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
21	2025-02-21	Deep Learning vs Traditional Models for Predicting Hospital Readmission among Patients with Diabetes 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128461	研究论文	本文比较了深度学习模型与传统模型在预测糖尿病患者30天内非计划性全因再入院风险中的表现	使用LSTM深度学习模型预测糖尿病患者的再入院风险，并发现其性能显著优于传统模型	研究仅基于电子健康记录（EHR）数据，未考虑其他可能影响再入院风险的因素	开发并比较不同模型在预测糖尿病患者再入院风险中的表现	36,641名糖尿病患者的2,836,569次就诊记录	机器学习	糖尿病	深度学习	LSTM	电子健康记录（EHR）数据	36,641名糖尿病患者的2,836,569次就诊记录
22	2025-02-16	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织	开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像	研究为回顾性研究，样本量相对较小（62名患者）	开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔	62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI	计算机视觉	癫痫	MRI	U-Net	图像	62名颞叶癫痫患者和40名对照受试者
23	2025-02-14	Resting state network mapping in individuals using deep learning 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.1055437 PMID:36712434	研究论文	本文介绍了一种使用深度3D卷积神经网络（3DCNN）进行静息态网络（RSN）体素映射的新方法	使用深度3D卷积神经网络进行RSN体素映射，能够在个体水平上生成RSN定位图，且对噪声数据和较少的RS-fMRI时间点具有高度抵抗力	需要大量高质量数据进行训练，这在临床或研究环境中并不总是可用	开发一种能够在个体水平上生成静息态网络定位图的方法，以支持临床应用	健康参与者（n = 2010）的静息态功能MRI数据	计算机视觉	NA	功能MRI（RS-fMRI）	3D卷积神经网络（3DCNN）	图像	2010名健康参与者
24	2025-02-06	Estimating time-to-total knee replacement on radiographs and MRI: a multimodal approach using self-supervised deep learning 2022-Jan-01, Radiology advances DOI:10.1093/radadv/umae030 PMID:39744045	研究论文	本文开发了一种基于自监督深度学习的多模态方法，用于预测全膝关节置换术（TKR）的时间	结合自监督深度学习特征、临床变量和图像评估测量，提高了预测TKR时间的准确性	模型的泛化能力需要进一步验证，且外部测试数据集相对较小	准确预测全膝关节置换术的时间，以帮助医生制定个性化治疗策略	来自Osteoarthritis Initiative数据集、Multi-Center Osteoarthritis Study和医院内部数据的膝关节影像和临床变量	数字病理	骨关节炎	自监督深度学习	随机生存森林模型	影像（X光和MRI）、临床变量	895例接受TKR的膝关节和786例未接受TKR的膝关节，以及来自外部测试的518例和164例样本
25	2025-01-25	A deep neural network for the classification of epileptic seizures using hierarchical attention mechanism 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-022-07122-8 PMID:35465467	研究论文	本文提出了一种结合分层注意力机制的深度神经网络，用于癫痫发作的分类	提出了一种新颖的卷积架构，结合了分层注意力机制，以提高分类准确性并减少计算复杂度	未提及具体的数据集规模或外部验证结果	开发一种能够在较低计算复杂度下实现高分类准确率的算法	癫痫发作的脑电图（EEG）信号	机器学习	癫痫	深度学习	卷积神经网络（CNN）结合分层注意力机制	脑电图（EEG）信号	未提及具体样本数量
26	2025-01-15	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	本文提出了一种基于深度学习的自动化多类别伪影分类器，用于扩散MRI（dMRI）体积数据中的伪影检测	首次提出了一种自动化多类别伪影分类器，能够识别dMRI体积中的多种伪影类型，而不仅仅是进行二分类或单一类型检测	研究依赖于特定数据集（ABCD和HBN），可能在其他数据集上的泛化能力有限	开发一种自动化工具，用于dMRI数据预处理中的多类别伪影检测	扩散MRI（dMRI）体积数据	计算机视觉	NA	深度学习	3D Residual Squeeze-and-Excitation Convolutional Neural Networks	3D MRI图像	2,494个来自ABCD数据集和4,226个来自HBN数据集的dMRI体积
27	2025-01-06	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种使用并行循环一致性生成对抗网络（CycleGANs）从低分辨率磁共振成像（MR）图像生成高分辨率MR图像的新方法	采用自监督策略的并行CycleGANs方法，解决了临床环境中难以收集成对低分辨率和高分辨率MR图像的问题	NA	生成高分辨率MR图像以缩短MR扫描时间	MR图像	计算机视觉	脑肿瘤	并行循环一致性生成对抗网络（CycleGANs）	CycleGAN	图像	BraTS2020数据集和机构收集的MR图像
28	2024-12-18	A deep hybrid learning pipeline for accurate diagnosis of ovarian cancer based on nuclear morphology 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261181 PMID:34995293	研究论文	本文提出了一种基于核形态学的深度混合学习管道，用于卵巢癌的准确诊断	本文创新性地结合了核形态学特征和深度学习技术，开发了一种新的深度混合学习模型，显著提高了诊断准确性	本文仅进行了初步研究，样本量较小，需要进一步验证和扩展	研究目的是通过结合核形态学特征和机器学习技术，区分正常组织和卵巢癌组织	研究对象是卵巢癌和正常组织的核形态学特征	数字病理学	卵巢癌	深度学习	CNN	图像	卵巢癌和正常组织的样本
29	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列
30	2024-12-08	3D bi-directional transformer U-Net for medical image segmentation 2022, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2022.1080715 PMID:36687770	研究论文	本文提出了一种新的3D双向Transformer U-Net框架，用于三维医学图像分割	设计了一种新的注意力机制，通过3D计算充分提取自注意力能力，并结合3D Transformer和3D DCNN的优势	NA	改进现有深度卷积神经网络在医学图像分割任务中处理全局关系的能力	三维医学图像分割	计算机视觉	NA	深度卷积神经网络 (DCNN)	3D双向Transformer U-Net	图像	两个独立数据集，包含3D MRI和CT图像
