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
141	2025-01-26	Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease 2024-Oct, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101022 PMID:39850238	研究论文	本文提出了一种基于深度学习的药物筛选算法，用于从传统中药方剂中发现阿尔茨海默病的潜在治疗化合物	使用四种深度神经网络模型在疾病和靶点水平上进行阿尔茨海默病药物筛选，并通过实验验证了高评分化合物的效果	研究主要基于传统中药方剂，未涉及其他类型的药物库	开发阿尔茨海默病的潜在治疗药物	阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）	化合物数据	Kaixinsan (KXS) 方剂中的化合物
142	2025-01-24	Automated cell lineage reconstruction using label-free 4D microscopy 2024-Oct-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记3D延时成像中实现自动化细胞检测和跟踪	embGAN无需手动数据注释进行训练，能够学习到具有高度尺度不变性的稳健检测，并在多个实验室和仪器上获得的图像上表现出良好的泛化能力	目前尚无解决方案可用于在密集组织和胚胎的无标记3D成像中实现自动化细胞检测和跟踪	开发一种自动化细胞检测和跟踪方法，以支持高通量的细胞谱系研究	线虫Caenorhabditis elegans胚胎	计算机视觉	NA	4D无标记显微镜	GAN	3D时间序列图像	NA
143	2025-01-23	Arkitekt: streaming analysis and real-time workflows for microscopy 2024-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02404-5 PMID:39294366	研究论文	本文介绍了Arkitekt，一个开源的中介平台，用于实时执行复杂的定量显微镜工作流	Arkitekt作为一个开源平台，能够在本地或远程可靠且高效地协调流行的生物图像软件，实现实时分析和数据管理	现有解决方案在灵活性和可扩展性方面仍有限制，通常仅限于离线分析	解决生物图像工作流中的高效协调和数据管理问题	定量显微镜工作流	数字病理学	NA	深度学习	NA	图像	NA
144	2025-01-15	A deep learning anthropomorphic model observer for a detection task in PET 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17303 PMID:39008812	研究论文	本研究探讨了深度学习模型观察者（DLMO）在PET图像病变检测任务中是否比传统模型观察者（如CHO）更能预测人类观察者（HO）的表现	首次将Swin Transformer与CNN结合用于PET图像的深度学习模型观察者，提高了预测人类观察者表现的准确性	研究仅基于PET图像，未涉及其他成像模态	评估深度学习模型观察者在PET图像病变检测任务中的表现，并与传统模型观察者进行比较	PET图像中的病变检测	计算机视觉	肿瘤学	深度学习	CNN, Swin Transformer	图像	2268对病变存在与不存在的PET图像用于训练，324对用于验证，324对用于测试
145	2025-01-11	Assessing Artificial Intelligence in Oral Cancer Diagnosis: A Systematic Review 2024-Oct-29, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000010663 PMID:39787481	系统综述	本文系统评估了2020年至2024年间人工智能技术在口腔癌检测和诊断中的有效性和准确性	首次系统性地评估了人工智能在口腔癌诊断中的应用，涵盖了多种AI技术和数据类型	数据集变异性和监管问题是主要限制	评估人工智能技术在口腔癌检测和诊断中的有效性和准确性	口腔癌	数字病理学	口腔癌	机器学习和深度学习算法	NA	图像和病理切片	12篇研究论文
146	2025-01-07	Pro-active risk analysis of an in-house developed deep learning based autoplanning tool for breast Volumetric Modulated Arc Therapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100677 PMID:39759485	研究论文	本文介绍了一种针对乳腺癌容积调强弧形治疗（VMAT）的深度学习自动规划工具的风险分析，旨在最小化临床实施前的风险	通过多学科团队进行主动失效模式与影响分析（FMEA），识别并减少深度学习工具在临床工作流程中的风险	研究仅针对乳腺癌VMAT的特定工作流程，可能不适用于其他类型的放射治疗	评估并减少深度学习模型在乳腺癌VMAT临床工作流程中的风险	乳腺癌VMAT的深度学习自动规划工具及其临床工作流程	数字病理	乳腺癌	深度学习	深度学习模型	NA	NA
