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
61	2025-01-16	Deep learning of movement behavior profiles and their association with markers of cardiometabolic health 2024-Mar-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02474-7 PMID:38481262	研究论文	本研究利用深度学习技术，将加速度计记录的运动行为转换为图像，并通过卷积自编码器进行聚类分析，探讨运动行为模式与心脏代谢健康标志物的关联	创新性地将加速度计输出数据转换为图像，并利用卷积自编码器进行运动行为模式的聚类分析，突破了传统研究中仅使用平均值评估运动行为与健康关联的局限	研究仅基于NHANES 2003-2006周期的数据，样本量有限，且未考虑其他可能影响心脏代谢健康的因素	探讨运动行为模式与心脏代谢健康标志物的关联	1812名20-65岁的成年人	机器学习	心血管疾病	加速度计测量	卷积自编码器	图像	1812名成年人
62	2025-01-15	3D CNN-based Deep Learning Model-based Explanatory Prognostication in Patients with Multiple Myeloma using Whole-body MRI 2024-Mar-08, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02040-8 PMID:38456950	研究论文	本研究利用三维卷积神经网络（3D CNN）和可解释的人工智能技术（Grad-CAM）分析多发性骨髓瘤患者的全身扩散加权MRI数据，以预测预后并探索预测因素	首次展示了仅使用3D CNN分析全身MRI图像，无需其他临床数据，即可有效预测多发性骨髓瘤患者的预后	研究为回顾性分析，样本量相对较小，且仅来自两个医疗中心	预测多发性骨髓瘤患者的预后并探索预测因素	多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	全身扩散加权MRI	3D CNN, Grad-CAM	图像	142例患者（111例用于训练和内部验证，31例用于外部验证）
63	2025-01-12	Laparoscopic Colorectal Surgery with Anatomical Recognition with Artificial Intelligence Assistance for Nerves and Dissection Layers 2024-Mar, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-023-14633-7 PMID:38017127	研究论文	本文探讨了在腹腔镜结直肠手术中使用人工智能辅助进行神经和解剖层识别的效果	开发了名为Eureka的AI模型，用于自动分割疏松结缔组织（LCT）和分离神经，以帮助外科医生在手术中识别和解剖神经	研究样本量较小，且未进行长期随访以评估术后功能恢复情况	提高腹腔镜结直肠手术中神经和解剖层的识别准确性，以减少术后并发症	腹腔镜结直肠手术中的神经和解剖层	数字病理	结直肠癌	深度学习	Eureka	图像	未明确提及样本量
64	2025-01-07	The clinical implication and translational research of OSCC differentiation 2024-03, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02566-7 PMID:38177661	研究论文	本研究通过整合流行病学、基因组学、实验和深度学习，阐明了口腔鳞状细胞癌（OSCC）分化的临床价值和分子特征，并开发了一种新的OSCC分子分类预测系统	开发了一种基于深度学习的OSCC分子分类预测系统（SMGO），并验证了其高准确性	研究未提及SMGO系统在其他类型癌症中的适用性	阐明OSCC分化的临床价值和分子特征，并开发一种新的OSCC分子分类预测系统	口腔鳞状细胞癌（OSCC）	数字病理学	口腔癌	深度学习	ShuffleNetV2	病理图像	流行病学数据（n=118,817），独立多中心队列（n=340）
65	2025-01-04	Deep learning using contrast-enhanced ultrasound images to predict the nuclear grade of clear cell renal cell carcinoma 2024-Mar-21, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-024-04889-3 PMID:38512539	研究论文	本文评估了使用对比增强超声（CEUS）图像的深度学习模型在区分低级别（I级和II级）和高级别（III级和IV级）透明细胞肾细胞癌（ccRCC）中的有效性	提出了基于RepVGG架构的深度学习模型，用于区分ccRCC的核级别，并利用类激活映射（CAM）可视化模型预测的关键区域	研究为回顾性研究，样本量相对较小（177例ccRCC），且仅使用了单一机构的CEUS图像数据	评估深度学习模型在非侵入性区分ccRCC核级别中的有效性	透明细胞肾细胞癌（ccRCC）患者	计算机视觉	肾癌	对比增强超声（CEUS）	RepVGG	图像	177例ccRCC（93例低级别，84例高级别），共6412张CEUS图像
