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
261	2025-01-15	Artificial Intelligence-Enabled Electrocardiography Predicts Future Pacemaker Implantation and Adverse Cardiovascular Events 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02088-6 PMID:39028354	研究论文	本研究开发了一种深度学习模型，用于从心电图数据预测未来的起搏器植入和心血管事件	利用深度学习模型从心电图数据预测未来的起搏器植入和心血管事件，具有较高的预测准确性和临床实用性	研究主要依赖于单一医疗中心的数据，外部验证样本量相对较小	预测未来的起搏器植入和心血管事件	心电图数据	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	158,471份心电图数据来自42,903名学术医疗中心患者，验证集包括25,640名医疗中心患者和26,538名社区医院患者
262	2025-01-15	Understanding natural language: Potential application of large language models to ophthalmology 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100085 PMID:39059558	综述	本文探讨了大型语言模型（LLMs）在眼科领域的潜在应用，包括其在医疗文档自动化、诊断、治疗建议以及患者教育材料定制等方面的作用	本文首次全面回顾了LLMs在眼科领域的应用潜力，并讨论了其在改善医疗服务交付质量方面的可能角色	LLMs在实际应用中存在局限性，需要更好的输入和广泛的验证才能实现自主诊断和治疗	探讨LLMs在眼科领域的应用潜力及其对临床医生和患者的影响	临床医生和患者	自然语言处理	眼科疾病	深度学习	LLMs	文本	NA
263	2025-01-15	Deep Learning-Enabled Vasculometry Depicts Phased Lesion Patterns in High Myopia Progression 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100086 PMID:39053733	研究论文	本研究利用深度学习技术分析高度近视患者视网膜血管的形态变化，揭示了高度近视进展中的阶段性病变模式	开发了一种基于仿生视觉机制的智能图像处理模型，用于提取和量化视网膜血管的形态特征，并首次揭示了高度近视进展中视网膜血管形态变化的两个阶段	研究为回顾性研究，可能存在选择偏倚；样本主要来自单一医院，可能影响结果的普适性	探讨高度近视进展中视网膜血管变化的潜在阶段，以进一步阐明其机制	高度近视患者的视网膜血管	数字病理学	高度近视	深度学习	智能图像处理模型	眼底照片	5775名患者（41.2±18.6岁），包括14,066张眼底照片
264	2025-01-07	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning 2024-Jul, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2023.0033 PMID:38685670	研究论文	本研究旨在利用长短期记忆（LSTM）神经网络开发糖尿病肾病（DKD）预测模型，并通过准确率、精确率、召回率和ROC曲线下面积（AUC）评估其性能	使用LSTM神经网络构建DKD预测模型，并评估了糖化血红蛋白（HbA1c）、收缩压（SBP）和脉压（PP）变异性对模型性能的影响	研究仅基于6,040名2型糖尿病患者的数据，可能无法完全代表所有糖尿病患者群体	开发并评估糖尿病肾病（DKD）风险预测模型	6,040名2型糖尿病患者	机器学习	糖尿病肾病	LSTM神经网络	LSTM	临床数据	6,040名2型糖尿病患者
265	2025-01-07	Deep Learning-Based Dynamic Risk Prediction of Venous Thromboembolism for Patients With Ovarian Cancer in Real-World Settings From Electronic Health Records 2024-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00192 PMID:38996199	研究论文	本文开发了一种基于深度学习的动态风险预测模型，用于从电子健康记录中预测卵巢癌患者的静脉血栓栓塞风险	首次在真实临床环境中应用深度学习算法，结合动态临床特征和竞争风险，开发了高精度的静脉血栓栓塞风险预测模型	研究数据仅来自单一医疗中心，可能限制了模型的泛化能力	开发一种能够利用电子健康记录中的丰富信息，包括动态临床特征和竞争风险，来预测卵巢癌患者静脉血栓栓塞风险的深度学习模型	卵巢癌患者	机器学习	卵巢癌	深度学习	全连接层、时间注意力机制和循环神经网络	电子健康记录	1,268名患者（2007-2017年）用于模型开发，423名患者（2018-2019年）用于验证
266	2025-01-07	Displacement Tracking Techniques in Ultrasound Elastography: From Cross Correlation to Deep Learning 2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3410671 PMID:38843058	综述	本文全面回顾了应用于超声弹性成像中的位移跟踪技术，从传统的互相关方法到深度学习方法	本文不仅回顾了传统的位移跟踪算法，还涵盖了基于深度学习的最新进展，并讨论了模拟模型、临床转化和验证、性能评估指标以及公开的代码和数据	当前弹性成像跟踪技术仍存在一些局限性，未来的研究需要进一步解决这些问题	回顾和总结超声弹性成像中的位移跟踪技术，以提升位移估计的准确性	超声弹性成像中的位移跟踪算法	医学影像	NA	超声弹性成像	深度学习	图像	NA
