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	2025-03-14	Biometric contrastive learning for data-efficient deep learning from electrocardiographic images 2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae002 PMID:38269618	研究论文	本文提出了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于在心电图（ECG）图像上进行标签高效的深度学习	BCL方法通过利用同一患者不同ECG的生物特征签名，提高了在有限标签数据下开发AI模型的效率	研究主要依赖于特定数据集（Yale 2000-2015），可能限制了模型的泛化能力	开发一种自监督预训练方法，以提高在心电图图像上检测心脏疾病的效率	心电图（ECG）图像	机器学习	心血管疾病	自监督对比学习	卷积神经网络（CNN）	图像	78,288名个体
62	2025-03-12	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出了一种利用连续对抗域泛化技术进行跨噪声水平PET去噪的方法	首次从域泛化的角度解决跨噪声水平去噪中的性能下降问题，并提出了连续域泛化的新方法	模型在特定噪声水平上训练，可能在不同噪声水平上的泛化能力有限	解决PET图像去噪中由于噪声水平不同导致的分布偏移问题	PET图像	计算机视觉	阿尔茨海默病	深度学习	3D UNet	3D图像	60名受试者的97F-MK6240 tau PET研究数据，生成1400对训练图像、120对验证图像和420对测试图像
63	2025-03-09	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究评估了基于自主人工智能的早产儿视网膜病变（ROP）筛查在检测中重度ROP和1型ROP方面的表现	使用深度学习创建的图像处理管道，通过远程医疗自主识别中重度ROP和1型ROP	研究依赖于外部数据集，可能存在数据偏差	评估自主AI筛查ROP的有效性	早产儿视网膜病变（ROP）	数字病理学	早产儿视网膜病变	深度学习	AI算法	图像	SUNDROP数据集：1545名婴儿的6245次检查；AECS数据集：2699名婴儿的5635次检查
64	2025-03-08	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法进行膝关节成像，并与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的检测准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和分级关节病变方面的性能	25名有症状的膝关节内部紊乱患者	医学影像	膝关节疾病	MRI, 深度学习图像重建算法	NA	图像	25名患者
65	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者
66	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献
67	2025-03-06	Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning 2024-04, The Journal of hand surgery, European volume DOI:10.1177/17531934231209876 PMID:37882645	研究论文	本研究开发了一种深度学习模型，用于从四维计算机断层扫描（4DCT）数据集中自动分割和标记腕骨	首次实现了从4DCT扫描中自动分割和标记腕骨的深度学习模型	未提及具体的数据集大小或模型性能的详细评估	实现4DCT在诊断腕韧带损伤中的应用，减少数据分析时间	腕骨	计算机视觉	腕韧带损伤	4DCT	深度学习模型	4DCT扫描数据	NA
68	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
69	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
70	2024-08-24	Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study" 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28881 PMID:37410077	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
71	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
72	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
73	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
74	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
75	2025-02-22	Inference of Developmental Hierarchy and Functional States of Exhausted T Cells from Epigenetic Profiles with Deep Learning 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00261 PMID:38545680	研究论文	本研究介绍了一种基于深度神经网络的新型计算框架DeepEpiTEX，用于从表观遗传数据推断肿瘤微环境中耗竭T细胞的发育层次和功能状态	开发了DeepEpiTEX框架，首次利用多模态表观遗传数据（DNA甲基化、microRNA表达、长链非编码RNA表达）来推断耗竭T细胞的功能状态和发育层次，并发现了与免疫检查点阻断疗法反应的潜在关系	研究主要基于TCGA泛癌队列数据，虽然进行了外部验证，但仍需进一步在更大规模和多样化的数据集中验证其普适性	研究旨在通过表观遗传数据推断耗竭T细胞的功能状态和发育层次，以更好地理解肿瘤微环境中的T细胞异质性，并为个体化免疫治疗策略提供依据	耗竭T细胞（TEX）	机器学习	癌症	DNA甲基化测序、microRNA表达分析、长链非编码RNA表达分析	深度神经网络	表观遗传数据	TCGA泛癌队列中的30种实体瘤类型
76	2025-02-22	Structure-Based Protein Assembly Simulations Including Various Binding Sites and Conformations 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00212 PMID:38602938	研究论文	本文介绍了一种基于结构的快速计算模型GoCa，用于模拟大型多蛋白复合物的组装过程	GoCa模型区分了亚基内和亚基间的相互作用，允许包含耦合折叠和结合，并自动处理复合物中相同亚基的排列，同时允许定义多个最小（天然）结构	模型依赖于已知的天然结构，可能不适用于未知结构的复合物	研究大型多蛋白复合物的组装过程	多蛋白复合物	计算生物学	NA	基于结构的计算模型	GoCa	蛋白质结构数据	多个多蛋白复合物
77	2025-02-21	Non-invasive estimation of atrial fibrillation driver position using long-short term memory neural networks and body surface potentials 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108052 PMID:38350188	研究论文	本文提出了一种使用长短期记忆神经网络和体表电位非侵入性估计心房颤动驱动位置的方法	采用卷积-循环网络结合的方式，利用标记的计算机模拟心房颤动模型进行特征提取和序列数据建模，以解决心房颤动驱动位置的分类问题	方法依赖于计算机模拟的心房颤动模型，可能无法完全反映真实临床情况的复杂性	提高心房颤动诊断和治疗的准确性	心房颤动驱动位置	机器学习	心血管疾病	体表电位记录	CNN-LSTM	信号数据	160个体表电位信号，来源于16个心房颤动电图、1个心房和10个躯干几何形状
78	2025-02-11	RETRACTED: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221090725 PMID:35445619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
79	2025-02-11	RETRACTION NOTICE: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221134231 PMID:36237147	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
80	2025-02-08	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本文探讨了基于深度学习的计算病理学系统在诊断过程中忽视人口统计学因素影响的问题，并展示了这些系统在不同人口群体中的性能差异	揭示了计算病理学模型在不同人口群体中的性能差异，并展示了自监督视觉基础模型在减少这些差异方面的潜力	自监督视觉基础模型未能完全消除性能差异，表明在计算病理学中仍需进一步努力进行偏差缓解	研究计算病理学模型在不同人口群体中的性能差异及其影响因素	乳腺癌和肺癌的亚型分类以及胶质瘤中IDH1突变的预测	数字病理学	肺癌, 乳腺癌, 胶质瘤	自监督视觉基础模型	深度学习模型	全切片图像	来自The Cancer Genome Atlas和EBRAINS脑肿瘤图谱的公开数据以及内部患者数据