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	2025-05-07	Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery 2024-Oct-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000003335 PMID:38959453	研究论文	开发了一种基于深度学习的实时输尿管识别模型UreterNet，用于腹腔镜结直肠手术中避免医源性输尿管损伤	首次将基于深度学习的语义分割算法应用于输尿管识别任务，并开发了UreterNet模型	需要进一步验证UreterNet是否能减少医源性输尿管损伤的发生	验证在腹腔镜结直肠手术视频中能否识别输尿管，以提高手术安全性	腹腔镜结直肠手术视频中的输尿管	计算机视觉	结直肠疾病	语义分割	CNN (Feature Pyramid Networks)	视频	从304个视频中创建的14,069张标注图像（训练集9537张，验证集2266张，测试集2266张）
22	2025-05-03	Advancing Vascular Surgery: The Role Of Artificial Intelligence And Machine Learning In Managing Carotid Stenosis 2024-Oct-12, Portuguese journal of cardiac thoracic and vascular surgery DOI:10.48729/pjctvs.411 PMID:39820882	review	本文探讨了人工智能和机器学习在颈动脉狭窄诊断、风险分层和管理中的应用	利用AI增强的影像技术和深度学习显著提高了颈动脉斑块易损性和症状性斑块的诊断准确性	面临临床验证和数据隐私的挑战	提高颈动脉狭窄的诊断准确性和风险分层，改善患者管理	颈动脉狭窄患者	machine learning	cardiovascular disease	deep learning	NA	image	NA
23	2025-05-02	Dynamic Mechanism for Subtype Selectivity of Endocannabinoids 2024-Oct-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.25.620304 PMID:39554065	研究论文	本研究探讨了内源性大麻素亚型选择性的动态机制，通过分子动力学模拟和深度学习模型解释了大麻素受体CB1的选择性	提出了两种假说来解释内源性大麻素anandamide对CB1受体的选择性，并通过分子动力学模拟和深度学习模型进行了验证	研究主要基于计算模拟，需要进一步的实验验证	探索内源性大麻素对CB1和CB2受体亚型选择性的生物物理机制	内源性大麻素anandamide及其与大麻素受体的相互作用	生物物理学	NA	分子动力学模拟, Markov状态建模, 深度学习VAMP-nets	VAMP-nets	分子模拟数据	约0.9毫秒的分子动力学模拟数据
24	2025-05-02	Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning 2024-Oct-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005093 PMID:38975768	research paper	利用基于深度学习的语义分割模型，通过前后位X光片中骨盆小骨盆与闭孔的面积比评估骨盆倾斜	首次将深度学习语义分割模型应用于骨盆倾斜的自动测量，通过面积比方法提高了测量的准确性和鲁棒性	研究样本量相对较小（20个模拟骨盆和231个临床案例），可能影响结果的普遍性	开发一种自动测量骨盆倾斜的方法，以辅助髋关节和脊柱手术	骨盆X光片（模拟和临床案例）	digital pathology	geriatric disease	deep learning semantic segmentation	CNN	image	20个模拟骨盆（10男10女）和231个临床案例
25	2025-05-01	An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data 2024-10-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae029 PMID:38960866	research paper	开发了一种基于深度学习的根尖周炎分级系统，用于辅助初级医生诊断	提出了一种自创的PAINet算法，并在性能上优于经典算法和最新的Transformer模型	样本量较小，仅包含120张CBCT图像	开发并评估一种基于人工智能的根尖周炎分级系统	根尖周炎（AP）的CBCT图像	digital pathology	apical periodontitis	deep learning	ResNet50/101/152, PAINet, Transformer-based models, attention models	image	120张CBCT图像
26	2025-05-01	Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning 2024-10-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae028 PMID:38937280	研究论文	开发并验证了一种基于nnU-Net改进的深度学习模型，用于在锥束CT中对五类颌骨病变进行分类和分割	提出了一种改进的nnU-Net模型，能够同时完成颌骨病变的分类和分割任务，并在性能上超越口腔颌面放射科医生和外科医生	未提及样本的多样性和模型的泛化能力	提高颌骨病变在锥束CT中的自动分类和分割准确率	颌骨病变	数字病理	颌骨病变	锥束CT (CBCT)	nnU-Net	医学影像	368例CBCT扫描（37,168张切片）
