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
16381	2025-02-20	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个用于酶命名实体识别（NER）的注释管道和四种深度学习算法，旨在提高生物医学文献的自动化处理效率	首次开发了酶NER算法，结合了字典匹配和基于规则的关键词搜索的自动化注释管道，并评估了四种不同词汇和架构的深度学习模型	尽管注释管道在精度上表现优异，但在1-score和召回率上被微调的transformer模型超越，表明其在训练数据之外的泛化能力有限	开发并评估用于酶命名实体识别的自动化注释管道和深度学习模型，以提高生物医学文献的自动化处理效率	酶命名实体识别	自然语言处理	NA	深度学习	BiLSTM, transformer	文本	超过4800篇全文出版物，其中526篇为手动注释
16382	2025-02-20	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本文探讨了在有限数据集上优化X射线分类的数据增强和预处理技术，以坏死性小肠结肠炎（NEC）为例	提出了两种基于颜色对比和边缘增强的优化管道，以提高在有限数据集上开发可靠计算机辅助诊断模型的性能	研究仅限于NEC数据集，可能不适用于其他疾病或更大规模的数据集	优化X射线分类在有限数据集上的性能，特别是针对坏死性小肠结肠炎的诊断	364名患者的1090张腹部X射线图像	计算机视觉	坏死性小肠结肠炎	数据增强和预处理技术	ResNet-50	图像	1090张腹部X射线图像，来自364名患者
16383	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者
16384	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及
16385	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16386	2025-02-20	Deep learning enables fast, gentle STED microscopy 2023-06-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05054-z PMID:37369761	研究论文	本文介绍了利用深度学习恢复STED显微镜图像的方法，以减少光漂白和光损伤，并显著降低像素停留时间	通过深度学习技术，实现了对STED显微镜图像的快速、温和恢复，减少了光漂白和光损伤，并显著降低了像素停留时间	NA	研究目的是通过深度学习技术改进STED显微镜成像，减少光漂白和光损伤，并提高成像效率	STED显微镜图像	计算机视觉	NA	STED显微镜	深度学习	图像	NA
16387	2025-02-20	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
16388	2025-02-19	Bean leaf image dataset annotated with leaf dimensions, segmentation masks, and camera calibration 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111328 PMID:39959655	研究论文	本文介绍了一个包含6981张普通豆叶图像的数据库，这些图像附有基准标记和已知叶片尺寸的注释	提供了一个包含详细注释的叶片图像数据库，包括图像分割、已知区域、基准标记区域、标记姿态、拍摄条件和相机校准信息	NA	开发用于叶片尺寸测量及相关问题的深度学习算法	普通豆叶	计算机视觉	NA	NA	NA	图像	6981张图像，涉及612片普通豆叶
16389	2025-02-19	Prediction of Visual Acuity After Cataract Surgery by Deep Learning Methods Using Clinical Information and Color Fundus Photography 2025-Mar, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2430212 PMID:39651583	研究论文	本研究探讨了使用术前临床信息和彩色眼底摄影（CFP）通过深度学习方法预测白内障手术后视力的性能	结合了彩色眼底摄影和临床信息的多模态模型，用于预测白内障手术后的视力	多模态输入对预测性能的改善效果不明显，未来研究需要进一步明确多模态输入的影响	预测白内障手术后的视力	接受白内障手术的患者	计算机视觉	白内障	深度学习	Xception和下游神经网络	图像和临床数据	446名患者的673张眼底图像
16390	2025-02-19	DeepPD: A Deep Learning Method for Predicting Peptide Detectability Based on Multi-feature Representation and Information Bottleneck 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00665-4 PMID:39661307	研究论文	本文介绍了一种名为DeepPD的深度学习框架，用于基于多特征表示和信息瓶颈原则预测肽的可检测性	DeepPD结合了多特征表示和信息瓶颈原则，通过进化尺度建模2（ESM-2）提取肽的语义信息，并整合序列和进化信息构建特征空间，有效减少了特征空间的冗余	NA	预测肽的可检测性，以改进蛋白质组学中的基本任务	肽	机器学习	NA	进化尺度建模2（ESM-2）	深度学习	序列数据	多个数据集
16391	2025-02-19	Harnessing the synergy of statistics and deep learning for BCI competition 4 dataset 4: a novel approach 2025-Feb-15, Brain informatics DOI:10.1186/s40708-025-00250-5 PMID:39954182	研究论文	本文提出了一种结合统计分析和深度学习的创新方法，用于处理BCI竞赛4数据集4中的ECoG信号，以识别手指运动模式	结合统计分析预处理数据，并设计了一个新的神经网络模型BC4D4，该模型在BCI竞赛4数据集4上取得了优于现有技术的性能	NA	提高从ECoG信号中识别手指运动模式的准确性和效率	BCI竞赛4数据集4中的ECoG信号	机器学习	NA	ECoG信号处理	CNN（卷积神经网络）和Dense神经网络	ECoG信号	BCI竞赛4数据集4
16392	2025-02-19	DeepFlood for Inundated Vegetation High-Resolution Dataset for Accurate Flood Mapping and Segmentation 2025-Feb-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04554-3 PMID:39955285	研究论文	本文介绍了DeepFlood，一个用于洪水映射和分割的高分辨率数据集，旨在提高洪水范围的快速准确评估	DeepFlood是一个包含高分辨率载人和无人机航拍图像以及合成孔径雷达（SAR）图像的新数据集，特别标注了淹没植被，这是洪水映射中最具挑战性的区域之一	NA	提高洪水范围的快速准确评估，以支持有效的灾害响应、减灾规划和资源分配	洪水映射和分割	计算机视觉	NA	卷积神经网络（CNNs）	CNN	图像	NA
