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	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA
2	2025-03-10	Computed Tomography-Based Deep Learning Nomogram Can Accurately Predict Lymph Node Metastasis in Gastric Cancer 2023-04, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-022-07640-3 PMID:35909203	研究论文	本文评估并验证了基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	结合深度学习特征和临床预测因子建立了一个nomogram，显著提高了淋巴结转移预测的准确性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	评估和验证基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	胃癌患者	计算机视觉	胃癌	计算机断层扫描（CT）	ResNet50, 随机森林（RF）	图像	347名患者（训练队列：242，测试队列：105）
3	2025-02-21	Intelligent Eye-Controlled Electric Wheelchair Based on Estimating Visual Intentions Using One-Dimensional Convolutional Neural Network and Long Short-Term Memory 2023-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s23084028 PMID:37112369	研究论文	本文开发了一种基于1DCNN-LSTM的深度学习模型，用于实时估计用户的视觉意图，并结合注视停留时间方法开发了电动轮椅控制系统	提出了一种结合1DCNN和LSTM的深度学习模型，用于从眼动、头部运动和注视点距离等10个变量的特征向量中估计视觉意图，解决了电动轮椅操作中的“Midas触摸问题”	未提及模型在不同环境或用户群体中的泛化能力	开发一种能够准确估计用户视觉意图的电动轮椅控制系统，以提高轮椅的操作性和减少用户的操作负担	电动轮椅用户	计算机视觉	NA	深度学习	1DCNN-LSTM	时间序列数据（眼动、头部运动等）	未明确提及样本数量
4	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
5	2025-01-22	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究旨在发现主动脉扩张性的流行病学相关因素和遗传决定因素，并利用深度学习模型从心脏磁共振图像中量化胸主动脉面积	首次利用深度学习模型在大规模人群（42,342名UK Biobank参与者）中量化主动脉扩张性，并识别出多个新的遗传位点	研究结果主要基于UK Biobank数据，可能无法完全推广到其他人群	发现主动脉扩张性的流行病学相关因素和遗传决定因素	42,342名UK Biobank参与者	机器学习	心血管疾病	心脏磁共振成像	深度学习模型	图像	42,342名UK Biobank参与者
6	2025-01-19	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	本文提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域	RDA结合了DeepAtrophy的时间推断方法、可变形配准神经网络和注意力机制，能够突出显示MRI图像中与时间推断相关的纵向变化区域，提高了模型的可解释性	尽管RDA在预测准确性上与DeepAtrophy相似，但其在临床环境中的应用仍需进一步验证	开发一种能够自动识别与阿尔茨海默病进展相关的MRI区域的方法，以提高疾病监测的敏感性和临床应用的接受度	阿尔茨海默病患者的纵向MRI扫描数据	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	MRI图像	NA
7	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
8	2024-12-20	Deformable Spherical Transformer for Cerebellar Surface Parcellation 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230447 PMID:39698481	研究论文	本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制	本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域	NA	开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面	小脑皮质表面的自动分割	计算机视觉	NA	深度学习	Transformer	图像	NA
9	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
10	2024-12-17	Deep learning accelerated discovery of photonic power dividers 2023-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0715 PMID:39677593	研究论文	本文应用深度学习加速的逆向设计算法，发现了一系列性能优异的光子功率分配器	本文提出的深度学习模型能够在TE和TM极化下实现高精度设计，并能快速搜索满足紧凑尺寸、超低损耗、超宽带宽和制造随机性鲁棒性的设计空间	NA	加速光子功率分配器的设计和发现	光子功率分配器	光子学	NA	深度学习	深度学习模型	光子器件设计	NA
11	2024-12-08	Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes 2023-04-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.02.009 PMID:36996817	研究论文	利用深度学习技术分析心脏磁共振图像，识别心脏球形度作为心肌病及相关结果的早期标志	首次使用深度学习技术测量左心室球形指数，并将其与心肌病和心房颤动的风险关联起来	研究排除了左心室大小或收缩功能异常的受试者，可能影响结果的普适性	探讨心脏形状变化对心血管风险和病理生理学的理解	左心室球形指数与心肌病和心房颤动的关系	计算机视觉	心血管疾病	深度学习	NA	图像	38,897名受试者
12	2024-11-23	Integration of clinical features and deep learning on pathology for the prediction of breast cancer recurrence assays and risk of recurrence 2023-Apr-14, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00530-5 PMID:37059742	研究论文	本文介绍了一种结合临床特征和深度学习模型，利用数字病理学数据预测乳腺癌复发检测结果和复发风险的方法	该方法在预测乳腺癌复发检测结果和复发风险方面优于传统的临床诺模图，并且在独立验证队列中表现更好	该方法的适用性可能受限于低资源设置下的测试可用性	开发一种能够准确预测乳腺癌复发检测结果和复发风险的新方法，以指导化疗的使用	激素受体阳性、HER2阴性的乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	图像和临床风险因素	外部验证队列中的患者
