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
21	2025-03-14	Probabilistic volumetric speckle suppression in OCT using deep learning 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.523716 PMID:39346991	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习框架，用于光学相干断层扫描（OCT）中的体积斑点减少	利用OCT数据的体积特性，网络以部分OCT体积作为输入，生成无伪影的去斑点体积，同时在所有三个维度上表现出优异的斑点减少和分辨率保持	训练数据仅由三个OCT体积组成，可能限制了模型的泛化能力	研究目的是开发一种高效的OCT体积斑点减少方法	光学相干断层扫描（OCT）数据	计算机视觉	NA	条件生成对抗网络（cGAN）	cGAN	体积OCT数据	三个OCT体积
22	2025-03-05	A Semantic-Consistent Few-Shot Modulation Recognition Framework for IoT Applications 2024-Aug-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441597 PMID:39178083	研究论文	本文提出了一种语义一致的小样本调制识别框架，用于物联网应用中的自动调制分类	提出了一种新的信号预转换方法（ScSP），使现有最先进的小样本学习模型能更有效地处理无线信号	主要针对无线信号领域，未涉及其他领域的小样本学习应用	提高物联网应用中无线信号调制识别的准确性	物联网网络中的无线信号	机器学习	NA	小样本学习（FSL）	深度学习模型	无线信号数据	小样本数据
23	2024-08-23	A correspondence of evaluation of deep learning algorithms in detecting Moyamoya disease: a systematic review and single-arm meta-analysis 2024-Aug-21, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02701-9 PMID:39167278	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
24	2025-03-05	CANDI: A Web Server for Predicting Molecular Targets and Pathways of Cannabis-Based Therapeutics 2024-Aug-09, Research square DOI:10.21203/rs.3.rs-4744915/v1 PMID:39149470	研究论文	本文介绍了一个名为CANDI的Web服务器，用于预测大麻基治疗药物的分子靶点和通路	开发了CANDI服务器，结合深度学习模型DRIFT，预测大麻化合物的分子靶点和相关通路，为大麻基治疗药物的开发提供新工具	未提及具体实验验证结果，预测结果的准确性有待进一步验证	研究大麻化合物的分子靶点和相关通路，以开发靶向有效的大麻基治疗药物	大麻化合物及其分子靶点和通路	机器学习	疼痛、炎症、癌症、骨关节炎	深度学习	基于注意力机制的神经网络	化合物-靶点相互作用数据	NA
25	2025-03-05	Revolutionizing Aneurysm detection: The role of artificial intelligence in reducing rupture rates 2024-Aug-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02636-1 PMID:39088154	研究论文	本文探讨了人工智能在降低未破裂脑动脉瘤破裂率中的作用	利用AI和ML技术提高脑动脉瘤的早期检测和破裂风险预测准确性	未提及具体的研究局限性	研究人工智能在脑动脉瘤检测和破裂风险预测中的应用	脑动脉瘤患者	数字病理学	脑动脉瘤	CT血管造影（CTA）	PointNet++	图像	未提及具体样本数量
26	2025-02-28	Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos 2024-08-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.25124 PMID:39106068	研究论文	本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂	利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	开发一种AI模型，用于早期检测儿童眼病	儿童眼病（近视、斜视和上睑下垂）	计算机视觉	儿童眼病	深度学习	深度学习模型	图像	476名患者的1419张图像
27	2025-02-27	DeepComBat: A statistically motivated, hyperparameter-robust, deep learning approach to harmonization of neuroimaging data 2024-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26708 PMID:39056477	研究论文	本文介绍了一种名为DeepComBat的深度学习协调方法，用于消除神经影像数据中的批次效应	DeepComBat结合了统计方法和深度学习的优势，能够处理特征间的多变量关系，同时放松了之前深度学习协调方法的强假设	NA	消除神经影像数据中的批次效应，提高数据的可重复性	神经影像数据	计算机视觉	老年疾病	深度学习	条件变分自编码器	图像	认知老化队列的皮层厚度测量数据
