状，并指出未来的研究方向	人工智能在网络安全和隐私保护中的应用	机器学习	NA	BERTopic建模	NA	文本	9350篇出版物
11014	2024-12-21	From Images to Loci: Applying 3D Deep Learning to Enable Multivariate and Multitemporal Digital Phenotyping and Mapping the Genetics Underlying Nitrogen Use Efficiency in Wheat 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0270 PMID:39703939	研究论文	本文提出了一种利用低空航拍获取小麦田间图像，生成3D点云和多光谱图像，并通过深度学习技术进行小麦地块分割和氮利用效率相关基因定位的方法	本文首次将3D深度学习应用于小麦氮利用效率基因的定位，提出了小麦3D地块分割数据集，并结合PointNet++量化地块冠层高度，生成氮利用相关的植被指数	本文的研究对象仅限于小麦，且样本量相对较小，未来需要在大规模样本和更多作物上进行验证	通过3D数字动态表型分析定位小麦中与氮利用效率相关的基因	小麦的氮利用效率基因	数字病理学	NA	3D深度学习	PointNet++	图像	160个小麦品种（660,000个单核苷酸多态性）
11015	2024-12-21	Deep Learning Methods Using Imagery from a Smartphone for Recognizing Sorghum Panicles and Counting Grains at a Plant Level 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0234 PMID:39703938	研究论文	本研究利用智能手机拍摄的图像，通过深度学习方法识别高粱穗并进行粒数计数	开发了Sorghum-Net模型，用于高粱穗粒数估计，并提出了一个简单的方程将模型计数与田间观察的粒数关联起来	研究仅使用了单侧穗图像进行粒数估计，可能存在一定的误差	提高高粱穗检测和粒数估计的准确性，为田间高粱产量估算提供解决方案	高粱穗及其粒数	计算机视觉	NA	深度学习	卷积神经网络	图像	648张高粱穗图像
11016	2024-12-21	IsletSwipe, a mobile platform for expert opinion exchange on islet graft images 2023-12-31, Islets IF:1.9Q3 DOI:10.1080/19382014.2023.2189873 PMID:36987915	研究论文	本文介绍了一个名为IsletSwipe的移动平台，用于专家之间交换胰岛移植图像的意见，以促进共识的形成	开发了一个新的平台IsletSwipe，用于专家之间交换胰岛移植图像的意见，以解决IsletNet训练中缺乏共识的问题	询问场景仅限于少量手动选择的图像和胰岛，且需要专家的参与	开发一个平台，促进专家之间对胰岛移植图像的意见交换，以形成共识	胰岛移植图像的专家意见交换	机器学习	NA	深度学习	神经网络	图像	9位专家来自3个中心，8位专家来自2个中心
11017	2024-12-21	Discovery of gene module acting on ubiquitin-mediated proteolysis pathway by co-expression network analysis for endometriosis 2021-Feb, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2020.10.005 PMID:33189575	研究论文	通过共表达网络分析发现与子宫内膜异位症相关的基因模块，并探讨其在临床诊断中的应用	首次通过共表达网络分析发现与子宫内膜异位症高度相关的基因模块，并利用深度学习模型进行临床诊断	研究基于已有的基因表达数据集，未进行实验验证	探讨子宫内膜异位症的发生与基因模块表达异常的关系，并建立诊断模型	子宫内膜异位症患者的异位子宫内膜组织	基因组学	妇科疾病	共表达网络分析	深度学习模型	基因表达数据	71例正常样本和142例子宫内膜异位症样本
11018	2024-12-20	A psychologically interpretable artificial intelligence framework for the screening of loneliness, depression, and anxiety 2025-Feb, Applied psychology. Health and well-being DOI:10.1111/aphw.12639 PMID:39697049	研究论文	本研究介绍了一种基于人工智能的心理学框架emoLDAnet，通过分析面部表情和生理信号来检测孤独、抑郁和焦虑等负面情绪	创新点在于结合了深度学习和机器学习技术，并引入了OCC-PAD-LDA心理学转换模型，增强了AI决策的可解释性	研究样本量较小，仅招募了50名参与者，可能影响结果的普适性	旨在开发一种新的人工智能框架，用于早期筛查孤独、抑郁和焦虑等负面情绪，提升心理健康护理水平	研究对象为孤独、抑郁和焦虑等负面情绪的检测与筛查	机器学习	NA	深度学习（如VGG11）和机器学习（如决策树）	CNN（卷积神经网络）	视频	50名参与者
11019	2024-12-20	Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry 2025-Feb, Biometrical journal. Biometrische Zeitschrift DOI:10.1002/bimj.70023 PMID:39698740	研究论文	本文研究了在纵向临床注册数据中，使用深度学习技术将不同测量仪器的数据映射到联合潜在表示，以实现域适应的方法	本文首次在纵向临床注册数据中应用域适应技术，并通过普通微分方程（ODEs）建模轨迹，评估测量仪器映射的效果	研究仅在脊髓性肌肉萎缩症（SMA）患者的数据上进行，且时间点较少，可能限制了方法的普适性	探索域适应技术在纵向临床注册数据中的应用潜力	脊髓性肌肉萎缩症（SMA）患者的不同运动功能测量仪器数据	机器学习	神经肌肉疾病	深度学习	ODEs	纵向数据	脊髓性肌肉萎缩症（SMA）患者的纵向数据，时间点较少
11020	2024-12-20	Enhancing Gene Expression Predictions Using Deep Learning and Functional Annotations 2025-Jan, Genetic epidemiology IF:1.7Q3 DOI:10.1002/gepi.22595 PMID:39344923	研究论文	本文提出了一种新的深度学习架构，用于从个体基因型变异中预测基因表达，并结合功能注释信息以提高预测准确性	本文提出的方法利用可学习的输入缩放层和卷积编码器捕捉非线性效应和高阶相互作用，并通过参数共享机制利用功能注释信息，显著提高了基因表达预测的准确性	NA	提高基因表达预测的准确性，以增强转录组范围关联研究（TWAS）的效果	基因表达预测和功能注释信息的利用	机器学习	NA	深度学习	卷积神经网络（CNN）	基因组数据	大量可遗传基因的实际基因组数据