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	2025-03-29	Transport-based morphometry of nuclear structures of digital pathology images in cancers 2023-Feb-02, ArXiv PMID:36776820	research paper	提出了一种基于最优传输数学的新技术，用于直接从成像数据中建模与核染色质结构相关的信息内容	使用传输形态测量（TBM）框架表示每个细胞核相对于模板细胞核的整个信息内容，该方法对不同的染色模式和成像协议具有鲁棒性	NA	开发一种新方法来定量测量核形态，以支持癌症研究和临床应用	癌细胞核的形态特征	digital pathology	cancer	optimal transport, feature extraction, deep learning	TBM framework	image	来自TCGA和人类蛋白质图谱等大型数据集的癌症组织样本，包括肝实质、甲状腺、肺间皮和皮肤上皮的肿瘤
2	2025-03-21	High-throughput property-driven generative design of functional organic molecules 2023-Feb, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00391-1 PMID:38177626	研究论文	本文提出了一种结合生成深度学习模型和监督深度学习模型的方法，用于预测具有最优特性的有机分子	通过结合生成模型和监督模型，实现了对分子电子结构的预测和优化，避免了量子化学计算，适用于高通量筛选	未提及具体局限性	设计具有定制特性的有机分子，特别是用于有机电子应用	有机分子	机器学习	NA	生成深度学习模型，监督深度学习模型	生成模型，监督模型	分子结构数据	未提及具体样本数量
3	2025-02-25	Scribe: Next Generation Library Searching for DDA Experiments 2023-02-03, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.2c00672 PMID:36695531	研究论文	本文介绍了Scribe，一种新的库搜索引擎，旨在利用深度学习碎片预测软件如Prosit，通过预测FASTA数据库中每个肽的碎片和保留时间，提高数据依赖采集实验的灵敏度和定量精度	Scribe利用深度学习预测肽的碎片和保留时间，而非依赖高度策划的DDA库，从而提高了库搜索的灵敏度和定量精度	NA	提高数据依赖采集实验的库搜索效率和准确性	肽的碎片和保留时间	蛋白质组学	NA	深度学习碎片预测软件Prosit	NA	质谱数据	NA
4	2025-02-21	Attention-assisted hybrid 1D CNN-BiLSTM model for predicting electric field induced by transcranial magnetic stimulation coil 2023-02-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29695-6 PMID:36781975	研究论文	本文提出了一种基于1D CNN和BiLSTM的注意力机制模型，用于预测经颅磁刺激线圈感应的电场	结合1D CNN和BiLSTM的注意力机制模型，提高了电场预测的准确性和效率	未提及具体局限性	提高经颅磁刺激线圈感应电场的预测准确性和效率	经颅磁刺激线圈感应的电场	机器学习	NA	NA	1D CNN-BiLSTM	模拟数据	NA
5	2025-02-21	Long Short-term Memory-Based Prediction of the Spread of Influenza-Like Illness Leveraging Surveillance, Weather, and Twitter Data: Model Development and Validation 2023-02-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/42519 PMID:36745490	研究论文	本研究开发并验证了一种基于长短期记忆（LSTM）神经网络的模型，用于预测流感样疾病（ILI）的传播，结合了监测数据、天气数据和Twitter数据	首次结合ILI监测数据、天气数据和Twitter数据，利用深度学习技术开发预测模型，用于ILI病例的实时预测和预报	研究主要针对希腊地区，可能在其他地区或社交媒体平台上的适用性需要进一步验证	开发能够实时预测和预报ILI病例的模型，以增强传染病监测的准确性和可靠性	ILI监测数据、天气数据和Twitter数据	自然语言处理	流感样疾病	LSTM神经网络	LSTM	文本、时间序列数据	2010年至2019年希腊地区的ILI监测数据、天气数据和Twitter数据
6	2025-02-21	Clinical Decision Support Systems to Predict Drug-Drug Interaction Using Multilabel Long Short-Term Memory with an Autoencoder 2023-02-02, International journal of environmental research and public health DOI:10.3390/ijerph20032696 PMID:36768060	研究论文	本文提出了一种基于深度学习的药物-药物相互作用预测技术SSODL-DDIP，用于大数据环境下的医疗决策支持	结合麻雀搜索优化算法与多标签长短期记忆网络和自编码器模型，提高了药物-药物相互作用预测的准确性和性能	未提及具体的数据集大小或实验的具体限制条件	开发一种新的技术来预测药物-药物相互作用，以提高药物研究中的安全性	药物-药物相互作用	机器学习	NA	深度学习	多标签长短期记忆网络（MLSTM）与自编码器（AE）	药物相关网络或分子图数据	未提及具体样本数量