13	2024-11-06	Classification of wheat diseases using deep learning networks with field and glasshouse images 2023-Apr, Plant pathology IF:2.3Q2 DOI:10.1111/ppa.13684 PMID:38516179	研究论文	本文使用深度学习网络对小麦病害进行分类，结合田间和温室图像	本文提出了一个包含田间和温室条件下小麦图像的数据集，并训练了一个名为CerealConv的深度学习模型，该模型在分类准确性上超过了专业病理学家的表现	NA	研究目的是利用深度学习方法在早期阶段检测和识别作物病害，以提高病害控制效果	研究对象是小麦的五种病害，包括健康植物和四种叶部病害	计算机视觉	NA	深度学习	深度学习网络	图像	数据集包含田间和温室条件下的小麦图像，分为五类
14	2024-10-28	A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230831 PMID:39450418	研究论文	本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区	首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择	NA	开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区	癫痫病灶区的定位	机器学习	癫痫	静息态功能磁共振成像（rs-fMRI）	图卷积网络（GCN）和Transformer网络	功能连接数据	训练数据来自人类连接组项目，评估数据来自临床癫痫数据集
15	2024-10-28	Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology 2023-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.012 PMID:36914501	研究论文	本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法	提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用	需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能	提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据	前列腺癌的检测和分期	计算机视觉	前列腺癌	联邦学习	3D UNet	MRI图像	1400+个异质性多参数前列腺MRI检查
16	2024-10-26	Implementation considerations for deep learning with diffusion MRI streamline tractography 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.03.535465 PMID:37066284	研究论文	本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑	本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现	目前缺乏广泛可用的开源实现	降低该领域的进入门槛，促进进一步创新	扩散MRI流线束追踪的实现	计算机视觉	NA	扩散MRI（dMRI）	递归神经网络（RNN）	图像	NA
17	2024-10-19	Levothyroxine use and longitudinal changes in thigh muscles in at-risk participants for knee osteoarthritis: preliminary analysis from Osteoarthritis Initiative cohort 2023-04-11, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-023-03012-y PMID:37041609	研究论文	研究了左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉纵向变化之间的关系	首次探讨了左甲状腺素使用与大腿肌肉质量和成分变化之间的关联，并评估了其在膝关节骨性关节炎发病中的中介作用	研究结果需考虑甲状腺功能作为潜在的混杂因素或效应修饰因子，未来研究需进一步探讨甲状腺功能生物标志物对大腿肌肉纵向变化的影响	探讨左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉质量和成分变化之间的关系及其在膝关节骨性关节炎发病中的作用	膝关节骨性关节炎高风险参与者的大腿肌肉质量和成分	NA	骨性关节炎	深度学习方法	NA	MRI数据	1043个匹配的大腿/膝盖样本（266个左甲状腺素使用者，777个非使用者）
18	2024-10-14	Comprehensive Functional Annotation of Metagenomes and Microbial Genomes Using a Deep Learning-Based Method 2023-04-27, mSystems IF:5.0Q1 DOI:10.1128/msystems.01178-22 PMID:37010293	研究论文	开发了一种新的元基因组分析工作流程，整合了基因组重建、分类学分析和基于深度学习的功能注释，以提高微生物基因的功能注释覆盖率	首次将基于深度学习的功能注释应用于元基因组学，显著提高了基因功能注释的覆盖率	DeepFRI的注释比eggNOG的注释更广泛但不那么具体，并且在已知物种上的注释敏感性较低	提高微生物基因的功能注释覆盖率，揭示人类肠道微生物群在健康和疾病中的功能特征	人类肠道微生物群的基因功能注释	机器学习	NA	深度学习	DeepFRI	基因组	1070个婴儿元基因组
19	2024-10-09	Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis 2023-04-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.9196 PMID:37093602	研究论文	本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性	首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积	这是一项横断面研究，无法确定因果关系	评估ePVSs的风险因素及其在全脑范围内的临床重要性	扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系	NA	NA	磁共振成像（MRI）	深度学习算法	图像	1026名参与者
20	2024-10-08	Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102747 PMID:36702038	研究论文	本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割	本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征	NA	研究目的是改进医学图像分割的性能	研究对象是2D手术图像的语义分割	计算机视觉	NA	方向梯度直方图（HOG）	多任务深度网络	图像	两个不同的医学图像分割数据集