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
321	2025-07-19	A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241277389 PMID:39267420	综述	本文总结大量文献和临床经验，提出了一种标准化的淋巴结评估协议，涵盖术前影像评估、术中淋巴结清扫和术后免疫治疗影响	提出多模态、多组学、多阶段的3M评估协议，整合影像组学、深度学习模型和统计学方法优化淋巴结管理流程	未提及具体实施该协议所需的资源投入和培训成本	建立标准化淋巴结评估体系以改善癌症诊疗效果	癌症患者的淋巴结转移评估与管理	数字病理学	癌症	影像组学、深度学习、统计分析	深度学习模型	医学影像、临床数据	NA
322	2025-07-19	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	本研究通过应用拓扑数据分析和纹理分析两种放射组学方法，预测肺CT扫描中磨玻璃结节（GGNs）的恶性风险	创新性地将拓扑信息整合到放射组学分析中，捕捉GGNs内复杂的几何和空间关系，并结合机器学习和深度学习算法建立预测模型	研究为回顾性分析，可能存在选择偏倚，且样本仅来自两个中心	提高肺CT扫描中磨玻璃结节（GGNs）恶性风险的预测准确性	3223名患者的肺CT扫描中的磨玻璃结节（GGNs）	数字病理学	肺癌	放射组学分析，拓扑数据分析，纹理分析	机器学习和深度学习算法	CT图像	3223名患者
323	2025-07-19	Trends and Hotspots in Global Radiomics Research: A Bibliometric Analysis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241235769 PMID:38465611	研究论文	通过文献计量分析总结基于放射组学的知识结构并探索潜在趋势和重点	使用多种工具进行国家、机构、作者、参考文献和关键词的共现分析，并识别未来主要研究方向	仅分析了2012年至2022年10月的文献，可能未涵盖最新研究进展	探索放射组学领域的研究现状和热点	6428篇放射组学相关文章	放射组学	NA	文献计量分析	NA	文献数据	6428篇文章
324	2025-07-19	A Comparative Study of Deep Learning Dose Prediction Models for Cervical Cancer Volumetric Modulated Arc Therapy 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241242654 PMID:38584413	研究论文	比较四种最先进的深度学习模型在预测宫颈癌容积调强弧形治疗（VMAT）中体素级剂量分布的性能	首次比较了四种3D U-Net及其变体在宫颈癌VMAT剂量预测中的表现	研究为回顾性研究，样本量相对有限（261例患者）	评估不同深度学习模型在放射肿瘤学剂量预测中的性能	宫颈癌患者的VMAT治疗计划	数字病理	宫颈癌	容积调强弧形治疗（VMAT）	3D U-Net及其3种变体模型	CT图像、靶区掩膜、危及器官掩膜	261例宫颈癌患者的治疗计划（209例训练验证集，52例测试集）
325	2025-07-18	Deep Learning Detection of Hand Motion During Microvascular Anastomosis Simulations Performed by Expert Cerebrovascular Neurosurgeons 2024-12, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.069 PMID:39305985	研究论文	使用深度学习技术对专家脑血管神经外科医生在模拟微血管吻合手术中的手部运动进行定量评估	首次利用深度学习技术无传感器追踪专家神经外科医生的手部运动，并定量分析手术动作的经济性和流畅性	样本量较小（仅5名专家），且仅在模拟环境中进行	评估专家神经外科医生的手术动作特征，探索深度学习在手术培训中的应用潜力	5名经验丰富的脑血管神经外科医生	计算机视觉	脑血管疾病	深度学习手部追踪	深度学习模型（具体未说明）	视频	5名专家神经外科医生的模拟手术数据
326	2025-07-18	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-09-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	利用专有图像分析软件（Visiopharm）进行自动深度学习分割，显著提高了复杂神经病理特征的注释质量	仅分析了15张全切片图像，样本量较小	提高阿尔茨海默病神经病理特征的自动注释和分割精度	阿尔茨海默病脑切片中的神经炎斑块和神经纤维缠结	数字病理学	阿尔茨海默病	AT8免疫染色全切片图像分析	U-Net卷积神经网络	图像	15张全切片图像，来自4个生物库，包含5013个神经炎斑块和5143个神经纤维缠结
327	2025-07-18	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本文介绍了一种利用深度学习增强的无标记动作电位检测方法，通过基于等离子体的电化学阻抗显微镜（P-EIM）实现	利用深度学习方法显著提高了P-EIM在神经元电信号映射中的可用性，特别是LSTM网络成功检测单周期刺激的动作电位	尽管性能有所提升，但单周期动作电位检测的AUC仅为0.855，仍有改进空间	提高基于P-EIM的神经元电活动检测的灵敏度和效率	神经元细胞的动作电位	生物医学工程	NA	等离子体基电化学阻抗显微镜（P-EIM）	LSTM	视频信号	未明确提及具体样本数量
328	2025-07-18	The new paradigm in machine learning - foundation models, large language models and beyond: a primer for physicians 2024-05, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16393 PMID:38715436	review	本文综述了基础机器学习模型，特别是大型语言模型（LLM）在医学领域的应用、潜力及风险	介绍了基础机器学习模型和LLM在医学中的多任务处理能力及其潜在变革性应用	指出了LLM在开发、评估和使用中缺乏适当审查可能带来的风险和偏见	探讨基础机器学习模型和LLM在医学领域的应用前景及挑战	基础机器学习模型和大型语言模型（LLM）	machine learning	NA	deep learning	LLM	text, audio, images, video	NA
