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
281	2025-01-26	Evolutionary Strategies AI Addresses Multiple Technical Challenges in Deep Learning Deployment: Proof-of-Principle Demonstration for Neuroblastoma Brain Metastasis Detection 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01165-z PMID:38886289	研究论文	本文探讨了深度神经进化（DNE）在解决放射学AI中的过拟合和泛化性问题上的应用，特别是在神经母细胞瘤脑转移检测中的表现	展示了DNE在多样化外部验证集上的泛化能力，证明了其在小数据集上的准确预测能力	DNE的泛化能力尚未在其他疾病或更大规模的数据集上得到验证	解决放射学AI中的过拟合和泛化性问题，提升AI在临床实践中的应用	神经母细胞瘤脑转移的MRI图像	计算机视觉	神经母细胞瘤	深度神经进化（DNE）	卷积神经网络（CNN）	图像	60张MRI图像用于训练，超过50个机构的多样化图像用于测试
282	2025-01-25	Anatomy-centred deep learning improves generalisability and progression prediction in radiographic sacroiliitis detection 2024-Dec-23, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2024-004628 PMID:39719299	研究论文	本研究探讨了以解剖学为中心的深度学习是否能提高模型在检测影像学骶髂关节炎中的泛化能力，并预测疾病进展	通过以解剖学为中心的深度学习，提高了模型在检测影像学骶髂关节炎中的泛化能力，并能够预测疾病进展	研究为回顾性多中心研究，可能存在数据偏差	提高影像学骶髂关节炎检测模型的泛化能力并预测疾病进展	四组不同患者队列的骨盆X光片，重点关注中轴型脊柱关节炎	计算机视觉	中轴型脊柱关节炎	深度学习	神经网络	图像	1483张X光片用于训练和验证，436、340和163名患者的数据用于独立测试
283	2025-01-25	Advances for Managing Pancreatic Cystic Lesions: Integrating Imaging and AI Innovations 2024-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers16244268 PMID:39766167	review	本文综述了胰腺囊性病变（PCLs）的诊断和管理现状，探讨了人工智能（AI）在改善诊断准确性和风险分层方面的潜力	本文创新性地探讨了AI驱动的策略，如深度学习算法和放射组学，用于自动化胰腺和病变分割以及分析异质性，以提高诊断准确性和风险分层	本文指出传统方法在图像解释和复杂形态学分析中的局限性，可能导致诊断不确定性和患者管理策略的变异性	研究目的是探讨AI在胰腺囊性病变管理中的应用潜力，以提高诊断准确性和患者预后	研究对象为胰腺囊性病变（PCLs）	digital pathology	pancreatic cancer	deep learning, radiomics	deep learning algorithms	image	NA
284	2025-01-24	Artificial Intelligence-Assisted Segmentation of a Falx Cerebri Calcification on Cone-Beam Computed Tomography: A Case Report 2024-Dec-12, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60122048 PMID:39768927	研究论文	本文探讨了人工智能在锥形束计算机断层扫描（CBCT）图像中分割和检测大脑镰钙化的应用	利用基于云的人工智能平台分析CBCT图像，有效分割大脑镰钙化，尽管在区分这些钙化与其他颅骨结构方面仍存在挑战	在区分大脑镰钙化与其他颅骨结构方面仍存在挑战，且该领域的研究文献较少	探索人工智能在放射学诊断中的应用，特别是用于检测大脑镰钙化	大脑镰钙化	计算机视觉	颅内钙化	锥形束计算机断层扫描（CBCT）	深度学习	图像	1例59岁患者
285	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics 2024-Dec-11, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.11.009 PMID:39665958	评论	本文探讨了深度学习在癌症诊断中的演变和未来，强调了神经网络架构在生物医学研究中的进展及其对医学影像解释和多模态数据整合的影响	提出了开发能够整合多样化数据源的多模态大型语言模型的需求，这些模型有潜力显著提高癌症诊断的精确性和效率	文章未具体提及现有技术的局限性	探讨深度学习在癌症诊断中的应用及其未来发展方向	癌症诊断中的深度学习技术	数字病理学	癌症	深度学习	大型语言模型	多模态数据	NA
