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
1781	2025-03-02	Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection 2024-01-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.1.23 PMID:38285462	研究论文	本文开发并评估了一种深度学习模型，用于评估眼底照片质量，并定量测量其在独立研究人群中自动化检测原发性开角型青光眼（POAG）的影响	首次将深度学习模型应用于眼底照片质量评估，并展示了其对提高POAG检测准确性的显著影响	研究依赖于特定数据集（DIGS/ADAGES和OHTS），可能限制了模型的泛化能力	提高自动化POAG检测的准确性，减少人工审查的负担	眼底照片	计算机视觉	青光眼	深度学习	深度学习模型	图像	2815张来自DIGS/ADAGES的眼底照片和11,350张来自OHTS的眼底照片
1782	2025-03-02	Rapid and accurate classification of mung bean seeds based on HPMobileNet 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1474906 PMID:40017618	研究论文	本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet	提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率	研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索	开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展	八种不同品种的绿豆种子	计算机视觉	NA	深度学习	HPMobileNet（基于MobileNetV2改进）	图像	34,890张绿豆种子图像
1783	2025-03-02	A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1448669 PMID:40017619	研究论文	本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测	结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本	现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低	减少深度学习中的手动干预，提高复杂植被信息收集的效率	干旱热谷环境中的植被	计算机视觉	NA	深度学习，强化学习，迁移学习	FCN, Seg-Net, U-Net, Seg-Res-Net 50	图像	NA
1784	2025-03-01	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了深度学习技术如何利用T1加权结构脑磁共振成像（sMRI）预测个体的流体智力、晶体智力和一般智力	首次使用深度学习模型预测晶体智力和一般智力，而不仅仅是流体智力，并且通过大量实验验证了T1加权sMRI在智力预测中的潜力	研究样本包括健康个体和自闭症患者，可能影响结果的普适性，且深度学习模型的复杂性增加并未显著提高预测准确性	探索深度学习技术是否能够通过sMRI预测个体的智力水平，包括流体智力、晶体智力和一般智力	850名6至64岁的健康个体和自闭症患者	计算机视觉	自闭症	T1加权结构脑磁共振成像（sMRI）	2D和3D CNN	图像	850名6至64岁的健康个体和自闭症患者
1785	2025-03-01	Prediction and design of transcriptional repressor domains with large-scale mutational scans and deep learning 2024-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.21.614253 PMID:39386603	研究论文	本文通过大规模突变扫描和深度学习模型TENet，预测和设计了转录抑制域（RDs），并实验验证了数千种设计	开发了深度学习模型TENet，整合序列、结构和生化信息，用于准确预测转录抑制活性，并应用于定向进化序列编辑框架	未明确提及模型在更广泛生物环境中的适用性或潜在的计算资源需求	研究序列变异如何影响转录抑制域的功能活性，并设计合成调控蛋白	人类细胞中的转录抑制域（RDs）及其变异序列	生物信息学	NA	大规模突变扫描、深度学习	TENet（转录效应网络）	序列数据、结构数据、生化数据	115,000种变异序列，涵盖50多个RDs
1786	2025-03-01	Discovery and characterization of novel FGFR1 inhibitors in triple-negative breast cancer via hybrid virtual screening and molecular dynamics simulations 2024-09, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2024.107553 PMID:38901279	研究论文	本研究通过混合虚拟筛选和分子动力学模拟，发现并表征了三阴性乳腺癌中的新型FGFR1抑制剂	开发了一种结合深度学习和分子对接的创新算法KarmaDock，并利用Schrödinger的残基扫描技术进行虚拟筛选，成功识别出具有显著FGFR1抑制活性的化合物6	NA	寻找有效的FGFR1抑制剂以应对三阴性乳腺癌的进展	三阴性乳腺癌细胞系	机器学习和分子动力学模拟	三阴性乳腺癌	虚拟筛选、分子动力学模拟、HTRF生物测定	深度学习与分子对接结合的KarmaDock算法	分子数据	NA
1787	2025-03-01	Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae034 PMID:39081946	研究论文	本研究比较了简单模型与深度学习模型在从心电图（ECG）波形中检测左心室收缩功能障碍（LVSD）的准确性	研究表明，基于标准ECG测量的简单模型在检测LVSD方面可以达到与深度学习模型相似的准确性，且更易于实施和解释	研究主要依赖于单一医疗中心的数据，外部验证数据有限，可能影响模型的广泛适用性	比较简单模型与深度学习模型在检测LVSD方面的性能	心电图（ECG）波形和经胸超声心动图	机器学习	心血管疾病	随机森林模型、逻辑回归模型、深度学习模型	随机森林、逻辑回归、深度学习	心电图波形数据	40,994对匹配的12导联心电图和经胸超声心动图
