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
1	2024-12-21	Near-Infrared Autofluorescence Signature: A New Parameter for Intraoperative Assessment of Parathyroid Glands in Primary Hyperparathyroidism 2025-Jan-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000001147 PMID:39016400	研究论文	本研究探讨了近红外自体荧光（NIRAF）在术中区分原发性甲状旁腺功能亢进症中正常与病变甲状旁腺腺体的应用	首次研究了正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发了基于这些特征的深度学习模型	研究仅在单一三级转诊中心进行，样本量和时间跨度有限	探讨正常与病变甲状旁腺腺体在术中近红外自体荧光特征上的差异，并开发基于这些特征的深度学习模型	原发性甲状旁腺功能亢进症患者的正常与病变甲状旁腺腺体	数字病理学	内分泌疾病	近红外自体荧光成像	深度学习模型	图像	1506个正常腺体和597个病变腺体，来自797名患者
2	2024-12-21	Profiling cell identity and tissue architecture with single-cell and spatial transcriptomics 2025-Jan, Nature reviews. Molecular cell biology DOI:10.1038/s41580-024-00768-2 PMID:39169166	综述	本文综述了单细胞和空间转录组学在细胞身份和组织结构研究中的最新进展	讨论了深度学习（包括基础模型）在单细胞和空间转录组数据分析中的应用	未具体讨论技术上的局限性	探讨单细胞和空间转录组学在识别和表征细胞状态及多细胞邻域中的进展、挑战和前景	单细胞和空间转录组学数据	NA	NA	单细胞转录组学、空间转录组学	深度学习模型	转录组数据	数百到数百万个细胞
3	2024-12-21	Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset 2025-Jan, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241277178 PMID:39295443	研究论文	本文提出了一种基于深度学习的自动化方法，用于在有限数据集的3D超声图像中分割类风湿性关节炎患者手指关节的滑膜	本文创新性地使用了两种卷积神经网络架构进行图像分割，并通过几何和噪声增强策略提高了训练数据集的多样性和大小	研究仅使用了来自9名类风湿性关节炎患者的18个3D超声体积数据，数据量有限	开发一种自动化方法，用于在超声图像中精确识别和量化类风湿性关节炎早期的滑膜炎症	类风湿性关节炎患者手指关节的滑膜	计算机视觉	类风湿性关节炎	深度学习	卷积神经网络	图像	9名类风湿性关节炎患者的18个3D超声体积数据
4	2024-12-21	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过专家意见提取，结合患者数据协助深度学习模型进行莱姆病分类，并提出了一种结合多种模态概率估计的算法	首次通过专家意见提取计算莱姆病概率，并结合深度学习图像分类器的概率得分	NA	提高基于图像的深度学习莱姆病预扫描器的鲁棒性	莱姆病的早期症状——游走性红斑皮肤病变	机器学习	莱姆病	深度学习	深度学习模型	图像和患者数据	15位专家医生
5	2024-12-21	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-Jan, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释的人工智能（XAI）技术，通过分析多种临床特征，对牙周炎进行早期筛查和个性化风险评估	本研究首次将可解释的人工智能技术应用于牙周炎的早期筛查，并通过LIME方法评估了与牙周炎相关的潜在因素	研究样本主要来自NHANES数据库，可能存在地域和人群的代表性问题	开发一种基于深度学习的可解释人工智能技术，用于牙周炎的早期筛查和风险评估	牙周炎的早期筛查和个性化风险评估	机器学习	牙周疾病	可解释的人工智能（XAI）	深度学习模型	临床数据	30,465名参与者，其中9,632名用于所有年龄组，5,601名用于50岁以上年龄组
6	2024-12-21	Quality assessment of critical and non-critical domains of systematic reviews on artificial intelligence in gliomas using AMSTAR II: A systematic review 2025-Jan, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2024.110926 PMID:39612612	系统评价	本研究使用AMSTAR II工具评估了关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	首次使用AMSTAR II工具对人工智能在胶质瘤管理中的系统评价进行质量评估	大多数评价在关键领域（如研究的排除、荟萃分析方法的适当性和发表偏倚的评估）和非关键领域（如研究设计选择和资金来源的披露）表现不佳	评估当前关于人工智能在胶质瘤管理中的系统评价和荟萃分析的质量	关于人工智能在胶质瘤管理中的系统评价和荟萃分析	机器学习	脑肿瘤	NA	NA	NA	从812项研究中筛选出23项研究
7	2024-12-21	CBAM-RIUnet: Breast Tumor Segmentation With Enhanced Breast Ultrasound and Test-Time Augmentation 2025-Jan, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276411 PMID:39283069	研究论文	本文提出了一种名为CBAM-RIUnet的深度学习模型，用于自动分割乳腺超声图像中的肿瘤，以提高乳腺癌计算机辅助诊断的准确性	引入了CBAM-RIUnet模型，结合了卷积块注意力模块（CBAM）和残差 inception 深度可分离卷积，显著提高了Dice和IoU分数	未提及具体的局限性	开发一种高效的深度学习模型，用于乳腺超声图像中的肿瘤分割	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	Unet	图像	未提及具体样本数量