16393	2025-02-19	Exploration of contemporary modernization in UWSNs in the context of localization including opportunities for future research in machine learning and deep learning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89916-y PMID:39955359	综述	本文探讨了水下无线传感器网络（UWSNs）中的定位技术现代化，包括机器学习与深度学习在未来研究中的机遇	本文不仅回顾了UWSNs定位技术的基础与挑战，还探讨了机器学习和深度学习在提升定位过程中的潜在贡献，并提出了未来研究方向	本文主要基于理论分析和模拟评估，缺乏实际应用场景的验证	提升水下无线传感器网络中的定位技术，以支持环境监测、灾害管理、军事监视等应用	水下无线传感器网络（UWSNs）中的节点定位	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	模拟数据	NA
16394	2025-02-19	Enhancing pediatric congenital heart disease detection using customized 1D CNN algorithm and phonocardiogram signals 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42257 PMID:39959496	研究论文	本研究提出了一种定制的1D卷积神经网络（1D-CNN），用于将心音图（PCG）信号分类为正常或异常，为先天性心脏病（CHD）的诊断提供了一种自动化且高效的解决方案	结合现代信号处理与深度学习，提出了一种定制的1D-CNN模型，用于CHD的自动检测，显著提高了诊断的准确性和可靠性	数据集变异性和噪声问题仍然存在，未来需要扩展到多类分类并评估在更广泛医疗问题上的表现	提高先天性心脏病的早期检测效率，提供一种自动化诊断方法	心音图（PCG）信号	数字病理	先天性心脏病	低通和高通滤波（60-650 Hz）、重采样、降噪、数据增强技术（分块、填充、音高变换）	1D-CNN	信号	本地儿科PCG信号和公开可访问的数据集
16395	2025-02-19	Optimal surface defect detector design based on deep learning for 3D geometry 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88112-2 PMID:39952973	研究论文	本文提出了一种基于深度学习的3D几何表面缺陷检测器设计方法，用于钢铁制造环境中的自动检测	通过几何变换生成数据集，并提出了基于性能的模型优化算法，解决了现有方法中图像数据曲率问题和2D产品的局限性	研究仅针对3D几何产品，未涉及其他类型的钢铁产品	开发一种适用于钢铁制造环境的自动表面缺陷检测方法	钢铁制造环境中的3D几何产品	计算机视觉	NA	深度学习	NA	图像	NA
16396	2025-02-19	Model-constrained deep learning for online fault diagnosis in Li-ion batteries over stochastic conditions 2025-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56832-8 PMID:39952987	研究论文	本文采用深度学习方法开发了一种适用于锂离子电池在不可预测条件下运行的在线故障诊断网络	网络集成了电池模型约束，并采用了一个框架来管理随机系统的演化，从而实现故障的实时确定	NA	探索深度学习在电池实时预测和诊断中的应用，以提高电池安全性和经济效益	锂离子电池	机器学习	NA	深度学习	NA	电池运行数据	来自515辆车的1820万条有效数据
16397	2025-02-19	Multi-step ahead forecasting of daily streamflow based on the transform-based deep learning model under different scenarios 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89837-w PMID:39953056	研究论文	本文介绍了一种基于相对位置编码增强的Informer模型（Rel-Informer），用于多步径流预测，并与标准Informer、Transformer和LSTM模型进行比较	提出了相对位置编码增强的Informer模型（Rel-Informer），并在不同情景下验证其多步径流预测能力	区域建模的精度低于个体建模，尽管通过微调有所改善	研究多步径流预测的深度学习模型在不同情景下的表现	径流预测	机器学习	NA	深度学习	Rel-Informer, Informer, Transformer, LSTM	径流数据	使用公开的CAMELS数据集进行训练和验证
16398	2025-02-19	MultiT2: A Tool Connecting the Multimodal Data for Bacterial Aromatic Polyketide Natural Products 2025-Feb-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c11266 PMID:39959056	研究论文	本文介绍了一种名为MultiT2的算法，用于整合细菌芳香聚酮类天然产物的多模态数据	首次在天然产物领域应用多模态算法整合生物学相关但数学上不同的数据集，以重组知识图谱	由于天然产物数据的高度碎片化，整合多模态数据具有挑战性	提高天然产物科学的研究效率，特别是在克服繁琐和耗时的过程方面	细菌芳香聚酮类天然产物	机器学习	NA	深度学习	NA	多模态数据	NA
16399	2025-02-19	Development and validation of a deep learning model for morphological assessment of myeloproliferative neoplasms using clinical data and digital pathology 2025-Feb, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19938 PMID:39658953	研究论文	本文开发并验证了一种结合临床数据和数字病理学的深度学习模型，用于骨髓增生性肿瘤的形态学评估	提出了一种融合模型，结合了骨髓全切片图像的深度学习模型和临床参数模型，提高了骨髓增生性肿瘤的诊断准确性	模型在外部验证队列中的表现可能受到数据来源和质量的限制	提高骨髓增生性肿瘤的病理评估准确性	骨髓增生性肿瘤（MPNs）患者	数字病理学	骨髓增生性肿瘤	深度学习	融合模型（深度学习模型+临床模型）	图像（骨髓全切片图像）和临床数据	1051名MPN和非MPN患者
16400	2025-02-19	Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm 2025-Jan-24, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-882 PMID:39958220	研究论文	本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证	该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖	需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性	开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率	无大于8毫米非钙化实性肺结节的个体	计算机视觉	肺癌	低剂量胸部CT（LDCT）	3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0）	图像	训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体）