267	2025-01-07	Intelligent Bladder Volume Monitoring for Wearable Ultrasound Devices: Enhancing Accuracy Through Deep Learning-Based Coarse-to-Fine Shape Estimation 2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3350033 PMID:38190679	研究论文	本文提出了一种新的管道，通过结合传统特征提取和深度学习，实现高效连续的膀胱体积监测	提出了一种新的管道，结合传统特征提取和深度学习，通过粗到细的形状估计提高膀胱体积监测的准确性	需要外部服务器进行精细形状估计，可能增加延迟和依赖外部计算资源	提高可穿戴超声设备在膀胱体积监测中的准确性和效率	膀胱体积监测	计算机视觉	泌尿系统疾病	深度学习	扩散模型	超声图像和射频信号	250名患者的膀胱超声图像和射频信号
268	2025-01-04	Using artificial intelligence to generate medical literature for urology patients: a comparison of three different large language models 2024-Jul-29, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-024-05146-3 PMID:39073590	研究论文	本研究比较了三种不同的大型语言模型（LLMs）在生成泌尿科患者信息传单（PILs）方面的质量	首次比较了ChatGPT-4、PaLM 2和Llama 2三种LLMs在生成泌尿科患者信息传单方面的表现，并评估了其质量和可读性	生成的传单内容存在医学不准确性，且所有LLM生成的传单的阅读水平均高于成人平均水平，需要进一步改进算法和提示设计	评估LLMs在生成泌尿科患者信息传单方面的质量，以减轻医疗专业人员的工作负担	泌尿科患者信息传单	自然语言处理	泌尿系统疾病	大型语言模型（LLMs）	ChatGPT-4, PaLM 2, Llama 2	文本	四种泌尿科主题（包皮环切术、肾切除术、膀胱过度活动症综合征和经尿道前列腺切除术）的传单
269	2025-01-04	A Multi-Level Interpretable Sleep Stage Scoring System by Infusing Experts' Knowledge Into a Deep Network Architecture 2024-07, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3366170 PMID:38358869	研究论文	本文设计了一个可解释的深度学习系统，用于脑电图（EEG）时间序列分类，以进行睡眠阶段评分	开发了一个包含基于核的卷积层的可解释深度神经网络，该层由人类专家在视觉分析多导睡眠图记录时使用的原则指导	未明确提及具体局限性	设计一个透明的深度学习系统，用于EEG时间序列分类以进行睡眠阶段评分	脑电图（EEG）信号	计算机视觉	NA	深度学习	深度神经网络	时间序列数据	未明确提及样本数量
270	2024-08-07	Evaluating a deep learning AI algorithm for detecting residual prostate cancer on MRI after focal therapy 2024-Jul, BJUI compass IF:1.6Q3 DOI:10.1002/bco2.373 PMID:39022660	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
271	2024-12-29	Coupled Multimodal Emotional Feature Analysis Based on Broad-Deep Fusion Networks in Human-Robot Interaction 2024-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3236320 PMID:37021991	研究论文	提出了一种基于广深融合网络的耦合多模态情感特征分析方法（CMEFA），用于人机交互中的情感识别	使用广深融合网络（BDFN）提取面部和手势情感特征，并通过典型相关分析（CCA）分析双模态情感特征之间的相关性，建立耦合网络进行情感识别	未考虑特征贡献不平衡的问题	提高人机交互中多模态情感识别的准确率	面部表情和身体手势	自然语言处理	NA	典型相关分析（CCA）	广深融合网络（BDFN）	图像	双模态面部和身体手势数据库（FABO）及八名志愿者
272	2024-12-28	Deep Learning-based Brain Age Prediction in Patients With Schizophrenia Spectrum Disorders 2024-07-27, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbad167 PMID:38085061	研究论文	本文研究了基于深度学习的脑年龄预测在精神分裂症谱系障碍患者中的应用	使用卷积网络回归模型（SFCNR）预测脑年龄，并与三种机器学习算法进行比较，发现SFCNR模型表现更优	未能在SFCNR模型中观察到首次发作精神分裂症谱系障碍（FE-SSDs）与难治性精神分裂症（TRS）之间的显著差异	探讨脑预测年龄差异（brain-PAD）作为神经退行性病变的生物标志物在精神分裂症患者中的应用	精神分裂症（SCZ）、首次发作精神分裂症谱系障碍（FE-SSDs）和难治性精神分裂症（TRS）患者	机器学习	精神分裂症	结构磁共振成像（sMRI）	卷积网络回归模型（SFCNR）	图像	7590名健康对照者（HCs）用于预训练，541名HCs用于后续训练，209名HCs和233名患者用于分析
273	2024-12-24	Non-Invasive Quantification of the Brain [¹⁸F]FDG-PET Using Inferred Blood Input Function Learned From Total-Body Data With Physical Constraint 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3368431 PMID:38386580	研究论文	本研究提出了一种基于深度学习的方法，用于从全身动态扫描数据中推断动态脑FDG扫描的输入函数，以实现脑PET的非侵入性定量分析	本研究首次使用深度学习方法从全身动态扫描数据中推断脑PET的输入函数，并通过引入物理约束减少偏差和训练样本需求	本研究仅在特定数据集上进行了验证，未来需要在更多临床数据上进行验证	开发一种非侵入性的方法来定量分析脑PET	动态脑FDG扫描的输入函数	计算机视觉	NA	深度学习	LSTM结合全连接网络	图像	85例全身动态扫描数据