8	2024-12-21	Noninvasive Quantitative CT for Diffuse Liver Diseases: Steatosis, Iron Overload, and Fibrosis 2025-Jan, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240176 PMID:39700040	研究论文	本文探讨了非侵入性CT技术在量化肝脏弥漫性疾病（如脂肪变性、铁过载和纤维化）中的应用	本文介绍了通过人工智能深度学习算法实现的全自动化CT量化方法，并展示了其在临床护理和研究中的重要意义	尽管CT技术在某些方面接近MRI的参考标准，但在精确度上仍存在一定局限性	研究非侵入性CT技术在检测和量化肝脏弥漫性疾病中的应用	肝脏脂肪变性、铁过载和纤维化	计算机视觉	肝脏疾病	CT	深度学习算法	图像	NA
9	2024-12-21	Computational Resources for lncRNA Functions and Targetome 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4290-0_13 PMID:39702714	综述	本文综述了长链非编码RNA（lncRNA）的计算资源，包括数据库和预测工具	本文提供了最新的lncRNA资源更新，并讨论了使用深度学习、支持向量机（SVM）和随机森林（RF）等算法进行lncRNA的计算识别	NA	总结和介绍用于lncRNA研究的计算资源，帮助生物学家选择合适的工具	长链非编码RNA（lncRNA）及其在不同生物体中的功能和靶标	NA	NA	深度学习、支持向量机（SVM）、随机森林（RF）	深度学习、支持向量机（SVM）、随机森林（RF）	文本	NA
10	2024-12-21	Structure-Based Prediction of lncRNA-Protein Interactions by Deep Learning 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4290-0_16 PMID:39702717	研究论文	本文介绍了基于三维结构信息预测lncRNA-蛋白质相互作用的基本框架	利用深度学习方法自动表示和学习lncRNA和蛋白质的分子三级结构，采用几何深度学习方法进行结构化预测	未提及具体限制	预测lncRNA-蛋白质相互作用并揭示其机制	lncRNA和蛋白质的相互作用	机器学习	NA	深度学习	神经网络	三维结构信息	NA
11	2024-12-21	Graph neural networks and transfer entropy enhance forecasting of mesozooplankton community dynamics 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100514 PMID:39703568	研究论文	本文探讨了图神经网络（GNN）在预测中生浮游动物群落动态中的应用，并研究了生态系统动态的图结构对预测准确性的影响	本文创新性地将图神经网络与传递熵结合，用于预测中生浮游动物群落动态，并揭示了生态系统动态的图结构对模型预测准确性的影响	本文未完全解决理论驱动模型中参数化和反馈机制的复杂性问题	研究如何通过图神经网络提高中生浮游动物群落动态的预测准确性	中生浮游动物群落动态及其在海洋生态系统中的作用	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	生态系统动态数据	NA
12	2024-12-21	Optical coherence tomography: implications for neurology 2024-Dec-23, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001340 PMID:39704153	综述	本文探讨了光学相干断层扫描（OCT）在神经病学实践中的作用，特别是在诊断和监测视乳头水肿、视神经炎和视网膜动脉阻塞等疾病中的应用	OCT作为一种成像方式，继续展示其在量化视神经和视网膜变化方面的实用性，包括视网膜神经纤维层（pRNFL）厚度和黄斑神经节细胞层厚度（或体积），并结合深度学习算法提高了诊断准确性和预测能力	NA	探讨OCT在神经病学中的应用及其在诊断、监测和量化治疗反应中的作用	视乳头水肿、视神经炎和视网膜动脉阻塞患者	NA	NA	光学相干断层扫描（OCT）	深度学习算法	图像	NA
13	2024-12-21	Utilizing deep learning to investigate the impacts of climate change on groundwater dynamics and pumping variability 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177784 PMID:39631335	研究论文	本研究利用深度学习模型探讨气候变化对台湾中部农业地区地下水动态和抽水用电量的影响	采用CNN-LSTM混合深度学习模型预测未来地下水位和抽水电量的变化，并结合CMIP6气候模型和SSP情景进行未来15年的预测	研究仅基于特定地区的数据，结果的普适性可能有限	探讨气候变化对地下水位和抽水电量的影响，并预测未来趋势	台湾中部农业地区的地下水位和抽水电量的变化	机器学习	NA	深度学习	CNN-LSTM	数值数据	2007年至2021年的月降水量和平均温度数据，以及2022年至2036年的CMIP6气候模型预测数据
14	2024-12-21	Assessing and improving the high uncertainty of global gross primary productivity products based on deep learning under extreme climatic conditions 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177344 PMID:39521074	研究论文	本研究评估了八种全球总初级生产力（GPP）产品在极端气候条件下的表现，并利用卷积神经网络（CNN）提高了GPP在极端气候条件下的估算精度	本研究首次利用卷积神经网络（CNN）基于ECMWF-Reanalysis-5th-Generation（ERA5）气象数据，显著提高了GPP在极端气候条件下的估算精度	研究主要集中在极端气候条件下的GPP估算，未涵盖所有气候条件下的表现	评估全球GPP产品在极端气候条件下的表现，并提出改进方法	八种全球GPP产品在极端气候条件下的表现	生态与环境科学	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	气象数据	2003年至2014年的通量塔数据和20个独立验证站点
