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
1361	2025-03-05	Assessment of changes in vessel area during needle manipulation in microvascular anastomosis using a deep learning-based semantic segmentation algorithm: A pilot study 2024-May-09, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02437-6 PMID:38722409	研究论文	本研究开发了一种基于深度学习的语义分割算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	首次使用手术视频评估手术对象面积变化，提出了一种新的微血管吻合术性能评估方法	研究为初步研究，样本量较小，且仅使用人工血管进行训练	开发一种基于深度学习的算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	微血管吻合术中的血管	计算机视觉	NA	深度学习	ResNet-50	视频	微血管端侧吻合术训练视频
1362	2025-03-05	Abdominal CT metrics in 17,646 patients reveal associations between myopenia, myosteatosis, and medical phenotypes: a phenome-wide association study 2024-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105116 PMID:38636199	研究论文	本研究利用深度学习技术和大规模电子健康记录数据，通过腹部CT扫描评估身体组成指标，探索其与多种医学表型的关联	首次将PheWAS方法应用于大规模CT成像生物标志物和电子健康记录数据的整合分析，揭示了肌肉减少症和肌肉脂肪变性生物标志物与多种医学表型之间的新关联	研究结果主要基于北美人群，可能不适用于其他人群；研究设计为横断面研究，无法确定因果关系	探索腹部CT扫描得出的骨骼肌指标与医学表型之间的关联	17,646名成年患者（2012-2018年间接受腹部CT扫描）	数字病理学	NA	深度学习	NA	CT图像和电子健康记录数据	17,646名成年患者（平均年龄56岁±19，57.5%为女性）
1363	2025-03-05	The detection of absence seizures using cross-frequency coupling analysis with a deep learning network 2024-Apr-10, Research square DOI:10.21203/rs.3.rs-4178484/v1 PMID:38659733	研究论文	本文介绍了一种使用堆叠稀疏自编码器（SSAE）和交叉频率耦合（CFC）分析来自头皮脑电图（EEG）的失神发作活动的方法	利用深度学习方法（SSAE）结合交叉频率耦合分析，自动化检测失神发作，提供了一种新的癫痫发作检测方法	样本量较小（12名患者，94次失神发作），可能影响模型的泛化能力	开发一种自动化检测失神发作的方法	失神发作患者的头皮脑电图（EEG）数据	机器学习	癫痫	交叉频率耦合（CFC）分析	堆叠稀疏自编码器（SSAE）	脑电图（EEG）	12名患者的94次失神发作及背景活动片段
1364	2025-03-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2024-Apr, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09655-9 PMID:38526701	研究论文	本文提出了一种名为DeepN4的深度学习网络，用于近似N4ITK偏置场校正，以提高T1加权MRI图像处理的便携性和灵活性	通过深度学习网络DeepN4近似N4ITK偏置场校正，解决了N4ITK在不同平台间移植和优化困难的问题	尽管DeepN4能够近似N4ITK校正，但其在不同数据集上的泛化能力仍需进一步验证	开发一种便携、灵活且完全可微的N4ITK偏置场校正方法	T1加权MRI图像	计算机视觉	NA	深度学习	深度学习网络	图像	来自72台不同扫描仪的八个独立队列的T1加权MRI图像
1365	2025-03-05	Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan 2024-Feb-29, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00525-9 PMID:38424598	研究论文	本文提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并报告了性能指标和成年期内的变化	提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并提供了跨成年期的脉络丛体积变化示例	样本量相对较小（n=50），且主要关注成年期内的变化，未涵盖更广泛的人群	改进和验证脉络丛体积的量化方法，以更好地研究其在神经退行性疾病中的作用	成年期内的控制组和神经退行性疾病参与者的脉络丛	医学影像分析	神经退行性疾病	深度学习	全卷积神经网络（FCN）	3D T1加权、3D T2加权和2D T2加权FLAIR MRI图像	50名参与者（年龄21-85岁）用于训练和验证，98名成年控制组（年龄21-89岁）用于扩展队列