286	2025-01-24	Deep-AutoMO: Deep automated multiobjective neural network for trustworthy lesion malignancy diagnosis in the early stage via digital breast tomosynthesis 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109299 PMID:39437606	研究论文	本研究开发了一种新型深度自动化多目标神经网络（Deep-AutoMO），用于通过数字乳腺断层合成（DBT）进行早期乳腺癌恶性病变的可信诊断	提出了多目标免疫神经架构搜索（MINAS）和基于熵的证据推理（ERE）方法，以在训练和测试阶段实现模型的平衡、安全和鲁棒性	未提及具体的数据集规模或外部验证结果	开发一种可信赖的深度学习模型，用于早期乳腺癌恶性病变的诊断	数字乳腺断层合成（DBT）图像	计算机视觉	乳腺癌	深度学习	ResNet、DenseNet	图像	未提及具体样本数量
287	2025-01-24	Role of Artificial Intelligence in MRI-Based Rectal Cancer Staging: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76185 PMID:39840208	系统综述	本文系统综述了人工智能（AI）在基于磁共振成像（MRI）的直肠癌（RC）分期中的应用及其表现	首次对AI在MRI-based RC分期中的表现进行了全面评估，涵盖了多种AI模型和MRI技术	仅纳入了14项研究，样本量较小，且未对不同AI模型进行直接比较	评估AI模型在MRI-based RC分期中的诊断性能	直肠癌（RC）患者	数字病理	直肠癌	MRI	深度学习（DL）、卷积神经网络（CNN）、随机森林分类器、LASSO等	MRI图像（T1加权、T2加权、扩散加权图像等）	14项研究，涉及716条记录
288	2025-01-23	Performance of deep learning model and radiomics model for preoperative prediction of spread through air spaces in the surgically resected lung adenocarcinoma: a two-center comparative study 2024-Dec-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-646 PMID:39830743	研究论文	本研究比较了基于深度学习和放射组学的模型在预测手术切除的肺腺癌中空气传播扩散（STAS）的术前预测性能	首次构建并比较了基于CT图像的深度学习模型和放射组学模型，用于预测肺腺癌中的STAS状态	研究为回顾性设计，样本量相对较小，且仅来自两个中心	评估和比较深度学习和放射组学模型在预测肺腺癌STAS状态中的性能	395名经病理确认的肺腺癌患者	数字病理	肺癌	CT成像	深度学习模型, 放射组学模型	CT图像	395名患者（其中146名检测到STAS）
289	2025-01-23	The development of a waste management and classification system based on deep learning and Internet of Things 2024-Dec-26, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13595-x PMID:39724392	研究论文	本文开发了一种基于深度学习和物联网的废物管理与分类系统，旨在提高资源回收率并降低劳动成本	提出了一种改进的基于YOLOv7-tiny的深度学习模型，通过添加部分卷积（PConv）和坐标注意力（CA）模块，减少了参数和计算量，并提高了识别精度	实验仅在Jetson Nano设备上进行了测试，未在其他边缘设备上验证其通用性	开发一种高效的废物管理与分类系统，以支持可持续发展	可回收废物的图像数据	计算机视觉	NA	深度学习，物联网（IoT），边缘计算	改进的YOLOv7-tiny模型	图像	包含多类别废物的图像数据集
290	2025-01-23	Mapping of high-resolution daily particulate matter (PM2.5) concentration at the city level through a machine learning-based downscaling approach 2024-Dec-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13562-6 PMID:39714636	研究论文	本研究通过机器学习降尺度方法，提高了越南现有3公里分辨率PM2.5产品的空间分辨率和质量	结合时间因素的树模型提高了预测准确性，CatBoost 2天滞后模型在各项指标上表现优异	模型验证需要基于生成的PM地图，因为模型评估结果可能不适用于实际应用	提高越南PM2.5浓度的空间分辨率和质量	越南的PM2.5浓度数据	机器学习	NA	机器学习降尺度方法	随机森林、XGBoost、CatBoost、支持向量回归（SVR）、混合效应模型（MEM）、长短期记忆网络（LSTM）、卷积神经网络（CNN）、卷积长短期记忆网络（ConvLSTM）	PM2.5浓度数据	NA
