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
221	2024-08-07	Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2024-Jul, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-024-01460-w PMID:38787517	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
222	2025-03-20	Automated Patient Registration in Magnetic Resonance Imaging Using Deep Learning-Based Height and Weight Estimation with 3D Camera: A Feasibility Study 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.029 PMID:38368163	研究论文	本研究探讨了使用基于深度学习的3D摄像头算法在磁共振成像（MRI）中自动估计患者身高和体重的可行性	首次将深度学习与3D摄像头技术结合，用于MRI患者注册中的身高和体重估计，提高了估计的准确性和效率	研究为回顾性研究，样本量相对较小（161名患者），且仅在低场强MRI扫描仪上验证	比较基于深度学习的3D摄像头算法与放射科技师（MTR）在估计患者身高和体重方面的准确性	161名成年患者	计算机视觉	NA	深度学习，3D摄像头	深度学习模型	深度图像	161名成年患者
223	2025-03-19	Artificial intelligence systems in dental shade-matching: A systematic review 2024-Jul, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.13805 PMID:37986239	系统综述	本文系统回顾和评估了人工智能在牙科颜色匹配中的应用及其准确性	首次系统性地回顾和评估了人工智能在牙科颜色匹配中的应用	仅包括2008年至2023年3月发表的英文研究，且排除了非AI基础和非牙科相关的研究	评估人工智能在修复牙科中预测牙齿颜色的准确性	牙科颜色匹配	人工智能	NA	NA	模糊逻辑、遗传算法与反向传播神经网络、卷积神经网络、人工神经网络、支持向量机、K近邻与决策树和随机森林、深度学习、YOLO、XG Boost	NA	15篇符合纳入标准的文章
224	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
225	2025-03-15	Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma 2024-Jul-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01189-3 PMID:39075240	研究论文	本文开发了一种基于transformer的机器学习模型，用于多发性骨髓瘤患者的综合评估，包括预测无进展生存期、总生存期和不良事件，预测关键疾病生物标志物，以及评估不同治疗策略的效果	该模型首次联合预测多发性骨髓瘤患者的生存期、不良事件和生物标志物，并评估不同治疗策略的效果，提供了一种全面的患者疾病状态评估方法	模型仅在TOURMALINE试验数据上进行了训练和验证，可能在其他数据集上的表现尚不明确	开发一种能够全面评估多发性骨髓瘤患者疾病状态的机器学习模型，以辅助医生决策	新诊断和复发/难治性多发性骨髓瘤患者	机器学习	多发性骨髓瘤	transformer-based机器学习模型	transformer	临床试验数据	新诊断患者703例，复发/难治性患者720例
226	2025-03-15	Novel Domain Knowledge-Encoding Algorithm Enables Label-Efficient Deep Learning for Cardiac CT Segmentation to Guide Atrial Fibrillation Treatment in a Pilot Dataset 2024-Jul-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141538 PMID:39061675	研究论文	本文提出了一种新颖的领域知识编码算法（DOKEN），用于在少量训练数据的情况下实现高效的心脏CT分割，以指导心房颤动治疗	DOKEN算法通过编码心脏几何形状并自动标记训练集，减少了对大规模训练数据的依赖，从而在少量样本下实现了高性能的分割	研究仅在房颤消融的CT数据集上进行了验证，尚未在其他疾病或影像数据上测试其通用性	开发一种减少对大规模标注数据依赖的自动化心脏CT分割方法，以支持个性化心脏消融治疗	心脏CT影像中的左心房结构	医学影像分析	心血管疾病	CT影像分析	nnU-Net	CT影像	训练集20例患者，测试集100例患者
227	2025-03-15	Efficient deep learning-based automated diagnosis from echocardiography with contrastive self-supervised learning 2024-Jul-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00538-3 PMID:38971887	研究论文	本文提出了一种基于自监督对比学习的超声心动图视频自动诊断方法EchoCLR，旨在从小量标注数据中学习强表征以高效微调用于心脏疾病诊断	EchoCLR是首个针对超声心动图视频的自监督对比学习方法，通过对比学习和帧重排序任务学习视频表征，显著提高了小样本下的疾病分类性能	方法主要针对超声心动图视频，尚未验证在其他医学影像模态上的适用性	开发一种适用于超声心动图视频的自监督学习方法，提高小样本下的心脏疾病自动诊断性能	超声心动图视频	计算机视觉	心血管疾病	自监督对比学习	EchoCLR	视频	519项研究（10%训练数据）和53项研究（1%训练数据）
228	2025-03-15	Cough-DL: A Deep Learning Model for Ear-Worn Cough Detection 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782702 PMID:40039966	研究论文	本文介绍了一种名为Cough-DL的深度学习模型，用于通过耳戴设备检测咳嗽	通过信号处理增强、创新的数据增强技术和精细的建模方法，提高了模型在环境中的鲁棒性，特别是在降低误报率和背景噪声干扰方面	未提及具体的研究限制	开发一种能够在实际环境中准确检测咳嗽的自动检测系统	咳嗽检测	机器学习	肺部疾病	深度学习	深度学习模型	音频信号	未提及具体样本数量
229	2025-03-12	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	采用对比自监督学习方法训练深度卷积神经网络作为特征提取器，无需数据标签即可学习潜在表示，并在下游分类任务中表现出色	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型是否能够以可解释的方式区分不同的神经退行性疾病	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）	计算机视觉	神经退行性疾病	T1加权MRI扫描	深度卷积神经网络（CNN）	图像	2694个T1加权MRI扫描，来自四个数据队列：两个ADNI数据集、AIBL和FTLDNI