1788	2025-03-01	Fluorescence excitation-scanning hyperspectral imaging with scalable 2D-3D deep learning framework for colorectal cancer detection 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64917-5 PMID:38926431	研究论文	本文介绍了一种新型的荧光激发扫描高光谱成像（HSI）方法，结合可扩展的2D-3D深度学习框架，用于结直肠癌的检测	开发了一种新型的荧光激发扫描HSI方法，结合可扩展的AI框架，实现了实时HSI分类和AI决策过程的可解释性	高维度的HSI数据集在数据处理、解释性和分类方面存在挑战	提高结直肠癌病变检测的敏感性和特异性	结直肠癌病变	计算机视觉	结直肠癌	荧光激发扫描高光谱成像（HSI）	深度学习模型	图像	NA
1789	2025-03-01	Deep Learning Phenotyping of Tricuspid Regurgitation for Automated High Throughput Assessment of Transthoracic Echocardiography 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.22.24309332 PMID:38978651	研究论文	本研究开发了一种自动化深度学习流程，用于从经胸超声心动图中评估三尖瓣反流（TR）	开发了一种自动化深度学习工作流程，用于高吞吐量评估三尖瓣反流，并在两个不同的医疗系统中进行了验证	研究依赖于特定医疗中心的数据，可能在其他医疗环境中的适用性需要进一步验证	开发并验证一种自动化深度学习模型，用于从超声心动图中评估三尖瓣反流的严重程度	经胸超声心动图视频	数字病理学	心血管疾病	深度学习	深度学习模型	视频	CSMC数据集包含47,312项研究（2,079,898个视频），测试集包含2,462项研究（108,138个视频）；SHC数据集包含5,549项研究（278,377个视频）
1790	2025-03-01	Deep learning evaluation of echocardiograms to identify occult atrial fibrillation 2024-Apr-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01090-z PMID:38615104	研究论文	本研究开发了一种深度学习算法，通过分析经胸超声心动图（TTE）视频来识别隐匿性心房颤动（AF）	创新点在于使用两阶段深度学习算法，结合视频卷积神经网络模型，能够区分窦性心律和AF，并预测窦性心律患者中90天内发生AF的可能性	模型的预测性能在外部验证队列中有所下降，特别是在预测并发阵发性AF时，AUPRC较低（0.19-0.23）	研究目的是通过深度学习技术识别隐匿性AF，以促进早期治疗	研究对象为经胸超声心动图（TTE）视频	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	111,319个TTE视频用于训练，10,203个TTE视频用于外部验证
1791	2025-03-01	Automatic end-to-end VMAT treatment planning for rectal cancers 2024-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14259 PMID:38317597	研究论文	本研究开发并临床评估了一种用于直肠癌VMAT治疗的端到端自动分割和自动计划流程	首次将自动分割和自动计划结合用于直肠癌VMAT治疗的端到端流程，仅需肿瘤体积轮廓和CT扫描作为输入	大、小肠的分割具有挑战性，端到端流程的自动计划接受率有待提高	开发并评估直肠癌VMAT治疗的端到端自动分割和自动计划流程	直肠癌患者的CT扫描数据和临床靶区（CTV）轮廓	数字病理	直肠癌	VMAT（容积调强弧形治疗）	nnU-Net	CT图像	174名患者的CTV数据，18名患者的其他结构数据，20名患者的训练数据，34名患者的测试数据，16名患者的端到端流程评估数据
1792	2025-03-01	Prospective Evaluation of Automated Contouring for CT-Based Brachytherapy for Gynecologic Malignancies 2024-Apr, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2023.101417 PMID:38435965	研究论文	本研究评估了自动轮廓绘制在基于计算机断层扫描的妇科恶性肿瘤近距离放射治疗计划中的准确性和效率	前瞻性地评估了自动轮廓绘制在临床实践中的应用，填补了该领域的研究空白	样本量相对较小，且仅在一个机构内进行，可能限制了结果的普适性	评估自动轮廓绘制在妇科恶性肿瘤近距离放射治疗计划中的临床实用性和准确性	妇科恶性肿瘤患者	数字病理	妇科恶性肿瘤	深度学习	NA	CT图像	30例自动轮廓绘制病例和31例手动轮廓绘制病例
1793	2025-03-01	Deep learning for transesophageal echocardiography view classification 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50735-8 PMID:38167849	研究论文	本研究开发了一种基于深度学习的多类别经食管超声心动图（TEE）视图分类模型，用于结构化术中和术中TEE成像数据	创新点在于开发了一个能够准确分类标准化TEE视图的深度学习模型，并进行了外部验证	研究的局限性在于仅使用了来自两个医疗中心的TEE视频数据进行训练和验证，样本来源较为单一	研究目的是通过深度学习技术对术中和术中TEE成像数据进行结构化分类	研究对象是术中和术中TEE视频数据	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	来自Cedars-Sinai Medical Center（CSMC）和Stanford University Medical Center（SUMC）的TEE视频数据
