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	2025-02-06	Predicting Task Activation Maps from Resting-State Functional Connectivity using Deep Learning 2024-Sep-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612309 PMID:39314460	研究论文	本文通过深度学习从静息态功能连接预测任务激活图	引入了两个新模型BrainSERF和BrainSurfGCN，在保持最先进性能的同时大幅减少了内存和计算资源消耗	低预测性与任务参与度不足有关，且模型在任务对比相似时表现不佳，可能由于个体差异大和测试-重测可靠性低	研究如何利用深度学习从静息态功能连接预测大脑任务激活模式	大脑任务激活图	机器学习	NA	深度学习	BrainSERF, BrainSurfGCN	功能连接数据	NA
62	2025-02-06	Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review 2024-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02105-8 PMID:39264388	综述	本文对医学图像分析领域中视觉变换器（ViTs）和卷积神经网络（CNNs）进行了系统比较	系统性地比较了ViTs和CNNs在医学图像分析中的表现，特别是强调了ViTs在多种医学成像任务中的潜力	综述基于36项研究，可能未涵盖所有相关研究，且未进行新的实验验证	比较ViTs和CNNs在医学图像分析中的表现，帮助研究者和从业者选择最合适的模型	视觉变换器（ViTs）和卷积神经网络（CNNs）	医学图像分析	NA	深度学习	ViTs, CNNs	医学图像	36项研究
63	2025-02-06	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本文提出了一种新的数字病理数据源——体积核心，通过使用深度学习方法改进前列腺癌的Gleason分级	提出了一种新的数字病理数据源——体积核心，并开发了一种基于注意力机制的多实例学习框架来处理体积数据，显著优于现有的2D基线方法	研究中使用的数据集可能有限，且未提及外部验证的结果	改进前列腺癌的Gleason分级，提高诊断准确性	前列腺癌活检组织	数字病理	前列腺癌	深度特征提取，自监督学习	注意力机制的多实例学习框架（ABMIL），视频变换器	3D活检组织体积数据	10,210个体积核心，其中30%用于预训练
64	2025-02-06	Advancing ICU patient care with a Real-Time predictive model for mechanical Power to mitigate VILI 2024-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105511 PMID:38851133	研究论文	本研究旨在开发一种利用人工智能实时预测机械功率（MP）的模型，以减轻机械通气引起的肺损伤（VILI）	开发了一种混合神经网络模型，能够提前15分钟预测MP，并在临床实践中集成到一个网络平台中，供临床医生实时访问	研究为回顾性观察研究，可能受到数据质量和选择偏差的影响	开发实时预测模型以减轻机械通气引起的肺损伤	18岁以上且接受超过6小时机械通气的ICU患者	机器学习	肺损伤	人工智能	混合神经网络	临床数据	1967名患者
65	2025-02-06	GenomicLinks: deep learning predictions of 3D chromatin interactions in the maize genome 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae123 PMID:39318505	研究论文	本文介绍了GenomicLinks，一个深度学习模型，用于预测玉米基因组中的3D染色质相互作用	开发了GenomicLinks模型，首次在植物中利用深度学习预测3D染色质相互作用，并验证了特定转录因子结合基序在染色质环形成中的作用	研究主要集中于玉米基因组，可能不直接适用于其他植物物种	探索植物中染色质环形成的分子机制，特别是通过DNA序列特征预测3D染色质相互作用	玉米基因组中的3D染色质相互作用	机器学习	NA	深度学习	深度学习模型	基因组序列数据	不同基因型的玉米单细胞共可及性数据
66	2025-02-04	Promoting smartphone-based keratitis screening using meta-learning: A multicenter study 2024-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104722 PMID:39244181	研究论文	本研究提出了一种基于元学习的框架（CNCML），用于在智能手机数据不足的情况下开发基于智能手机的角膜炎筛查模型	提出了余弦最近质心度量学习（CNCML）框架，利用裂隙灯照片的先验知识，解决了智能手机数据不足的问题	研究主要依赖于有限的智能手机照片数据，可能在实际应用中存在泛化能力不足的问题	开发一种基于智能手机的角膜炎筛查模型，以解决偏远地区缺乏专业设备的问题	角膜炎患者	计算机视觉	角膜炎	深度学习，元学习	CNCML	图像	13,009张裂隙灯照片和4,075张智能手机照片，来自3个独立的临床中心
