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
1801	2025-02-27	DeepComBat: A statistically motivated, hyperparameter-robust, deep learning approach to harmonization of neuroimaging data 2024-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26708 PMID:39056477	研究论文	本文介绍了一种名为DeepComBat的深度学习协调方法，用于消除神经影像数据中的批次效应	DeepComBat结合了统计方法和深度学习的优势，能够处理特征间的多变量关系，同时放松了之前深度学习协调方法的强假设	NA	消除神经影像数据中的批次效应，提高数据的可重复性	神经影像数据	计算机视觉	老年疾病	深度学习	条件变分自编码器	图像	认知老化队列的皮层厚度测量数据
1802	2025-02-27	Patients Perceptions of Artificial Intelligence in a Deep Learning-Assisted Diabetic Retinopathy Screening Event: A Real-World Assessment 2024-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968241234378 PMID:38404014	研究论文	本文通过调查糖尿病患者对人工智能辅助糖尿病视网膜病变筛查的看法，评估了患者对AI在医疗中应用的感知	在真实世界的糖尿病视网膜病变筛查活动中，首次调查了患者对AI的感知和态度	样本主要为初级医疗保健中的低教育水平糖尿病患者，可能影响结果的普遍性	评估糖尿病患者对AI在医疗中应用的感知和态度	糖尿病患者	数字病理	糖尿病	深度学习	NA	调查数据	NA
1803	2025-02-27	Among Artificial Intelligence/Machine Learning Methods, Automated Gradient-Boosting Models Accurately Score Intraoral Plaque in Non-Standardized Images 2024, Journal of the California Dental Association DOI:10.1080/19424396.2024.2422146 PMID:39990046	研究论文	本文开发并测试了用于非标准化口腔内菌斑图像自动选择和评分的模型，旨在提高预防试验中的主要结果测量准确性	使用梯度提升模型在非标准化图像中准确评分口腔内菌斑，避免了深度学习模型的高计算和财务成本	未使用深度学习模型，可能限制了模型的复杂性和潜在性能	开发并测试自动图像选择和口腔内菌斑评分模型，以提高预防试验中的主要结果测量准确性	435张来自UCSF/UCLA临床试验的照片中的1650颗菌斑显示的乳牙（牙齿D, E, F, G）	计算机视觉	NA	机器学习算法，包括支持向量机-高斯模型和梯度提升模型	支持向量机-高斯模型，梯度提升分类和回归模型	图像	435张照片中的1650颗乳牙
1804	2025-02-26	scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae526 PMID:39417321	研究论文	本文提出了一种基于多视图图注意力网络的新方法scMGATGRN，用于从单细胞转录组数据中推断基因调控网络	scMGATGRN模型结合了图注意力网络（GAT）、多视图模型和视图级注意力机制，能够充分利用图拓扑信息和高阶邻居信息，从而更有效地推断基因调控网络	尽管scMGATGRN在多个基准数据集上表现出色，但其在更广泛和多样化的数据集上的泛化能力仍需进一步验证	研究目标是开发一种更有效的深度学习方法，用于从单细胞转录组数据中推断基因调控网络	研究对象是单细胞转录组数据，特别是来自五种细胞系（两种人类和三种小鼠）的七个基准单细胞RNA测序数据集	机器学习	NA	单细胞RNA测序（scRNA-seq）	多视图图注意力网络（scMGATGRN）	单细胞转录组数据	七个基准单细胞RNA测序数据集，涉及五种细胞系（两种人类和三种小鼠）
1805	2025-02-26	Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04468-5 PMID:38958754	研究论文	本研究使用基于深度学习的AI算法评估前列腺癌MRI图像质量对前列腺外扩展（EPE）检测准确性的影响	首次使用深度学习AI算法对前列腺MRI图像质量进行分类，并证明高质量T2WI图像与EPE病理预测准确性相关	研究为单机构回顾性研究，样本量有限，且仅使用了一种AI算法进行图像质量分类	评估前列腺MRI图像质量对EPE检测准确性的影响	前列腺癌患者	数字病理学	前列腺癌	深度学习	AI算法	MRI图像	773名患者