66	2024-12-28	Association between deep learning measured retinal vessel calibre and incident myocardial infarction in a retrospective cohort from the UK Biobank 2024-03-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079311 PMID:38514140	研究论文	本研究验证了通过深度学习系统测量的视网膜血管口径与心肌梗死事件之间的关联，并评估其在风险预测模型中的增量性能	首次使用深度学习算法（新加坡I血管评估）对大规模UK Biobank队列中的视网膜血管口径进行全自动评估，并验证其与心肌梗死事件的关联	研究主要基于高加索人群，可能限制了结果的普适性	验证视网膜血管口径与心肌梗死事件的关联，并评估其在风险预测模型中的增量性能	UK Biobank队列中的个体	数字病理学	心血管疾病	深度学习	深度学习算法（新加坡I血管评估）	图像	大规模UK Biobank队列
67	2024-12-28	Deep learning model to predict lupus nephritis renal flare based on dynamic multivariable time-series data 2024-03-14, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-071821 PMID:38485471	研究论文	本文开发了一种基于动态多变量时间序列数据的可解释深度学习模型，用于预测狼疮性肾炎（LN）的复发	首次使用深度学习算法结合混合注意力机制，捕捉不同时间点的变量交互，以预测LN复发	研究为单中心回顾性队列研究，可能存在选择偏倚	开发一种可解释的深度学习模型，用于预测狼疮性肾炎的复发	1694名狼疮性肾炎患者	机器学习	狼疮性肾炎	深度学习	LSTM	时间序列数据	1694名患者，32,227个数据点
68	2024-12-28	Development and validation of a deep learning model for predicting postoperative survival of patients with gastric cancer 2024-03-06, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-18221-6 PMID:38448849	研究论文	本文开发并验证了一种深度学习模型，用于预测胃癌患者术后的生存率	深度学习模型在预测胃癌患者术后生存率方面表现出色，超越了传统机器学习模型和AJCC分期模型	模型的临床适用性在真实世界的胃癌患者中尚未得到广泛验证	预测胃癌患者术后的生存率	胃癌患者	机器学习	胃癌	深度学习	深度学习模型	临床数据	11,414名来自SEER数据库的胃癌患者和2,846名来自中国数据集的胃癌患者
69	2024-12-28	Evaluating the accuracy of the Ophthalmologist Robot for multiple blindness-causing eye diseases: a multicentre, prospective study protocol 2024-03-01, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077859 PMID:38431298	研究论文	本研究旨在评估和比较眼科医生和深度学习模型使用Ophthalmologist Robot拍摄的图像进行筛查的准确性，以寻找一种既高精度又经济有效的筛查方法	首次使用Ophthalmologist Robot进行多中心、前瞻性研究，评估其在多种致盲性眼病筛查中的准确性，并比较其与裂隙灯的一致性	研究样本量有限，且仅在三家医院进行，可能影响结果的普遍性	评估Ophthalmologist Robot在多种致盲性眼病筛查中的准确性，并比较其与眼科医生和深度学习模型的筛查效果	1578名参与者，包括多种致盲性眼病患者	数字病理学	眼病	深度学习	深度学习模型	图像	1578名参与者