274	2024-12-24	Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers With Partially Annotated Ultrasound Images 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3366940 PMID:38373131	研究论文	提出了一种基于弱监督学习的两阶段检测与诊断网络（TSDDNet），用于提高乳腺超声图像的计算机辅助诊断准确性	设计了一种候选选择机制来细化手动标注的ROI，并生成准确的伪ROI，同时采用自蒸馏策略进行联合优化，以提高诊断性能	未提及具体的局限性	提高基于超声图像的乳腺癌症计算机辅助诊断系统的诊断准确性	乳腺癌症的超声图像	计算机视觉	乳腺癌	深度学习	两阶段检测与诊断网络（TSDDNet）	图像	三个B模式超声数据集
275	2024-12-24	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	本文介绍了一种名为3D-svFMBV的全新全自动方法，用于使用超声波评估组织灌注	提出了结合图像处理、数值建模和深度学习的3D-svFMBV方法，消除了对背景信号进行数学校正的需求，提高了灌注估计的准确性和鲁棒性	NA	开发一种全自动方法来提高组织灌注估计的准确性，并探索其在临床中的应用	子宫动脉和胎盘的超声图像	数字病理学	妊娠相关疾病	超声波（PD-US）	深度学习	图像	143个早期妊娠胎盘超声体积
276	2024-12-24	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	研究论文	本文提出了一种基于混合监督的深度学习方法，用于从MRI图像中预测临床显著性前列腺癌	本文的创新点在于通过分布回归而非简单的值回归，利用非靶向系统活检的弱监督信号来提高分类性能	本文的局限性在于混合监督方法虽然提高了分类性能，但降低了与基于图像的分割的一致性	本文的研究目的是提高从MRI图像中分类临床显著性前列腺癌的准确性	本文的研究对象是接受MRI筛查后进行活检的前列腺癌患者	计算机视觉	前列腺癌	深度学习	深度网络	图像	973例多参数前列腺MRI检查（测试集n=198）
277	2024-12-22	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024-Jul-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.05.602302 PMID:39005269	研究论文	本文开发了一种多肢光遗传学运动映射技术（MOMM），用于在清醒小鼠中同时映射多个肢体的运动表示，并探讨了皮质对协调运动的组织结构	首次使用光遗传学技术在清醒小鼠中进行多肢运动映射，揭示了皮质对协调和行为相关运动输出的地形组织	研究仅限于小鼠模型，尚未在其他物种中验证	开发一种新的技术来映射皮质中多肢协调运动的地形组织	清醒小鼠的皮质中多肢协调运动的地形组织	神经科学	NA	光遗传学刺激，DeepLabCut（DLC），三维三角测量	NA	运动映射数据	多只清醒小鼠
278	2024-12-22	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究利用机器学习和统计图谱方法，探讨了COVID-19患者在基线胸部CT上的肺部形状变化，并评估了这些变化与COVID-19严重程度的关系	首次通过深度学习模型（3D残差卷积网络）结合肺部浸润（磨玻璃影和实变区域）来表征COVID-19患者的肺部形状差异，并发现这些差异与COVID-19的严重程度相关	研究为回顾性多中心研究，样本主要集中在COVID-19患者，未涉及其他肺部疾病患者	探讨COVID-19患者肺部形状的变化及其与疾病严重程度的关系	COVID-19患者的肺部形状变化	计算机视觉	COVID-19	机器学习	3D残差卷积网络	图像	3443名患者，包括健康人群、轻度COVID-19患者和重度COVID-19患者
279	2024-12-22	CKG-IMC: An inductive matrix completion method enhanced by CKG and GNN for Alzheimer's disease compound-protein interactions prediction 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108612 PMID:38838556	研究论文	本文提出了一种名为CKG-IMC的深度学习模型，用于预测阿尔茨海默病中的化合物-蛋白质相互作用	CKG-IMC模型结合了协同知识图谱、主邻域聚合图神经网络和归纳矩阵补全，实现了对化合物-蛋白质相互作用关系的高精度预测	NA	开发治疗阿尔茨海默病的新药物并识别相关靶点	阿尔茨海默病中的化合物-蛋白质相互作用	机器学习	阿尔茨海默病	图神经网络	图神经网络	图数据	NA
280	2024-12-22	A deep learning approach for generating intracranial pressure waveforms from extracranial signals routinely measured in the intensive care unit 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108677 PMID:38833800	研究论文	本文提出了一种利用深度学习方法从重症监护病房中常规测量的体表信号生成颅内压波形的方法	本文首次提出利用深度学习模型从体表生理波形（动脉血压、光电容积描记和心电图）非侵入性地生成颅内压波形	研究样本量较小，仅涉及10名患者，且需要进一步的验证和优化	探索利用深度学习技术从体表信号非侵入性地生成颅内压波形的可能性	颅内压波形的生成	机器学习	NA	深度学习	深度学习模型	波形数据	10名重症监护病房中的患者，共600小时的高频（125 Hz）同步采集的颅内压、动脉血压、心电图和光电容积描记波形数据