1806	2025-02-26	Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04323-7 PMID:38662208	研究论文	本研究比较了深度学习加速的单次屏息T2加权磁共振成像（DLSB-T2WI）与BLADE-T2WI在胃癌成像中的图像质量、效率和诊断性能	首次将深度学习加速技术应用于单次屏息T2加权磁共振成像，显著缩短了成像时间并提高了图像质量	研究样本量相对较小，且仅在单一中心进行，可能影响结果的普遍性	比较DLSB-T2WI与BLADE-T2WI在胃癌成像中的性能	112名胃癌患者	数字病理	胃癌	T2加权磁共振成像（T2WI）	深度学习模型	图像	112名胃癌患者
1807	2025-02-26	High-throughput classification of S. cerevisiae tetrads using deep learning 2024-07, Yeast (Chichester, England) DOI:10.1002/yea.3965 PMID:38850080	研究论文	本文开发了一种基于深度学习的图像识别和分类管道，用于高通量检测和分类酿酒酵母四分体的减数分裂交叉	利用深度学习技术自动化分析酿酒酵母四分体的减数分裂交叉，提高了分析效率和准确性	研究主要针对酿酒酵母，可能不直接适用于其他生物体	自动化分析酿酒酵母四分体的减数分裂交叉，以加速发现与减数分裂重组相关的新基因	酿酒酵母四分体	计算机视觉	NA	深度学习	CNN	图像	大量野生型和特定基因敲除突变体的图像数据集
1808	2025-02-26	A deep learning approach for diagnosis of schizophrenia disorder via data augmentation based on convolutional neural network and long short-term memory 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00360-9 PMID:38946814	研究论文	本文提出了一种基于卷积神经网络和长短期记忆网络的深度学习方法，通过数据增强技术自动诊断精神分裂症	提出了一种端到端的深度学习方法，结合15层CNN和16层CNN-LSTM网络，利用数据增强技术提高数据多样性，实现了高精度的精神分裂症诊断	未提及具体的数据集来源和样本的多样性，可能影响模型的泛化能力	开发一种自动诊断精神分裂症的工具，帮助精神病医生进行早期诊断	精神分裂症患者的脑电图（EEG）信号	机器学习	精神分裂症	生成对抗网络（GAN）用于数据增强	CNN, LSTM	脑电图（EEG）信号	大规模EEG数据集，具体样本数量未提及
1809	2025-02-26	Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation 2024-04-10, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America IF:8.2Q1 DOI:10.1093/cid/ciad633 PMID:37971399	评论	本文探讨了大型语言模型（LLMs）在传染病咨询中的潜在应用及其局限性	提出了LLMs在医疗咨询中的潜在应用，并强调了其当前的技术限制和伦理问题	LLMs存在频繁的虚构、缺乏上下文意识、训练数据和方法不透明以及容易再现偏见等问题	探讨LLMs在传染病临床咨询中的应用前景及其潜在风险	大型语言模型（LLMs）	自然语言处理	传染病	深度学习算法	LLMs	文本	NA
1810	2025-02-26	Exploring the application of knowledge transfer to sports video data 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1460429 PMID:39989920	研究论文	本研究探讨了知识转移在体育视频数据中的应用，特别是零样本学习（ZSL）和球员重识别技术	利用预训练的重识别模型提取特征嵌入，在零样本学习环境下评估其在橄榄球联赛和篮网球中的应用，展示了在动态体育环境中部分模型的有效性	非部分模型在背景干扰下表现不佳，且需要大量资源来重现结果	探索更高效的方法，以在不同体育项目中应用AI和计算机视觉技术，减少数据标注和模型训练成本	橄榄球联赛和篮网球的体育视频数据	计算机视觉	NA	零样本学习（ZSL）	预训练的重识别模型	视频	橄榄球联赛近35,000帧和篮网球近14,000帧的广播视频剪辑