70	2024-12-22	Model Agnostic Semi-Supervised Meta-Learning Elucidates Understudied Out-of-distribution Molecular Interactions 2024-Mar-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.17.541172 PMID:37292680	研究论文	本文开发了一种半监督元学习框架MMAPLE，用于解决数据分布偏移和标签数据稀缺的问题，并在多个应用中展示了其有效性	提出了MMAPLE框架，通过有效利用分布外的未标记数据，在迁移学习失败时仍能取得显著的预测效果	NA	解决生物学问题中由于实验限制和人类偏见导致的未充分研究问题，特别是在数据分布偏移和标签数据稀缺的情况下	分布外的药物-靶点相互作用、隐藏的人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	半监督元学习	MMAPLE	分子相互作用数据	NA
71	2024-12-20	DDParcel: Deep Learning Anatomical Brain Parcellation From Diffusion MRI 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3331691 PMID:37943635	研究论文	本文介绍了一种名为DDParcel的深度学习方法，用于直接从扩散MRI数据中快速准确地进行大脑解剖区域的划分	DDParcel通过多层次融合网络直接从dMRI数据中进行大脑解剖区域的划分，无需依赖解剖MRI数据，提高了测试重测的可重复性和区域同质性	NA	开发一种新的深度学习方法，用于从扩散MRI数据中直接进行大脑解剖区域的划分	大脑的解剖区域划分	计算机视觉	NA	扩散MRI	多层次融合网络	图像	使用了Human Connectome Project的高质量数据进行训练，并在多种人群和dMRI采集协议上进行了验证
72	2024-12-20	A Transformer-Based Knowledge Distillation Network for Cortical Cataract Grading 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3327274 PMID:37874703	研究论文	本文提出了一种基于Transformer的知识蒸馏网络TKD-Net，用于皮质性白内障分级	创新点包括设计了区域分解策略提取更精细的特征，引入特殊子评分考虑临床皮质混浊评估的关键因素，并开发了多模态混合注意力Transformer有效融合子评分和图像模态，同时设计了基于Transformer的知识蒸馏方法解决模态缺失和不确定数据问题	获取子评分模态在临床上是一个挑战，可能导致模态缺失问题	开发一种新的方法用于自动皮质性白内障分级	皮质性白内障的自动分级	计算机视觉	眼科疾病	Transformer	Transformer	图像	使用了由LOCS III分级系统标注的常用裂隙灯图像数据集
73	2024-12-20	Probabilistic Brain Extraction in MR Images via Conditional Generative Adversarial Networks 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3327942 PMID:37883281	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的概率性脑提取算法，用于在MR图像中分割脑部区域	本文的创新点在于将脑提取任务重新定义为贝叶斯推理问题，并利用cGAN来解决这一问题，从而考虑了脑提取中的固有不确定性	NA	开发一种更准确和鲁棒的脑提取算法，并量化脑提取中的不确定性	MR图像中的脑部区域	计算机视觉	NA	条件生成对抗网络（cGAN）	cGAN	图像	来自五个数据集（NFBS、CC359、LPBA、IBSR及其组合）的头MR图像
74	2024-12-20	Learning Spatio-Temporal Model of Disease Progression With NeuralODEs From Longitudinal Volumetric Data 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3330576 PMID:37934647	研究论文	本文开发了一种深度学习方法，通过处理单个医学扫描来模拟年龄相关疾病的进展，并提供未来时间点的目标解剖结构分割	本文利用NeuralODEs解决大规模时间像素级变化建模问题，并引入时间Dice损失来学习时间目标	NA	开发一种能够预测年龄相关疾病未来解剖变化的深度学习方法	年龄相关疾病的地理萎缩和阿尔茨海默病的脑室变化	机器学习	老年病	NeuralODEs	NeuralODEs	图像	967个视网膜OCT体积数据（100名地理萎缩患者）和2823个脑MRI体积数据（633名阿尔茨海默病患者）
75	2024-12-20	Moving Beyond Simulation: Data-Driven Quantitative Photoacoustic Imaging Using Tissue-Mimicking Phantoms 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3331198 PMID:37938947	研究论文	本文介绍了一种使用组织模拟幻影数据进行数据驱动的定量光声成像方法	首次引入实验上经过良好表征的成像幻影及其数字双胞胎，通过在实验数据上训练U-Net模型，实现了对吸收系数的像素级估计	绝对定量误差仍然较高，需要进一步改进	旨在通过数据驱动的深度学习方法，克服光声成像中模拟与实验之间的领域差距，实现对光学吸收系数的准确测量	组织模拟幻影数据及其数字双胞胎，以及小鼠模型	计算机视觉	NA	光声成像	U-Net	图像	实验上经过良好表征的成像幻影数据集
