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
12641	2024-12-13	Decoding Depth of Meditation: Electroencephalography Insights From Expert Vipassana Practitioners 2025-Jan, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2024.100402 PMID:39660274	研究论文	本研究使用脑电图（EEG）技术解码专家内观冥想者自我报告的冥想深度	引入了一种新的自发涌现方法来评估冥想深度，并提出了一种融合源活动和连接信息的新型机器学习方法	研究样本仅限于34名专家内观冥想者，可能限制了结果的普适性	解码自我报告的冥想深度，并探讨神经活动与冥想深度之间的关系	专家内观冥想者的冥想深度及其神经相关性	神经科学	NA	脑电图（EEG）	机器学习	脑电信号	34名专家内观冥想者
12642	2024-12-13	Improving genome-scale metabolic models of incomplete genomes with deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111349 PMID:39660058	研究论文	本文提出了一种基于深度神经网络的代谢途径填补方法，用于改进不完整基因组的基因组尺度代谢模型	本文引入了深度神经网络引导的代谢途径填补方法（DNNGIOR），通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果	NA	改进不完整基因组的基因组尺度代谢模型	微生物代谢模型中的代谢反应填补	机器学习	NA	深度学习	深度神经网络	基因组数据	涉及多种细菌基因组
12643	2024-12-13	IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40606 PMID:39660181	研究论文	本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别	首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能	实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小	开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展	印度尼西亚的药用植物	计算机视觉	NA	迁移学习，卷积神经网络	CNN	图像	一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选
12644	2024-12-13	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-Dec-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究使用深度学习技术评估了肉毒杆菌毒素A（BoNT-A）注射对面部表情的影响	首次使用卷积神经网络（CNN）基于面部情感识别系统客观测量BoNT-A注射对面部表情的影响	需要进一步研究以理解这些变化更广泛的影响	客观测量BoNT-A注射对面部表情的影响	BoNT-A注射对面部表情的影响	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	180名年龄在25至60岁之间的患者
12645	2024-12-13	Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model 2024-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992c PMID:39622083	研究论文	本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测	创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测	NA	研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测	研究对象是脑电图数据和癫痫发作预测	机器学习	神经疾病	时间重分配多同步挤压变换（TMSST）	CNN-BiLSTM-Attention机制模型	脑电图（EEG）数据	22名患者
12646	2024-12-13	Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63892 PMID:39661975	研究论文	本研究评估了GPT-4在分类癌症患者电话咨询目的方面的表现，并将其与LSTM和BERT等判别模型的表现进行了比较	GPT-4在处理复杂和模糊查询方面表现出色，无需大量重新训练，显著优于传统的LSTM和BERT模型	需要进一步优化提示设计和类别定义，以充分发挥GPT-4在实际医疗应用中的潜力	评估GPT-4在分类癌症患者电话咨询目的方面的表现，并探索其在医疗环境中的应用潜力	癌症患者的电话咨询数据	自然语言处理	癌症	GPT-4	GPT-4	文本	430,355条来自2016年至2020年癌症患者电话咨询的句子
12647	2024-12-13	Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis 2024-Dec-11, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.09.0256 PMID:39662033	研究论文	本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性	开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性	研究样本量较小，仅包括6只犬类，可能影响结果的普适性	验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量	犬类出血性休克模型中的失血量预测	机器学习	NA	机器学习	深度学习（hCRM-DL）和机器学习（hCRM-ML）	波形	6只经过麻醉的犬类