329	2025-07-18	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍了一个名为DLSIA的基于Python的机器学习库，用于科学图像分析	提出了稀疏混合尺度网络（SMSNets），通过随机图、稀疏连接和扩张卷积连接不同长度尺度	未提及具体性能对比或计算资源需求	为科学图像分析提供可定制的CNN架构	科学图像数据	计算机视觉	NA	CNN	autoencoders, U-Nets, MSDNets, SMSNets	图像	NA
330	2025-07-17	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究探讨了基于卫星和街景的绿地空间与美国儿童肥胖之间的关联	首次同时使用卫星归一化植被指数(NDVI)和街景图像绿地指标，并结合多种肥胖测量指标进行研究	研究仅基于美国儿童样本，结果可能不适用于其他人群	探索不同绿地空间测量方法与儿童肥胖指标之间的关系	美国儿童	公共卫生	肥胖症	卫星NDVI、街景图像分析、深度学习算法	线性回归模型	卫星图像、街景图像、人体测量数据	843名儿童(基线平均年龄7.9岁，50.2%为女孩)
331	2025-07-17	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	research paper	该研究利用机器学习和神经网络技术，探讨了强迫症（OCD）严重程度与人格特质、宗教信仰及灵性之间的复杂关系	研究发现项目级特征比总分更具影响力，挑战了传统分析方法，神经网络模型虽未在预测准确性上超越线性回归，但提供了对OCD异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确性上未超越线性回归模型	识别OCD严重程度的关键预测因素，并探讨其与人格特质、宗教信仰及灵性的关系	229名参与者	machine learning	obsessive-compulsive disorder	machine learning, deep learning	neural network, linear regression	survey data	229名参与者
332	2025-07-17	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于捕捉模型预测的平均值和变异性，同时估计数据不确定性	未明确提及具体局限性	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络	DNN	基因组数据	NA
333	2025-07-17	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核过程，训练了一个可解释的深度学习模型CANNY来预测蛋白质聚集	使用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANNY，提高了淀粉样蛋白成核预测的准确性，并揭示了模型的决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，开发更准确的预测方法	蛋白质序列及其淀粉样蛋白成核过程	机器学习	NA	深度学习	卷积-注意力混合神经网络(CANNY)	蛋白质序列数据	超过10万条蛋白质序列
334	2025-07-17	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	research paper	该研究提出了一种结合深度学习和特征追踪的自动化流程，用于从长轴心脏磁共振图像中分割左心室和左心房并评估心肌应变	创新点在于设计了一个结合2D和3D ResUnet的深度学习模型，用于自动化分割和应变分析，并通过特征追踪初始化提高了测量准确性	研究仅针对长轴心脏磁共振图像，且样本量相对有限（684名个体）	开发自动化方法来评估左心室和左心房的心肌应变	左心室和左心房的心肌应变	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), feature tracking (FT)	2D- and 3D-ResUnet	image	684名个体的长轴心脏磁共振图像（训练集845，调优集281，测试集116）
335	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-04, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
336	2025-07-17	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构（FFNN和NMT）在从ICD代码预测损伤严重程度分类（ISS和ISS≥16）中的准确性	首次比较了FFNN和NMT在直接和间接转换ICD代码到AIS时的性能差异，并发现NMT在预测精确ISS分数时表现最佳	研究仅基于美国国家创伤数据库的数据，可能不适用于其他地区或数据集	开发一个从ICD代码预测损伤严重程度分类的系统，以替代耗时的手动AIS编码	创伤病例的ICD代码和AIS分类	自然语言处理	创伤	深度学习	FFNN, NMT	文本	训练和验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）
337	2025-07-17	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	本研究开发并评估了一种基于深度学习的快速螺旋图像重建（DESIRE）和分割方法，用于高分辨率螺旋实时电影成像的左心室射血分数（LVEF）量化	提出了一种结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习技术，实现了快速图像重建和自动左心室功能量化	研究仅评估了1.5T和3T梯度回波成像，未涉及其他磁场强度或成像技术	开发高效的深度学习方法来加速心脏电影成像的图像重建和量化分析	心脏左心室功能	医学影像分析	心血管疾病	深度学习图像重建与分割	3D U-Net, 2D U-Net	医学影像	未明确说明样本数量，但包含40帧动态序列
338	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
339	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
340	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)