67	2025-02-02	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过使用五种先进的深度学习模型架构，分析了从T1加权脑部MRI扫描中得出的脑年龄差距（BAG）在不同受试者群体中的差异	本研究首次系统地比较了五种深度学习模型在预测脑年龄差距方面的表现，并揭示了不同疾病群体中BAG的显著差异	研究未涉及其他类型的脑部扫描数据，且样本量可能不足以覆盖所有相关疾病群体	探索不同深度学习模型在预测脑年龄差距方面的表现，并分析不同疾病群体中的BAG差异	健康对照组及患有睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病的患者群体	计算机视觉	阿尔茨海默病、多发性硬化症、帕金森病、轻度认知障碍、糖尿病、睡眠呼吸暂停	深度学习	2D/3D VGG、RelationNet、ResNet、SFCN	脑部MRI图像	健康对照组及多种疾病患者群体
68	2025-02-02	Artificial Intelligence in Metabolomics: A Current Review 2024-Sep, Trends in analytical chemistry : TRAC DOI:10.1016/j.trac.2024.117852 PMID:39071116	综述	本文综述了人工智能在代谢组学中的应用，包括方法学和在系统生物学及人类健康中的具体应用	总结了人工智能在代谢组学中的多种应用，包括分析检测、数据预处理、生物标志物发现、预测建模和多组学数据整合，并讨论了该领域的挑战和未来前景	尽管人工智能在代谢组学中具有巨大潜力，但仍存在一些局限性和挑战	探讨人工智能在代谢组学中的应用及其在系统生物学和人类健康中的潜力	代谢组学数据	机器学习	NA	NA	机器学习和深度学习	代谢组学数据	NA
69	2025-02-02	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	本文提出了一种基于分布式条件生成对抗网络（D-APUCGAN）的相位恢复方法，以同时提高相位和幅度图像的重建质量	提出了D-APUCGAN网络，通过引入内容损失函数来约束重建图像与源图像之间的相似性，从而在相位和幅度图像的重建质量上取得了显著提升	未提及具体限制	解决相位恢复问题，提高相位和幅度图像的重建质量	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	分布式条件生成对抗网络（D-APUCGAN）	GAN	图像	DIV2K测试数据集、MNIST数据集和真实数据
70	2025-02-02	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	本文提出了一种创新的深度学习框架，用于同时进行视网膜疾病的分类和视网膜撕裂的分割	开发了一种并行掩码引导的卷积神经网络（PM-CNN）和基于PM-CNN输出的分级激活图（GAM）的V-Net网络（GAM V-Net），用于同时进行视网膜疾病的分类和视网膜撕裂的分割	NA	提高视网膜疾病的诊断和量化能力	视网膜疾病的光学相干断层扫描（OCT）图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	并行掩码引导的卷积神经网络（PM-CNN）和V-Net网络（GAM V-Net）	图像	包含四个公开数据集和一个实时数据集的组合数据集，涵盖11类视网膜疾病
71	2025-02-01	Deep learning analysis of serial digital breast tomosynthesis images in a prospective cohort of breast cancer patients who received neoadjuvant chemotherapy 2024-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111624 PMID:39029241	研究论文	本研究探讨了在乳腺癌新辅助化疗（NACT）期间使用人工智能（AI）分析连续数字乳腺断层合成（DBT）图像，以预测NACT完成后的病理完全缓解（pCR）	首次将深度学习AI系统应用于连续DBT图像分析，以预测乳腺癌患者的pCR	样本量较小，未来需要更大数据集以进行更全面的模型训练和性能评估	探索AI在乳腺癌NACT期间预测pCR的潜力	接受NACT的乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成（DBT）	3D ResNet	图像	149名女性乳腺癌患者
72	2025-02-01	Multicenter privacy-preserving model training for deep learning brain metastases autosegmentation 2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110419 PMID:38969106	研究论文	本研究探讨了多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估了增量迁移学习技术（LWF）在不共享原始数据的情况下提高模型泛化能力的有效性	提出了使用增量迁移学习技术（LWF）进行隐私保护的模型训练，以提高多中心数据下的模型泛化能力	数据异质性（如转移密度、空间分布和图像空间分辨率的差异）导致模型性能在不同中心间存在差异，限制了模型的泛化能力	研究多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估增量迁移学习技术的有效性	脑转移（BM）的自动分割	计算机视觉	脑转移	深度学习	DeepMedic网络	医学影像	来自六个中心的脑转移数据集（UKER、USZ、Stanford、UCSF、NYU、BraTS Challenge 2023）
73	2025-02-01	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-Sep, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本文通过meta分析评估了基于AI的乳腺癌筛查乳腺X光片分诊在减少放射科医生工作量方面的效果	首次通过meta分析评估了深度学习算法在乳腺癌筛查乳腺X光片分诊中的应用及其对放射科医生工作量的影响	AI的实施仍然复杂且异质性较大	评估基于AI的乳腺癌筛查乳腺X光片分诊是否能在保持高敏感性的同时减少放射科医生的工作量	乳腺癌筛查乳腺X光片	digital pathology	breast cancer	deep learning	DL	image	156,852次检查