12648	2024-12-13	Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01364-8 PMID:39663317	研究论文	本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力	本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果	NA	开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力	乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织	计算机视觉	乳腺癌	深度学习	语义分割模型	图像	最大的专门用于乳腺X光图像分割关键解剖结构的数据集
12649	2024-12-13	A Neural Network for Segmenting Tumours in Ultrasound Rectal Images 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01358-6 PMID:39663316	研究论文	本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型	创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合	NA	设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断	超声直肠图像中的肿瘤	计算机视觉	直肠癌	深度学习	神经网络	图像	53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证
12650	2024-12-13	Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01345-x PMID:39663320	研究论文	本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量	首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能	研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果	探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量	直肠癌患者的T2加权成像	计算机视觉	直肠癌	深度学习重建	NA	图像	52名直肠癌患者
12651	2024-12-13	Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01373-7 PMID:39663321	研究论文	本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析	首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位	NA	开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预	癌症患者的腹部/骨盆CT扫描图像	计算机视觉	NA	CT	Swin UNETR	图像	200例癌症患者的腹部/骨盆CT扫描
12652	2024-12-13	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2024-Dec-11, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种基于Vision Transformer和残差密集网络的深度贝叶斯网络辅助阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病检测	创新点在于结合了Vision Transformer和残差密集网络进行特征提取，并使用自适应深度贝叶斯网络进行阿尔茨海默病的检测，同时通过增强高尔夫优化算法优化模型参数	未提及具体的局限性	开发一种高效的深度学习方法，用于在早期阶段识别阿尔茨海默病，以提供有效的治疗	阿尔茨海默病及其在MRI图像中的特征	机器学习	阿尔茨海默病	MRI	Vision Transformer-based Residual DenseNet, Adaptive Deep Bayesian Network	图像	未提及具体样本数量
12653	2024-12-13	Vocal Biomarkers for Parkinson's Disease Classification Using Audio Spectrogram Transformers 2024-Dec-10, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.11.008 PMID:39665946	研究论文	本研究评估了音频频谱图Transformer（AST）模型在通过语音生物标志物检测帕金森病（PD）中的有效性	提出了使用音频频谱图Transformer模型，利用其自注意力机制更好地捕捉PD相关的语音障碍，相较于传统深度学习方法具有更高的分类性能	需要进一步在更多样化的人群中进行验证以实现临床应用	评估音频频谱图Transformer模型在通过语音生物标志物检测帕金森病中的有效性	帕金森病患者的语音生物标志物	机器学习	帕金森病	音频频谱图Transformer（AST）模型	Transformer	音频	150名参与者（PC-GITA数据集：50名PD患者，50名健康对照；ITA数据集：28名PD患者，22名健康对照）
12654	2024-12-13	Prediction of incident atrial fibrillation using deep learning, clinical models, and polygenic scores 2024-Dec-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae595 PMID:39217446	研究论文	本研究开发并测试了一种基于深度学习的ECG-AI模型，用于预测心房颤动（AF），并与临床模型和AF多基因评分（PGS）进行了比较	本研究首次将深度学习应用于心电图（ECG）数据，提出了一种新的ECG-AI模型，并在多个数据集上验证了其性能，显示出比传统临床模型和多基因评分更高的预测准确性	本研究的样本主要来自一个三级心脏中心，外部验证数据集的样本量较小，可能限制了模型的普适性	开发和验证一种基于深度学习的心电图分析模型，用于预测新发心房颤动	心电图数据和心房颤动的预测	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	669,782份心电图数据，来自145,323名患者