27	2025-05-01	Hybrid Deep Learning Approach for Traffic Speed Prediction 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0251 PMID:35108088	研究论文	提出了一种名为HDL4TSP的混合深度学习方法，用于预测城市各区域的交通速度	同时建模交通数据的空间和时间相关性，通过图卷积网络和ConvLSTM网络分别捕捉空间和时间维度的依赖关系	未提及具体的数据集规模或模型在不同城市或交通条件下的泛化能力	提高交通速度预测的准确性，以支持交通管理和驾驶路线规划	城市各区域的交通速度数据	机器学习	NA	深度学习	图卷积网络（GCN）、ConvLSTM	交通速度数据	两个真实世界的数据集
28	2025-05-01	A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model 2024-10, Big data IF:2.6Q2 DOI:10.1089/big.2021.0268 PMID:35704031	research paper	提出了一种使用混合多层深度学习模型的网络入侵检测系统	结合多层卷积神经网络和softmax分类器，以及多层深度神经网络，提高了入侵检测的准确率	仅使用了NSL-KDD和KDDCUP'99两个数据集进行实验，可能在其他数据集上表现不同	提高网络入侵检测系统的准确率	网络流量数据	machine learning	NA	深度学习	CNN, softmax classifier, deep neural network	网络流量数据	NSL-KDD和KDDCUP'99数据集
29	2025-04-26	Dynamic Glucose Enhanced Imaging using Direct Water Saturation 2024-Oct-22, ArXiv PMID:39502884	research paper	该研究提出了一种利用直接水饱和曲线的交换性线宽增宽进行动态葡萄糖增强成像的新方法，以克服现有化学交换饱和转移或自旋锁定技术的局限性	提出利用直接水饱和曲线的交换性线宽增宽进行动态葡萄糖增强成像，相比现有方法具有更高的效应大小和对运动不敏感的优势	目前仅在4例脑肿瘤患者中进行了初步验证，样本量较小	开发一种新型的动态葡萄糖增强MRI成像技术，用于评估D-葡萄糖摄取情况	脑肿瘤患者的脑组织（灰质、白质、脑脊液和恶性肿瘤组织）	医学影像	脑肿瘤	动态Z谱采集、深度学习洛伦兹拟合	深度学习	MRI影像数据	4例脑肿瘤患者
30	2025-04-25	Virtual Lung Screening Trial (VLST): An In Silico Replica of the National Lung Screening Trial for Lung Cancer Detection 2024-Oct-28, ArXiv PMID:38699170	research paper	该研究通过虚拟肺部筛查试验（VLST）模拟国家肺部筛查试验（NLST），展示了虚拟成像试验（VIT）在加速临床试验、降低受试者风险及优化影像技术应用方面的潜力	首次通过虚拟成像试验平台准确模拟了国家肺部筛查试验（NLST），验证了虚拟试验在临床影像评估中的可行性	虚拟患者样本量相对较小（294例），且仅模拟了两种类型的肺结节	验证虚拟成像试验平台能否准确模拟真实临床试验（如NLST），以评估影像技术在肺癌筛查中的应用	虚拟患者群体（基于XCAT人体模型生成的294例模拟病例）及其模拟的CT和CXR影像	digital pathology	lung cancer	CT和CXR影像模拟技术	AI CT-Reader和AI CXR-Reader（基于深度学习的病灶检测模型）	image	294例虚拟患者（含均质性和异质性肺结节模拟数据）
31	2025-04-25	Neural network analysis as a novel skin outcome in a trial of belumosudil in patients with systemic sclerosis 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4889334/v1 PMID:39483897	研究论文	本文探讨了在系统性硬化症（SSc）患者中使用神经网络分析作为皮肤结果的新方法，并与传统方法进行比较	首次将深度学习模型应用于SSc患者的皮肤活检，以量化病理特征，超越了传统的皮肤厚度测量	研究样本量较小（仅10名患者），且试验提前终止，可能影响结果的普遍性	评估belumosudil在SSc患者中的效果，并探索AI在量化SSc皮肤病理特征中的应用	患有弥漫性皮肤SSc的成年患者	数字病理学	系统性硬化症	深度学习	深度学习模型	图像（皮肤活检切片）	10名患者（其中5名有配对活检）
32	2025-04-25	Bi-level Graph Learning Unveils Prognosis-Relevant Tumor Microenvironment Patterns in Breast Multiplexed Digital Pathology 2024-Oct-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.22.590118 PMID:38712207	研究论文	本研究提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境细胞组织模式	引入了双层图模型（细胞图和群体图），通过软Weisfeiler-Lehman子树核捕捉患者间的相似性，从而识别具有独特预后的患者亚群和肿瘤微环境模式	方法虽然在乳腺癌患者中验证，但可能在其他癌症类型中的适用性需要进一步验证	开发一种可解释的深度学习方法，识别与预后相关的肿瘤微环境模式	乳腺癌患者的肿瘤微环境	数字病理学	乳腺癌	深度学习	双层图模型（细胞图和群体图）	数字病理图像	乳腺癌患者队列（具体数量未提及）及两个独立验证队列
33	2025-04-24	Development and Evaluation of a Learning-Based Model for Real-Time Haptic Texture Rendering 2024 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2024.3382258 PMID:38536688	研究论文	本文开发并评估了一种基于学习的实时触觉纹理渲染模型，用于增强虚拟现实环境中的触觉体验	提出了一种统一的深度学习模型，能够实时渲染多种纹理，无需为每种纹理单独训练模型，提高了可扩展性	研究仅使用了GelSight触觉传感器的数据，可能不适用于其他类型的触觉传感器	开发一种能够实时渲染多种触觉纹理的模型，提升虚拟现实环境的触觉体验	虚拟现实环境中的触觉纹理渲染	机器学习	NA	深度学习	action-conditional模型	触觉传感器数据	通过多部分人类用户研究进行评估
