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
12061	2024-12-02	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过结合非线性回归树和条件变分自编码器，显式考虑协变量分布差异，从而提高数据集间的一致性	本文的创新点在于提出了两种新的深度学习方法（coVAE和DeepResBat），显式考虑了协变量分布差异，并证明了不考虑协变量会导致次优的校正效果	coVAE方法在不存在关联的情况下会产生虚假的协变量关联，未来研究应避免这一假阳性陷阱	研究目的是开发一种能够显式考虑协变量分布差异的深度学习方法，以提高多数据集MRI数据的校正效果	研究对象是来自三个大洲的三个数据集，共2787名参与者和10085个解剖T1扫描图像	机器学习	NA	深度神经网络	条件变分自编码器（cVAE）	MRI图像	2787名参与者和10085个解剖T1扫描图像
12062	2024-12-02	Single-cell sequencing reveals novel proliferative cell type: a key player in renal cell carcinoma prognosis and therapeutic response 2024-Jul-25, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01424-x PMID:39052149	研究论文	本研究利用单细胞RNA测序技术揭示了肾细胞癌中一种新型增殖细胞亚群，并探讨了其在患者预后和治疗反应中的作用	发现了名为“Prol”的高度增殖细胞亚群，并开发了一种基于人工智能网络的Prol特征，用于预测肾细胞癌的预后	NA	揭示肾细胞癌的分子异质性，并开发新的预后预测工具	肾细胞癌中的增殖细胞亚群及其在预后和治疗反应中的作用	数字病理学	肾细胞癌	单细胞RNA测序	人工智能网络（包括传统回归、机器学习和深度学习算法）	RNA	NA
12063	2024-12-02	Brain Disorder Detection and Diagnosis using Machine Learning and Deep Learning - A Bibliometric Analysis 2024, Current neuropharmacology IF:4.8Q1 DOI:10.2174/1570159X22999240531160344 PMID:38847379	综述	本文通过文献计量分析，探讨了机器学习和深度学习在脑部疾病检测和诊断中的应用趋势	本文首次对机器学习和深度学习在脑部疾病检测和诊断领域的文献进行了定量文献计量分析	文献计量分析主要依赖于Scopus数据库中的文章，可能存在数据偏差	提供关于机器学习和深度学习在脑部疾病检测和诊断领域应用趋势的定量分析，以指导未来研究方向	脑部疾病的检测和诊断	机器学习	NA	机器学习，深度学习	卷积神经网络	文献	1550篇文献
12064	2024-12-02	Coarse-Graining with Equivariant Neural Networks: A Path Toward Accurate and Data-Efficient Models 2023-Dec-14, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05928 PMID:38033234	研究论文	本文探讨了使用等变神经网络进行粗粒化分子建模和模拟，以提高模型的准确性和数据效率	本文提出通过引入等变卷积操作来减少神经网络在预测分子能量和力时对大量数据的需求	尽管等变卷积操作提高了数据效率，但模型仍然比成对力场慢	研究如何通过等变神经网络提高粗粒化分子模型的准确性和数据效率	粗粒化水分子模型	机器学习	NA	等变卷积操作	神经网络	分子动力学数据	单帧参考数据
12065	2024-12-01	Enhanced network synchronization connectivity following transcranial direct current stimulation (tDCS) in bipolar depression: Effects on EEG oscillations and deep learning-based predictors of clinical remission 2025-Jan-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.09.054 PMID:39293596	研究论文	研究双相抑郁中经颅直流电刺激（tDCS）对脑电图（EEG）振荡和深度学习预测临床缓解的影响	首次探讨了家庭式tDCS治疗对双相抑郁患者脑电图振荡网络的影响，并利用深度学习方法预测临床反应	样本量较小，且仅限于双相抑郁患者	探讨双相抑郁中脑电图振荡网络的变化、tDCS治疗的效果及临床反应的预测	双相抑郁患者及其脑电图数据	神经科学	精神疾病	经颅直流电刺激（tDCS）	深度学习	脑电图（EEG）	20名双相抑郁患者（14名女性）
12066	2024-12-01	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	本文开发了一种基于对比学习和k近邻搜索的模块化模型，用于跨模态相似临床病例检索	本文的创新点在于开发了一种新的跨模态检索模型CRMR，结合了对比学习和k近邻搜索技术，能够处理不同数据模态的临床病例检索	本文的局限性在于仅使用了MIMIC-CXR数据集进行模型开发和测试，未来需要验证其在其他数据集和疾病类型上的表现	本文的研究目的是开发一种能够跨模态检索相似临床病例的模型，以支持临床决策	本文的研究对象是不同数据模态记录的临床病例	机器学习	NA	对比学习、k近邻搜索	模块化模型	图像	使用了MIMIC-CXR数据集，具体样本数量未在摘要中提及
12067	2024-12-01	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本文开发了一种基于注意力增强的多任务深度学习方法，用于非小细胞肺癌（NSCLC）的亚型分类和临床分期	本文创新性地将注意力机制引入多任务学习模型，显著提高了NSCLC亚型分类和临床分期的准确性	NA	开发一种新的多任务学习方法，用于NSCLC的亚型分类和临床分期，并评估其性能	NSCLC患者的CT切片数据，用于亚型分类和临床分期	计算机视觉	肺癌	多任务学习	CNN	图像	758例NSCLC患者，共4548张CT切片