7	2025-02-21	Attention-Based Convolutional Recurrent Deep Neural Networks for the Prediction of Response to Repetitive Transcranial Magnetic Stimulation for Major Depressive Disorder 2023-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065723500077 PMID:36641543	研究论文	本文开发了一种基于深度学习的模型，用于预测重度抑郁症患者对重复经颅磁刺激治疗的反应	结合了预训练的卷积神经网络（CNN）和带有注意力机制的长短期记忆（LSTM）单元，充分利用了脑电图信号的时空信息	样本量较小，仅涉及34名患者	预测重度抑郁症患者对重复经颅磁刺激治疗的反应	34名重度抑郁症患者的脑电图信号	机器学习	重度抑郁症	脑电图信号分析	VGG16, Xception, EfficientNetB0, LSTM	脑电图信号	34名患者
8	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
9	2025-01-04	Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue 2023-Feb, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.S1.S17501 PMID:37153721	研究论文	本文提出了一种基于深度学习的自动化方法，用于分割睾丸组织病理图像中的生精小管上皮层	使用ResNet-34作为特征编码器模块，并在编码模块中集成了压缩和激励注意力块，以提高上皮层的分割和定位效果	尽管在有限训练集上表现良好，但训练集规模较小	开发自动化方法以检测睾丸组织中的异常	睾丸组织中的生精小管上皮层	数字病理学	NA	深度学习	CNN	图像	NA
10	2024-12-16	OCTOPUS - Optical coherence tomography plaque and stent analysis software 2023-Feb, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13396 PMID:36816277	研究论文	本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析	开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法	目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划	开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件	冠状动脉斑块和支架	数字病理学	心血管疾病	光学相干断层扫描（IVOCT）	深度学习模型和机器学习模型	图像	34个新的pullbacks样本
11	2024-12-08	Deep Learning Solution for Quantification of Fluorescence Particles on a Membrane 2023-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s23041794 PMID:36850392	研究论文	本文提出了一种基于YOLOv5算法的深度学习方法，用于检测和量化膜上荧光颗粒，特别是SARS-CoV-2病毒颗粒	本文创新性地使用了YOLOv5算法和CSPnet作为其骨干网络，结合测试时间增强（TTA）算法，实现了对多尺度、形状多变的荧光细胞的高效检测和量化	本文未提及具体的局限性	开发一种高效、准确的深度学习方法，用于检测和量化环境水样中的SARS-CoV-2病毒颗粒	SARS-CoV-2病毒颗粒及其荧光细胞	计算机视觉	NA	YOLOv5算法	CNN	图像	使用由Linde + Robinson实验室提供的私有数据集进行评估
12	2024-12-08	A deep generative prior for high-resolution isotropic MR head slices 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654032 PMID:39629055	研究论文	本文训练了一个StyleGAN3-T模型，用于生成高分辨率各向同性的头部MR切片	本文首次在头部MR切片上训练了一个StyleGAN3-T模型，并保留了图像的完整性以适用于下游任务	NA	开发一个能够生成高分辨率各向同性头部MR切片的生成模型	头部MR切片	计算机视觉	NA	StyleGAN3-T	GAN	图像	使用了来自多个方向和对比度的1mm各向同性体积的切片
13	2024-11-09	A method using deep learning to discover new predictors from left-ventricular mechanical dyssynchrony for CRT response 2023-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-03067-5 PMID:35915327	研究论文	本研究利用深度学习技术从左心室机械不同步性的极坐标图中发现新的预测因子，以帮助选择可能对心脏再同步治疗有高反应的心衰患者	本研究首次使用自编码器技术从左心室机械不同步性的极坐标图中提取新的预测因子，并在外部验证中显示出良好的预测价值	本研究样本量较小，且仅在一个外部验证集中进行了验证，需要进一步的大规模多中心研究来验证其普适性	发现新的预测因子以提高心脏再同步治疗反应的预测准确性	左心室机械不同步性的极坐标图和心脏再同步治疗反应	机器学习	心血管疾病	自编码器技术	自编码器	图像	157名接受静息门控单光子发射计算机断层扫描心肌灌注成像的患者
