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
241	2025-01-07	Robust fiber orientation distribution function estimation using deep constrained spherical deconvolution for diffusion-weighted magnetic resonance imaging 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.014005 PMID:38188934	研究论文	本文提出了一种数据驱动的深度约束球面反卷积方法，用于从重复的扩散加权磁共振成像扫描中更可重复和稳健地估计大脑微观结构	引入三维体积扫描仪不变正则化方案，在fODF估计过程中显式约束扫描-重扫描变异性	方法主要针对大脑微观结构的估计，可能不适用于其他类型的组织或器官	提高从重复扩散加权磁共振成像扫描中估计大脑微观结构的可重复性和稳健性	大脑微观结构	医学影像	NA	扩散加权磁共振成像（DW-MRI）	深度约束球面反卷积（deep CSD）	磁共振成像数据	Human Connectome Project (HCP) 年轻成年人测试-重测组、MASiVar 数据集、巴尔的摩纵向衰老研究数据集
242	2025-01-07	Image-Based Subtype Classification for Glioblastoma Using Deep Learning: Prognostic Significance and Biologic Relevance 2024-01, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00154 PMID:38231003	研究论文	本研究应用深度学习算法对胶质母细胞瘤的组织病理学图像进行分类，构建独立于已知临床和分子分类的图像亚型，并揭示胶质母细胞瘤肿瘤微环境的分子和免疫特征	首次使用深度学习模型对胶质母细胞瘤进行图像亚型分类，并发现这些亚型具有独特的预后信息和生物学特征	样本量相对较小，且仅使用了TCGA和CPTAC两个数据集	通过深度学习模型对胶质母细胞瘤进行图像亚型分类，并评估其预后价值和生物学意义	胶质母细胞瘤患者的组织病理学图像	数字病理学	胶质母细胞瘤	深度学习	卷积神经网络（CNN）	图像	214名TCGA患者和189名CPTAC患者
243	2025-01-07	DreamOn: a data augmentation strategy to narrow the robustness gap between expert radiologists and deep learning classifiers 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1420545 PMID:39758512	研究论文	本文探讨了数据增强策略对深度学习模型在医学图像分析中鲁棒性的影响，并提出了一种新的生物启发式数据增强方法DreamOn	提出了DreamOn，一种基于条件生成对抗网络（GAN）的生物启发式数据增强策略，用于生成REM梦境启发的训练图像插值	尽管DreamOn显著提高了模型在高噪声环境下的鲁棒性，但放射科医生在噪声图像上的表现仍优于模型	提高深度学习模型在医学图像分析中的鲁棒性，以应对图像质量差异和噪声	乳腺超声图像	计算机视觉	乳腺癌	条件生成对抗网络（GAN）	ResNet-18	图像	NA
244	2025-01-07	Multimodal MRI radiomics-based stacking ensemble learning model with automatic segmentation for prognostic prediction of HIFU ablation of uterine fibroids: a multicenter study 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1507986 PMID:39759109	研究论文	本研究评估了基于MRI放射组学的堆叠集成学习模型，结合T2加权成像和对比增强T1加权成像以及深度学习自动分割，用于术前预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后效果	结合T2WI和CE-T1WI的放射组学特征，使用深度学习自动分割，并构建堆叠集成学习模型以提高预测准确性	研究为回顾性研究，样本量相对较小，且仅来自两个中心	评估MRI放射组学堆叠集成学习模型在预测HIFU消融子宫肌瘤预后中的有效性	360名接受HIFU治疗的子宫肌瘤患者	数字病理学	子宫肌瘤	MRI放射组学、深度学习自动分割	V-net、SVM、RF、LightGBM、MLP、Logistic Regression	MRI图像	360名患者（训练集240名，内部测试集60名，外部测试集60名）
