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
181	2025-02-14	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文探讨了人工智能（AI）在肝细胞癌（HCC）放射学诊断中的最新进展	AI，特别是深度学习和神经网络模型，在HCC的放射学检测中显示出潜力，能够减少诊断变异性、优化数据分析并重新分配医疗资源	需要进一步的研究和临床实施，以充分发挥AI在HCC管理中的潜力	探索AI在HCC放射学诊断中的应用，以提高早期检测、治疗选择和患者预后	肝细胞癌（HCC）	数字病理学	肝癌	深度学习，神经网络	深度学习模型，神经网络模型	影像数据	NA
182	2025-02-14	A deep learning model for novel systemic biomarkers in photographs of the external eye: a retrospective study 2023-05, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00022-5 PMID:36966118	研究论文	本研究开发了一种深度学习系统（DLS），通过外部眼部照片预测系统性参数，如肝脏、肾脏、骨骼或矿物质、甲状腺和血液相关参数	首次利用外部眼部照片预测多种系统性医学参数，扩展了外部眼部照片在疾病筛查中的应用	需要进一步研究以了解其临床应用价值	验证外部眼部照片是否包含多种系统性医学条件的信息	糖尿病患者及非糖尿病患者的眼部照片	计算机视觉	糖尿病	深度学习	DLS	图像	123,130张图像，来自38,398名糖尿病患者，并在25,510名患者中进行了验证
183	2025-02-14	Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization 2023-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100233 PMID:36545260	研究论文	本研究比较了Vision Transformer深度学习技术（DeiT）和ResNet-50在眼底照片上检测原发性开角型青光眼（POAG）的诊断准确性和可解释性	使用Vision Transformer（DeiT）替代传统的卷积神经网络（如ResNet-50），以提高模型的泛化能力和可解释性	研究主要基于特定数据集（OHTS）和外部数据集，可能在其他数据集上的表现尚未验证	比较Vision Transformer和ResNet-50在检测POAG中的诊断性能，并分析模型决策的可解释性	眼底照片	计算机视觉	青光眼	深度学习	Vision Transformer (DeiT), ResNet-50	图像	66,715张眼底照片（来自1,636名OHTS参与者）和16,137张外部数据集照片
184	2025-02-14	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能模型预测的视野指标的临床决策支持工具的接受度和使用情况	更新并评估了一种集成人工智能预测视野指标的临床决策支持工具，并首次系统性地评估了临床医生对该工具的信任度和实用性	样本量较小，仅涉及10名眼科医生和验光师，且系统可用性评分仅为43百分位数	评估临床医生对集成人工智能预测视野指标的临床决策支持工具的接受度和使用情况	眼科医生和验光师	数字病理学	青光眼	人工智能模型	NA	视野指标	10名眼科医生和验光师，6名患者的11只眼睛
185	2025-02-14	Deep Learning Estimation of 10-2 Visual Field Map Based on Circumpapillary Retinal Nerve Fiber Layer Thickness Measurements 2023-02, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2022.10.013 PMID:36328198	研究论文	本研究利用卷积神经网络（CNN）从光谱域光学相干断层扫描（SD-OCT）视网膜神经纤维层厚度（RNFL）测量中估计青光眼患者的中央10度视野（VF）图	提出了一种基于全区域（CNNA）和时间区域（CNNT）RNFL厚度信息的卷积神经网络模型，用于估计10-2 VF图的68个个体敏感度阈值，显著优于线性回归模型	研究仅基于SD-OCT扫描和10-2 VF对，未涉及其他类型的影像数据或更大规模的多中心数据	通过人工智能方法改进青光眼患者中央10度视野图的估计，以个性化中央视野评估的频率并优化资源分配	724名健康患者、疑似青光眼患者和青光眼患者的1365只眼睛的5352次SD-OCT扫描和10-2 VF对	计算机视觉	青光眼	光谱域光学相干断层扫描（SD-OCT）	卷积神经网络（CNN）	图像	5352次SD-OCT扫描和10-2 VF对，来自1365只眼睛
186	2025-02-14	A novel ensemble-based statistical approach to estimate daily wildfire-specific PM2.5 in California (2006-2020) 2023-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2022.107719 PMID:36592523	研究论文	本文提出了一种基于集成模型的统计方法，用于估计加利福尼亚州每日特定于野火的PM2.5浓度（2006-2020年）	首次应用一套统计模型，利用易于获取的数据集，在15年期间提供精细空间尺度的每日特定于野火的PM2.5浓度	模型依赖于政府运营的监测站数据，这些监测站分布稀疏，可能遗漏某些地区和潜在脆弱人群	估计特定于野火的PM2.5浓度，以支持流行病学研究	加利福尼亚州的PM2.5浓度	机器学习	NA	集成模型	梯度提升机、随机森林、深度学习	卫星气溶胶属性、气象变量	15年（2006-2020年）的每日数据