147	2025-01-07	Neuroimaging signatures and a deep learning modeling for early diagnosing and predicting non-pharmacological therapy success for subclinical depression comorbid sleep disorders in college students 2024 Oct-Dec, International journal of clinical and health psychology : IJCHP IF:5.3Q1 DOI:10.1016/j.ijchp.2024.100526 PMID:39759571	研究论文	本研究通过神经影像学特征和深度学习模型，旨在早期诊断和预测大学生亚临床抑郁症合并睡眠障碍的非药物治疗效果	提出了基于分层功能脑网络（HFBN）的深度学习模型，用于早期诊断和预测非药物治疗效果，优于传统深度学习模型	研究样本量相对较小，且仅针对大学生群体，可能限制了结果的普适性	探索亚临床抑郁症合并睡眠障碍的非药物治疗的神经影像学机制，并开发早期诊断和治疗效果预测模型	114名首次发作、未用药的亚临床抑郁症合并睡眠障碍的大学生和93名健康对照者	神经影像学与深度学习	抑郁症与睡眠障碍	静息态功能磁共振成像（rs-fMRI）	基于Transformer框架的分层功能脑网络（HFBN）模型	神经影像数据与临床数据	114名患者和93名健康对照者
148	2025-01-06	Gut Analysis Toolbox - automating quantitative analysis of enteric neurons 2024-Oct-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261950 PMID:39219476	研究论文	本文介绍了Gut Analysis Toolbox (GAT)，一种用于定量分析肠道神经元的图像分析工具	GAT通过使用基于深度学习的细胞分割模型和神经节分割模型，实现了快速、准确的图像分析，减少了操作者偏差	NA	开发一种自动化工具，用于定量分析肠道神经元的分布和功能	肠道神经系统（ENS）中的神经元和胶质细胞	数字病理学	NA	深度学习（DL）	StarDist, deepImageJ	二维图像	公共数据集
149	2024-12-29	A comprehensive comparison of deep learning-based compound-target interaction prediction models to unveil guiding design principles 2024-Oct-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00913-1 PMID:39468635	研究论文	本文对12种基于深度学习的化合物-靶点相互作用预测模型进行了全面比较，揭示了设计原则	本文首次在大型、精选的CTI数据集上对多种深度学习模型进行了深入比较，并提出了性能最佳的Phys-DeepConv-DTI模型	本文未提及模型在实际药物发现中的应用效果，可能缺乏实际验证	评估和比较不同深度学习模型在化合物-靶点相互作用预测中的性能	化合物-靶点相互作用	机器学习	NA	深度学习	DeepConv-DTI, Phys-DeepConv-DTI	化合物和靶点的表示数据	超过30万个结合和非结合的CTI数据
150	2024-12-29	Intraoperative Hypotension Prediction Based on Features Automatically Generated Within an Interpretable Deep Learning Model 2024-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3273187 PMID:37220057	研究论文	本文开发了一种可解释的深度学习模型，用于预测麻醉患者10分钟内的低血压发生	该模型不仅预测低血压，还能自动生成解释ABP趋势与低血压之间关联的预测因子，提供生理学解释	模型的外部验证性能略低于内部验证，可能在实际应用中存在一定的局限性	开发一种高精度且可解释的深度学习模型，用于预测麻醉患者的低血压发生	麻醉患者的动脉血压（ABP）数据	机器学习	NA	深度学习	深度学习模型	时间序列数据（ABP记录）	NA