245	2025-01-07	BO-CNN-BiLSTM deep learning model integrating multisource remote sensing data for improving winter wheat yield estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1500499 PMID:39759241	研究论文	本研究开发了一种名为BO-CNN-BiLSTM（BCBL）的深度学习模型，结合卷积神经网络（1DCNN）的特征提取能力和双向长短期记忆网络（BiLSTM）的时间序列记忆优势，用于提高冬小麦产量估算的准确性	首次将太阳诱导的叶绿素荧光（SIF）数据与传统遥感变量和气候数据融合，用于冬小麦产量估算，并开发了BCBL模型，结合了1DCNN和BiLSTM的优势	研究仅在河南省进行，未在其他地区验证模型的普适性	提高冬小麦产量估算的准确性，为农业政策制定和粮食安全提供支持	冬小麦	机器学习	NA	遥感技术	BO-CNN-BiLSTM（BCBL）	遥感数据、气候数据	河南省的冬小麦数据
246	2025-01-07	Advanced deep transfer learning techniques for efficient detection of cotton plant diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1441117 PMID:39759238	研究论文	本文探讨了使用深度迁移学习技术高效检测棉花植物疾病的方法	本文的创新点在于应用多种深度迁移学习模型（如EfficientNet、Xception、ResNet等）进行棉花植物疾病的检测，并发现EfficientNetB3模型在准确率、损失和均方根误差方面表现最佳	本文的局限性在于未详细讨论模型在不同环境条件下的泛化能力，以及在实际农田中的应用效果	研究目的是通过深度迁移学习技术提高棉花植物疾病的检测效率，以促进可持续农业实践	研究对象为感染细菌性疫病、靶斑病、白粉病、蚜虫和军虫等疾病的棉花植物图像	计算机视觉	植物疾病	深度迁移学习	EfficientNet, Xception, ResNet, Inception, VGG, DenseNet, MobileNet, InceptionResNet	图像	包含感染多种疾病的棉花植物图像及健康棉花植物图像的完整数据集
247	2025-01-07	A graph neural architecture search approach for identifying bots in social media 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1509179 PMID:39759384	研究论文	本文提出了一种基于图神经网络架构搜索的方法，用于在社交媒体中识别机器人	引入了深度灵活图神经网络架构搜索（DFG-NAS）技术，专门针对关系图卷积神经网络（RGCNs）进行优化，以自动搜索传播和转换函数的最佳配置	研究仅针对平台X的机器人检测，未涵盖其他社交媒体平台	解决社交媒体中机器人检测的挑战，并推广神经网络设计自动化中的NAS模型应用	社交媒体平台X中的机器人	自然语言处理	NA	深度灵活图神经网络架构搜索（DFG-NAS）	关系图卷积神经网络（RGCNs）	图数据	229,580个节点和227,979条边的图
248	2025-01-07	Prediction of PD-L1 tumor positive score in lung squamous cell carcinoma with H&E staining images and deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1452563 PMID:39759385	研究论文	本研究利用深度学习模型对H&E染色图像进行分割和定量预测，以评估肺鳞状细胞癌中的PD-L1表达	首次将Transformer Unet深度学习网络应用于H&E染色图像中PD-L1表达的分割和定量预测，并取得了优于其他七种前沿分割模型的结果	研究仅针对肺鳞状细胞癌，未涵盖其他类型的肺癌或其他癌症	开发一种基于H&E染色图像的深度学习模型，用于预测肺鳞状细胞癌中的PD-L1表达，以指导免疫检查点抑制剂治疗	肺鳞状细胞癌的H&E染色数字切片	数字病理学	肺癌	深度学习	Transformer Unet	图像	NA
249	2025-01-07	hvEEGNet: a novel deep learning model for high-fidelity EEG reconstruction 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1459970 PMID:39759760	研究论文	本文提出了一种名为hvEEGNet的新型深度学习模型，用于高保真度的多通道脑电图（EEG）时间序列重建	提出了一种新的深度学习模型hvEEGNet，采用分层变分自编码器结构，并设计了新的损失函数，能够在短时间内高保真地重建多通道EEG数据	研究仅基于一个包含9名受试者的22通道EEG数据集进行测试，样本量较小，且未探讨模型在其他类型EEG数据上的泛化能力	旨在解决多通道EEG时间序列高保真重建的挑战，为分类、异常检测、自动标注和脑机接口等应用提供支持	多通道脑电图（EEG）时间序列	机器学习	NA	深度学习	分层变分自编码器（hierarchical variational autoencoder）	时间序列数据	9名受试者的22通道EEG数据
