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
41	2025-03-19	Acupuncture indication knowledge bases: meridian entity recognition and classification based on ACUBERT 2024-08-30, Database : the journal of biological databases and curation DOI:10.1093/database/baae083 PMID:39213389	研究论文	本研究探讨了使用ACUBERT模型在针灸适应症中经络实体识别和分类的有效性及其差异原因	开发了具有中医特色的针灸适应症知识库（ACU-IKD）和ACUBERT模型，基于八纲辨证和脏腑辨证作为基础标签训练经络辨证模型	研究中未明确提及样本的多样性和模型的泛化能力	提高针灸适应症数据库中经络归类的分类效果	54,593个不同实体，选自82本针灸医学书籍	自然语言处理	NA	BERT模型	ACUBERT, 支持向量机, 随机森林	文本	54,593个实体
42	2025-03-19	Integrating deep learning architectures for enhanced biomedical relation extraction: a pipeline approach 2024-08-28, Database : the journal of biological databases and curation DOI:10.1093/database/baae079 PMID:39197056	研究论文	本文提出了一种增强的端到端管道方法，用于生物医学关系提取和新颖性检测，有效利用现有数据集并整合最先进的深度学习方法	提出了一种结合BERT模型和卷积神经网络的混合方法，用于生物医学关系提取和新颖性检测，显著提高了模型性能	尽管NER和EL模型的性能较高，但在文档级别的关系提取和新颖性检测任务仍然具有挑战性	提高生物医学关系提取和新颖性检测的准确性和效率	生物医学科学出版物中的实体和关系	自然语言处理	NA	BERT, 卷积神经网络	BERT, CNN	文本	使用BioRED基准语料库进行训练
43	2025-03-19	Dataset of miRNA-disease relations extracted from textual data using transformer-based neural networks 2024-08-05, Database : the journal of biological databases and curation DOI:10.1093/database/baae066 PMID:39104284	研究论文	本文提出了一种基于深度学习的文本挖掘方法，从生物医学文献中提取标准化的miRNA-疾病关联	利用基于transformer的神经网络从文本数据中提取miRNA-疾病关系，构建了一个新的训练语料库，并通过远程监督扩展了该语料库	未提及具体的数据集大小或模型的具体架构细节	自动化地从生物医学文献中提取miRNA-疾病关联，以减少手动检索的工作量	miRNA与疾病之间的关联	自然语言处理	神经退行性疾病	深度学习	transformer-based neural networks	文本	未提及具体样本数量
44	2025-03-16	Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys 2024-Aug-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.25.609595 PMID:39253466	研究论文	本文介绍了使用深度学习技术对三维分层相衬断层扫描图像中人类肾脏血管进行分割的研究	通过组织全球机器学习竞赛，开发新的深度学习方法来提高三维血管分割的准确性，并建立了相衬断层扫描成像中血管分割的基准	计算方法的准确性仍有局限	开发高效算法以大规模分割三维医学成像数据集中的血管，用于广泛的研究和临床应用	人类肾脏的三维分层相衬断层扫描图像	计算机视觉	NA	深度学习	NA	三维图像	1,401名参与者
45	2025-03-16	Multimodal fusion learning for long QT syndrome pathogenic genotypes in a racially diverse population 2024-Aug-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01218-1 PMID:39181999	研究论文	本文开发了一种结合心电图波形和电子健康记录数据的深度学习方法，用于评估患者是否携带导致长QT综合征的致病基因变异	创新点在于使用多模态融合学习方法，结合心电图和电子健康记录数据，以提高长QT综合征致病基因变异的识别准确性	模型的精确召回曲线下面积较低（0.29），表明在识别致病基因变异方面仍有改进空间	研究目的是开发一种深度学习方法，用于识别长QT综合征的致病基因变异	研究对象为携带长QT综合征易感基因中至少一个致病基因变异的患者	机器学习	心血管疾病	深度学习	多模态融合学习	心电图波形和电子健康记录数据	使用了来自英国生物银行（UKBB）和西奈山BioMe生物银行的数据，具体样本数量未明确