74	2025-02-01	Neuroimage analysis using artificial intelligence approaches: a systematic review 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03097-w PMID:38664348	系统综述	本文系统回顾了人工智能在神经影像数据分析中的应用及其对提升诊断能力和推动领域发展的影响	通过系统回顾456篇相关文献，揭示了AI技术在神经影像分析中的广泛应用及其在疾病分类和病变分割等临床任务中的优势	研究仅限于2013年至2023年间的文献，可能未涵盖最新的技术进展	探讨AI技术在神经影像数据分析中的应用，以提升诊断能力和推动领域发展	神经影像数据，特别是与精神和神经系统疾病相关的数据	神经影像分析	精神和神经系统疾病	机器学习和深度学习算法	NA	神经影像数据	456篇相关文献，其中104篇被详细回顾
75	2025-01-31	Processing of Short-Form Content in Clinical Narratives: Systematic Scoping Review 2024-Sep-26, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57852 PMID:39325515	系统范围综述	本文综述了临床叙述中短形式的类型及其自然语言处理（NLP）技术的应用，包括识别、扩展和消歧	系统性地总结了2018年至2023年间关于临床叙述中短形式处理的NLP技术，并指出了现有研究的不足和未来研究方向	临床短形式的定义不明确，影响了研究的可重复性和方法适用性；单字符缩写和非英语语言的临床叙述处理研究不足	综述临床叙述中短形式的类型及NLP技术在短形式处理中的应用	临床叙述中的短形式	自然语言处理	NA	自然语言处理（NLP）	规则基础方法、字符串相似性、向量表示、嵌入和深度学习	文本	19篇文章
76	2024-10-01	From Voxel to Gene: A Scoping Review on MRI Radiogenomics' Artificial Intelligence Predictions in Adult Gliomas and Glioblastomas-The Promise of Virtual Biopsy? 2024-Sep-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092156 PMID:39335670	综述	本文综述了深度学习在成人胶质瘤和胶质母细胞瘤的遗传特征中的应用，探讨了虚拟活检的潜力	本文介绍了从全卷积网络到更高级架构（如ResNet和DenseNet）的深度学习算法的演变，并探讨了其在预测个体遗传特征方面的潜力	研究结果显示，由于数据集小且同质化以及验证方法不一致，报告的性能存在显著差异，缺乏强有力的外部验证限制了模型的普遍性	评估深度学习在成人胶质瘤遗传特征中的应用现状，探讨这些技术在可靠虚拟活检中的潜力	成人胶质瘤和胶质母细胞瘤的遗传特征	计算机视觉	脑肿瘤	深度学习	CNN, ResNet, DenseNet	图像	17项研究
77	2024-10-08	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2024-Sep-13, ArXiv PMID:39314509	研究论文	本文探讨了将生物树突结构引入人工神经网络（ANNs）的新架构，以提高其学习效率和鲁棒性	提出了一种结合生物树突结构和限制采样特性的人工神经网络新架构，显著减少了训练参数数量并提高了抗过拟合能力	未详细讨论新架构在其他复杂任务中的表现	研究如何通过引入生物树突特性改进人工神经网络的学习效率和鲁棒性	人工神经网络的架构和学习策略	机器学习	NA	NA	人工神经网络	图像	未明确提及
78	2024-09-30	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	研究论文	开发了一种深度学习算法，用于预测患有缺氧缺血性脑病的新生儿的2年神经发育结果	利用深度学习模型结合MRI和基本临床数据，预测新生儿神经发育结果	研究样本仅来自17个机构，且仅包括足月新生儿	开发和验证一种深度学习算法，用于预测新生儿神经发育结果	患有缺氧缺血性脑病的新生儿的神经发育结果	机器学习	新生儿疾病	MRI	卷积神经网络（CNN）	图像	414名新生儿，平均孕周39周，其中232名男性，182名女性
79	2025-01-29	Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group 2024-Sep-01, Acta of bioengineering and biomechanics IF:0.8Q4 DOI:10.37190/abb-02474-2024-02 PMID:39869478	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
80	2025-01-26	Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions 2024-09-06, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31090389 PMID:39330017	综述	本文综述了人工智能在头颈癌（HNC）护理中的创新、应用及未来方向	探讨了人工智能与影像技术、基因组学和电子健康记录的整合，及其在早期检测、生物标志物发现和治疗规划中的作用	数据质量、算法偏见和跨学科合作的必要性等挑战仍然存在	探讨人工智能在头颈癌护理中的应用及未来发展方向	头颈癌（HNC）	自然语言处理	头颈癌	深度学习、自然语言处理	NA	影像、基因组数据、电子健康记录	NA