250	2025-01-07	Application of a Novel Multimodal-Based Deep Learning Model for the Prediction of Papillary Thyroid Carcinoma Recurrence 2024, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S486189 PMID:39759893	研究论文	本研究开发了一种新型多模态深度学习模型，用于预测甲状腺乳头状癌（PTC）术后复发	同时分析数值和时间序列数据，采用加权二元交叉熵处理不平衡数据，模型在预测PTC复发方面表现出色	样本中复发患者数量较少（63例），可能影响模型的泛化能力	提高甲状腺乳头状癌术后复发的预测准确性	接受甲状腺切除术的甲状腺乳头状癌患者	机器学习	甲状腺癌	深度学习	多模态深度学习模型	数值数据（临床信息）和时间序列数据（术后甲状腺功能测试结果）	1613例接受甲状腺切除术的患者（1550例非复发，63例复发）
251	2025-01-06	Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1365727 PMID:38784680	研究论文	本研究首次展示了在常规MRI数据集上高精度自动分割前庭神经鞘瘤（VS）的可能性，并发布了一个多中心常规临床（MC-RC）数据集	首次在常规MRI数据集上实现高精度的VS自动分割，并公开了一个包含160名患者的多中心常规临床数据集	数据集主要来自单一类型的肿瘤（单发散发性VS），且未涉及其他类型的肿瘤或更广泛的患者群体	提高前庭神经鞘瘤（VS）在常规临床MRI中的自动分割精度，以改善临床工作流程和患者管理	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	深度学习	深度学习框架	MRI图像	160名患者，包含124个对比增强T1加权（ceT1w）图像和363个T2加权（T2w）图像
252	2025-01-06	Spatial Deep Learning Approach to Older Driver Classification 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3516572 PMID:39748855	研究论文	本文提出了一种基于空间深度学习的方法，用于老年驾驶员分类，通过网格索引数据增强来提高异常驾驶行为的检测	提出了一种新颖的空间深度学习方法，利用基于网格索引的数据增强技术来改进异常驾驶行为的检测	未明确提及具体限制	解决老年驾驶员分类问题，识别正常和异常驾驶员，以提升道路安全、保险风险评估及针对老年驾驶员的干预措施	老年驾驶员	机器学习	老年疾病	深度学习	NA	GPS位置、速度、方向、距离等遥测数据	未明确提及样本数量
253	2025-01-05	Deep learning-based multiclass segmentation in aneurysmal subarachnoid hemorrhage 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1490216 PMID:39734625	研究论文	本研究旨在开发一种深度学习模型，用于自动多类分割与动脉瘤性蛛网膜下腔出血结果预测相关的结构和病理	利用深度学习技术实现动脉瘤性蛛网膜下腔出血相关病理的自动多类分割，性能接近人类评分者	样本量相对较小，仅包含73例非增强CT扫描	开发自动多类分割模型以改进动脉瘤性蛛网膜下腔出血的结果预测	动脉瘤性蛛网膜下腔出血患者的非增强CT扫描	数字病理学	心血管疾病	深度学习	nnU-Net	CT图像	73例非增强CT扫描（内部测试集20例，外部验证集104例）
254	2025-01-05	Assessment of body composition and prediction of infectious pancreatic necrosis via non-contrast CT radiomics and deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1509915 PMID:39735191	研究论文	本研究旨在通过深度学习算法从非对比CT图像中描绘L3-L5椎体水平的皮下脂肪组织（SAT）、内脏脂肪组织（VAT）、骶棘肌和所有腹部肌肉，并从这些分割图像中收集放射组学特征进行医学解释	使用nnU-Net架构进行图像分割，并通过Python脚本从分割的非对比CT图像中提取放射组学特征，首次将深度学习与放射组学结合用于预测感染性胰腺坏死（IPN）的风险因素	研究为回顾性分析，样本量有限（315名患者），且仅基于非对比CT图像，可能影响结果的普遍性	评估身体组成并通过非对比CT放射组学和深度学习预测感染性胰腺坏死（IPN）	315名诊断为急性坏死性胰腺炎（ANP）的患者	数字病理学	胰腺疾病	非对比CT成像、深度学习、放射组学分析	nnU-Net	CT图像	315名急性坏死性胰腺炎患者
255	2025-01-05	A synthetic segmentation dataset generator using a 3D modeling framework and raycaster: a mining industry application 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1453931 PMID:39735233	研究论文	本文提出了一种使用3D建模框架和光线投射器的合成分割数据集生成器，应用于深层次采矿行业	提出了一种新的合成分割数据集生成方法，通过3D建模和光线投射技术生成高精度的分割数据集，减少了手动创建数据集的需求	虽然生成的合成数据集在特定应用中表现出高精度，但其在更广泛的应用场景中的通用性尚未验证	提高图像分割模型的训练效率，减少手动创建数据集的时间和成本	深层次采矿环境中的场景图像	计算机视觉	NA	3D建模和光线投射技术	NA	图像	NA