14	2024-10-26	Deep Constrained Spherical Deconvolution for Robust Harmonization 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654398 PMID:37228707	研究论文	本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性	引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF）	NA	旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题	DW-MRI信号和纤维方向分布函数（FODF）	计算机视觉	NA	扩散加权磁共振成像（DW-MRI）	深度学习	图像	研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据）
15	2024-10-26	Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654087 PMID:37786583	研究论文	本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割	本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估	本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力	研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性	研究对象是多重免疫荧光成像中的膜骨架	计算机视觉	NA	多重免疫荧光成像	深度学习网络	图像	80张膜多重免疫荧光图像用于5折交叉验证
16	2024-10-26	Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653762 PMID:37465093	研究论文	研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析	首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割	研究仅限于2D切片，且样本量相对较小	评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性	1469名受试者的1816张低剂量腹部CT图像	计算机视觉	NA	深度学习	NA	图像	1469名受试者的1816张图像
17	2024-10-26	Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653643 PMID:37465095	研究论文	本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善	本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能	本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据	研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时	电子健康记录数据和医学影像数据	机器学习	NA	自编码器	自编码器	文本和图像	巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据
18	2024-10-18	Utility of Normalized Body Composition Areas, Derived From Outpatient Abdominal CT Using a Fully Automated Deep Learning Method, for Predicting Subsequent Cardiovascular Events 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27977 PMID:36043607	研究论文	本研究探讨了使用全自动深度学习方法从门诊腹部CT中提取的归一化身体成分区域对后续心血管事件的预测能力	本研究首次使用全自动深度学习算法从常规CT扫描中提取身体成分测量值，并独立于传统体重指标预测心血管风险	本研究为回顾性研究，样本主要为黑人和白人患者，可能存在选择偏倚	确定通过全自动深度学习算法从常规CT扫描中获得的身体成分测量值是否能独立于体重、BMI和其他心血管风险因素预测后续心血管事件	9752名门诊患者，其中5519名女性和4233名男性，平均年龄53.2岁，890名患者自报为黑人，8862名自报为白人	计算机视觉	心血管疾病	深度学习	NA	图像	9752名门诊患者
19	2024-10-18	Detectability of Small Low-Attenuation Lesions With Deep Learning CT Image Reconstruction: A 24-Reader Phantom Study 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28407 PMID:36129222	研究论文	本研究评估了深度学习图像重建（DLIR）算法在低对比度检测性能和辐射节省潜力方面与滤波反投影（FBP）和迭代重建（IR）的比较	DLIR算法在减少辐射剂量的情况下，仍能保持低对比度病变的检测性能，这是传统IR技术的一个主要缺点	研究仅在模拟人体的多阅读器非劣效性设计和任务型观察者模型中进行，未在真实临床环境中验证	评估DLIR算法在低对比度检测性能和辐射节省潜力方面的表现	低对比度检测性能和辐射节省潜力	计算机视觉	NA	深度学习图像重建（DLIR）	NA	图像	24名不同经验水平的阅读者评估图像
20	2024-10-18	Editorial Comment: More Evidence Supporting Deep Learning Reconstructions in Abdominal CT-What Should We Do? 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28554 PMID:36169549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA