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
2041	2025-02-04	Leveraging deep learning for toxic comment detection in cursive languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2486 PMID:39896410	研究论文	本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类	提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测	乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度	开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响	乌尔都语中的有毒评论	自然语言处理	NA	深度学习	transformer, BERT, GPT-2	文本	NA
2042	2025-02-03	Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps 2024-08-27, JAMA DOI:10.1001/jama.2024.10770 PMID:39088200	研究论文	本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中	开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境	研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估	评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性	400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体	数字病理	NA	深度学习	深度学习模型	超声图像	400名妊娠个体
2043	2025-02-03	Defining the boundaries: challenges and advances in identifying cells in microscopy images 2024-02, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2023.103055 PMID:38142646	研究论文	本文探讨了在显微镜图像中识别细胞的挑战和进展，特别是分割技术的改进	深度学习工具在细胞分割技术中的主导地位增强，如Cellpose模型的准确性和用户友好性提升	NA	提高显微镜图像中细胞分割的准确性和效率	显微镜图像中的细胞	计算机视觉	NA	深度学习	Cellpose	图像	NA
2044	2025-02-03	Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample 2024-Feb, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2023.115693 PMID:38194801	研究论文	本研究探讨了利用腕戴式活动记录仪数据结合机器学习和深度学习技术检测重度抑郁症（MDD）的效用	结合传统机器学习方法和深度学习卷积神经网络（CNN）方法，利用被动收集的活动记录仪数据检测MDD，并识别出与MDD相关的生物标志物	研究依赖于PHQ-9作为MDD筛查工具，可能存在筛查偏差	探索利用被动收集的活动记录仪数据结合机器学习技术检测MDD的潜力	8,378名参与者，其中766名参与者通过PHQ-9筛查为MDD	机器学习	重度抑郁症	机器学习和深度学习	传统机器学习方法和CNN	活动记录仪数据	8,378名参与者，其中766名通过PHQ-9筛查为MDD
2045	2025-02-03	Nonmetastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Patients with Breast Cancer at Risk for Metastasis 2024-02, The American journal of pathology DOI:10.1016/j.ajpath.2023.11.005 PMID:38029922	研究论文	本研究使用深度学习模型识别肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并探讨其与淋巴结转移的潜在机制	首次通过深度学习模型揭示肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并初步发现脂肪替代淋巴结中CD3表达减少和瘦素表达增加的趋势	研究样本量较小（180例），且免疫组化分析仅基于30例患者的子集，结果需要进一步验证	探讨肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异及其与淋巴结转移的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习模型、免疫组化分析	深度学习模型	图像（H&E染色全切片图像）	180例乳腺癌患者（其中30例用于免疫组化分析）
2046	2025-02-03	Respiratory signal estimation for cardiac perfusion SPECT using deep learning 2024-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16653 PMID:37523268	研究论文	本文开发了一种仅使用SPECT投影数据的深度学习方法，用于估计心脏灌注SPECT成像中的呼吸信号	提出了一种基于改进U-Net的深度学习方法，直接从SPECT投影数据中估计呼吸信号，无需依赖外部跟踪设备	研究仅使用了900名受试者的数据，可能需要在更大规模的数据集上进行验证	开发一种无需外部设备的深度学习方法，用于心脏灌注SPECT成像中的呼吸信号估计和运动校正	心脏灌注SPECT成像中的呼吸信号	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	900名受试者，其中302名用于测试，598名用于训练和验证
2047	2025-02-03	Flexible protein-protein docking with a multitrack iterative transformer 2024-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	本文介绍了一种名为GeoDock的多轨迭代变压器网络，用于从分离的对接伙伴预测对接结构，解决了现有蛋白质-蛋白质对接方法在结合诱导构象变化方面的局限性	GeoDock在蛋白质残基水平上具有灵活性，能够预测结合时的构象变化，且在DIPS测试集上达到了43%的top-1成功率，优于其他测试方法	尽管GeoDock在预测结合诱导的构象变化方面有所突破，但由于训练和评估数据的限制，这仍然是一个挑战	开发一种能够处理结合诱导构象变化的蛋白质-蛋白质对接方法，以提高对接成功率和应用效率	蛋白质-蛋白质对接	机器学习	NA	多轨迭代变压器网络	Transformer	序列和结构数据	DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集
2048	2025-01-22	Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease 2024-02, Arteriosclerosis, thrombosis, and vascular biology DOI:10.1161/ATVBAHA.123.318771 PMID:38095107	综述	本文探讨了利用基因组学识别主动脉疾病新型治疗靶点的潜力，并回顾了深度学习技术在该领域遗传发现中的应用	应用机器学习方法分析大型影像数据集，快速定义主动脉特征并挖掘出数十个新的遗传关联，如主动脉直径和扩张性	NA	识别主动脉疾病的因果基因和候选药物靶点	主动脉疾病，包括夹层、动脉瘤和破裂	基因组学	心血管疾病	机器学习，深度学习	NA	影像数据	NA
2049	2025-02-03	Applying deep learning to recognize the properties of vitreous opacity in ophthalmic ultrasound images 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02705-7 PMID:37596401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2050	2025-02-03	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	本文验证了一种基于深度学习的算法，用于自动分割新生血管性年龄相关性黄斑变性（nAMD）中的视网膜内液（IRF）、视网膜下液（SRF）和新生血管性色素上皮脱离（nPED）	开发并验证了一种深度学习算法，能够自动分割nAMD中的关键OCT特征，性能接近人工分级	样本量较小，仅包括50名患者的50只眼睛	验证深度学习算法在nAMD中自动分割关键OCT特征的准确性	新生血管性年龄相关性黄斑变性（nAMD）患者的光学相干断层扫描（OCT）数据	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习	图像	50名患者的50只眼睛
2051	2025-02-03	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	本文评估了用于糖尿病视网膜病变（DR）的公开数据集中图像质量评估（IQA）及其质量标准	强调了自动化质量评估作为手动标注的有效替代方案，并建议根据人群特征、临床用途和研究目的建立质量标准	数据集中的质量标准和相关信息获取存在不一致和困难	评估糖尿病视网膜病变数据集的图像质量评估及其质量标准	糖尿病视网膜病变的公开数据集	数字病理学	糖尿病视网膜病变	NA	深度学习（DL）	图像	20个数据集
2052	2025-02-03	Deep learning enables the discovery of a novel cuproptosis-inducing molecule for the inhibition of hepatocellular carcinoma 2024-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-023-01167-7 PMID:37803139	研究论文	本文利用深度学习技术从ZINC15药物库中筛选出具有抗肝癌活性的新型化合物LGOd1，并揭示其通过干扰细胞铜稳态诱导铜死亡的新机制	首次发现具有LGO骨架的新型化合物LGOd1，其通过不同于传统铜离子载体的机制诱导铜死亡，为肝癌治疗提供了新的潜在药物	未提及具体临床前或临床试验数据，需进一步验证LGOd1的体内疗效和安全性	发现新型抗肝癌化合物并揭示其作用机制	肝癌细胞	机器学习	肝癌	深度学习	化学表示模型	化学化合物数据	超过600万种化合物
2053	2025-02-03	A Deep Learning-Based Radiomic Classifier for Usual Interstitial Pneumonia 2024-Feb, Chest IF:9.5Q1 DOI:10.1016/j.chest.2023.10.012 PMID:37844797	研究论文	本文开发了一种基于深度学习的放射组学分类器，用于通过胸部CT扫描诊断普通型间质性肺炎（UIP）	利用卷积神经网络（CNN）从CT扫描中学习UIP的离散特征，并结合线性支持向量机进行预测，展示了在广泛UIP患病率下的良好测试性能	研究为回顾性队列研究，可能存在选择偏倚，且需要进一步验证在更广泛人群中的适用性	开发一种基于深度学习的工具，用于标准化CT扫描解释，以诊断普通型间质性肺炎（UIP）	患有和未患有间质性肺病（ILD）的个体的胸部CT扫描	计算机视觉	间质性肺病	深度学习	卷积神经网络（CNN）	图像	共2,907例胸部CT扫描，包括训练集（n=1,934）、验证集（n=408）和性能测试集（n=565）
2054	2025-02-03	Movienet: Deep space-time-coil reconstruction network without k-space data consistency for fast motion-resolved 4D MRI 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29892 PMID:37849064	研究论文	本文提出了一种名为Movienet的深度学习新方法，用于4D-MRI重建，通过利用空间-时间-线圈相关性和运动保留而非k空间数据一致性，加速黄金角度径向数据的采集，并实现动态MRI中的亚秒级重建时间	Movienet采用U-net架构，通过修改的残差学习块在图像域中完全操作，以去除混叠伪影并重建无混叠的运动分辨4D图像，同时通过线性运动顺序排序输入图像和参考图像来强制运动保留	NA	开发一种新的深度学习方法来加速4D-MRI的重建，以在临床环境中实现快速运动抵抗的3D解剖成像或运动分辨的4D成像	腹部肿瘤的运动分辨4D MRI和运动抵抗3D MRI	医学影像	腹部肿瘤	深度学习	U-net	MRI图像	在1.5T MR-Linac和3T MRI扫描仪上进行了演示
2055	2025-02-03	Investigating pulse-echo sound speed estimation in breast ultrasound with deep learning 2024-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2023.107179 PMID:37939413	研究论文	本文提出了一种基于深度学习的监督学习方法，用于从分析超声信号中估计声速，以提高乳腺超声图像的质量和疾病识别能力	提出了一种新的深度学习方法来估计乳腺超声中的声速，通过模拟数据集训练全卷积神经网络，生成估计的声速图	模型主要基于模拟数据进行训练，尽管在模拟、幻影和体内乳腺超声数据上进行了评估，但在真实临床数据上的表现仍需进一步验证	提高乳腺超声图像的质量和疾病识别能力	乳腺组织，包括腺体组织、脂肪和病变	计算机视觉	乳腺癌	深度学习	全卷积神经网络	超声信号	大规模模拟超声数据集，包括模拟乳腺组织样本、幻影和体内乳腺超声数据
2056	2025-02-03	Magnetic Resonance Imaging-Based Assessment of Pancreatic Fat Strongly Correlates With Histology-Based Assessment of Pancreas Composition 2024-Feb-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002288 PMID:38194643	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2057	2025-02-02	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	本文提出了一种基于深度学习的数字图像相关测量方法GMDIC，用于复杂大变形位移场的测量	结合了多头注意力Swin-Transformer和高效通道注意力模块ECA，并在特征中添加位置信息以增强特征表示能力	在处理大规模图像数据时，计算复杂度较高，导致处理速度较慢	提高大变形位移场测量的计算精度和速度	散斑图像的位移场	计算机视觉	NA	深度学习	Swin-Transformer, ECA	图像	包含各种类型散斑图像和复杂变形的位移场数据集
2058	2025-02-02	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	本文提出了一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像（MRI）图像	通过改进现有的视觉变换器（ViTs）和结合CatBoost分类器，提出了一种在有限计算资源下进行阿尔茨海默病分类的创新模型	模型的鲁棒性和适用性有待提高，后续研究可以包括遗传和临床数据	开发一种在有限计算资源下对阿尔茨海默病进行分类的模型	阿尔茨海默病	计算机视觉	老年病	MRI	视觉变换器（ViTs）和CatBoost分类器	图像	使用OASIS数据集进行模型泛化
2059	2025-02-02	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2060	2025-02-02	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过使用五种先进的深度学习模型架构，分析了从T1加权脑部MRI扫描中得出的脑年龄差距（BAG）在不同受试者群体中的差异	本研究首次系统地比较了五种深度学习模型在预测脑年龄差距方面的表现，并揭示了不同疾病群体中BAG的显著差异	研究未涉及其他类型的脑部扫描数据，且样本量可能不足以覆盖所有相关疾病群体	探索不同深度学习模型在预测脑年龄差距方面的表现，并分析不同疾病群体中的BAG差异	健康对照组及患有睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病的患者群体	计算机视觉	阿尔茨海默病、多发性硬化症、帕金森病、轻度认知障碍、糖尿病、睡眠呼吸暂停	深度学习	2D/3D VGG、RelationNet、ResNet、SFCN	脑部MRI图像	健康对照组及多种疾病患者群体