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
141	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
142	2025-02-12	DL 101: Basic introduction to deep learning with its application in biomedical related fields 2022-11-20, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9564 PMID:36041380	研究论文	本文提供了深度学习的基础介绍，并探讨了其在生物医学领域的应用	介绍了前馈神经网络（FNN）的基本概念及其强大的功能表示，并提供了选择神经网络超参数的指导	文章主要面向初学者，未深入探讨深度学习的高级技术细节	探讨深度学习在生物医学及其他相关领域的应用潜力	深度学习技术及其在生物医学领域的应用	机器学习	NA	深度学习	前馈神经网络（FNN）	NA	NA
143	2025-02-09	Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16452-1_28 PMID:39911317	研究论文	本文提出了一种新颖的上下文编码约束神经网络，用于单阶段颅骨标记和地标定位	设计并引入了一种新的上下文编码模块到U-Net架构中，并引入了一个新的辅助任务来建模不同解剖地标的相对空间配置	NA	提高颅骨分割和地标检测的准确性和效率	颅骨和颅骨地标	计算机视觉	NA	深度学习	U-Net	3D CT图像	274名儿童的3D CT图像数据集
144	2025-02-07	Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022) 2022-09, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01613-8 PMID:35681080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
145	2025-02-06	Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport 2022-10, Sports medicine (Auckland, N.Z.) DOI:10.1007/s40279-022-01698-9 PMID:35689749	系统综述	本文系统评估了运动医学中肌肉骨骼损伤预测模型的方法学实施和报告完整性	首次系统性地评估了运动医学中肌肉骨骼损伤预测模型的方法学质量和报告完整性，揭示了现有模型的普遍问题和改进需求	研究仅包括截至2021年6月的数据，且仅纳入英文和同行评审的研究，可能遗漏了其他语言或未发表的重要研究	评估运动医学中肌肉骨骼损伤预测模型的方法学实施和报告完整性，以指导临床实践	运动医学中的肌肉骨骼损伤预测模型	运动医学	肌肉骨骼损伤	回归分析、机器学习、深度学习	回归模型、机器学习模型、深度学习模型	NA	30项研究（204个模型）
146	2025-02-06	Deep Learning Image Analysis of Optical Coherence Tomography Angiography Measured Vessel Density Improves Classification of Healthy and Glaucoma Eyes 2022-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2021.11.008 PMID:34780803	研究论文	本研究比较了卷积神经网络（CNN）分析的全视野血管密度图像与梯度提升分类器（GBC）分析的光学相干断层扫描血管成像（OCTA）血管密度测量和视网膜神经纤维层（RNFL）厚度测量在分类健康眼和青光眼眼方面的性能	使用深度学习（CNN）分析全视野血管密度图像，显著提高了健康眼和青光眼眼的分类性能	研究样本量相对较小，可能影响结果的普遍性	比较不同诊断方法在分类健康眼和青光眼眼方面的性能	健康个体和青光眼患者的眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	CNN, GBC	图像	80名健康个体的130只眼和185名青光眼患者的275只眼
147	2025-02-06	The Emerging Potential of Advanced Targeted Mass Spectrometry to Become a Routine Tool for Protein Quantification in Biomedical Research 2022-Feb-23, Chimia IF:1.1Q3 DOI:10.2533/chimia.2022.81 PMID:38069753	研究论文	本文讨论了靶向质谱技术在生物医学研究中蛋白质定量方面的潜力及其最新技术发展	介绍了靶向质谱技术在蛋白质、肽段和翻译后修饰定量检测中的高灵敏度和可重复性，并探讨了深度学习光谱预测在自动化检测开发中的应用	靶向质谱技术在学术界和制药行业的普及较慢，主要由于检测生成和数据验证的额外工作量	探讨靶向质谱技术在系统生物学研究和生物医学发现与临床实施中的潜在关键作用	蛋白质、肽段和翻译后修饰	生物医学研究	NA	靶向质谱技术	深度学习	质谱数据	NA
148	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
149	2025-01-25	GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models 2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting DOI:10.18653/v1/2022.acl-long.131 PMID:39845531	研究论文	本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法	提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常	方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上	研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系	认知健康个体与阿尔茨海默病患者的语言数据	自然语言处理	阿尔茨海默病	Transformer深度学习模型	GPT-2, GPT-D	文本	NA
150	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