12068	2024-12-01	Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105695 PMID:39546951	研究论文	研究如何通过在线社区成员的回应来支持乳腺癌患者的独特需求	提出了一种独特性评分提取框架，用于计算在线社区帖子中健康和非健康相关话题的独特性评分，并利用深度学习自然语言处理模型BERTopic来识别话题	研究主要集中在乳腺癌患者的在线社区，可能不适用于其他类型的癌症或疾病	开发一种方法来识别和支持在线社区中讨论独特话题的帖子，以增强社区的回应和支持策略	乳腺癌患者的在线社区帖子及其成员的回应	自然语言处理	乳腺癌	深度学习	BERTopic	文本	NA
12069	2024-12-01	Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) PMID:39605948	研究论文	本文提出了一种弱监督的深度学习方法，用于从未分割的医学图像中预测统计形状模型（SSM）	本文的创新点在于使用点云表面表示进行弱监督，避免了传统SSM构建过程中的繁琐步骤和潜在偏差	本文的局限性在于实验结果仅展示了与全监督场景相似的准确性和不确定性估计，未涉及更广泛的应用场景	本文的研究目的是简化统计形状模型（SSM）的构建过程，提高其在临床研究中的实用性	本文的研究对象是未分割的医学图像中的解剖形状	计算机视觉	NA	深度学习	BVIB-DeepSSM	图像	未明确提及具体样本数量
12070	2024-12-01	CrossViT with ECAP: Enhanced deep learning for jaw lesion classification 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105666 PMID:39492085	研究论文	研究探讨了CrossViT和ECAP技术在放射性下颌骨病变分类中的有效性	引入了CrossViT和ECAP技术，通过多尺度视觉变换器和扩展裁剪与填充方法，提高了放射性下颌骨病变的分类准确性	研究仅限于放射性下颌骨病变的分类，未涉及其他类型的病变	评估CrossViT和ECAP技术在放射性下颌骨病变分类中的性能	放射性下颌骨病变，包括成釉细胞瘤、含牙囊肿、牙源性角化囊肿和根尖囊肿	计算机视觉	口腔疾病	深度学习	CrossViT, ResNet	图像	208例放射性下颌骨病变样本
12071	2024-12-01	Mapping of oil spills in China Seas using optical satellite data and deep learning 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.135809 PMID:39278029	研究论文	本文开发了一种基于深度学习的模型，用于识别、分类和量化中国海域的石油泄漏	首次使用深度学习技术对中国海域的石油泄漏进行详细的空间分布和数量分析	研究数据仅涵盖2019年4月至2023年8月，可能无法全面反映长期趋势	评估和管理中国海域的石油泄漏	中国海域的石油泄漏及其对海洋和沿海环境的影响	遥感	NA	深度学习	深度学习模型	光学卫星数据	7个卫星传感器的数据，时间跨度为2019年4月至2023年8月
12072	2024-12-01	Deep learning models for predicting plant uptake of emerging contaminants by including the role of plant macromolecular compositions 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.135921 PMID:39305592	研究论文	研究利用深度学习模型预测植物对新兴污染物的吸收，并探讨了植物大分子组成的作用	本研究通过深度神经网络（DNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等深度学习模型，提高了对植物中新兴污染物吸收的预测准确性	研究主要集中在化学性质和植物根系大分子组成的预测，未涉及其他可能影响污染物吸收的因素	提高对植物中新兴污染物吸收的预测准确性	植物对新兴污染物的吸收	机器学习	NA	深度学习	DNN, RNN, LSTM	化学性质和植物根系大分子组成数据	九种化学性质和两种植物根系大分子组成
12073	2024-12-01	Simultaneously mapping the 3D distributions of multiple heavy metals in an industrial site using deep learning and multisource auxiliary data 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136000 PMID:39357360	研究论文	本文提出了一种基于多任务卷积神经网络（MT-CNN）的模型，用于同时预测工业场地中多种重金属的三维分布	通过整合多源协变量的邻域斑块，MT-CNN模型能够捕捉水平和垂直的污染信息，并在预测精度上优于常用的随机森林（RF）、普通克里金（OK）和反距离加权（IDW）方法	NA	提高工业场地中多种土壤污染物三维分布的预测精度，为风险评估和修复提供支持	工业场地中的锌（Zn）、铅（Pb）、镍（Ni）和铜（Cu）等重金属的三维分布	机器学习	NA	多任务卷积神经网络（MT-CNN）	多任务卷积神经网络（MT-CNN）	多源协变量数据	NA
12074	2024-12-01	Rapid and noninvasive estimation of human arsenic exposure based on 4-photo-set of the hand and foot photos through artificial intelligence 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136003 PMID:39378597	研究论文	本研究开发了一种基于人工智能的非侵入性方法，通过分析手和脚的照片来预测砷暴露水平	首次利用深度学习进行非侵入性砷暴露评估	由于数据不平衡和稀疏，二分类存在挑战，未来需增加数据量和细化砷浓度统计以提高模型准确性	开发一种非侵入性方法来预测砷暴露水平	手和脚的照片	机器学习	皮肤癌	人工智能	深度学习	图像	9988张手和脚的照片，来自2497名受试者