1811	2025-02-26	Multiomics Research: Principles and Challenges in Integrated Analysis 2024, Biodesign research DOI:10.34133/bdr.0059 PMID:39990095	综述	本文综述了多组学研究的基本原则和挑战，强调了数据整合在揭示生物系统复杂相互作用和调控机制中的必要性	探讨了深度学习、图神经网络（GNNs）和生成对抗网络（GANs）等最新计算方法在多组学数据合成和解释中的应用，并提出了大语言模型在多组学分析中的潜力	需要大量的计算资源和复杂的模型调优	指导研究人员在多组学研究中导航原则和挑战，以促进整合生物分析的发展	多组学数据	生物信息学	NA	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学等）	深度学习、图神经网络（GNNs）、生成对抗网络（GANs）	多组学数据	NA
1812	2025-02-25	Construction of an antidepressant priority list based on functional, environmental, and health risks using an interpretable mixup-transformer deep learning model 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134651 PMID:38843640	研究论文	本研究构建了一个基于功能、环境及健康风险的抗抑郁药物优先级筛选系统（ADRank），并采用改进的mixup-transformer深度学习模型进行分类，以提高分类准确性和可靠性	采用改进的mixup-transformer深度学习模型，相较于随机森林模型，分类准确性提高了23.25%，可靠性提高了80%	研究中未明确提及样本量及数据来源的具体细节	构建抗抑郁药物的风险优先级筛选系统，以识别和管理抗抑郁药物的风险	抗抑郁药物（AD）	机器学习	NA	深度学习	mixup-transformer	NA	NA
1813	2025-02-25	Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134723 PMID:38815392	研究论文	本研究利用多分支深度学习模型和高光谱成像技术，开发了HerbiNet模型，用于早期检测玉米中nicosulfuron除草剂的毒性	开发了HerbiNet和HerbiNet-Lite模型，能够早期准确预测玉米中nicosulfuron的毒性，并在不同年份和季节的数据集上表现出更高的泛化能力	研究仅针对nicosulfuron一种除草剂，未涉及其他除草剂的毒性检测	开发早期检测玉米中除草剂毒性的方法，以保护玉米生产和田间环境	玉米作物及其高光谱图像	计算机视觉	NA	高光谱成像	多分支深度学习模型	图像	NA
1814	2025-02-25	Deep Learning Analysis of Surgical Video Recordings to Assess Nontechnical Skills 2024-07-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.22520 PMID:39083274	研究论文	本研究探讨了利用手术视频记录中的运动特征自动评估心脏手术过程中非技术技能的可行性	首次使用深度学习技术从手术视频中提取运动特征，以自动评估手术团队的非技术技能	研究仅在一家医院进行，且样本量较小，需要进一步在不同医院和专科中验证结果	探索自动评估手术室非技术技能的方法，以提高手术表现和患者安全	心脏手术过程中的手术团队	计算机视觉	心血管疾病	OpenPose库用于视频分析	深度学习	视频	30例完整的心脏手术过程
1815	2025-02-25	CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04252-5 PMID:38557770	研究论文	本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发（ER）中的作用，并分层了ER的风险	首次使用CEUS结合DL放射组学复发评分来预测HCC的早期复发，并基于预测因子数量对患者进行风险分层	研究为回顾性观察研究，可能存在选择偏差	预测肝细胞癌根治性切除术后的早期复发并分层风险	556名在2011年1月至2018年12月期间接受根治性切除术的HCC患者	数字病理	肝细胞癌	对比增强超声（CEUS）	深度学习（DL）	图像	556名HCC患者