1794	2025-02-28	MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning 2024-Nov-22, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2431664 PMID:39576667	研究论文	本研究开发了一个结合预训练蛋白质语言模型和深度学习技术的计算框架，用于分类次级主动转运蛋白中的氨基酸和肽转运蛋白，并预测其与溶质载体蛋白的功能关联	首次将预训练蛋白质语言模型与多窗口深度学习技术结合，用于次级主动转运蛋白的功能分类和溶质载体蛋白的预测	研究仅基于已知的次级主动转运蛋白数据集，可能无法涵盖所有未知的转运蛋白类型	开发一个计算框架，用于分类和预测次级主动转运蛋白的功能	次级主动转运蛋白，特别是氨基酸和肽转运蛋白	生物信息学	癌症	蛋白质语言模型（ProtTrans, ESM-1b, ESM-2），深度学习	深度学习神经网络	蛋白质序列数据	448个次级主动转运蛋白，包括36个溶质载体蛋白
1795	2024-11-17	Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology 2024-Nov-08, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00745-0 PMID:39511421	研究论文	开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学中对神经母细胞瘤进行形态学分类和分子特征分析	首次使用注意力机制的多实例学习和自监督学习方法，结合H&E染色全切片图像，对神经母细胞瘤进行病理分类和MYCN扩增状态评估	NA	开发一种人工智能辅助的神经母细胞瘤分类方法	神经母细胞瘤的病理分类和MYCN扩增状态评估	数字病理学	神经母细胞瘤	注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL)	深度学习模型	图像	迄今为止报道的最大队列的全切片图像
1796	2025-02-28	Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos 2024-08-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.25124 PMID:39106068	研究论文	本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂	利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	开发一种AI模型，用于早期检测儿童眼病	儿童眼病（近视、斜视和上睑下垂）	计算机视觉	儿童眼病	深度学习	深度学习模型	图像	476名患者的1419张图像
1797	2024-10-24	Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.09.24308603 PMID:38946986	研究论文	本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例	本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例	本文未详细讨论模型的泛化能力和在其他数据集上的表现	开发一种更准确的方法来识别ANCA相关性血管炎病例	ANCA相关性血管炎病例的识别	机器学习	其他疾病	深度学习	深度学习算法	文本	三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本
1798	2025-02-28	Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning 2024-Mar-06, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c04815 PMID:38407030	研究论文	本文介绍了一种利用深度学习技术识别和结构表征扭曲原子薄双层材料的方法	使用语义分割卷积神经网络（CNN）快速准确地识别MoS薄片的厚度，并训练第二个CNN模型预测CVD生长的双层薄片的扭曲角度	NA	开发一种可扩展的方法，用于自动化检测扭曲原子薄CVD生长的双层材料	扭曲双层石墨烯和过渡金属二硫化物	计算机视觉	NA	光学显微镜、化学气相沉积（CVD）、二次谐波生成、拉曼光谱	CNN	图像	超过10,000张合成图像
1799	2025-02-28	Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1458374 PMID:39735601	研究论文	本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态	利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性	研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者	开发预测肺腺癌患者EGFR突变状态的深度学习模型	430名非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	Inception V3	图像	430名非小细胞肺癌患者
1800	2025-02-27	AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae479 PMID:39323093	研究论文	本文介绍了一种名为AESurv的深度学习自编码器生存分析模型，用于基于高维DNA甲基化和临床特征准确预测冠心病（CHD）的发生时间	开发了一种新的深度学习自编码器生存分析模型（AESurv），通过学习参与者的低维表示来进行时间到事件的CHD预测，相较于其他生存分析模型表现更优	NA	开发一种能够准确预测冠心病发生时间的模型，以协助早期预测和干预策略	美国印第安人成年人（Strong Heart Study cohort）和绝经后妇女（Women's Health Initiative cohort）	机器学习	心血管疾病	DNA甲基化分析	自编码器（Autoencoder）	DNA甲基化数据和临床数据	两个队列研究：Strong Heart Study cohort和Women's Health Initiative cohort