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
181	2025-02-06	A Real-Time End-to-End Framework with a Stacked Model Using Ultrasound Video for Cardiac Septal Defect Decision-Making 2024-11-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10110280 PMID:39590744	研究论文	本文提出了一种实时端到端框架，利用超声视频进行心脏间隔缺损（CSD）决策，采用基于Yolo技术的先进实时架构，显著提高了诊断效率和准确性	首次将Yolov8l架构应用于儿科超声视频分析，实现了高精度的实时CSD决策，并在医院实时测试中表现出色	研究样本量相对较小，仅使用了222个超声视频，且仅在单一医院进行测试，可能限制了模型的泛化能力	提高心脏间隔缺损的诊断效率和准确性，优化儿科心脏病的临床决策	儿科患者的超声视频	计算机视觉	心血管疾病	深度学习	Yolov8l	视频	222个超声视频
182	2025-02-02	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	本文提出了一种基于深度学习的数字图像相关测量方法GMDIC，用于复杂大变形位移场的测量	结合了多头注意力Swin-Transformer和高效通道注意力模块ECA，并在特征中添加位置信息以增强特征表示能力	在处理大规模图像数据时，计算复杂度较高，导致处理速度较慢	提高大变形位移场测量的计算精度和速度	散斑图像的位移场	计算机视觉	NA	深度学习	Swin-Transformer, ECA	图像	包含各种类型散斑图像和复杂变形的位移场数据集
183	2025-02-01	Inferring the genetic relationships between unsupervised deep learning-derived imaging phenotypes and glioblastoma through multi-omics approaches 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf037 PMID:39879386	研究论文	本研究旨在探讨无监督深度学习衍生的影像表型（UDIPs）与胶质母细胞瘤（GBM）之间的遗传关联	结合GWAS数据、单核RNA测序（snRNA-seq）和scPagwas方法，探索UDIPs与GBM的遗传联系，并识别了23个与GBM有显著因果关联的UDIPs	研究中涉及的UDIPs数量较多（512个），但仅有23个显示出显著关联，可能限制了结果的广泛适用性	研究无监督深度学习衍生的影像表型与胶质母细胞瘤之间的遗传关联	胶质母细胞瘤（GBM）患者及其影像表型	数字病理学	胶质母细胞瘤	GWAS, snRNA-seq, scPagwas	无监督深度学习	影像数据, 基因组数据	512个UDIPs
184	2025-01-31	Artificial Intelligence Applications to Measure Food and Nutrient Intakes: Scoping Review 2024-Nov-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54557 PMID:39608003	综述	本文通过范围综述，综合了现有关于使用人工智能工具评估食物和营养素摄入量的有效性、准确性及挑战的文献	探讨了人工智能在克服传统饮食评估方法局限性的潜力，并提供了当前优势和改进领域的见解	在适应多样食物类型、确保算法公平性和解决数据隐私问题方面仍存在挑战	评估人工智能工具在食物和营养素摄入量评估中的有效性和准确性	人类受试者的食物和营养素摄入量	自然语言处理	NA	深度学习（如卷积神经网络）、机器学习（如支持向量机）及混合方法	CNN, SVM	图像、声音、颌骨运动数据、文本数据	10至38,415名参与者
185	2025-01-31	AI-Based Noninvasive Blood Glucose Monitoring: Scoping Review 2024-Nov-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58892 PMID:39561353	综述	本文通过系统性范围综述，探讨了人工智能在无创血糖监测中的应用	首次系统性地综述了人工智能在无创血糖监测中的使用情况，并提出了标准化和规范化的需求	由于模型和输入数据的异质性，准确率范围较广，且研究质量平均为中等	探讨人工智能在无创血糖监测中的应用及其潜力	无创血糖监测技术及其相关人工智能模型	医疗人工智能	糖尿病	光学技术、电化学传感器、成像技术、混合技术、组织阻抗	随机森林、人工神经网络	非侵入性数据	33篇论文，涵盖2005年至2023年间的亚洲、美国、欧洲、中东和非洲的研究
186	2025-01-31	Advancements in Using AI for Dietary Assessment Based on Food Images: Scoping Review 2024-Nov-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51432 PMID:39546777	综述	本文综述了人工智能在基于食物图像的饮食评估中的应用进展	提供了AI在饮食评估中整合的最新概述，并以易于理解的方式呈现，讨论了系统的优缺点并提出了改进建议	技术性较强，可能对非技术背景的读者理解造成挑战	填补AI在饮食评估中应用的空白，提高图像辅助饮食评估（IADA）的准确性和在营养学界的采用率	食物图像	计算机视觉	NA	深度学习算法、多任务卷积神经网络、生成对抗网络	CNN, GAN	图像	84篇文章