187	2025-02-14	Monkeypox genome mutation analysis using a timeseries model based on long short-term memory 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290045 PMID:37611023	研究论文	本研究使用基于长短期记忆（LSTM）的时间序列模型分析猴痘病毒基因组突变率，并与门控循环单元（GRU）模型进行比较	首次使用深度学习模型预测猴痘病毒基因组突变率，并提供了关于猴痘基因突变的新报告	数据集的大小和可用性可能限制了模型的泛化能力	分析猴痘病毒的基因突变率，并预测未来的突变趋势	猴痘病毒基因组	机器学习	猴痘	LSTM, GRU	LSTM, GRU	基因组数据	来自NCBI的最新猴痘数据集，包括加拿大、德国和世界其他地区的样本
188	2025-02-13	A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design 2023 Mar-Apr, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2022.08.014 PMID:36038107	研究论文	本文研究了一种深度学习回归方法，用于预测黄斑神经节细胞内丛状层（GCIPL）和视神经头（ONH）视网膜神经纤维层（RNFL）厚度，以辅助青光眼神经保护临床试验设计	使用深度学习模型预测GCIPL和RNFL厚度，并利用个体化半视网膜预测来减少临床试验样本量需求	模型在预测更严重疾病时的性能略有下降	提高视网膜结构预测的准确性，辅助青光眼神经保护临床试验设计	青光眼患者	计算机视觉	青光眼	深度学习	回归模型	图像	1096只眼睛（550名患者）的3327对GCIPL/RNFL扫描数据
189	2025-02-12	Mapping the topography of spatial gene expression with interpretable deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561757 PMID:37873258	研究论文	本文提出了一种名为GASTON的无监督且可解释的深度学习算法，用于分析空间转录组数据中的基因表达模式	引入了称为isodepth的新概念，用于描述组织切片中的基因表达梯度，并开发了GASTON算法来同时学习isodepth、空间基因表达梯度以及基因表达的连续梯度和不连续空间变化	NA	解决空间转录组数据稀疏性问题，分析空间基因表达模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	多个生物系统（包括大脑和肿瘤样本）
190	2025-02-12	Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data 2023-Sep-07, ArXiv PMID:37731659	研究论文	本文通过长时间连续记录果蝇的姿势数据，探索了果蝇行为在不同时间尺度上的变化	使用深度学习框架SLEAP生成了包含近20亿个姿势实例的全身体姿势数据集，并分析了果蝇行为在昼夜节律和实验过程中的变化	实验环境为无特征竞技场，可能限制了果蝇行为的多样性	研究果蝇行为在不同时间尺度上的变化	果蝇（Drosophila melanogaster）	行为分析	NA	深度学习框架SLEAP	NA	姿势数据	47只果蝇
191	2025-02-12	Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!" 2023 Jan-Feb, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2022.10.010 PMID:36436473	评论	本文回顾了从STEMI到OMI的范式转变，并探讨了深度学习在识别急性冠状动脉闭塞中的潜力和陷阱	提出深度学习应关注识别OMI而非仅基于STEMI数据库，以革新患者护理	深度学习模型若仅基于STEMI数据库开发，可能会强化现有失败的范式	探讨深度学习在急性冠状动脉闭塞诊断中的应用潜力	急性冠状动脉闭塞患者	机器学习	心血管疾病	深度学习	神经网络	心电图数据	NA
192	2025-02-09	Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287465 PMID:37967076	研究论文	本研究利用机器学习工具和GCMS技术，识别用于早期检测肝细胞癌和肝硬化的新型呼吸生物标志物	结合GCMS-SPME技术和创新的机器学习模型，自动从原始数据中发现挥发性有机化合物（VOCs），无需人工干预	使用气相色谱-质谱法（GC-MS）量化挥发性有机化合物（VOCs）耗时且容易出错，需要专家操作	提高肝细胞癌和肝硬化的早期诊断、治疗和生存率	肝细胞癌（HCC）、肝硬化患者和健康对照组的呼吸样本	机器学习	肝细胞癌	气相色谱-质谱法（GCMS）和固相微萃取（SPME）	深度学习模式识别	呼吸样本	35例HCC患者、35例肝硬化患者和30例健康对照组的呼吸样本
193	2025-02-07	Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends 2023-Dec-15, Cancers IF:4.5Q1 DOI:10.3390/cancers15245858 PMID:38136405	综述	本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势	本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向	本文主要基于现有文献进行综述，未涉及具体的实验验证	探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势	癌症和肿瘤学研究中的多模态图数据	机器学习	癌症	图神经网络（GNNs）	GNN	图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等）	NA