151	2025-01-23	Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15578 PMID:35229344	研究论文	本文提出了一种使用级联网络和局部监督的深度学习方法，从非增强的MR图像中合成对比增强的MR图像，以减少对钆基对比剂（GBCAs）的依赖	创新点在于使用级联网络结合肿瘤轮廓信息进行训练，从而生成与真实对比增强MR图像视觉上无法区分的合成图像	研究仅基于BraTS2020数据集，样本量有限，且未在其他类型的数据集上进行验证	研究目的是通过深度学习方法合成对比增强的MR图像，以减少对钆基对比剂的使用	研究对象为369名患者的MR图像，来自BraTS2020数据集	医学影像处理	脑肿瘤	深度学习	级联网络（Retina U-Net和合成模块）	MR图像	369名患者的MR图像（200名用于五折交叉验证，169名用于保留测试）
152	2025-01-22	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	本研究开发了一种可视化深度学习模型，用于更准确地区分源自右心室流出道（RVOT）和左心室流出道（LVOT）的心律失常	创新点在于使用卷积神经网络（CNN）模型结合梯度加权类激活映射方法，不仅提高了心律失常起源分类的准确性，还能可视化显示对诊断贡献最大的导联和波形	研究样本量较小，仅包含80名患者，可能影响模型的泛化能力	研究目的是开发一种能够更准确分类心律失常起源的可视化深度学习模型	研究对象为80名接受导管消融治疗的患者	机器学习	心血管疾病	深度学习	CNN	心电图（ECG）	80名患者
153	2025-01-15	ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates 2022-May-28, Brain informatics DOI:10.1186/s40708-022-00161-9 PMID:35633447	研究论文	本文介绍了一种基于深度学习的婴儿大脑MRI分割框架ID-Seg，用于提高边缘结构（如杏仁核和海马体）的分割准确性	利用大规模公开婴儿MRI数据集和迁移学习技术，预训练深度卷积神经网络模型，并通过留一法交叉验证策略进行微调，显著提高了分割准确性	需要在多站点进行测试，并扩展至杏仁核和海马体以外的脑区	提高婴儿大脑MRI中边缘结构的分割准确性	婴儿大脑MRI图像中的杏仁核和海马体	数字病理学	NA	深度学习，迁移学习	深度卷积神经网络（CNN）	MRI图像	473名婴儿的MRI数据集，以及50名婴儿的独立数据集
154	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
155	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
156	2024-12-24	Fully automatic prognostic biomarker extraction from metastatic prostate lesion segmentations in whole-body [68Ga]Ga-PSMA-11 PET/CT images 2022-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-05927-1 PMID:35976392	研究论文	本研究开发并评估了一种基于深度学习的自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	提出了一个基于自配置nnU-Net框架的全3D卷积神经网络（CNN），用于自动分割转移性前列腺癌病变，并提取与患者总体生存相关的预后生物标志物	NA	开发和评估一种自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌病变的患者水平预后生物标志物	转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	数字病理学	前列腺癌	深度学习	CNN	图像	337例[68Ga]Ga-PSMA-11 PET/CT图像
157	2024-12-24	Sudden cardiac death in adults with congenital heart disease: Lessons to Learn from the ATROPOS registry 2022-Sep, International journal of cardiology. Congenital heart disease DOI:10.1016/j.ijcchd.2022.100396 PMID:39713548	研究论文	本文探讨了成人先天性心脏病患者中突发性心脏死亡的风险因素，并介绍了ATROPOS注册研究的目标和方法	利用ATROPOS注册研究收集数据，并通过深度学习算法进行分析，以识别可靠的风险因素	由于成人先天性心脏病患者的总数较少，数据有限，且该群体异质性高，难以定义统一的风险因素	识别成人先天性心脏病患者突发性心脏死亡的可靠风险因素	成人先天性心脏病患者及其突发性心脏死亡事件	NA	心血管疾病	深度学习算法	NA	NA	NA
158	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
159	2024-12-15	Shared computational principles for language processing in humans and deep language models 2022-03, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-022-01026-4 PMID:35260860	研究论文	本文探讨了人类大脑与自回归深度语言模型在处理语言时共享的计算原则	本文首次提供了人类大脑与自回归深度语言模型在处理自然叙事时共享三个基本计算原则的实证证据	NA	研究人类大脑与自回归深度语言模型在语言处理中的计算原则	人类大脑和自回归深度语言模型	自然语言处理	NA	ECoG	自回归深度语言模型	文本	9名参与者
160	2024-12-14	KIT-LSTM: Knowledge-guided Time-aware LSTM for Continuous Clinical Risk Prediction 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9994931 PMID:37131483	研究论文	本文提出了一种名为KIT-LSTM的新方法，用于使用电子健康记录（EHR）进行连续的死亡率预测	KIT-LSTM通过引入两个时间感知门和一个知识感知门扩展了LSTM，以更好地建模EHR并解释结果	NA	精确和及时地预测患者的临床风险	急性肾损伤伴透析（AKI-D）患者的EHR数据	机器学习	NA	LSTM	KIT-LSTM	时间序列数据	NA