256	2025-01-05	Predicting axillary lymph node metastasis in breast cancer using a multimodal radiomics and deep learning model 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1482020 PMID:39735531	研究论文	本研究探讨了结合放射组学和深度学习模型，基于乳腺X线摄影（MG）和磁共振成像（MRI）预测乳腺癌腋窝淋巴结转移（ALNM）的价值	结合放射组学和深度学习模型，使用多种机器学习算法进行预测，提供了术前预测ALNM的新方法	研究样本量较小（270例），且为单中心回顾性研究，可能存在选择偏倚	为乳腺癌患者制定个体化治疗方案、评估预后和规划术前干预提供指导	乳腺癌患者	数字病理学	乳腺癌	放射组学、深度学习	3D-Resnet18、LASSO回归、多层感知机（MLP）	图像	270例乳腺癌患者
257	2025-01-05	The deep learning radiomics nomogram helps to evaluate the lymph node status in cervical adenocarcinoma/adenosquamous carcinoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1414609 PMID:39735600	研究论文	本研究旨在开发一种深度学习放射组学列线图（DLRN），用于术前评估宫颈腺癌/腺鳞癌的淋巴结转移状态	结合放射组学特征和深度学习特征，开发了一种新的列线图模型，用于评估宫颈腺癌/腺鳞癌的淋巴结转移状态	研究样本来自多中心，但外部验证队列的样本量相对较小	开发一种术前评估宫颈腺癌/腺鳞癌淋巴结转移状态的模型	宫颈腺癌/腺鳞癌患者的淋巴结转移状态	数字病理	宫颈癌	放射组学特征提取，深度学习特征提取	Resnet 34	医学影像（T2WI, DWI, CE-T1WI）	652名患者
258	2025-01-05	Advancing Regulatory Genomics With Machine Learning 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241249562 PMID:39735654	综述	本文综述了近年来用于从DNA序列预测基因表达信号和染色质特征的多种机器学习方法	详细介绍了从这些模型中提取新基因调控假设的不同技术和策略，并强调了与提取假设相关的置信度测量的重要性	这些假设需要通过湿实验室实验进行验证，且不同类型的机器学习模型提供的置信度信息不同	推进调控基因组学领域的研究	基因表达信号和染色质特征	机器学习	NA	机器学习	线性模型、随机森林、核方法、深度学习模型	DNA序列	NA
259	2025-01-05	Deep learning-based automated diagnosis of temporomandibular joint anterior disc displacement and its clinical application 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1445258 PMID:39735724	研究论文	本研究旨在开发一种基于深度学习的方法，用于解释颞下颌关节前盘移位（ADD）的磁共振成像（MRI）扫描，并制定一个自动化诊断系统用于临床实践	利用深度学习模型自动识别感兴趣区域（ROI）、分割颞下颌关节结构，并分类颞下颌关节前盘移位，结合Grad-CAM热图和分割注释图进行可视化诊断预测	在Hospital SG的数据上表现不如Hospital SS的数据，可能存在数据分布差异	开发一种基于深度学习的自动化诊断系统，用于颞下颌关节前盘移位的临床诊断	颞下颌关节前盘移位的MRI扫描图像	计算机视觉	颞下颌关节疾病	深度学习	ResNet101_vd	MRI图像	618例颞下颌关节病例和840例颞下颌关节MRI扫描
260	2025-01-05	Artificial intelligence and glaucoma: a lucid and comprehensive review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1423813 PMID:39736974	综述	本文综述了人工智能在青光眼筛查和诊断中的应用，并深入反思了当前人工智能在青光眼领域应用的局限性和困难，同时展望了人工智能在其他眼病如青光眼中的应用前景	总结了人工智能在青光眼筛查和诊断中的相关应用，并提出了人工智能在其他眼病中的应用前景	当前人工智能在青光眼领域应用仍存在局限性和困难	探讨人工智能在青光眼筛查和诊断中的应用及其前景	青光眼	医学人工智能	青光眼	机器学习和深度学习	NA	NA	NA