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
1521	2025-02-17	Clinical efficacy of motion-insensitive imaging technique with deep learning reconstruction to improve image quality in cervical spine MR imaging 2024-Mar-28, The British journal of radiology DOI:10.1093/bjr/tqae026 PMID:38366622	研究论文	本研究探讨了结合深度学习重建（DLR）的T2周期性旋转重叠平行线增强重建（PROPELLER）技术在颈椎MRI中提高图像质量和降低图像噪声的临床效果	结合深度学习重建（DLR）的PROPELLER技术首次应用于颈椎MRI，显著提高了图像质量和降低了噪声	样本量较小（35例患者），且研究时间较短（2020年12月至2021年3月）	评估PROPELLER技术与DLR结合在颈椎MRI中的图像质量和噪声改善效果	35例接受颈椎MRI检查的患者	医学影像	颈椎疾病	T2 PROPELLER技术，深度学习重建（DLR）	深度学习模型	MRI图像	35例患者
1522	2025-02-17	Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning 2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad189 PMID:38366336	研究论文	本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征	利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征	研究主要基于Instagram平台，可能不适用于其他社交媒体平台	识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征	Instagram上的反电子烟图片帖子	自然语言处理	NA	深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型）	CNN（ViT-B/32）	图像和文本	8972个反电子烟Instagram图片帖子，其中2200个手工编码
1523	2025-02-17	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究探讨了使用深度学习模型预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗反应的可行性	首次使用全切片图像（WSI）和混合监督的端到端机器学习模型来预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心，可能影响模型的泛化能力	探索使用深度学习模型预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	深度学习	Autoencoder, ResNet50	图像	112例患者
1524	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
1525	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
1526	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
1527	2025-02-16	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习和生成对抗网络，对45至85岁无认知障碍个体的脑部结构变化进行分组，并探讨这些分组与遗传、生物医学指标及认知衰退轨迹的关系	首次使用生成对抗网络进行半监督聚类分析，识别出无认知障碍个体中三种不同的脑老化模式，并揭示其与遗传、心血管风险因素及未来认知衰退的关联	研究依赖于特定数据集（iSTAGING国际联盟），可能限制了结果的普适性；此外，研究未涵盖所有可能的神经病理过程	探索无认知障碍个体中脑部结构变化的异质性，以揭示神经退行性疾病早期阶段的潜在机制	45至85岁无认知障碍的个体	数字病理	老年疾病	深度学习、生成对抗网络（GAN）	GAN	脑部影像数据	27,402名无认知障碍个体
1528	2025-02-16	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型	构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络	现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题	探索三叉神经痛的病理生理学并开发有效的镇痛药物	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络（TNPAN）	图像	NA
1529	2025-02-16	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据	提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题	提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策	直肠癌患者	数字病理	直肠癌	MRI（磁共振成像）	nnUNet, MLNet, 3D ResNet10	图像	509名患者，来自9个中心
1530	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量
1531	2025-02-14	Ontologies in modelling and analysing of big genetic data 2024-Dec, Vavilovskii zhurnal genetiki i selektsii IF:0.9Q3 DOI:10.18699/vjgb-24-101 PMID:39944813	研究论文	本文探讨了基于本体论的新方法，用于系统化和有效利用生物信息学和生物医学领域积累的大量实验数据，包括自动化语义整合异构数据、创建大型知识库和基于深度学习的自解释方法	提出了基于本体论的深度学习方法，如Deep GONet和ONN4MST，这些方法不仅性能高，而且具有可解释性，解决了深度学习模型通常作为“黑箱”的问题	尽管提出了可解释的深度学习方法，但神经网络的复杂性和数据异质性仍然是挑战，且自动推理依赖于预先创建的参考本体	开发基于本体论的方法，以系统化和有效利用生物信息学和生物医学领域的大规模实验数据	生物信息学、系统生物学和生物医学领域的实验数据	生物信息学	癌症	深度学习、本体论、语义整合	Deep GONet、ONN4MST	基因数据、微生物数据	癌症诊断数据集、人类肠道微生物群落样本
1532	2025-02-14	Medical language model specialized in extracting cardiac knowledge 2024-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80165-z PMID:39580531	研究论文	本文专注于构建一个专门用于心脏病学领域的医学语言模型	创新点在于将医学领域细分为多个专业部门，并专注于心脏病学领域，构建专门的模型	NA	研究目的是在医学领域内构建一个专门用于心脏病学的语言模型	研究对象是心脏病学领域的医学数据	自然语言处理	心血管疾病	Transformer	Transformer-based 语言模型	文本	NA