187	2025-01-31	Artificial Intelligence in Audiology: A Scoping Review of Current Applications and Future Directions 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227126 PMID:39598904	综述	本文综述了人工智能在听力学中的当前应用和未来发展方向	总结了人工智能在听力学中的最新进展，特别是过去四年中87.5%的相关文献	存在伦理和专业挑战，需要更大规模和多样化的数据收集以及生物伦理学研究	探讨人工智能在听力学实践中的潜力和挑战	听力学领域的研究和应用	自然语言处理	NA	机器学习、深度学习	逻辑回归、支持向量机、多层感知器、随机森林、深度信念网络、决策树、k近邻、LASSO、卷积神经网络、大语言模型	文本、图像	104篇文献
188	2025-01-31	Prediction of cardiovascular markers and diseases using retinal fundus images and deep learning: a systematic scoping review 2024-Nov, European heart journal. Digital health DOI:10.1093/ehjdh/ztae068 PMID:39563905	综述	本文通过系统性范围综述，探讨了利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	首次系统性综述了利用视网膜眼底图像和深度学习预测心血管风险的研究，揭示了该领域的进展和潜在改进方向	外部验证模型的研究较少（21%），且需要更多前瞻性研究和与传统风险因素的比较	评估利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	视网膜眼底图像	计算机视觉	心血管疾病	深度学习	CNN	图像	24篇2018年至2023年发表的文章
189	2024-11-21	Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy 2024-Nov, The Journal of physiology DOI:10.1113/JP287001 PMID:39425751	研究论文	本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用	本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力	研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证	评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用	患有缺氧缺血性脑病（HIE）的足月新生儿	机器学习	新生儿疾病	近红外光谱（NIRS）	机器学习模型和深度学习模型	信号	58名足月婴儿
190	2025-01-23	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	本研究通过螺旋和线条绘图比较帕金森病和小脑症状的识别，并探讨了笔压数据在分类中的重要性	结合螺旋和线条绘图以提高识别准确性，并探讨了笔压数据对分类的影响	未使用笔压数据时，单一绘图任务的性能未显著下降，但未进一步探讨其他可能的影响因素	比较螺旋和线条绘图在帕金森病和小脑症状识别中的表现，并评估笔压数据的作用	帕金森病和小脑功能障碍患者	数字病理学	帕金森病	深度学习特征提取模型	预训练和自定义深度学习模型	图像	未明确提及样本数量
191	2025-01-23	Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature 2024-Nov, Atherosclerosis IF:4.9Q1 DOI:10.1016/j.atherosclerosis.2024.117580 PMID:38852022	综述	本文综述了利用人工智能（AI）从计算机断层扫描（CT）成像中研究动脉粥样硬化的最新文献	介绍了基于深度学习的卷积神经网络（CNNs）在病变检测、分割和分类中的应用，以及新的放射转录组学技术通过CT图像体素的高阶结构分析捕捉潜在的生物化学过程	讨论了当前基于AI方法的局限性及解决这些挑战的优先事项	旨在将基于AI的新方法从研究环境过渡到临床工作流程，以检测易损动脉粥样硬化斑块并指导患者治疗策略	冠状动脉炎症、冠状动脉斑块及其相关风险	计算机视觉	心血管疾病	CT成像、放射转录组学技术	CNN	图像	NA
192	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
193	2025-01-16	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	本文分析了深度学习中的变分信息瓶颈（VIB）在回归问题中的表现，并提出了一种框架，可以在一次训练中获得所有β值的最优解	提出了一种框架，可以在一次训练中获得所有β值的最优解，而传统方法需要为每个β值进行一次训练	NA	分析变分信息瓶颈（VIB）在回归问题中的表现，并提高探索β值的效率	回归问题中的变分信息瓶颈（VIB）	机器学习	NA	NA	变分信息瓶颈（VIB）	NA	NA
194	2025-01-16	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	本文探讨了人工智能（AI）在体外受精（IVF）实验室中的应用，旨在通过提高精度和效率来提升生殖医学的成果	AI技术在IVF实验室中的应用，特别是在胚胎和精子选择、优化临床结果以及减少人为错误方面的自动化过程，提供了有价值的预测性见解，增强了个性化治疗计划并提高了生育治疗的成功率	AI的整合带来了伦理、监管和社会挑战，包括数据安全、算法偏见以及临床决策中人机界面的问题	探讨AI在IVF实验室中的应用，以提升生殖医学的精度和效率	体外受精（IVF）实验室	生殖医学	NA	神经网络、深度学习、机器学习	NA	NA	NA