46	2025-03-16	FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology 2024-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.09.602778 PMID:39026885	研究论文	本文介绍了一个名为FUSION的基于网络的应用，用于深入探索多组学数据与明场组织学的结合	FUSION工具通过深度学习算法，将分子数据与高分辨率组织学图像结合，提供了一个端到端的分析平台，用于分析功能性组织单元（FTUs）	NA	开发一个工具，用于连接分子和组织病理学特征，以提供对生物机制的深入洞察	健康与病变组织	数字病理学	NA	空间转录组学（ST）	深度学习算法	图像、分子数据	福尔马林固定石蜡包埋（FFPE）和冷冻制备的数据集
47	2025-03-16	CryoSamba: self-supervised deep volumetric denoising for cryo-electron tomography data 2024-Aug-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.11.603117 PMID:39071256	研究论文	本文介绍了CryoSamba，一种基于自监督深度学习的模型，用于去噪冷冻电子断层扫描（cryo-ET）图像	CryoSamba通过深度学习插值平均运动补偿的邻近平面，模仿增加曝光，增强连贯信号并减少高频噪声，显著提高断层扫描对比度和信噪比，且无需预录图像、合成数据、标签或注释、噪声模型或配对体积	NA	提高冷冻电子断层扫描图像的信噪比和对比度，以便更好地进行3D断层扫描视觉解释	冷冻电子断层扫描图像	计算机视觉	NA	深度学习	自监督深度学习模型	3D体积图像	NA
48	2025-03-15	Video-Based Kinematic Analysis of Movement Quality in a Phase 3 Clinical Trial of Troriluzole in Adults with Spinocerebellar Ataxia: A Post Hoc Analysis 2024-Aug, Neurology and therapy IF:3.9Q1 DOI:10.1007/s40120-024-00625-6 PMID:38814532	研究论文	本研究通过视频分析评估了troriluzole对成人脊髓小脑共济失调（SCA）患者步态质量的影响	使用深度学习姿态提取算法和新型步态稳定性指标Pose Dispersion Index来量化步态对称性、平衡性和稳定性	样本量较小，仅67和56名参与者的视频数据可用于分析	比较troriluzole与安慰剂对SCA患者步态质量的影响	成人脊髓小脑共济失调（SCA）患者	数字病理学	脊髓小脑共济失调	深度学习姿态提取算法	深度学习	视频	218名随机参与者，其中67名和56名分别有可解释的串联步态和自然步态视频数据
49	2025-03-15	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	本文提出了一种名为TAI-GAN的新型生成对抗网络，用于动态心脏PET图像中的早期到晚期帧转换，以改善帧间运动校正	提出了一种结合时间和解剖信息的生成对抗网络（TAI-GAN），通过全对一映射将早期帧转换为与参考帧相似的图像，解决了早期帧中基于强度的图像配准技术失败的问题	NA	改善动态心脏PET图像中的帧间运动校正，提高心肌血流（MBF）量化的准确性	动态心脏PET图像中的早期帧	计算机视觉	心血管疾病	生成对抗网络（GAN）	TAI-GAN	图像	临床Rb PET数据集
50	2025-03-15	Automatic Tracking of Hyoid Bone Displacement and Rotation Relative to Cervical Vertebrae in Videofluoroscopic Swallow Studies Using Deep Learning 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01039-4 PMID:38383805	研究论文	本研究开发了一种基于深度学习的自动跟踪方法，用于在视频荧光吞咽研究（VFSS）中跟踪舌骨位移和旋转	提出了一种全高分辨率网络（deep learning architecture）来自动检测舌骨的前后位置及其旋转，并同时检测C2和C4椎骨的前下角以建立新的坐标系，消除姿势变化的影响	NA	开发一种自动跟踪舌骨位移和旋转的方法，以辅助早期诊断和有效疾病管理	舌骨位移和旋转	计算机视觉	吞咽障碍	深度学习	全高分辨率网络	视频	1488个吞咽样本的59,468帧VFSS图像
51	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
52	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
53	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
54	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
55	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
56	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
57	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
58	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
59	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
60	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