1366	2025-03-05	Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan 2024-Feb-13, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00516-w PMID:38350930	研究论文	本文提出了一种深度学习架构，用于自动分割脑周窦结构，如蛛网膜颗粒和旁矢状硬膜空间，通过3D T2加权非对比MRI图像进行验证，并提供了这些结构在成人生命周期中的规范范围	开发了一种新的深度学习架构，首次实现了对脑周窦结构的自动分割，无需外源性对比剂和手动描绘	研究依赖于特定类型的MRI图像（3D T2加权非对比MRI），可能限制了方法的广泛应用	开发并验证一种自动化工具，用于量化脑周窦结构的体积，以研究神经流体循环功能障碍	脑周窦结构，包括蛛网膜颗粒和旁矢状硬膜空间	数字病理学	NA	3D T2加权非对比MRI	3D全卷积神经网络	图像	80例用于验证，1,872例健康参与者用于提供生命周期中的规范范围
1367	2025-03-05	Enhancing Hierarchical Transformers for Whole Brain Segmentation with Intracranial Measurements Integration 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009084 PMID:39220623	研究论文	本文提出了一种增强的分层Transformer模型UNesT，用于全脑分割，并整合颅内测量，以提高脑结构分析的全面性	通过增强现有的分层Transformer模型UNesT，实现了同时分割133个全脑类别和颅内测量（TICV/PFV），解决了数据稀缺问题	数据可用性受限，手动注释的全脑和TICV/PFV标签的图谱有限	提高全脑分割的全面性，整合颅内测量	全脑分割和颅内测量（TICV/PFV）	计算机视觉	NA	磁共振成像（MRI）	分层Transformer UNesT	3D T1加权（T1w）图像	预训练使用4859个T1w 3D体积，微调使用45个T1w 3D体积
1368	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
1369	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
1370	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
1371	2025-03-04	AI-luminating Artificial Intelligence in Inflammatory Bowel Diseases: A Narrative Review on the Role of AI in Endoscopy, Histology, and Imaging for IBD 2024-12-05, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izae030 PMID:38452040	综述	本文综述了人工智能（AI）在炎症性肠病（IBD）内窥镜、组织学和影像学中的应用，探讨了AI在IBD检测、诊断、表征、表型分析和预后中的潜力	本文首次系统性地回顾了AI在IBD内窥镜、组织学和影像学中的应用，并指出了现有研究的局限性和知识空白	现有文献存在固有的局限性和知识空白，需要进一步研究以解决这些问题，使AI能够成为IBD的主流临床工具	探讨AI在IBD内窥镜、组织学和影像学中的应用，以提升诊断效率和临床决策	炎症性肠病（IBD）	数字病理学	炎症性肠病	深度学习、放射组学	NA	图像	NA
1372	2025-03-04	Estimating the distribution of numerosity and non-numerical visual magnitudes in natural scenes using computer vision 2024-Dec-03, Psychological research DOI:10.1007/s00426-024-02064-2 PMID:39625570	研究论文	本文利用计算机视觉算法设计并实现了一个原始流程，用于估计包含数千张日常生活场景中物体图像的大规模数据集中数量和非数量视觉幅度的分布	利用最新的计算机视觉算法，设计了一个能够估计自然场景中数量和非数量视觉幅度分布的流程，揭示了不同数量出现的频率遵循幂律分布，并展示了数量与连续幅度之间的相关性结构在不同数据集和场景类型中的稳定性	神经网络模型通常使用合成数据集进行训练，这些数据集可能无法准确反映自然环境的统计结构	研究自然场景中数量和非数量视觉幅度的分布，以理解非数量视觉线索对数量判断的影响	包含数千张日常生活场景中物体图像的大规模数据集	计算机视觉	NA	计算机视觉算法	神经网络	图像	数千张日常生活场景中的物体图像
1373	2025-03-04	Identification of diabetic retinopathy classification using machine learning algorithms on clinical data and optical coherence tomography angiography 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03173-3 PMID:38871934	研究论文	本研究应用机器学习算法，结合临床数据和光学相干断层扫描血管成像（OCTA）进行糖尿病视网膜病变（DR）的多分类	创新点在于结合了临床数据和OCTA参数，使用多种机器学习算法进行DR的多分类，并进行了独立的外部验证	研究样本量相对较小，仅包括203名糖尿病患者用于模型建立和169名用于外部验证	研究目的是通过机器学习算法提高糖尿病视网膜病变的分类准确性，以辅助筛查、转诊和管理DR患者	研究对象为203名糖尿病患者的临床数据和OCTA参数	机器学习	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	随机森林、梯度提升机（GBM）、深度学习、逻辑回归	临床数据和OCTA图像	203名糖尿病患者（203只眼）用于模型建立，169名糖尿病患者（169只眼）用于外部验证