151	2024-12-29	Cross-Channel Specific-Mutual Feature Transfer Learning for Motor Imagery EEG Signals Decoding 2024-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269512 PMID:37220058	研究论文	本文提出了一种跨通道特定-互特征迁移学习网络模型，用于解码运动想象脑电图信号	提出了一种新的跨通道特定-互特征迁移学习网络模型，能够提取大脑多区域信号的特定和互特征，并通过有效的训练技巧最大化这两种特征的区别	未提及具体的数据集规模或实验环境的限制	提高运动想象脑电图信号的解码能力，以更准确地理解大脑活动	运动想象脑电图信号	脑机接口	NA	深度学习	跨通道特定-互特征迁移学习网络模型	脑电图信号	使用了BCI Competition IV-2a和HGD数据集
152	2024-12-28	TC-DTA: Predicting Drug-Target Binding Affinity With Transformer and Convolutional Neural Networks 2024-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3441590 PMID:39133595	研究论文	本文介绍了一种名为TC-DTA的深度学习模型，用于预测药物-靶标结合亲和力（DTA），结合了卷积神经网络（CNN）和Transformer架构的编码器模块	将药物-靶标结合亲和力预测从二分类问题转化为回归问题，并引入Transformer编码器和CNN来提取药物SMILES字符串和蛋白质序列的特征	未提及模型在处理大规模数据集时的计算效率或泛化能力	提高药物-靶标结合亲和力预测的准确性，以加速药物发现过程	药物SMILES字符串和蛋白质氨基酸序列	生物信息学	NA	深度学习	CNN, Transformer	序列数据（药物SMILES字符串和蛋白质序列）	两个基准DTA数据集（Davis和KIBA）
153	2024-12-28	Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains 2024-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351201 PMID:38194400	研究论文	本文提出了一种基于扩散模型的无监督CT金属伪影减少方法，通过在双域中引入扩散先验来恢复金属伪影导致的退化部分	首次在无监督金属伪影减少方法中同时引入图像域和投影域的扩散先验，并设计了时间动态权重掩码进行图像域融合	方法在合成数据集上进行了验证，但在真实临床数据集上的性能仍需进一步评估	减少CT图像中的金属伪影，提高诊断准确性	CT图像中的金属伪影	计算机视觉	NA	扩散模型	扩散模型	CT图像	合成数据集和临床数据集
154	2024-12-28	DEEP LEARNING-BASED FRAMEWORK TO DETERMINE THE DEGREE OF COVID-19 INFECTIONS FROM CHEST X-RAY 2024-Oct, Georgian medical news PMID:39724901	研究论文	本文提出了一种基于深度学习的框架，用于从胸部X光片中确定COVID-19感染的程度	使用改进的分层多级ResNet50模型（HMResNet50）来处理COVID-19数据，并通过数据增强方法生成更多胸部X光片图像	未提及模型在其他疾病或更大数据集上的泛化能力	开发一种高效且简单的COVID-19识别方法	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	ResNet50, HMResNet50	图像	从多个公共来源收集的胸部X光片图像
155	2024-12-26	Impact of annotation imperfections and auto-curation for deep learning-based organ-at-risk segmentation 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100684 PMID:39720784	研究论文	本文研究了放射治疗中器官风险分割的标注不完美和自动校正对基于深度学习的分割性能的影响，并提出了一个易于实施的自动校正对策	通过模拟和临床分割噪声对卷积神经网络（CNN）腮腺分割性能的影响进行研究，并提出了一个自动校正对策，证明了其在提高模型泛化能力方面的有效性	研究主要针对腮腺分割，未涉及其他器官或疾病的分割问题	研究放射治疗中器官风险分割的标注不完美对深度学习模型性能的影响，并提出自动校正对策	腮腺（PG）的分割	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1750个个体腮腺（PG）
