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	2025-03-14	Deep Learning Models for Coronary Atherosclerosis Detection in Coronary CT Angiography 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405619666221221092933 PMID:36545743	研究论文	本文旨在测试和比较不同的预训练深度学习模型，以找到用于冠状动脉CT血管造影中动脉粥样硬化检测的最佳模型	使用Haar小波分解提高模型的灵敏度，并比较了不同预训练模型在动脉粥样硬化检测中的性能	尽管Resnet101模型在准确性和PPV方面表现良好，但其灵敏度较低	寻找用于冠状动脉CT血管造影中动脉粥样硬化检测的最佳深度学习模型	冠状动脉CT血管造影图像	计算机视觉	心血管疾病	Haar小波分解	Resnet101, CNN, KNN	图像	NA
22	2025-03-14	Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology 2024, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000539010 PMID:38718783	研究论文	本文提出了一种基于人工智能的泛起源淋巴结癌症转移检测系统，用于术后淋巴结的组织病理学诊断	开发了一种泛起源淋巴结癌症转移检测系统，结合两种深度学习模型进行淋巴结定位和癌症检测，具有高准确性和临床适用性	未提及系统在不同医疗中心间的广泛验证及长期临床应用的稳定性	开发一种适用于临床的泛起源淋巴结癌症转移检测系统，以提高诊断准确性并减少漏诊率	淋巴结	数字病理学	癌症	深度学习	深度学习模型	全切片图像（WSIs）	700多张WSIs用于训练，1,402张WSIs来自49个器官，1,051张WSIs来自52个器官用于验证
23	2025-03-14	Is the Juice Worth the Squeeze? Learning Curve of a Chest Radiograph Semantic Labeling Deep Learning Model 2024-01-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000755 PMID:37889555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
24	2025-03-13	Exercise-Related Physical Activity Relates to Brain Volumes in 10,125 Individuals 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230740 PMID:38073389	研究论文	本研究探讨了定期中高强度体力活动与大脑体积之间的关系，通过磁共振神经影像技术对10,125名健康参与者进行了分析	使用深度学习模型分析MRI扫描的轴向、矢状和冠状视图，首次在大规模人群中量化体力活动与大脑体积的关系	研究为横断面设计，无法确定因果关系，且体力活动数据依赖于自我报告，可能存在偏差	探讨定期中高强度体力活动与大脑体积之间的关系，以揭示体力活动对大脑结构的潜在神经保护作用	10,125名健康参与者	数字病理	NA	磁共振成像（MRI）	深度学习模型	图像	10,125名健康参与者
25	2025-03-13	Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1453232 PMID:39372403	研究论文	本研究利用弱监督深度学习技术，通过全切片图像预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	采用弱监督学习框架和多实例学习算法，结合创新的数据增强和归一化技术，提升了模型的鲁棒性和解释性	研究为回顾性研究，样本量相对较小，且仅针对非小细胞肺癌患者	开发预测模型以准确预测非小细胞肺癌患者在新辅助化疗免疫治疗后的主要病理反应	186名非小细胞肺癌患者的治疗前全切片图像	数字病理学	肺癌	弱监督深度学习	DenseNet121, ResNet50, Inception V3, XGBoost	图像	186名非小细胞肺癌患者
26	2025-03-13	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出了一种增强型变分自编码器（bVAE）方法，用于捕捉视网膜神经节细胞（RGC）损失的空间变化，并生成潜在空间（LS）蒙太奇图，以可视化视神经束损伤的不同程度和空间模式	提出了一种新的增强型变分自编码器（bVAE）模型，能够捕捉RGC损失的空间变化并生成潜在空间蒙太奇图，同时能够追踪RGC变薄的空间模式并分类潜在病因	未来工作将集中在整合额外的图像模态以进一步优化模型的诊断能力	通过bVAE模型可视化和量化视神经病变中的GCL变薄模式	视网膜神经节细胞（RGC）	计算机视觉	视神经病变	光学相干断层扫描（OCT）	增强型变分自编码器（bVAE）	图像	822名受试者的10,701次OCT黄斑扫描
27	2025-03-12	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过术前心电图预测术后死亡率	利用深度学习分析心电图波形信号，识别术后死亡率的隐藏风险标志物，超越了传统修订心脏风险指数（RCRI）的预测能力	研究仅基于美国三个医疗系统的数据，可能在其他地区或医疗系统中的适用性有待验证	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	机器学习	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者，共112,794份心电图
28	2025-03-12	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示，以进行快速分析	SAMPLER通过编码多尺度瓦片级别特征的累积分布函数来生成幻灯片级别表示，无需监督且计算效率高	尽管SAMPLER在速度和效果上表现出色，但其在外部验证数据集上的表现仍需进一步验证	开发一种无监督且快速的方法，用于生成全切片组织图像的幻灯片级别表示，以进行下游分析	乳腺癌（BRCA）、非小细胞肺癌（NSCLC）和肾细胞癌（RCC）的全切片图像	数字病理学	乳腺癌、非小细胞肺癌、肾细胞癌	深度学习	无监督模型	图像	来自The Cancer Genome Atlas (TCGA)的BRCA、NSCLC和RCC全切片图像
29	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	2025-03-11	Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315762 PMID:39715201	研究论文	本文提出了一种改进的物理信息神经网络（PINN）框架，用于解决蚊子种群动态建模中的ODE优化问题	提出了一种改进的PINN框架，解决了梯度不平衡和刚性ODE问题，并通过逐步扩展训练时间域来解决时间因果关系问题	当前PINN框架在现实世界的ODE系统中还不够成熟，尤其是在具有极端多尺度行为的系统中	改进物理信息神经网络在ODE系统中的应用，特别是用于蚊子种群动态建模	蚊子种群动态建模	机器学习	NA	物理信息神经网络（PINN）	PINN	模拟数据	NA
31	2025-03-10	Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303278 PMID:38771733	研究论文	本文通过应用梯度加权类激活映射（Grad-CAM）等方法，提高了基于fMRI的3D-VGG16网络在阿尔茨海默病（AD）诊断中的可解释性	本文的创新点在于使用多种静息态功能活动图（如ALFF、fALFF、ReHo和VMHC）来降低fMRI数据的复杂性，并采用3D-VGG16网络进行AD分类，同时通过GAP层缓解过拟合问题	本文的局限性在于手动特征提取方法可能增加模型负担，且仅针对AD和正常对照组进行了研究，未涉及其他神经系统疾病	研究目的是探索模型在预测时主要关注的大脑感兴趣区域（ROI），以及AD患者和正常对照组之间这些ROI的差异	研究对象为阿尔茨海默病患者和正常对照组	数字病理学	阿尔茨海默病	fMRI	3D-VGG16	图像	未提及具体样本数量
32	2025-03-08	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文探讨了机器学习和深度学习技术在解决攀岩路线难度评定主观性问题中的应用	提出了使用机器学习和深度学习技术来标准化攀岩路线难度评定的方法，特别是通过自然语言处理和循环神经网络算法	现有方法主要集中在路线中心、攀岩者中心和路径查找与生成三种方法，仍需进一步研究以提高准确性和适用性	研究目的是通过机器学习和深度学习技术标准化攀岩路线难度的评定	攀岩路线的难度评定	自然语言处理	NA	机器学习和深度学习	循环神经网络（RNN）	文本	NA
33	2025-03-08	Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230733 PMID:38277290	研究论文	本研究探讨了基于人工智能深度学习和循证医学的MRI海马体积测量在预测阿尔茨海默病发生和进展中的价值	结合人工智能深度学习和循证医学方法，利用MRI海马体积测量进行阿尔茨海默病的早期诊断和干预	研究依赖于特定数据库（ADNI和OASIS-brains）的数据，可能限制了结果的普适性	研究MRI海马体积测量在预测阿尔茨海默病发生和进展中的能力	483名阿尔茨海默病患者、756名轻度认知障碍患者和968名正常对照者	数字病理学	老年病	MRI	CNN（InceptionResNetv2, Densenet169, SEResNet50）	图像	483名AD患者、756名MCI患者和968名NC
34	2025-03-06	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的方法，用于自动分类乳腺癌组织图像中的HER2状态	利用金字塔采样技术分析不同空间尺度的形态特征，有效管理计算负载，并提供对细胞和组织层面细节的详细检查	研究仅基于523个核心图像的数据集，样本量相对较小	提高乳腺癌HER2状态分类的准确性和评估速度	乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523个核心图像
35	2025-03-05	Prediction of cerebral aneurysm rupture risk by machine learning algorithms: a systematic review and meta-analysis of 18,670 participants 2024-Jan-06, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-023-02271-2 PMID:38183490	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习算法在预测脑动脉瘤破裂风险中的有效性和重要性	首次对机器学习算法在脑动脉瘤破裂风险预测中的应用进行了系统综述和荟萃分析，涵盖了18,670名参与者	需要进一步研究以提高机器学习算法在预测脑动脉瘤破裂状态中的诊断性能	评估机器学习算法在预测脑动脉瘤破裂风险中的有效性和重要性	脑动脉瘤患者	机器学习	脑动脉瘤	机器学习算法	CNN, ANN	医学影像数据（DSA, CTA, MRI）	18,670名参与者
36	2025-03-05	AS2LS: Adaptive Anatomical Structure-Based Two-Layer Level Set Framework for Medical Image Segmentation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3483563 PMID:39446550	研究论文	本文提出了一种基于自适应解剖结构的两层水平集框架（AS2LS），用于分割具有同心结构的器官，如左心室和眼底	提出了一种新颖的自适应解剖结构的两层水平集表示方法，并结合了两阶段水平集演化算法，提高了复杂医学图像分割的准确性	未提及具体局限性	提高医学图像分割的准确性，特别是针对具有同心结构的器官	医学图像中的器官，如左心室和眼底	计算机视觉	NA	水平集方法	AS2LS（自适应解剖结构的两层水平集框架）	医学图像	未提及具体样本数量
37	2025-03-05	Explainability Enhanced Object Detection Transformer With Feature Disentanglement 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3492733 PMID:39531564	研究论文	本文提出了一种增强端到端目标检测模型（DETR）可解释性的特征解耦方法	引入了特征解耦方法，通过Tensor奇异值分解（T-SVD）生成特征基，并引入批量平均特征谱惩罚（BFSP）损失来约束特征解耦和平衡语义激活	未提及具体局限性	增强目标检测模型的可解释性	端到端目标检测模型（DETR）	计算机视觉	NA	Tensor奇异值分解（T-SVD），批量平均特征谱惩罚（BFSP）	DETR, CNN	图像	在两个数据集上进行了广泛实验
38	2025-03-05	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	研究论文	本文提出了一种基于功能连接性和轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号进行抑郁症识别	设计了一种基于标准多头自注意力机制的轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，通过EEG数据及其相干矩阵实现有效的抑郁症识别	模型参数的初始化过程中的随机性可能导致模型性能的不稳定性	开发一种高效的抑郁症识别模型	EEG信号	机器学习	抑郁症	EEG信号分析	FCAN（功能连接注意力网络）	EEG数据	使用了一个公开的EEG数据集
39	2025-03-04	Assessment of Protein-Protein Docking Models Using Deep Learning 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_10 PMID:38987469	综述	本文回顾了蛋白质对接模型评估方法的进展，特别关注了将深度学习应用于多种网络架构的最新发展	本文的创新点在于将深度学习技术应用于蛋白质对接模型的评估，以提高模型选择的准确性	本文主要关注深度学习在蛋白质对接模型评估中的应用，未涉及其他可能的评估方法或技术的比较	研究目的是提高蛋白质对接模型评估的准确性，以更好地理解蛋白质-蛋白质相互作用的机制	研究对象是蛋白质对接模型，特别是通过计算方法生成的蛋白质复合物结构模型	机器学习	NA	深度学习	多种网络架构	蛋白质复合物结构模型	NA
40	2025-03-04	Refinement of Docked Protein-Protein Complexes Using Repulsive Scaling Replica Exchange Simulations 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_15 PMID:38987474	研究论文	本文介绍了一种基于排斥偏置的副本交换模拟方法（RS-REMD），用于改进蛋白质-蛋白质复合物结构的预测和评估	提出了一种新的副本交换模拟方法，通过在不同副本模拟中应用不同水平的排斥偏置来改进蛋白质-蛋白质复合物结构的预测和自由能评分	标准分子动力学模拟耗时且通常无法改进对接解决方案，而RS-REMD方法的具体应用效果需要进一步验证	改进蛋白质-蛋白质复合物结构的预测和评估	蛋白质-蛋白质复合物结构	分子动力学模拟	NA	副本交换模拟（RS-REMD）	NA	蛋白质结构数据	两个示例应用