1533	2025-02-14	Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches 2024-Nov-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252212233 PMID:39596300	综述	本文探讨了机器学习在基于靶点的药物发现中的应用，特别是在小分子方法中的影响	利用机器学习和自然语言处理技术，SMILES系统在药物设计、挖掘和再利用中取得了革命性进展，深度学习通过CNN和RNN在虚拟筛选、靶点识别和新药设计中显示出潜力	挑战包括模型的可解释性和数据质量问题	探讨机器学习如何加速基于靶点的药物发现，提高效率和创新	小分子药物	机器学习	NA	机器学习，自然语言处理，深度学习	CNN, RNN, GAN	化学结构数据	NA
1534	2025-02-14	Deep learning prediction of curve severity from rasterstereographic back images in adolescent idiopathic scoliosis 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-08052-1 PMID:38055037	研究论文	本研究评估了基于卷积神经网络的深度学习模型在青少年特发性脊柱侧弯中直接从背部表面光栅立体图像预测Cobb角度的有效性	使用深度学习模型直接从光栅立体图像预测Cobb角度，避免了传统的脊柱形状重建方法	尽管相比之前的方法有所改进，但全自动应用的性能仍低于人类操作者进行的放射学评估	评估深度学习模型在预测青少年特发性脊柱侧弯Cobb角度方面的有效性	青少年特发性脊柱侧弯患者	计算机视觉	脊柱侧弯	光栅立体成像	卷积神经网络（CNN）	图像	900名个体（720个训练样本，180个测试样本）
1535	2025-02-14	Application of machine-learning model to optimize colonic adenoma detection in India 2024-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01530-4 PMID:38758433	研究论文	本文旨在开发一种机器学习模型，以优化印度结肠腺瘤的检测	使用梯度提升机（GBM）学习方法开发预测模型，并通过调整学习率和树的数量以及10折交叉验证进一步优化模型	研究中排除了结肠腺瘤高风险患者，可能影响模型的普遍适用性	优化结肠腺瘤的检测，预防结直肠癌	接受诊断性结肠镜检查的成年患者	机器学习	结直肠癌	梯度提升机（GBM）	梯度提升树模型	临床数据	10,320名患者
1536	2025-02-14	Deep survival analysis for interpretable time-varying prediction of preeclampsia risk 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104688 PMID:39002866	研究论文	本文提出了一种深度生存分析方法，用于预测妊娠期间子痫前期风险的时间变化	创新点在于使用深度生存模型DeepHit来处理非比例风险，捕捉非线性关系，并应对复杂的时间动态变化	研究基于回顾性数据，可能存在选择偏差，且模型性能与Cox比例风险模型相似，未显著超越	研究目的是开发一种能够准确预测妊娠期间子痫前期风险的方法，并探讨相关临床风险因素	研究对象为2015年至2023年间在两所三级医疗中心分娩的66,425名孕妇	机器学习	子痫前期	深度生存分析	DeepHit	回顾性数据	66,425名孕妇
1537	2025-02-14	Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-023-01483-0 PMID:38110782	研究论文	本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）	首次将深度学习模型应用于超声图像上区分XGC和GBC，并与放射科医生的诊断结果进行比较	单中心研究，样本量较小（25例XGC和55例GBC）	通过深度学习模型提高XGC和GBC在超声图像上的区分准确性	黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）患者	计算机视觉	胆囊癌	深度学习	CNN, Transformer	图像	25例XGC患者和55例GBC患者
1538	2025-02-14	Independent Associations of Aortic Calcification with Cirrhosis and Liver Related Mortality in Veterans with Chronic Liver Disease 2024-Jul, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-024-08450-5 PMID:38653948	研究论文	本研究评估了腹主动脉钙化（AAC）与慢性肝病（CLD）患者肝硬化及肝相关死亡率之间的独立关联	利用自动深度学习方法量化AAC，并首次在非NAFLD病因的CLD患者中发现了AAC与肝病严重程度和临床结果的强关联	研究仅针对退伍军人群体，可能限制了结果的普遍性	评估AAC与CLD患者肝相关死亡率的关联	患有慢性肝病的退伍军人	数字病理	肝病	深度学习方法	NA	CT扫描图像	3604名退伍军人
1539	2025-02-14	Unraveling trends in schistosomiasis: deep learning insights into national control programs in China 2024, Epidemiology and health IF:2.2Q2 DOI:10.4178/epih.e2024039 PMID:38514196	研究论文	本研究利用深度学习技术分析了中国血吸虫病控制项目的进展，并提出了一个基于卷积神经网络的时空变化模型	提出了一个基于卷积神经网络（CNN）和层次积分差分方程（IDE）框架的模型（CNN-IDE），用于捕捉血吸虫病流行的复杂动态	研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况	评估中国血吸虫病控制项目的效果，并预测未来的流行趋势	中国安徽省沿长江地区的血吸虫病流行情况	数字病理	血吸虫病	卷积神经网络（CNN）	CNN-IDE	寄生虫学数据和环境数据	1997年至2015年安徽省的村庄级数据
1540	2025-02-14	Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements 2024-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.09.014 PMID:37734638	研究论文	本研究开发了基于深度学习（DL）的模型，通过光学相干断层扫描血管成像（OCTA）的血管密度（VD）测量来估计中心视野（VF）	首次使用深度学习模型从OCTA图像中估计中心视野损失，并显著优于线性回归模型	样本量相对较小，仅包括1051对10-2 VF OCTA数据	开发能够从OCTA图像中准确估计中心视野损失的深度学习模型	健康眼、疑似青光眼和青光眼患者的10-2 VF OCTA数据	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	1051对10-2 VF OCTA数据