1816	2025-02-25	Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04236-5 PMID:38512517	研究论文	本文评估了基于深度学习的图像重建技术在多动脉期磁共振成像（MA-MRI）中对小血管性肝肿瘤图像质量的提升效果	首次将深度学习技术应用于多动脉期磁共振成像的图像重建，显著提高了图像质量	研究样本量较小，且为回顾性研究，可能影响结果的普遍性	评估深度学习图像重建技术在多动脉期磁共振成像中的应用效果	55名患有小血管性肝肿瘤的成年患者	计算机视觉	肝肿瘤	深度学习图像重建	深度学习模型	图像	55名成年患者
1817	2025-02-25	Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04225-8 PMID:38372765	综述	本文综述了用于非侵入性诊断肝硬化的定性和定量影像生物标志物，并讨论了评估肝功能和预后的挑战及未来方向	介绍了影像组学和深度学习在提高诊断准确性并减少主观性方面的应用	部分定量影像特征尚未在临床实践中应用	探讨非侵入性诊断肝硬化的影像生物标志物及其在评估肝功能和预后中的应用	肝硬化患者	数字病理学	肝硬化	超声、CT、MRI、弹性成像技术、影像组学、深度学习	NA	影像数据	NA
1818	2025-02-25	Detection of urinary tract stones on submillisievert abdominopelvic CT imaging with deep-learning image reconstruction algorithm (DLIR) 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04223-w PMID:38470506	研究论文	本研究评估了使用深度学习图像重建算法（DLIR）在亚毫西弗腹部盆腔CT成像中检测尿路结石的诊断性能和图像质量	首次在亚毫西弗腹部盆腔CT成像中应用深度学习图像重建算法（DLIR），并评估其在尿路结石检测中的诊断性能和图像质量	样本量较小，仅57名患者参与研究	评估亚毫西弗腹部盆腔CT成像在尿路结石检测中的诊断性能和图像质量	57名疑似尿路结石患者	数字病理	尿路结石	CT成像	深度学习图像重建算法（DLIR）	图像	57名患者，共检测到266颗结石
1819	2025-02-24	A DEEP LEARNING FRAMEWORK TO CHARACTERIZE NOISY LABELS IN EPILEPTOGENIC ZONE LOCALIZATION USING FUNCTIONAL CONNECTIVITY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635583 PMID:39464200	研究论文	本文开发了一个深度学习框架，用于在药物难治性局灶性癫痫患者的静息态功能磁共振成像（rs-fMRI）中定位致痫区（EZ），并处理训练和测试中的噪声标签问题	提出了一个多任务深度学习框架，能够同时识别噪声标签的概率和每个感兴趣区域（ROI）的定位预测	由于临床协议的限制，具有可靠EZ标签的数据集稀缺，且使用的标签可能包含噪声	开发一个数学框架来表征EZ定位中的噪声标签，并提高定位性能	药物难治性局灶性癫痫患者	数字病理学	癫痫	rs-fMRI	多任务深度学习框架	图像	模拟数据集（来自人类连接组计划）和临床癫痫数据集
1820	2025-02-24	High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI 2024-Mar-06, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.04.24303727 PMID:38496517	研究论文	本文介绍了一种高分辨率多延迟动脉自旋标记（MDASL）协议，并提出了基于Transformer的深度学习模型，用于儿科灌注MRI的去噪	提出了基于Transformer的深度学习模型，结合k空间加权图像平均（KWIA）去噪图像作为参考，有效提高了多延迟ASL图像的信噪比（SNR）和测试-重测重复性	研究样本仅限于8至17岁的典型发育儿童，未涵盖其他年龄段或特殊发育情况的儿童	提高儿科灌注MRI中多延迟动脉自旋标记（MDASL）图像的质量和重复性	21名8至17岁的典型发育儿童	医学影像	NA	多延迟动脉自旋标记（MDASL），k空间加权图像平均（KWIA）	Transformer	MRI图像	21名8至17岁的典型发育儿童