1374	2025-03-04	Spatiotemporal profiling defines persistence and resistance dynamics during targeted treatment of melanoma 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.02.577085 PMID:38370717	研究论文	本文通过空间转录组学和深度学习技术，研究了BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态	利用空间转录组学捕捉克隆谱系演化，结合深度学习分析组织病理学切片，揭示了黑色素瘤治疗中的状态变化和谱系选择	研究主要基于患者来源的异种移植模型，可能无法完全反映人体内的复杂环境	研究BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性机制	BRAF突变黑色素瘤细胞	数字病理学	黑色素瘤	空间转录组学，深度学习	深度学习	转录组数据，组织病理学图像	患者来源的异种移植模型
1375	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
1376	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
1377	2025-03-04	Exploiting the Role of Features for Antigens-Antibodies Interaction Site Prediction 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_16 PMID:38987475	研究论文	本文提出了一种混合方法HSS-PPI，用于预测抗体与抗原相互作用界面位点，通过层次化表示蛋白质并使用图卷积网络对氨基酸进行分类	采用HSS-PPI混合方法，结合层次化表示和图卷积网络，创新性地预测抗体与抗原的相互作用界面位点	未明确提及具体局限性	预测抗体与抗原相互作用界面位点，以支持药物和疫苗设计	抗体与抗原的相互作用界面位点	生物信息学	NA	图卷积网络	HSS-PPI, SVM	蛋白质序列和结构数据	未明确提及样本数量
1378	2025-03-04	[The 30-Year History of the Japan-Korea Joint Meeting on Medical Physics] 2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics DOI:10.11323/jjmp.44.3_40 PMID:40024769	评论	本文回顾了日本-韩国医学物理联合会议30年的历史，探讨了会议对两国医学物理学家交流与合作的贡献	详细记录了日本-韩国医学物理联合会议的30年发展历程，并分析了会议对医学物理领域的推动作用	文章主要关注日本和韩国的医学物理合作，未涉及其他国家的类似合作	回顾日本-韩国医学物理联合会议的历史，探讨其对医学物理领域的贡献	日本和韩国的医学物理学家及其合作	医学物理	NA	NA	NA	NA	NA
1379	2025-03-03	Clinical utility of receptor status prediction in breast cancer and misdiagnosis identification using deep learning on hematoxylin and eosin-stained slides 2024-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00695-5 PMID:39706861	研究论文	本文探讨了使用深度学习从数字化H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在识别激素受体阳性患者、作为质量保证的第二阅读工具以及解决肿瘤内异质性方面的应用	首次使用深度学习从H&E染色切片预测乳腺癌的ER、PR和ERBB2状态，并在多机构数据集上进行训练和评估，展示了其在临床中的潜在应用	研究依赖于多机构数据集，可能存在数据异质性问题，且未在所有临床环境中进行广泛验证	探索从H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在诊断和治疗计划中的潜在应用	乳腺癌患者的数字化H&E染色切片	数字病理学	乳腺癌	深度学习	深度学习系统	图像	19,845张切片，来自7,950名患者，涵盖六个独立队列
1380	2025-03-03	Synthesizing Contrast-Enhanced MR Images from Noncontrast MR Images Using Deep Learning 2024-03-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8107 PMID:38453408	研究论文	本研究利用深度学习从非对比多参数MR图像中合成虚拟钆对比增强T1加权MR图像，以评估原发性脑肿瘤	开发了一种名为T1c-ET的残差Inception DenseNet网络，能够同时合成虚拟对比增强T1加权图像并分割肿瘤的增强部分	研究中使用的数据集来自2019年脑肿瘤分割挑战赛，可能限制了模型的泛化能力	减少对钆对比剂的需求，提供替代成像方法	原发性脑肿瘤患者	计算机视觉	脑肿瘤	深度学习	残差Inception DenseNet网络	MR图像	335名受试者的MR图像用于训练和验证，125名受试者的MR图像用于测试