291	2025-01-23	Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting 2024-Dec-17, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-024-02579-z PMID:39688780	综述	本文综述了人工智能在miRNA癌症研究中的应用，从生物标志物发现到治疗靶点的探索	探讨了人工智能特别是深度学习在miRNA研究中的应用，包括生物标志物识别、预后模型建立以及miRNA数据库的整合	未具体提及研究的局限性	旨在指导研究人员有效利用AI技术在miRNA领域，加速癌症诊断和治疗的发展	miRNA及其在癌症中的作用	自然语言处理	癌症	RNA测序技术	深度学习	RNA数据	NA
292	2025-01-23	Modeling Alternative Conformational States of Pseudo-Symmetric Solute Carrier Transporters using Methods from Deep Learning 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	本文介绍了一种结合ESM和模板建模的方法，用于模拟SLC蛋白质的多种构象状态	提出了一种新的结合ESM和模板建模的方法，能够一致地模拟SLC蛋白质的多种构象状态，并通过实验验证多态模型	现有AI协议在模拟多种构象状态时存在“记忆”问题，无法总是提供SLC蛋白质的内外构象	研究SLC蛋白质的多种构象状态，以更好地理解其功能和药物运输机制	SLC蛋白质	机器学习	NA	ESM, 模板建模	ESM, 模板建模	蛋白质序列	多个整合膜蛋白转运体，包括SLC35F2
293	2025-01-23	Enhancing sugarcane leaf disease classification through a novel hybrid shifted-vision transformer approach: technical insights and methodological advancements 2024-Dec-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13468-3 PMID:39643787	研究论文	本文提出了一种新颖的混合移位视觉Transformer方法，用于甘蔗叶疾病的自动分类	结合了视觉Transformer架构和混合移位窗口，有效捕捉局部和全局特征，提高了疾病识别的准确性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高甘蔗叶疾病的自动分类准确性，支持农业中的疾病监测和决策	甘蔗叶疾病	计算机视觉	甘蔗疾病	自监督学习，数据增强技术（随机旋转、翻转、遮挡），拼图任务	混合移位视觉Transformer	图像	未提及具体样本数量
294	2025-01-23	Prediction of Preeclampsia Using Machine Learning: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76095 PMID:39834976	review	本文系统回顾了使用机器学习预测子痫前期的方法、预测因子和模型性能，强调了其比较优势、挑战和临床适用性	本文综合评估了多种机器学习模型在子痫前期预测中的应用，并探讨了模型性能与可解释性之间的平衡	部分研究存在高偏倚风险，且非解释性或黑箱模型可能因伦理问题难以在临床中应用	探讨机器学习在子痫前期预测中的应用及其临床适用性	子痫前期	machine learning	preeclampsia	machine learning	XGBoost, random forest, neural networks	clinicodemographic characteristics, laboratory reports, Doppler ultrasound, genotypic data, fundal images	11 studies from diverse countries including the United States, the United Kingdom, China, and Korea
295	2025-01-21	Assessment of ComBat Harmonization Performance on Structural Magnetic Resonance Imaging Measurements 2024-Dec-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70085 PMID:39704541	研究论文	本研究评估了ComBat技术在结构磁共振成像（MRI）测量中的性能，特别是在多中心数据聚合的背景下	使用稳健的交叉验证方法来评估ComBat在多中心MRI数据中的性能，并应用多类高斯过程分类器进行定量分析	性能评估主要基于定量的统计分析和机器学习方法，缺乏更广泛的定性验证	评估ComBat技术在消除多中心MRI数据中的站点效应方面的有效性	多中心MRI数据中的体积和表面测量值	医学影像分析	NA	ComBat技术	多类高斯过程分类器	MRI图像	来自三个站点的MRI数据