31	2024-12-08	A learning based approach for designing extended unit cell metagratings 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0540 PMID:39633889	研究论文	本文提出了一种基于深度学习的扩展单元晶格超表面逆向设计方法	该方法通过学习超表面在反射和透射阶次上的光谱响应，避免了传统方法中由于元原子间耦合效应未充分考虑而导致的效率降低问题	NA	提高超表面设计的效率和性能	扩展单元晶格超表面	纳米光子学	NA	深度学习	深度神经网络	光谱数据	NA
32	2024-12-08	Deep-learning-based recognition of multi-singularity structured light 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0489 PMID:39635381	研究论文	本文介绍了一种基于深度学习的框架，用于识别具有多重奇点的结构化光	该框架能够直接从光束传播后的两个强度模式中揭示多重奇点相位结构，并输出相位信息，从而释放扭曲光子的丰富直观信息	NA	开发一种能够精确识别具有多重奇点的结构化光的新技术	多重奇点的结构化光及其相位信息	计算机视觉	NA	深度学习 (DL)	NA	图像	NA
33	2024-11-24	Denoising diffusion weighted imaging data using convolutional neural networks 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274396 PMID:36108272	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）对高b值扩散加权成像（DWI）数据进行去噪的方法	该方法利用低噪声数据集进行训练，能够在不依赖大量训练样本的情况下，有效去除高噪声DWI图像中的噪声	该方法需要一个低噪声的单个受试者数据集进行训练，这在实际应用中可能存在限制	开发一种有效的DWI图像去噪方法，以提高组织微结构测量的准确性	高b值扩散加权成像数据	计算机视觉	NA	扩散加权成像（DWI）	一维卷积神经网络（1D-CNN）	图像	单个受试者数据集用于训练，多个受试者的高噪声数据集用于验证
34	2024-11-24	Artificial Intelligence: Innovation to Assist in the Identification of Sono-anatomy for Ultrasound-Guided Regional Anaesthesia 2022, Advances in experimental medicine and biology DOI:10.1007/978-3-030-87779-8_6 PMID:35146620	综述	本文综述了人工智能在超声引导区域麻醉中辅助识别解剖结构的应用	探讨了计算机视觉在医学图像解释中的潜力，特别是深度学习系统在超声图像解释中的应用	需要进一步的临床验证和监管批准	探讨人工智能在超声引导区域麻醉中的应用及其对未来学习和实践的影响	超声引导区域麻醉中的解剖结构识别	计算机视觉	NA	深度学习	深度学习系统	图像	NA
35	2024-11-19	Retraction: A comprehensive review of deep learning-based single image super-resolution 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.621/retraction PMID:39554485	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
36	2024-11-19	Role of artificial intelligence in MS clinical practice 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103065 PMID:35661470	综述	本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性	机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类	需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题	探讨人工智能在多发性硬化症临床实践中的应用	多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割	机器学习	多发性硬化症	机器学习 (ML) 和深度学习 (DL)	NA	影像数据	NA
37	2024-11-08	POCS-Augmented CycleGAN for MR Image Reconstruction 2022-Jan, Applied sciences (Basel, Switzerland) DOI:10.3390/app12010114 PMID:37465648	研究论文	本文提出了一种结合传统图像重建方法和深度学习的混合图像重建方法，通过将CycleGAN与POCS算法结合，提高了MR图像重建的质量	本文创新地将传统的POCS算法与深度学习网络CycleGAN结合，通过迭代训练提高了图像重建的质量	NA	研究如何通过结合传统图像重建方法和深度学习来提高MR图像重建的质量	MR图像重建	计算机视觉	NA	NA	CycleGAN	图像	使用了亚采样的磁共振成像数据进行验证
38	2024-10-30	Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268952 PMID:35622869	研究论文	本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法	本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性	NA	提高正交频分复用系统中信道估计的准确性和鲁棒性	正交频分复用系统中的信道估计问题	无线通信	NA	深度学习	卷积神经网络（CNN）	信号	NA
39	2024-10-11	Deep learning model of somatic hypermutation reveals importance of sequence context beyond hotspot targeting 2022-Jan-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103668 PMID:35036866	研究论文	本文开发了一种深度学习模型DeepSHM，用于分析体细胞超突变（SHM），揭示了序列上下文在热点靶向之外的重要性	通过使用5-21个碱基的子序列，DeepSHM模型提高了预测准确性，并识别出具有高突变性的扩展WWRCT基序和AGYCTGGGGG基序	NA	研究体细胞超突变（SHM）的机制，特别是序列上下文对突变靶向的影响	免疫球蛋白（Ig）可变区的体细胞超突变	机器学习	NA	深度学习	深度学习模型	序列数据	使用5-21个碱基的子序列进行模型训练
40	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量