34	2025-04-18	A dynamic approach for MR T2-weighted pelvic imaging 2024-Oct-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	research paper	本文提出了一种新颖的动态方法用于T2加权盆腔成像，以解决蠕动引起的运动问题，无需患者准备	采用动态数据采集策略和基于深度均衡模型的展开方法，有效冻结盆腔运动，将成像问题从传统的运动预防或消除转变为运动重建	NA	解决盆腔MR成像中由蠕动引起的运动伪影和模糊问题	盆腔MR成像	医学影像	NA	T2加权2D快速自旋回波序列	深度均衡模型	MR图像	回顾性和前瞻性数据
35	2025-04-16	HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding 2024-Oct, Iranian journal of biotechnology IF:1.6Q4 DOI:10.30498/ijb.2024.459448.3927 PMID:40225296	研究论文	介绍了一种名为HLAPepBinder的集成模型，用于预测HLA-肽结合	使用随机森林方法整合多个预测模型的结果，提供了一种自动化的预测框架，无需手动选择模型	缺乏可靠的阴性数据，且通常假设未知相互作用为阴性	提高HLA-肽结合预测的准确性和效率	HLA-肽结合	机器学习	癌症	集成机器学习方法	随机森林	肽序列数据	NA
36	2025-04-13	Knot data analysis using multiscale Gauss link integral 2024-Oct-15, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2408431121 PMID:39392667	research paper	提出了一种结合曲线分割和多尺度分析的高斯链环积分方法，用于数据科学中的拓扑数据分析	引入了knot data analysis (KDA)范式，通过多尺度高斯链环积分(mGLI)捕捉数据的局部结构和连通性，显著优于现有方法	未提及具体局限性	开发一种新的拓扑数据分析方法，以解决传统方法在定位和量化方面的不足	13种复杂的生物数据集，包括蛋白质灵活性分析、蛋白质-配体相互作用等	machine learning	NA	multiscale Gauss link integral (mGLI)	NA	biological datasets	13种生物数据集
37	2025-04-13	Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72120-5_4 PMID:40207034	research paper	提出一种结合噪声标签学习（LNL）和主动学习的两阶段方法，以提高医学图像分类在标签噪声下的鲁棒性，并通过有限标注预算迭代提升数据集质量	引入梯度方差方法在LNL阶段补充基于损失的样本选择，同时采样代表性不足的样本，避免将少数类别的干净样本误判为噪声样本	方法仅在两种不平衡噪声医学分类数据集上验证，需进一步测试更广泛场景	提升医学图像分类在标签噪声和不平衡数据集下的鲁棒性	医学图像分类任务	digital pathology	NA	Learning with Noisy Labels (LNL), active learning	deep learning	image	两种不平衡噪声医学分类数据集（未明确样本数量）
38	2025-04-11	Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71562-5 PMID:39353972	研究论文	开发了一种基于心电图（ECG）的深度学习算法，用于检测高钾血症和低钾血症	利用深度学习模型从非侵入性且快速测量的心电图中检测高钾血症和低钾血症，展示了高诊断性能	研究为回顾性队列研究，可能存在选择偏差	开发一种简单快速的方法来诊断高钾血症和低钾血症，以改善患者预后	心电图（ECG）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	训练集310,449、验证集15,828、内部测试队列23,849和外部验证队列130,415个ECG-K样本
39	2025-04-09	A phenotypic drug discovery approach by latent interaction in deep learning 2024-Oct, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240720 PMID:40191531	research paper	本文提出了一种基于深度学习的潜在相互作用表型药物发现方法，通过端到端的方式利用药物和病毒遗传信息的文本表示进行高维潜在表示转换	该方法能够隐式考虑上位性和化学-遗传相互作用等复杂性，并处理数据稀缺的普遍挑战，为机制知识有限情况下的药物发现提供了有前景的替代方案	虽然展示了深度学习在数据稀缺场景中的可行性，但对潜在机制的理解仍有限	解决传统药物发现方法中高阶相互作用被忽视的问题，开发新的计算方法	药物和病毒的遗传信息	machine learning	NA	deep learning, data augmentation	deep learning model	text	NA
40	2025-04-07	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	提出了一种名为ProNEP的深度学习算法，用于高通量识别NLR-效应子对	将CNE预测任务概念化为蛋白质-蛋白质相互作用预测任务，并结合迁移学习和双线性注意力网络进行预测	CNE数据非常稀缺，已知的CNE数量远少于已确认的NLR数量	识别NLR与效应子之间的对应关系，以促进生物学、免疫学和育种研究	核苷酸结合富含亮氨酸重复序列受体（NLR）和病原体效应子	生物信息学	NA	深度学习	双线性注意力网络	蛋白质序列数据	91,291个NLR和387个已知CNE