296	2025-01-20	Identifying retinal pigment epithelium cells in adaptive optics-optical coherence tomography images with partial annotations and superhuman accuracy 2024-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.538473 PMID:39679394	研究论文	本文提出了一种基于深度学习的方法，用于在自适应光学-光学相干断层扫描（AO-OCT）图像中检测视网膜色素上皮（RPE）细胞，其准确率超过人类表现	使用部分标注训练数据，开发了一种自动化细胞分割算法，其准确率优于人类表现	未提及具体局限性	开发一种自动化算法，用于快速、经济且客观地量化RPE细胞的结构特性	视网膜色素上皮（RPE）细胞	计算机视觉	视网膜神经退行性疾病	自适应光学-光学相干断层扫描（AO-OCT）	深度学习	图像	未提及具体样本数量
297	2025-01-19	Intelligent Diagnosis of Hypopigmented Dermatoses and Intelligent Evaluation of Vitiligo Severity on the Basis of Deep Learning 2024-Dec, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-024-01296-9 PMID:39514178	研究论文	本研究提出了一种基于深度学习的智能诊断模型，用于分类诊断色素减退性皮肤病（HD）和评估白癜风严重程度	通过将squeeze-and-excitation (SE)模块与候选模型结合，构建了优化的诊断模型，并提出了一种客观的严重程度评估指标，结合分割模型形成了严重程度评估模型	研究中使用的数据集主要来自4744名患者，可能无法涵盖所有类型的HD和白癜风病例	开发一种客观、准确且方便的智能诊断和评估方法，用于色素减退性皮肤病和白癜风的严重程度评估	色素减退性皮肤病（HD）和白癜风患者	计算机视觉	皮肤病	深度学习	SE_ResNet-18, HR-Net	图像	4744名患者的11483张图像
298	2025-01-19	Three-dimensional convolutional neural network for leak detection and localization in smart water distribution systems 2024-Dec-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100264 PMID:39822329	研究论文	本文提出了一种三维卷积神经网络（3D CNN）深度学习模型，用于智能水分配系统中的泄漏检测和定位	首次将3D CNN应用于水分配网络的泄漏检测和定位，能够处理压力和时间的空间分布信息	深度学习模型的适应性可能受限，且受水力模拟模型影响较大，网络变化时需要重新训练，可能耗时且难以处理多种故障情况	研究智能水分配系统中的泄漏检测和定位方法	水分配网络（WDNs）中的泄漏	机器学习	NA	深度学习	3D CNN	压力数据	使用奥斯汀的一个真实水分配网络进行测试，生成了150毫米管道中3升/秒的泄漏模拟数据
299	2025-01-16	MS-CLSTM: Myoelectric Manipulator Gesture Recognition Based on Multi-Scale Feature Fusion CNN-LSTM Network 2024-Dec-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9120784 PMID:39727788	研究论文	本文提出了一种基于多尺度特征融合的深度学习模型MS-CLSTM，用于表面肌电信号（sEMG）手势识别，以提高肌电操纵器的手势控制精度	提出了一种结合多尺度卷积块（MS Block）、ResCBAM和双向LSTM（Bi-LSTM）的深度学习模型，能够同时捕捉sEMG信号的局部细节、全局模式和通道间相关性	模型在小样本数据集上可能存在过拟合问题，尽管ResCBAM模块对此有所缓解	提高肌电操纵器手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	深度学习	CNN-LSTM	sEMG信号	Ninapro DB2和DB4数据集
300	2025-01-16	Deep Learning-Based Diagnosis Algorithm for Alzheimer's Disease 2024-Dec-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120333 PMID:39728230	研究论文	本文提出了一种基于改进的3D DenseNet分割模型和MobileNetV3分类模型的阿尔茨海默病自动辅助诊断算法	在分割网络中简化了骨干网络，替换了激活函数和损失函数，并引入了3D GAM注意力机制；在分类网络中增加了CA注意力机制，引入了扩张卷积，并修改了MobileNetV3的全连接层，采用了迁移学习的思想	NA	提高阿尔茨海默病的自动辅助诊断效率和准确性	阿尔茨海默病患者和正常人的脑部MR图像	计算机视觉	老年病	深度学习	3D DenseNet, MobileNetV3	图像	NA