76	2024-12-19	CRMEFNet: A coupled refinement, multiscale exploration and fusion network for medical image segmentation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108202 PMID:38402839	研究论文	本文提出了一种名为CRMEFNet的耦合优化、多尺度探索和融合网络，用于医学图像分割	CRMEFNet包含三个主要创新：耦合优化模块（CRM）、多尺度探索和融合模块（MEFM）以及级联渐进解码器（CPD），通过优化和融合多尺度特征来解决现有方法在多层次特征表示和复杂纹理像素识别方面的局限性	NA	提高医学图像分割任务的准确性，特别是在病变区域的分割上	医学图像中的目标区域，如病变	计算机视觉	NA	深度学习	CNN	图像	五个医学图像分割任务，十个数据集
77	2024-12-19	U-PASS: An uncertainty-guided deep learning pipeline for automated sleep staging 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108205 PMID:38401452	研究论文	本文介绍了一种名为U-PASS的不确定性引导深度学习管道，用于自动睡眠分期，并展示了其在临床数据上的显著性能提升	U-PASS在每个阶段都集成了不确定性估计，通过优化训练数据集、寻求领域专家反馈以及将最不确定的样本交由专家处理，显著提高了模型的准确性	NA	开发一种能够有效估计不确定性并提高机器学习系统在临床应用中可靠性的方法	睡眠分期任务，特别是老年睡眠呼吸暂停患者的睡眠数据	机器学习	NA	深度学习	NA	睡眠数据	老年睡眠呼吸暂停患者的临床数据
78	2024-12-19	Weakly supervised learning for multi-class medical image segmentation via feature decomposition 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108228 PMID:38422964	研究论文	本文提出了一种基于特征分解的弱监督学习方法，用于多类别医学图像分割	本文的创新点在于提出了一种基于语义亲和力的特征分解模块，通过最大化类间特征距离来学习类无关和类相关的特征，并结合交叉引导损失和互斥损失来解决标签共生和位置邻接问题	本文的局限性在于实验仅在三个数据集上进行了验证，未来需要更多数据集和实际应用场景的验证	本文的研究目的是解决多类别医学图像分割中的弱监督学习问题	本文的研究对象是多类别医学图像的分割	计算机视觉	NA	弱监督学习	多层次分类网络	图像	三个数据集
79	2024-12-19	Neighborhood evaluator for efficient super-resolution reconstruction of 2D medical images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108212 PMID:38422967	研究论文	本文提出了一种高效的邻域评估器，用于在任意分辨率下重建2D医学图像的超分辨率	本文提出了一种新的超分辨率策略，通过邻域评估器控制网络深度，显著减少了参数数量和计算工作量，并在多个尺度上实现了高效的重建	NA	开发一种高效的超分辨率算法，满足医学图像在任意分辨率和高效率应用中的需求	2D医学图像的超分辨率重建	计算机视觉	NA	深度学习	邻域评估器	图像	全景放射图像和两个外部公共数据集
80	2024-12-19	LumVertCancNet: A novel 3D lumbar vertebral body cancellous bone location and segmentation method based on hybrid Swin-transformer 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108237 PMID:38422966	研究论文	提出了一种基于混合Swin-transformer的新型3D腰椎椎体松质骨定位与分割方法	提出了一个两阶段的粗到细解决方案，结合了Swin-transformer和CNN的优势，并引入了新的LumAnatomy损失函数和多尺度注意力特征融合模块（MSA-FFM）	需要大量的标注数据，且算法复杂度较高	解决腰椎椎体松质骨的自动定位与分割问题，以辅助医学诊断和骨强度的人群分析	腰椎椎体松质骨的定位与分割	计算机视觉	NA	Swin-transformer, CNN	混合模型	图像	185个CT扫描数据