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	2025-03-05	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	本文评估了参与2019年IWOAI膝关节软骨分割挑战赛的六支团队的深度学习分割方法在纵向临床试验中量化软骨损失的适用性	研究展示了最先进的深度学习分割方法在标准化纵向单扫描仪临床试验中用于明确软骨分区的潜力	深度学习方法在股骨分区的标准化响应均值较低，可能是由于后处理中简单的子分区提取所致	评估深度学习分割方法在量化软骨损失中的适用性	来自骨关节炎倡议研究的556名受试者的1130个膝关节MRI扫描	数字病理学	骨关节炎	深度学习	深度学习分割方法	MRI图像	556名受试者的1130个膝关节MRI扫描
22	2025-02-21	Radar Human Activity Recognition with an Attention-Based Deep Learning Network 2023-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s23063185 PMID:36991896	研究论文	本文提出了一种基于注意力机制的深度学习网络，用于雷达人类活动识别（HAR），旨在提高识别精度和计算效率	提出了一种新的网络结构，结合了一维卷积神经网络（1D CNN）和基于注意力机制的长短期记忆网络（LSTM），以解耦雷达预处理信号的时频特征，并通过平均消除方法增强活动特征	尽管在识别精度和计算效率上有所提升，但该方法在实时嵌入式应用中的实际效果仍需进一步验证	提高雷达人类活动识别的精度和计算效率，以适用于实时嵌入式应用	雷达预处理微多普勒信号	计算机视觉	NA	深度学习	1D CNN, LSTM	雷达信号	基于两个人类活动数据集进行实验
23	2025-02-21	Secondary and Topological Structural Merge Prediction of Alpha-Helical Transmembrane Proteins Using a Hybrid Model Based on Hidden Markov and Long Short-Term Memory Neural Networks 2023-Mar-16, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24065720 PMID:36982795	研究论文	本研究提出了一种结合深度学习和隐马尔可夫模型的混合模型HDNNtopss，用于预测α-螺旋跨膜蛋白的二级和拓扑结构	结合了深度学习的特征提取能力和隐马尔可夫模型的状态路径概率，实现了灵活且生物学意义更强的序列预测	NA	预测α-螺旋跨膜蛋白的二级和拓扑结构，以进一步理解其结构和功能	α-螺旋跨膜蛋白	机器学习	NA	深度学习神经网络（DNNs）和类隐马尔可夫模型（CHMM）	BiLSTM, CNN, CHMM	蛋白质序列	NA
24	2025-02-20	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
25	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
26	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
27	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
28	2025-01-12	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究利用深度学习技术对43,230名UK Biobank参与者的心脏磁共振成像数据进行全基因组关联研究，以探索左心室质量与心血管事件风险的关系	首次使用深度学习技术进行心脏磁共振成像数据的全基因组关联研究，并识别出11个新的与左心室质量相关的基因变异	研究主要基于UK Biobank数据，可能无法完全代表其他人群	探索左心室质量与心血管事件风险的遗传关联	43,230名UK Biobank参与者	机器学习	心血管疾病	深度学习	NA	心脏磁共振成像数据	43,230名UK Biobank参与者
29	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像
30	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型
31	2024-12-08	Diffractive interconnects: all-optical permutation operation using diffractive networks 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0358 PMID:39634345	研究论文	本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接	首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计	更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战	开发基于衍射光学网络的全光排列操作平台	衍射光学网络的排列操作性能	光学	NA	衍射光学	NA	NA	NA
32	2024-12-08	Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0361 PMID:39634354	研究论文	本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计	通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化	NA	开发一种高效的多任务光子器件优化方法	光子器件，包括波长滤波器和波导耦合单光子源	计算机视觉	NA	深度学习	深度神经网络（DNN）	光学响应	NA
33	2024-12-08	All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0137 PMID:39634351	研究论文	本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径	首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作	NA	探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数	全光ReLU函数及其在深度学习中的应用	光学	NA	周期极化薄膜铌酸锂纳米光波导	ReLU	光信号	NA