12655	2024-12-13	SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae046 PMID:39573886	研究论文	本文提出了一种基于比例分割氨基酸组成（PSAAC）的集成学习模型SAMP，用于识别抗菌肽	SAMP引入了新的特征类型PSAAC，能够捕捉抗菌肽序列中的残基模式和序列顺序信息，并通过集成随机投影（RP）架构提高了处理大规模数据的能力	NA	开发一种新的计算模型，用于更准确地识别抗菌肽，以应对未来可能出现的耐药细菌感染问题	抗菌肽（AMPs）及其在消除耐药病原体中的作用	机器学习	NA	集成学习模型，随机投影（RP）	集成学习模型	序列数据	不同平衡和不平衡数据集
12656	2024-12-13	Deep learning for predicting rehospitalization in acute heart failure: Model foundation and external validation 2024-Dec, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14918 PMID:38981003	研究论文	本研究开发并验证了一种基于深度学习的急性心力衰竭再住院预测模型	首次使用深度学习方法结合真实世界数据进行心力衰竭再住院预测	模型的区分度中等，AUC值在0.63到0.76之间	开发一种基于深度学习的预测模型，用于预测急性心力衰竭患者在出院后30天、90天和365天内的再住院风险	急性心力衰竭患者的再住院风险	机器学习	心血管疾病	深度学习	GRU	数据	2014年1月至2019年1月期间因急性心力衰竭住院的患者数据
12657	2024-12-13	Enhancing AI Research for Breast Cancer: A Comprehensive Review of Tumor-Infiltrating Lymphocyte Datasets 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01043-8 PMID:38806950	综述	本文综述了与肿瘤浸润淋巴细胞（TIL）相关的公开数据集，旨在为乳腺癌研究中的计算机辅助病理学（CAP）工具的训练和验证提供资源	本文的创新点在于系统地回顾了公开的TIL数据集，为TIL研究社区提供了宝贵的资源	本文的局限性在于仅限于公开可用的数据集，可能无法涵盖所有相关的TIL数据	本文的研究目的是为乳腺癌研究中的计算机辅助病理学工具的训练和验证提供资源	本文的研究对象是与肿瘤浸润淋巴细胞（TIL）相关的公开数据集	数字病理学	乳腺癌	深度学习	NA	图像	NA
12658	2024-12-13	Identification of lineage-specific cis-trans regulatory networks related to kiwifruit ripening initiation 2024-Dec, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17093 PMID:39462454	研究论文	本研究使用可解释的深度学习框架预测启动子序列中的顺式调控元件（CREs）表达模式，识别了影响猕猴桃成熟过程的特定谱系CRE-TF相互作用	首次使用可解释的深度学习方法识别了猕猴桃成熟过程中新的顺反调控关系，揭示了特定谱系的CRE-TF相互作用	研究仅限于猕猴桃，未探讨其他水果的适用性	识别与猕猴桃成熟启动相关的特定谱系顺反调控网络	猕猴桃成熟过程中的顺式调控元件（CREs）和转录因子（TFs）相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列	未明确提及样本数量
12659	2024-12-13	Correlating Personality Traits With Acute Stress Responses in Earthquake Simulations: An HRV and RESP Analysis 2024-Dec, Stress and health : journal of the International Society for the Investigation of Stress IF:3.0Q2 DOI:10.1002/smi.3510 PMID:39584748	研究论文	本研究探讨了人格特质与地震模拟中急性应激反应（ASR）之间的关联，通过心率变异性（HRV）和呼吸信号分析，结合深度学习模型进行预测	本研究首次将人格特质与急性应激反应的预测相结合，提出了一种基于人格的地震应激管理新方法	研究样本量较小，且仅限于特定人格类型的参与者，未来需要更大规模的研究来验证结果	研究人格特质与急性应激反应之间的关联，并开发基于人格的应激反应预测模型	参与者的人格特质、心率变异性和呼吸信号在地震模拟中的变化	机器学习	NA	多变量方差分析（MANOVA）、Toeplitz逆协方差聚类方法、卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN-LSTM	心率变异性（HRV）、呼吸信号	参与者数量未明确提及
12660	2024-12-13	A patch-based deep learning MRI segmentation model for improving efficiency and clinical examination of the spinal tumor 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100649 PMID:39659517	研究论文	本研究提出了一种基于补丁的深度学习MRI分割模型，用于提高脊柱肿瘤的效率和临床检查	本研究的创新点在于提出了一种全自动的脊柱MRI图像分割方法，利用卷积-反卷积神经网络和基于补丁的深度学习技术，显著提高了分割效率和准确性	NA	本研究的目的是提出一种全自动的脊柱MRI图像分割方法，以提高分割效率，满足临床诊断和治疗计划的需求	本研究的研究对象是脊柱MRI图像中的肿瘤	计算机视觉	脊柱疾病	卷积神经网络	卷积神经网络	图像	NA