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	2025-02-05	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文提出了一种结合数学模型和深度强化学习（DRL）的个性化自适应治疗策略，用于优化前列腺癌的治疗方案	创新点在于将深度强化学习应用于自适应药物调度，并展示了其在数学模型校准的前列腺癌动态中优于现有自适应协议的表现	本文的局限性在于未明确提及在实际临床环境中的验证情况，且未详细讨论模型的泛化能力	研究目的是通过深度强化学习优化自适应治疗策略，以延迟或预防肿瘤进展	研究对象为前列腺癌患者及其肿瘤动态	机器学习	前列腺癌	深度强化学习（DRL）	DRL	数学模型数据	未明确提及样本量
62	2025-02-05	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	本文提出了一种基于深度学习的计算方法，用于重建无标记和荧光标记的光谱单分子定位显微镜（sSMLM）成像数据	开发了一种名为DsSMLM的双网络模型深度学习算法，用于重建sSMLM数据，并在多种样本上进行了验证	未明确提及具体局限性	开发一种新的计算方法，利用深度学习重建sSMLM成像数据，以实现纳米级的亚细胞结构可视化	无标记的单链DNA纤维、荧光标记的组蛋白标记物、COS-7和U2OS细胞、合成DNA折纸纳米尺	计算机视觉	NA	光谱单分子定位显微镜（sSMLM）	深度学习（双网络模型）	图像	多种样本，包括单链DNA纤维、COS-7和U2OS细胞、合成DNA折纸纳米尺
63	2025-02-05	Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250490 PMID:37028335	研究论文	本文提出了一种名为ME-Mixer的新型特征探索网络，用于高性能疾病诊断	ME-Mixer网络结合了监督和无监督特征，利用流形嵌入网络提取类区分特征，并通过MLP-Mixer进行全局接收场编码，增强了特征探索能力	尽管在计算复杂度可接受的情况下提高了分类准确性，但未提及对数据量的需求或模型在其他数据集上的泛化能力	优化深度神经网络设计，以提高疾病诊断的性能	医学数据集	计算机视觉	NA	深度学习	CNN, MLP-Mixer	图像	两个医学数据集
64	2025-02-02	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文全面回顾了用于阿尔茨海默病预测的深度学习方法，探讨了不同的模态、特征提取方法、数据集、机器学习技术和验证方法	本文通过系统回顾116篇相关论文，总结了现有技术在阿尔茨海默病识别中的应用，并强调了模型可解释性和可理解性的重要性	本文主要基于已有文献进行综述，未提出新的实验或模型	评估现有技术用于阿尔茨海默病识别，并指出未来研究的障碍	阿尔茨海默病的早期诊断	机器学习	老年病	深度学习	NA	多模态数据	116篇相关论文
65	2025-02-02	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	本文提出了一种基于残差函数的多阶段深度神经网络架构，用于改进现有的阿尔茨海默病（AD）检测方法	提出了一种新的多阶段深度神经网络架构，结合残差网络（ResNets）的成功经验，通过五个阶段增强特征有效性，并引入深度学习特征选择模块以减少过拟合	未提及具体局限性	开发一种自动化的阿尔茨海默病检测系统，以应对全球范围内日益增长的老年痴呆症风险	阿尔茨海默病（AD）	计算机视觉	老年疾病	深度学习（DL）	残差网络（ResNets）、支持向量机（SVM）、随机森林（RF）、SoftMax	医学图像	三个基准数据集：ADNI1: Complete 1Yr 1.5T、MIRAID 和 OASIS Kaggle
66	2024-08-05	Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view 2024-06-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19118-0 PMID:38902622	研究论文	本文提出了一种可扩展的低成本算法，通过深度学习和谷歌街景图像估计头盔佩戴率	结合深度学习对象检测技术和谷歌街景图像的新方法，提供全球范围内的头盔佩戴率估算	研究样本仅限于3995张图像，可能影响算法的普遍适用性	旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定	使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况	计算机视觉	NA	深度学习	NA	图像	3995张图像
67	2024-08-05	Leveraging data science and machine learning for urban climate adaptation in two major African cities: a HE2AT Center study protocol 2024-06-18, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077529 PMID:38890141	研究论文	该研究旨在了解非洲城市中与热相关的健康影响复杂性	创新点在于综合健康、社会经济、气候和卫星影像数据来映射城市热风险，并建立热健康预测模型和预警系统	该研究主要集中于两座城市，可能无法广泛适用于其他地区	研究目的是促进非洲城市的气候适应能力，保护受到热危害不成比例影响的人群	研究对象包括在约翰内斯堡和阿比让进行的成人临床试验或队列研究的健康相关数据集	机器学习	NA	统计评估、机器学习和深度学习技术	NA	健康、社会经济、气候和卫星影像数据	2000年至2022年在约翰内斯堡和阿比让的成人临床试验或队列研究的健康数据
68	2025-01-29	Histopathology and proteomics are synergistic for High-Grade Serous Ovarian Cancer platinum response prediction 2024-Jun-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.01.24308293 PMID:38883738	研究论文	本研究通过结合H&E染色的全切片图像和蛋白质组学特征，使用多模态深度学习框架显著提高了对高级别浆液性卵巢癌患者铂类药物反应预测的准确性	首次将H&E染色的全切片图像与蛋白质组学特征结合，使用多模态深度学习框架进行铂类药物反应预测，并超越了同源重组缺陷评分在预测铂类药物反应和患者总体生存率方面的表现	NA	提高高级别浆液性卵巢癌患者铂类药物反应预测的准确性	高级别浆液性卵巢癌患者	数字病理学	卵巢癌	H&E染色、蛋白质组学	多模态深度学习框架	图像、蛋白质组学数据	NA
69	2025-01-28	The cytoarchitectonic landscape revealed by deep learning method facilitated precise positioning in mouse neocortex 2024-06-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae229 PMID:38836835	研究论文	本文开发了一种细胞结构标志物识别流程，利用荧光显微光学断层扫描技术成像小鼠全脑，并通过快速3D卷积网络分割整个新皮层的神经元体，揭示了新皮层的细胞结构景观	开发了一种新的细胞结构标志物识别流程，结合荧光显微光学断层扫描和快速3D卷积网络，实现了新皮层神经元的三维分割和分析	研究主要集中在小鼠新皮层，未涉及其他物种或更广泛的脑区	提高对新皮层结构的理解，特别是皮层区域的精确定位	小鼠新皮层	计算机视觉	NA	荧光显微光学断层扫描	3D卷积网络	图像	小鼠全脑
70	2025-01-27	Application of improved and efficient image repair algorithm in rock damage experimental research 2024-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65790-y PMID:38937588	研究论文	本文提出了一种改进的高效图像修复算法，应用于岩石损伤实验研究中，以解决数字图像技术在数据处理中的缺陷	本文创新性地将改进的增量Transformer图像算法应用于岩石损伤实验中的图像修复，并结合深度可分离卷积网络优化算法效率	NA	提高数字图像技术在岩石损伤分析中的效率和准确性	软岩和硬岩	计算机视觉	NA	深度学习	增量Transformer算法、深度可分离卷积网络	图像	NA
71	2025-01-24	Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction 2024-06-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae012 PMID:38253989	研究论文	本研究评估了生成式人工智能（AI）增强（GAA）是否能提供多样且真实的成像表型，并改善基于深度学习的胶质瘤异柠檬酸脱氢酶（IDH）类型分类	使用基于分数的扩散模型和ResNet50分类器开发GAA，通过生成多样且真实的图像表型，显著提高了IDH类型预测的诊断性能	研究主要依赖于内部和外部测试集，可能无法完全代表所有临床环境	评估生成式AI增强在胶质瘤IDH类型预测中的诊断性能	胶质瘤患者	计算机视觉	胶质瘤	生成式AI增强（GAA）	ResNet50	MRI图像	565名患者（346名IDH野生型，219名IDH突变型）
72	2025-01-24	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	本文介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，旨在提高信号富集，用于监测肿瘤负荷	MRD-EDGE通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比富集提高了约300倍，并将超灵敏CNV检测所需的非整倍体程度从1 Gb降低到200 Mb	NA	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于最小残留疾病（MRD）的准确评估和治疗反应监测	多种癌症类型，包括肺癌和结直肠腺瘤	机器学习	肺癌, 结直肠癌, 黑色素瘤	全基因组测序（WGS）	深度学习	DNA序列数据	NA
73	2025-01-19	Chest CT-based automated vertebral fracture assessment using artificial intelligence and morphologic features 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17072 PMID:38721977	研究论文	本文提出了一种基于胸部CT的自动化椎体骨折评估方法，利用深度学习和形态学特征进行椎体分割、标记和骨折检测	结合深度学习、多参数冻结增长算法和强度自相关技术，实现了椎体的自动化分割、标记及骨折检测，并验证了该方法在低剂量CT上的通用性	方法在低剂量CT上的通用性验证样本量较小（n=236），可能需要进一步扩大样本量以验证其稳定性	开发一种自动化方法，用于胸部CT图像中的椎体骨折评估，以替代人工专家阅读	慢性阻塞性肺疾病（COPD）患者的胸部CT图像	数字病理学	慢性阻塞性肺疾病	深度学习、多参数冻结增长算法、强度自相关	深度学习网络	胸部CT图像	3231名COPDGene研究参与者的40,050个椎体，其中120个扫描用于训练和验证深度学习模型，236个低剂量CT扫描用于通用性验证
74	2025-01-15	Accurate prediction of neurologic changes in critically ill infants using pose AI 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.17.24305953 PMID:38699362	研究论文	本文提出了一种基于计算机视觉的姿势AI方法，用于预测新生儿重症监护病房（NICU）中的神经系统变化	使用深度学习姿势算法准确预测解剖标志点，并通过视频数据预测脑电图（EEG）诊断，展示了在ICU中应用姿势AI的可行性	研究样本量相对较小，且仅基于NICU环境，可能限制了结果的普适性	开发一种可靠、连续的方法来监测婴儿的神经系统变化，以替代间歇性和主观的检查方法	新生儿重症监护病房（NICU）中的115名婴儿	计算机视觉	新生儿疾病	深度学习	深度学习姿势算法	视频和脑电图（EEG）数据	115名婴儿的4,705小时视频数据
75	2025-01-12	Research on the generation and annotation method of thin section images of tight oil reservoir based on deep learning 2024-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63430-z PMID:38834642	研究论文	本文提出了一种基于深度学习的致密油储层薄片图像生成与标注方法，旨在解决薄片图像样本不足的问题	通过引入类别注意力机制改进StyleGAN网络，并设计SALM标注模块实现半自动标注，提升了生成图像的质量和标注效率	方法依赖于原始图像的质量和数量，且标注过程仍需一定的人工干预	提高致密油储层薄片图像的样本量，优化深度学习模型的训练效果	致密油储层薄片图像	计算机视觉	NA	深度学习	StyleGAN	图像	以三肇凹陷扶余储层为目标区域，使用Augmentor策略空间对原始图像进行初步增强
76	2025-01-07	A deep learning approach based on graphs to detect plantation lines 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31730 PMID:38841473	研究论文	本文提出了一种基于图的深度学习方法，用于检测无人机拍摄的RGB图像中的种植线	提出了一种新的基于图的深度学习方法，结合VGG16初始层提取特征图，并通过知识估计模块（KEM）进行植物位置、种植线和位移向量的检测	方法在复杂种植模式中可能仍存在挑战，且仅在玉米、橙子和桉树种植数据集中进行了验证	开发一种能够从无人机拍摄的RGB图像中检测种植线的深度学习方法	无人机拍摄的RGB图像中的种植线	计算机视觉	NA	深度学习	VGG16	图像	玉米、橙子和桉树种植数据集
77	2025-01-07	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	本文提出了一种名为DIMOND的新框架，利用物理信息和自监督深度学习优化扩散磁共振成像模型参数估计	DIMOND框架结合了物理信息和自监督深度学习，提高了扩散张量成像的准确性和泛化能力，显著减少了复杂微结构模型的拟合时间	需要进一步验证在不同数据集和受试者中的泛化能力	优化扩散磁共振成像模型参数估计，提高微结构和连接性映射的实用性和效率	人体大脑的微结构和结构连接性	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA
78	2025-01-07	Prostate Cancer Risk Stratification by Digital Histopathology and Deep Learning 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00184 PMID:38900978	研究论文	本研究探讨了基于深度学习的数字病理学图像分析在前列腺癌风险分层中的应用	提出了一种结合临床病理数据和染色病理图像的深度学习模型，用于前列腺癌的风险分层，相比传统方法表现出更优的性能	需要在大规模队列中进一步验证模型的泛化能力	评估机器学习驱动的病理图像分析在前列腺癌风险分层中的有效性	502名接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	深度学习	卷积神经网络（CNN）	图像	502名患者
79	2025-01-04	Glioblastoma and radiotherapy: A multicenter AI study for Survival Predictions from MRI (GRASP study) 2024-06-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae017 PMID:38285679	研究论文	本研究旨在通过深度学习技术，利用放疗后首次脑部MRI图像预测胶质母细胞瘤患者在8个月后的生存情况	首次将深度学习应用于放疗后胶质母细胞瘤患者的MRI图像，以预测其生存期，并结合非影像数据进行综合分析	样本量相对有限，且部分数据为回顾性数据，可能存在偏差	预测胶质母细胞瘤患者在放疗后8个月的生存情况	206名胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习	神经网络	MRI图像	206名患者（158名回顾性数据，19名内部验证，29名外部验证）
80	2024-12-28	Anatomy-Guided Spatio-Temporal Graph Convolutional Networks (AG-STGCNs) for Modeling Functional Connectivity Between Gyri and Sulci Across Multiple Task Domains 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3194733 PMID:35930515	研究论文	本研究开发了新的解剖学引导的时空图卷积网络（AG-STGCNs），以探索多个任务领域中脑回和脑沟之间功能连接差异的规律性和变异性	首次系统地研究了脑回和脑沟之间功能连接的差异，并开发了新的AG-STGCNs模型来探索这些差异在不同任务领域中的规律性和变异性	研究依赖于公开的HCP数据集，可能无法涵盖所有可能的任务领域和个体差异	探索脑回和脑沟之间功能连接的差异及其在不同任务领域中的规律性和变异性	830名受试者的七种不同任务和一种静息状态的功能磁共振成像（fMRI）数据	神经科学	NA	功能磁共振成像（fMRI）	时空图卷积网络（AG-STGCNs）	功能磁共振成像（fMRI）数据	830名受试者