34	2024-12-08	Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0423 PMID:39634350	研究论文	本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理	引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间	光子硬件尺寸和高速电光组件的有限比特精度限制了性能	加速深度神经网络的线性操作，实现高精度和速度优化的分类性能	光子神经网络的动态精度推理和分类性能	光子学	NA	硅光子处理器	神经网络	IRIS数据集	NA
35	2024-11-19	Cell type-specific interpretation of noncoding variants using deep learning-based methods 2023-03-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad015 PMID:36971292	研究论文	本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用	提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据	现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法	解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测	非编码变异及其在不同细胞类型中的影响	机器学习	NA	深度学习	神经网络	表观遗传特征	NA
36	2024-10-18	Thyroid Nodules on Ultrasound in Children and Young Adults: Comparison of Diagnostic Performance of Radiologists' Impressions, ACR TI-RADS, and a Deep Learning Algorithm 2023-03, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28231 PMID:36259591	研究论文	比较放射科医生的总体印象、ACR TI-RADS和深度学习算法在儿童和年轻成人甲状腺结节超声诊断中的表现	本文创新点在于比较了放射科医生的总体印象、ACR TI-RADS和深度学习算法在甲状腺结节诊断中的敏感性和特异性，发现ACR TI-RADS和深度学习算法在敏感性上优于放射科医生的总体印象	本文的局限性在于样本量较小，且仅限于儿童和年轻成人，研究结果可能不适用于所有年龄段	比较不同诊断方法在儿童和年轻成人甲状腺结节超声诊断中的表现	儿童和年轻成人的甲状腺结节	计算机视觉	甲状腺疾病	深度学习算法	深度学习	图像	139名患者（中位年龄17.5岁；119名女性患者，20名男性患者）
37	2024-10-18	Abdominopelvic CT Image Quality: Evaluation of Thin (0.5-mm) Slices Using Deep Learning Reconstruction 2023-03, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28319 PMID:36259592	研究论文	本研究评估了使用深度学习重建（DLR）的0.5毫米薄层腹部和盆腔CT图像质量，并与0.5毫米和3.0毫米的混合迭代重建（HIR）图像进行了比较	本研究首次使用深度学习重建技术生成低噪声的薄层CT图像，并展示了其在图像质量和噪声方面的优势	本研究为回顾性研究，样本量较小，且未进行进一步的诊断性能研究	比较深度学习重建的薄层CT图像与传统混合迭代重建图像的质量	腹部和盆腔CT图像	计算机视觉	NA	深度学习重建（DLR）	NA	图像	50名患者（31名男性和19名女性；中位年龄64岁）
38	2024-10-18	Editorial Comment: Deep Learning Image Reconstruction-Do Better Images Make a Better Radiologist? 2023-Mar, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28658 PMID:36287626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
39	2024-10-16	Direct prediction of Homologous Recombination Deficiency from routine histology in ten different tumor types with attention-based Multiple Instance Learning: a development and validation study 2023-Mar-10, medRxiv : the preprint server for health sciences DOI:10.1101/2023.03.08.23286975 PMID:36945540	研究论文	研究开发了一种基于注意力加权的多实例学习（attMIL）的深度学习管道，用于从常规组织学图像中直接预测同源重组缺陷（HRD）状态	首次展示了使用常规组织学图像直接预测HRD状态的可行性，并验证了其在多种肿瘤类型中的适用性	研究仅在十种肿瘤类型中进行了验证，未来需要进一步扩展到更多肿瘤类型	探索深度学习技术在常规组织学图像中预测HRD状态的可行性	十种不同类型的肿瘤	数字病理	NA	深度学习	注意力加权的多实例学习（attMIL）	图像	4565名患者
40	2024-10-09	Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI 2023-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2023.100162 PMID:37035520	研究论文	研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化	研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响	研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素	旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率	研究对象为脑MRI图像中的扩大血管周围间隙（ePVS）	计算机视觉	NA	深度学习	U-Net	图像	NA