230	2025-03-12	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	本研究开发了一种自动化的深度学习应变（DLS）分析管道，用于从标准超声心动图B模式图像中测量全局纵向应变（GLS），并验证其在多种应用和人群中的性能	开发了一种自动化的、开源且与供应商无关的DLS方法，用于从标准超声心动图B模式图像中测量GLS，减少了操作者经验和供应商间差异的影响	尽管DLS在外部验证中与2D GLS保持中等一致性，但仍存在一定的偏差和一致性限制	开发并验证一种自动化的深度学习应变分析管道，以减少超声心动图应变测量中的操作者经验和供应商间差异	超声心动图B模式图像	数字病理	心血管疾病	深度学习	NA	图像	多个应用和人群中的患者数据
231	2025-03-09	Evaluation of preoperative difficult airway prediction methods for adult patients without obvious airway abnormalities: a systematic review and meta-analysis 2024-07-17, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-024-02627-1 PMID:39020308	系统综述和荟萃分析	本文通过系统综述和荟萃分析，评估了成人患者无显著气道异常时术前困难气道预测方法的有效性	本文首次系统性地评估了多种术前困难气道预测方法，并提出了结合多种方法的个性化预测策略	研究存在显著的异质性，可能受到样本量和研究设计等因素的影响	评估和比较不同术前困难气道预测方法的有效性，以辅助临床决策	成人患者，无显著气道异常，接受各种类型手术	临床医学	NA	系统综述和荟萃分析	NA	文献数据	686,089名患者
232	2025-03-08	DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae409 PMID:39162313	研究论文	本文介绍了一种名为DeepEnzyme的深度学习模型，该模型结合了Transformer和图卷积网络（GCN），用于提高酶周转数（kcat）的预测准确性	DeepEnzyme模型通过整合蛋白质序列和3D结构特征，显著提高了对低序列相似性酶的预测准确性和鲁棒性，并能够评估点突变对酶催化活性的影响	NA	提高酶周转数（kcat）的预测准确性和鲁棒性，以促进蛋白质工程和合成生物学领域的研究	酶的周转数（kcat）	机器学习	NA	深度学习	Transformer, GCN	蛋白质序列和3D结构数据	NA
233	2025-03-05	Advancements in prognostic markers and predictive models for intracerebral hemorrhage: from serum biomarkers to artificial intelligence models 2024-Jul-31, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02635-2 PMID:39083096	研究论文	本文探讨了脑出血（ICH）的预后标志物和预测模型的最新进展，包括血清生物标志物和人工智能模型	本文创新性地结合了血清sestrin2作为预后标志物和深度学习AI模型，用于预测脑出血的早期血肿扩大和长期结果	未明确提及研究的局限性	提高脑出血的预测和管理水平，以改善患者护理和生存率	脑出血患者	机器学习	脑出血	深度学习，机器学习	深度学习模型，随机森林算法	血清数据，CT影像数据	NA
234	2025-03-05	PROTEUS: A Physically Realistic Contrast-Enhanced Ultrasound Simulator-Part I: Numerical Methods 2024-Jul-15, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3427850 PMID:39008399	研究论文	本文介绍了一种物理上逼真的对比增强超声模拟器（PROTEUS），用于模拟超声波与组织和微泡的相互作用	PROTEUS模拟器通过四个相互连接的模块，考虑了分割血管几何中的血流动力学、血管内微泡轨迹、超声波传播和非线性微泡散射，提供了一个可定制的框架来探索对比增强超声成像领域的新想法	NA	开发一个能够再现超声波与组织和微泡相互作用的物理特性的模拟工具，以支持对比增强超声成像领域的研究	对比增强超声成像中的血管几何、微泡轨迹、超声波传播和非线性微泡散射	医学影像	NA	对比增强超声成像	NA	超声图像	NA
235	2025-03-05	A single-joint multi-task motor imagery EEG signal recognition method based on Empirical Wavelet and Multi-Kernel Extreme Learning Machine 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110136 PMID:38642806	研究论文	本文提出了一种基于经验小波和多核极限学习机的单关节多任务运动想象脑电信号识别方法	该方法首次结合经验小波分解和多核极限学习机，用于单关节多任务运动想象脑电信号的识别，显著提高了分类准确率和训练速度	研究样本量较小，仅涉及六名参与者，可能影响结果的普适性	旨在实现更精细的脑机接口命令，通过分类单关节多任务运动想象的脑电信号	六名参与者的手腕伸展、手腕屈曲和手腕外展三种运动想象任务的脑电信号	脑机接口	NA	经验小波分解（EWT）、多核极限学习机（MKELM）	多核极限学习机（MKELM）	脑电信号（EEG）	六名参与者
236	2025-03-05	Deep learning models for atypical serotonergic cells recognition 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110158 PMID:38703797	研究论文	本文提出了一种深度学习模型，用于高精度识别典型和非典型血清素能神经元与非血清素能细胞	该模型能够识别具有非典型特征的血清素能神经元，这是传统方法无法做到的	模型的训练数据主要来自体外电生理记录，可能无法完全反映体内环境的复杂性	研究目的是开发一种能够准确识别典型和非典型血清素能神经元的深度学习模型	研究对象是血清素能神经元和非血清素能细胞	机器学习	NA	电生理记录	CNN	电生理数据	27,108个原始动作电位样本和1200万个合成动作电位样本
237	2025-03-01	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	本文介绍了一种基于深度学习的像差补偿策略，旨在提高厚样本荧光显微镜成像的信号、对比度和分辨率	该方法通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高厚样本荧光显微镜成像的质量	厚样本的荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集，包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据
238	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
239	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
240	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