15	2024-12-21	Wetland classification based on depth-adaptive convolutional neural networks using leaf-off SAR imagery 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177768 PMID:39615179	研究论文	本文开发了一种基于深度自适应卷积神经网络的湿地分类方法，使用落叶期的Sentinel-1 SAR影像和辅助数据	提出了基于U-Net架构的深度自适应卷积神经网络，结合多土地覆盖邻近信息和基于CNN的自监督SAR去噪方法，提高了湿地分类的准确性和效率	NA	评估深度学习技术在雷达数据上对大规模湿地分类的准确性和效率	湿地分类，包括沼泽湿地、灌木湿地、森林湿地和开阔水域	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
16	2024-12-21	Evaluating inter- and intra-rater reliability in assessing upper limb compensatory movements post-stroke: creating a ground truth through video analysis? 2024-Dec-20, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01506-7 PMID:39702329	研究论文	本研究评估了职业治疗师和物理治疗师在视频分析基础上对中风后上肢代偿性运动的视觉评估的评分者间和评分者内可靠性	本研究利用深度学习方法评估运动质量，并使用广义线性混合效应模型和零膨胀贝塔回归分析数据，以评估代偿性运动的可靠性	研究结果显示评分者间和评分者内可靠性存在较大可信区间，表明这些结果可能偶然发生，因此不能仅基于治疗师的评分建立代偿性运动的自动评估基准	评估中风后上肢代偿性运动的视觉评估的评分者间和评分者内可靠性	职业治疗师和物理治疗师对中风后上肢代偿性运动的视觉评估	NA	中风	广义线性混合效应模型，零膨胀贝塔回归	NA	视频	7名轻度至中度上肢运动障碍的中风患者
17	2024-12-21	Deep Learning-Enabled STEM Imaging for Precise Single-Molecule Identification in Zeolite Structures 2024-Dec-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408629 PMID:39703985	研究论文	本文开发了一种深度学习框架，用于在低剂量条件下通过iDPC-STEM成像精确识别沸石结构中的单分子行为	本文提出了一个专门为iDPC-STEM成像设计的深度学习框架，利用DIVAESR模型有效减少噪声，提高图像质量，并结合对象检测和DFT配置匹配进行精确的分子分析	本文主要使用合成数据集进行测试，其实际应用到真实iDPC-STEM图像的适用性和效果仍需进一步验证	解决在沸石等复杂结构中精确捕捉单分子行为的问题	沸石结构中的单分子行为	计算机视觉	NA	iDPC-STEM成像	DIVAESR	图像	使用合成数据集进行测试
18	2024-12-21	Classifying Alzheimer's Disease Using a Finite Basis Physics Neural Network 2024-Dec-20, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24727 PMID:39704389	研究论文	本文提出了一种基于有限基物理神经网络（CAD-FBPINN）的阿尔茨海默病分类方法	本文创新性地使用了有限基物理神经网络（FBPINN）结合海马优化算法（SHOA）来优化阿尔茨海默病的分类，并采用了逆对数正态卡尔曼滤波器（RLKF）和牛顿时间提取小波变换（NTEWT）进行图像预处理和特征提取	本文未详细讨论数据集的质量问题、伦理整合问题以及图像标准化问题	开发一种可靠且实用的深度学习方法，用于功能性磁共振成像（MRI）的阿尔茨海默病分类	阿尔茨海默病（AD）及其不同阶段，包括早期轻度认知障碍（EMCI）、轻度认知障碍（MCI）、晚期轻度认知障碍（LMCI）、正常对照（NC）和主观记忆抱怨（SMCs）	机器学习	阿尔茨海默病	功能性磁共振成像（MRI）	有限基物理神经网络（FBPINN）	图像	使用了来自阿尔茨海默病神经影像倡议（ADNI）数据集的图像
19	2024-12-21	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2024-Dec-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	本文提出了一种基于合成数据驱动的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和抗噪性	本文创新性地使用了一种基于模型的方法生成合成人类脑部IVIM数据，并通过U-Net模型进行参数映射，不依赖于真实世界数据进行神经网络训练	本文主要依赖于合成数据进行训练和评估，未充分验证其在真实世界数据中的泛化能力	提高IVIM参数估计的精度和抗噪性	脑部IVIM成像参数估计	计算机视觉	NA	IVIM成像	U-Net	图像	数值仿真数据和20名胶质瘤患者
20	2024-12-21	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2024-Dec-20, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	本文利用几何和机器学习方法加速寻找具有高光学各向异性的范德华材料	本文首次采用深度学习架构（如原子线图神经网络）来预测范德华材料的光学各向异性，并通过实验验证了其预测能力	本文仅验证了两种材料（2H-MoTe和CdPS），未来需要进一步扩展验证范围	加速寻找具有高光学各向异性的范德华材料，以推动先进光子学应用	范德华材料的光学各向异性	机器学习	NA	机器学习	图神经网络	数值数据	两种材料（2H-MoTe和CdPS）