195	2025-01-16	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	本文提出了一种名为VDMNet的深度学习框架，用于视网膜血管分割，通过集成多种先进组件克服现有方法的局限性	引入了Fast Multi-Head Self-Attention模块、Vessel Dynamic Convolution模块、Multi-Scale Fusion机制以及Weighted Asymmetric Focal Tversky Loss，显著提升了复杂血管形态的分割精度	未提及具体局限性	提高视网膜血管分割的精度，特别是在复杂背景和病理干扰下的表现	视网膜血管	计算机视觉	眼科疾病	深度学习	VDMNet	图像	公开数据集ROSE-1和OCTA-3M
196	2025-01-16	Early Detection of Macular Atrophy Automated Through 2D and 3D Unet Deep Learning 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121191 PMID:39768009	研究论文	本文开发了一种基于2D和3D Unet架构的自动化方法，用于通过光学相干断层扫描（OCT）早期检测黄斑萎缩（MA）	结合2D和3D Unet架构，自动化检测黄斑萎缩，性能优于人工评分	NA	开发一种自动化工具，用于早期检测黄斑萎缩，以支持临床决策	黄斑萎缩（MA）患者	计算机视觉	老年性黄斑变性	光学相干断层扫描（OCT）	2D和3D Unet	图像	125只眼睛（89名患者）的1241个OCT体积数据
197	2025-01-16	LVGG-IE: A Novel Lightweight VGG-Based Image Encryption Scheme 2024-Nov-23, Entropy (Basel, Switzerland) DOI:10.3390/e26121013 PMID:39766642	研究论文	本文提出了一种基于轻量级VGG（LVGG）的新型图像加密方案LVGG-IE，旨在提高图像加密的安全性和效率	提出了一种基于轻量级VGG网络的图像加密方案，结合混沌系统和动态S-box，增强了加密的安全性和效率	深度学习与图像加密的结合仍处于初期阶段，存在一些不足	开发一种高安全性和高效率的图像加密方案，以保护图像安全	图像加密	计算机视觉	NA	混沌系统、动态S-box、卷积神经网络	VGG	图像	NA
198	2025-01-15	Deep learning segmentation architectures for automatic detection of pancreatic ductal adenocarcinoma in EUS-guided fine-needle biopsy samples based on whole-slide imaging 2024 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000094 PMID:39802107	研究论文	本研究比较了7种U-Net架构变体在两种不同数据集上的性能，用于基于全切片成像的胰腺导管腺癌自动检测	首次评估了多种U-Net架构变体在胰腺导管腺癌全切片图像分割中的应用，并展示了Inception U-Net架构的高分割准确性	研究仅基于两个医疗中心的有限样本量（31和33张全切片图像），可能影响模型的泛化能力	探索深度学习架构在胰腺导管腺癌全切片图像分割中的有效性	EUS引导的细针活检样本	数字病理学	胰腺导管腺癌	全切片成像	U-Net及其变体（如Inception U-Net）	图像	64张全切片图像（来自两个医疗中心）
199	2025-01-15	Functional imaging derived ADHD biotypes based on deep clustering: a study on personalized medication therapy guidance 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102876 PMID:39763511	研究论文	本文提出了一种基于图卷积网络的生物亚型检测方法（GCN-BSD），用于识别注意力缺陷多动障碍（ADHD）的生物亚型，以指导个性化药物治疗	使用功能网络连接性（FNC）和非成像表型数据，结合深度学习算法，首次提出了基于成像驱动的ADHD生物亚型分类方法	研究样本主要来自特定数据集，可能限制了结果的普适性	通过神经影像学标记物识别ADHD生物亚型，以指导个性化药物治疗	ADHD患者	机器学习	注意力缺陷多动障碍（ADHD）	功能网络连接性（FNC）分析	图卷积网络（GCN）	功能成像数据和非成像表型数据	1069名ADHD患者（ABCD研究）和130名ADHD青少年（北京大学第六医院验证数据集）
200	2025-01-13	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	本文介绍了一种基于深度学习的工具LOGOWheat，用于预测小麦中非编码变异的调控效应	LOGOWheat采用自注意力机制的预训练语言模型，结合表观基因组数据，有效预测小麦基因组序列中的调控代码	未明确提及具体局限性	研究目的是开发一种工具，用于预测小麦中非编码变异的调控效应	研究对象为小麦基因组中的非编码变异	自然语言处理	NA	深度学习	自注意力机制的预训练语言模型	基因组序列数据、表观基因组数据	未明确提及具体样本数量