194	2025-02-06	Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0789 PMID:39633750	研究论文	本文提出了一种能够实时全息波束转向的超表面天线，并采用深度学习算法来控制天线状态	采用深度学习算法结合自编码器和电磁散射方程，实时确定目标远场模式所需的状态，避免了传统迭代方法的低效性	需要验证Born近似在更复杂场景下的有效性	开发一种能够实时控制全息波束转向的超表面天线	超表面天线及其点偶极子元件	机器学习	NA	深度学习	自编码器	电磁散射数据	NA
195	2025-02-06	A deep neural network for general scattering matrix 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0770 PMID:39633768	研究论文	本文开发了一个深度神经网络（DNN），用于计算无对称性散射体的散射矩阵，速度比有限元求解器快数千倍	开发了一个能够快速计算无对称性散射体散射矩阵的深度神经网络，并且该网络的结果自然满足能量守恒、时间反演和互易性等基本物理原理	未提及具体样本大小或实验验证的详细数据	研究散射问题的深度学习方法	无对称性散射体的散射矩阵	机器学习	NA	深度神经网络（DNN）	DNN	数值数据	NA
196	2025-02-05	Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis 2023-08, Abdominal radiology (New York) DOI:10.1007/s00261-023-03966-2 PMID:37280374	系统综述与荟萃分析	本文对两种最常见的商用深度学习CT重建算法在腹部临床扫描中的应用进行了系统综述和荟萃分析	首次对True Fidelity (TF)和Advanced intelligent Clear-IQ Engine (AiCE)这两种商用深度学习CT重建算法在腹部扫描中的应用进行了系统综述和荟萃分析	仅评估了单一供应商的双能量CT，且高DLR重建强度下存在轻微信号丢失和模糊现象	评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量减少潜力	腹部CT扫描	医学影像	NA	深度学习CT重建	深度学习算法	CT图像	44篇文章，其中32篇评估TF，12篇评估AiCE
197	2025-02-05	Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340987 PMID:38083160	研究论文	本文训练并验证了一个深度学习模型，用于预测三阴性乳腺癌（TNBC）患者对新辅助系统治疗（NAST）的病理完全缓解（pCR）反应	利用治疗前和治疗后四个周期的多参数MRI数据，通过深度学习模型预测TNBC患者的治疗反应，具有较高的预测准确性	模型的验证和测试结果在不同组别之间存在一定的差异，可能需要在更大规模的数据集上进行进一步验证	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应	三阴性乳腺癌患者	数字病理学	乳腺癌	动态对比增强MRI（DCE-MRI）和扩散加权成像（DWI）	深度学习模型	图像	未明确提及具体样本数量
198	2025-02-04	Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning 2023-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.480230 PMID:37342724	研究论文	本文介绍了一种名为'数字标记'的方法，利用深度学习在无需血管对比剂的情况下，仅基于自发荧光信号和核染色（DAPI）对3D组织中的血管进行分割	创新点在于使用基于U-net架构的深度学习神经网络，并采用回归损失而非常见的分割损失，以提高小血管的检测精度	未来需要验证该方法是否适用于其他生物结构的分割	研究目的是开发一种无需血管对比剂即可对3D组织中的血管进行分割的方法	研究对象是3D组织中的血管	数字病理学	NA	光学组织透明化和3D荧光显微镜	U-net	3D图像	NA
199	2025-02-04	Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad191 PMID:37067486	研究论文	本文提出了一种自监督语义分割方法（S4），用于视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割，以支持RPE衰老研究中的大规模细胞形态分析	开发了一种自监督学习策略，结合重建和成对表示损失以及形态学损失，用于训练具有编码器-解码器架构的语义分割网络，并提出了一种新的图像增强算法（AugCut）以提高网络训练性能	尽管方法表现出色，但仍依赖于高质量的图像数据，且自监督学习策略的泛化能力需要进一步验证	提高视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割精度，以支持RPE衰老研究	视网膜色素上皮（RPE）细胞	计算机视觉	老年疾病	自监督学习	编码器-解码器架构	图像	大量荧光显微镜图像
200	2025-02-02	Near-lifespan longitudinal tracking of brain microvascular morphology, topology, and flow in male mice 2023-05-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38609-z PMID:37221202	研究论文	本文介绍了一套方法，用于在超过七个月的时间内测量小鼠大脑血管的动态和解剖结构，利用光学相干断层扫描（OCT）和深度学习图像处理算法的进步	开发了一种能够在同一视野内长期跟踪大脑微血管形态、拓扑和血流的方法，结合了OCT和深度学习技术	研究仅限于雄性小鼠，未涉及雌性或其他模型系统	研究目的是开发一种能够长期跟踪大脑微血管变化的技术，以研究年龄相关的神经退行性疾病和正常衰老过程中的血管变化	雄性小鼠（包括野生型和3xTg模型）	数字病理学	老年疾病	光学相干断层扫描（OCT），深度学习图像处理算法	深度学习	图像	未明确提及具体样本数量，但涉及野生型和3xTg雄性小鼠