156	2024-12-25	Physics-Informed DeepMRI: k-Space Interpolation Meets Heat Diffusion 2024-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3462988 PMID:39292579	研究论文	本文提出了一种基于物理先验的深度学习方法，用于MRI重建，通过将k空间插值与热扩散过程相结合，实现了更精确的高频k空间数据插值	本文创新性地将k空间插值与热扩散过程相结合，提出了一种基于物理先验的扩散模型，用于生成缺失的高频k空间数据，并结合传统物理先验的k空间插值模型，提高了重建精度	本文未详细讨论模型在极端情况下的表现，如极低信噪比情况下的重建效果	提出一种更精确的MRI重建方法，特别是在高频k空间数据的插值方面	MRI图像的高频k空间数据	计算机视觉	NA	扩散模型	扩散模型	图像	使用公开数据集进行实验验证
157	2024-12-25	The influence of cardiac substructure dose on survival in a large lung cancer stereotactic radiotherapy cohort using a robust personalized contour analysis 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100686 PMID:39717185	研究论文	本研究分析了心脏亚结构剂量对接受立体定向放射治疗的肺癌患者总体生存率的影响，并考虑了深度学习轮廓分析的不确定性	本研究首次在大规模肺癌立体定向放射治疗队列中，使用个性化轮廓分析来评估心脏亚结构剂量对生存率的影响，并结合了深度学习模型来处理轮廓不确定性	本研究是单机构的回顾性研究，样本量和机构数量有限，可能影响结果的普适性	探讨心脏亚结构剂量对肺癌患者总体生存率的影响，并评估深度学习轮廓分析的不确定性	接受立体定向放射治疗的肺癌患者及其心脏亚结构剂量	数字病理学	肺癌	深度学习	弹性网络模型、随机生存森林模型	图像	730名早期肺癌患者
158	2024-12-22	Comprehensive deep learning-based assessment of living liver donor CT angiography: from vascular segmentation to volumetric analysis 2024-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001829 PMID:38869975	研究论文	本研究使用深度学习模型对活体肝移植供体的CT血管造影数据进行分析，从血管分割到体积分析	本研究开发了一种基于深度学习的3D残差U-Net模型，用于肝体积计算和血管分割，相比传统手动分割方法，提供了更一致和高效的体积评估	需要进一步验证该模型在不同临床环境和成像协议中的通用性	提高活体肝移植术前规划的准确性和效率	活体肝移植供体的肝血管和体积	计算机视觉	NA	深度学习	3D残差U-Net	图像	2022年4月至2023年2月期间三星医疗中心的活体肝移植供体CT血管造影数据
159	2024-12-20	Fast inter-frame motion correction in contrast-free ultrasound quantitative microvasculature imaging using deep learning 2024-10-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77610-4 PMID:39478021	研究论文	本研究提出了一种基于深度学习的低复杂度网络，用于在无对比超声定量微血管成像中进行快速帧间运动校正	本研究创新性地使用了深度学习网络，结合深度可分离卷积层和混合自适应及压缩激励注意力机制，显著提高了帧间运动校正的效率和准确性	本研究的验证主要基于模拟的帧间运动和生理性帧间运动，实际临床应用中的效果仍需进一步验证	本研究旨在减少高帧率超声成像中的帧间运动伪影，以更准确地可视化肿瘤微血管特征	本研究主要针对人体甲状腺中的微血管图像，特别是由于颈动脉搏动引起的帧间运动	计算机视觉	NA	深度学习	深度学习网络	图像	使用了模拟帧间运动的数据和体内甲状腺数据进行验证
160	2024-12-20	Deep Learning Models for Predicting Malignancy Risk in CT-Detected Pulmonary Nodules: A Systematic Review and Meta-analysis 2024-10, Lung IF:4.6Q1 DOI:10.1007/s00408-024-00706-1 PMID:38782779	综述	本研究系统回顾并分析了基于深度学习的计算机辅助诊断模型在预测CT检测到的肺结节恶性风险中的诊断性能	本研究通过元分析方法评估了深度学习模型在肺结节恶性风险预测中的诊断性能，发现其相较于传统临床风险模型和医生判断具有更高的敏感性和特异性	本研究仅限于已发表的实验或观察性文章，未考虑未发表的研究或灰色文献，可能存在发表偏倚	评估基于深度学习的计算机辅助诊断模型在预测CT检测到的肺结节恶性风险中的诊断性能	基于深度学习的计算机辅助诊断模型与传统临床风险模型和医生判断的诊断性能比较	机器学习	肺癌	深度学习	NA	图像	8553名参与者和9884个结节