28	2025-02-26	Deep learning-based image quality assessment: impact on detection accuracy of prostate cancer extraprostatic extension on MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04468-5 PMID:38958754	研究论文	本研究使用基于深度学习的AI算法评估前列腺癌MRI图像质量对前列腺外扩展（EPE）检测准确性的影响	首次使用深度学习AI算法对前列腺MRI图像质量进行分类，并证明高质量T2WI图像与EPE病理预测准确性相关	研究为单机构回顾性研究，样本量有限，且仅使用了一种AI算法进行图像质量分类	评估前列腺MRI图像质量对EPE检测准确性的影响	前列腺癌患者	数字病理学	前列腺癌	深度学习	AI算法	MRI图像	773名患者
29	2025-02-26	Deep learning-accelerated T2WI: image quality, efficiency, and staging performance against BLADE T2WI for gastric cancer 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04323-7 PMID:38662208	研究论文	本研究比较了深度学习加速的单次屏息T2加权磁共振成像（DLSB-T2WI）与BLADE-T2WI在胃癌成像中的图像质量、效率和诊断性能	首次将深度学习加速技术应用于单次屏息T2加权磁共振成像，显著缩短了成像时间并提高了图像质量	研究样本量相对较小，且仅在单一中心进行，可能影响结果的普遍性	比较DLSB-T2WI与BLADE-T2WI在胃癌成像中的性能	112名胃癌患者	数字病理	胃癌	T2加权磁共振成像（T2WI）	深度学习模型	图像	112名胃癌患者
30	2025-02-26	Comparison of model-based versus deep learning-based image reconstruction for thin-slice T2-weighted spin-echo prostate MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04256-1 PMID:38520510	研究论文	本文比较了基于模型的图像重建（MBIR）与新开发的基于深度学习的图像重建方法，在1毫米高分辨率T2加权自旋回波前列腺MRI中提供改进的信噪比（SNR）	本文的创新点在于首次将深度学习技术应用于1毫米高分辨率T2加权自旋回波前列腺MRI的图像重建，并展示了其在信噪比提升方面的优势	研究的局限性在于深度学习重建在过高水平（DL High）时，放射学清晰度和对比度保真度会降低	研究目的是比较不同图像重建方法在前列腺MRI中的性能，特别是信噪比的提升	研究对象为17名临床需要进行前列腺MRI的患者	医学影像	前列腺癌	T2加权自旋回波MRI	深度学习	图像	17名患者
31	2025-02-25	Construction of an antidepressant priority list based on functional, environmental, and health risks using an interpretable mixup-transformer deep learning model 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134651 PMID:38843640	研究论文	本研究构建了一个基于功能、环境及健康风险的抗抑郁药物优先级筛选系统（ADRank），并采用改进的mixup-transformer深度学习模型进行分类，以提高分类准确性和可靠性	采用改进的mixup-transformer深度学习模型，相较于随机森林模型，分类准确性提高了23.25%，可靠性提高了80%	研究中未明确提及样本量及数据来源的具体细节	构建抗抑郁药物的风险优先级筛选系统，以识别和管理抗抑郁药物的风险	抗抑郁药物（AD）	机器学习	NA	深度学习	mixup-transformer	NA	NA
32	2025-02-25	Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging 2024-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134723 PMID:38815392	研究论文	本研究利用多分支深度学习模型和高光谱成像技术，开发了HerbiNet模型，用于早期检测玉米中nicosulfuron除草剂的毒性	开发了HerbiNet和HerbiNet-Lite模型，能够早期准确预测玉米中nicosulfuron的毒性，并在不同年份和季节的数据集上表现出更高的泛化能力	研究仅针对nicosulfuron一种除草剂，未涉及其他除草剂的毒性检测	开发早期检测玉米中除草剂毒性的方法，以保护玉米生产和田间环境	玉米作物及其高光谱图像	计算机视觉	NA	高光谱成像	多分支深度学习模型	图像	NA
33	2025-02-21	Improving privacy-preserving multi-faceted long short-term memory for accurate evaluation of encrypted time-series MRI images in heart disease 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70593-2 PMID:39215022	研究论文	本文介绍了一种用于分析同态加密时间序列MRI数据的新方法：多面长短期记忆网络（MF-LSTM），旨在提高心脏疾病的准确评估	提出了多面长短期记忆网络（MF-LSTM），在保护患者隐私的同时，准确分类和预测心脏疾病	NA	提高心脏疾病的早期诊断和监测，同时保护患者隐私	加密时间序列MRI图像	数字病理学	心血管疾病	同态加密（HE）	MF-LSTM	时间序列MRI图像	NA
34	2025-02-21	A Method for the Spatial Interpolation of EEG Signals Based on the Bidirectional Long Short-Term Memory Network 2024-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s24165215 PMID:39204910	研究论文	本文介绍了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法，用于从邻近电极获取的EEG通道中捕捉固有特征，预测EEG数据时间序列，并促进从低密度EEG信号到高密度EEG信号的转换	使用BiLSTM网络捕捉EEG时间序列数据的依赖关系，而非传统的数学映射方法，将均方根误差有效限制在0.4μV以下，显著优于传统方法	未提及具体局限性	提高脑机接口（BCI）技术的性能，通过增加EEG通道密度来改善信号精度	EEG信号	机器学习	NA	深度学习	BiLSTM	时间序列数据	BCI Competition III 3a数据集，从18通道扩展到60通道
35	2025-02-21	Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses 2024-08-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68586-2 PMID:39107349	研究论文	本研究开发了一种基于深度学习的眼动追踪系统，用于评估精神疾病患者的执行功能	利用眼动追踪技术和深度学习模型（LSTM+Attention）来检测精神疾病患者在视觉空间记忆编码中的执行功能受损情况	研究样本仅限于特定类型的精神疾病患者，可能无法推广到其他类型的精神疾病或神经系统疾病	开发一种快速、直接的方法来识别精神疾病患者的执行功能受损	首次发作的精神病患者、临床高风险精神病患者、强迫症患者和健康对照组	机器学习	精神疾病	眼动追踪技术	LSTM+Attention	眼动数据	96名首次发作的精神病患者、49名临床高风险精神病患者、104名强迫症患者和159名健康对照组
36	2025-02-20	CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis 2024-08-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02617 PMID:39092917	研究论文	本文开发了一种新型CRISPR/Cas13a增强的光电流极性转换光电化学（PEC）生物传感器，用于联合检测双长链非编码RNA（lncRNA），并结合深度学习（DL）辅助癌症诊断	结合CRISPR/Cas13a技术和深度学习，开发了一种新型光电化学生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	未提及具体局限性	开发一种新型生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	长链非编码RNA（lncRNA）	生物传感器	癌症	CRISPR/Cas13a技术，光电化学（PEC）技术，深度学习（DL）	深度学习模型	光电化学数据	全血样本
37	2025-02-17	Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models 2024-Aug-30, Gels (Basel, Switzerland) DOI:10.3390/gels10090565 PMID:39330168	研究论文	本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题	首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布	研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证	提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响	Fricke凝胶剂量计中的离子扩散现象	机器学习	NA	物理信息神经网络（PINNs）	PINNs	2D和3D数据	数值模拟数据，时间跨度从20到100小时
38	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
39	2025-02-14	Deep survival analysis for interpretable time-varying prediction of preeclampsia risk 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104688 PMID:39002866	研究论文	本文提出了一种深度生存分析方法，用于预测妊娠期间子痫前期风险的时间变化	创新点在于使用深度生存模型DeepHit来处理非比例风险，捕捉非线性关系，并应对复杂的时间动态变化	研究基于回顾性数据，可能存在选择偏差，且模型性能与Cox比例风险模型相似，未显著超越	研究目的是开发一种能够准确预测妊娠期间子痫前期风险的方法，并探讨相关临床风险因素	研究对象为2015年至2023年间在两所三级医疗中心分娩的66,425名孕妇	机器学习	子痫前期	深度生存分析	DeepHit	回顾性数据	66,425名孕妇
40	2025-02-14	Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-023-01483-0 PMID:38110782	研究论文	本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）	首次将深度学习模型应用于超声图像上区分XGC和GBC，并与放射科医生的诊断结果进行比较	单中心研究，样本量较小（25例XGC和55例GBC）	通过深度学习模型提高XGC和GBC在超声图像上的区分准确性	黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）患者	计算机视觉	胆囊癌	深度学习	CNN, Transformer	图像	25例XGC患者和55例GBC患者