12075	2024-12-01	Deep learning-powered efficient characterization and quantification of microplastics 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136241 PMID:39454332	研究论文	本文提出了一种人工智能框架，通过整合计算机视觉和深度学习技术，自动化微塑料的表征和定量分析	研究的创新点包括开发了一个集成数据处理、分析、可视化和人机交互的人工智能框架，将FTIR数据转换为轮廓图像的方法，数据增强策略以解决数据稀缺和不平衡问题，用于识别微塑料的深度学习模型，用于定量微塑料的计算机视觉算法，以及增强数据可访问性的工程师友好型图形用户界面	NA	自动化微塑料的表征和定量分析	微塑料的分类、分割和定量	计算机视觉	NA	傅里叶变换红外光谱（FTIR）	深度学习模型	光谱数据和图像	涉及聚乙烯、聚丙烯、聚苯乙烯、聚酰胺、乙烯-醋酸乙烯酯和醋酸纤维素
12076	2024-12-01	Deep learning-assisted detection of psychoactive water pollutants using behavioral profiling of zebrafish embryos 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136358 PMID:39486333	研究论文	本研究利用斑马鱼胚胎的行为表型与深度学习相结合的方法，检测水中的精神活性污染物	首次将斑马鱼胚胎行为表型与深度学习相结合，用于检测水中的精神活性污染物	研究仅限于17种精神活性化合物，且样本量较小	开发一种创新的水污染物检测方法	斑马鱼胚胎和精神活性化合物	计算机视觉	NA	深度学习	ResNet101	视频	17种精神活性化合物，斑马鱼胚胎在5和6天后的行为数据
12077	2024-12-01	A geographically weighted neural network model for digital soil mapping of heavy metal copper in coastal cities 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136285 PMID:39488972	研究论文	本研究提出了一种地理加权神经网络模型，用于沿海城市土壤中重金属铜的空间分布评估	结合深度学习和地理加权回归，提出了一种新的地理加权神经网络模型，用于处理土壤中铜的空间自相关性	NA	评估土壤中重金属铜的空间分布，以降低对人类健康的风险并确保土壤资源的可持续利用	沿海城市土壤中的重金属铜	数字病理学	NA	地理加权回归 (GWR)	地理加权神经网络 (GWNN)	土壤数据	NA
12078	2024-12-01	Highly air-permeable and dust-holding protective membranes by hierarchical structuring of electroactive poly(lactic acid) micro- and nanofibers 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136462 PMID:39536344	研究论文	本文提出了一种微纳结构化的电活性聚乳酸（PLA）微纳纤维膜，用于提高呼吸防护性能	通过微纳结构和定制的Ag-BTO介电材料，显著提高了PLA纤维膜的电荷存储稳定性和过滤效率	NA	延长电纺PLA过滤器的服务寿命，提高空气过滤性能和呼吸监测	电活性聚乳酸微纳纤维膜及其在呼吸防护中的应用	材料科学	NA	电纺技术	卷积神经网络（CNN）	NA	NA
12079	2024-12-01	Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET-CT misalignment 2024-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06872-x PMID:39136740	研究论文	本文介绍了一种利用深度学习神经网络的统一数据驱动呼吸运动校正（uRMC）方法，用于解决PET/CT成像中由呼吸运动引起的分辨率损失、衰减校正伪影和PET-CT错位问题	本文首次提出了一种统一的数据驱动解决方案，用于补偿PET中的运动模糊、由PET-CT错位引起的衰减不匹配伪影以及PET和CT之间的错位	NA	研究目的是开发和验证一种数据驱动的解决方案，用于校正PET/CT成像中的呼吸运动	研究对象是737名接受[18F]FDG PET/CT扫描的患者，其中99名患者的数据用于验证，638名患者的数据用于训练神经网络	计算机视觉	NA	深度学习	神经网络	图像	737名患者，其中99名用于验证，638名用于训练
12080	2024-12-01	A multimodal vision transformer for interpretable fusion of functional and structural neuroimaging data 2024-Dec-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26783 PMID:39600159	研究论文	本文介绍了一种用于融合功能性和结构性神经影像数据的可解释多模态视觉变换器模型	提出了MultiViT模型，利用视觉变换器和交叉注意力机制有效融合来自结构MRI的3D灰质图和功能MRI的功能网络连接矩阵，显著提高了精神分裂症的分类和诊断准确性	未提及	开发一种新的深度学习模型，用于更准确地诊断精神分裂症	精神分裂症的诊断	计算机视觉	精神疾病	功能磁共振成像（fMRI）、结构磁共振成像（MRI）、独立成分分析（ICA）	视觉变换器（ViT）	图像	未提及