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
341	2025-01-12	Impact of cardiovascular magnetic resonance in single ventricle physiology: a narrative review 2024-Dec-31, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-24-409 PMID:39790200	综述	本文综述了心血管磁共振（CMR）在单心室（SV）患者中的应用及其最新科学发现	强调了CMR在SV患者长期并发症评估和预后信息提供中的优势，并探讨了先进CMR技术在Fontan血流动力学理解中的潜力	许多CMR技术尚未融入日常实践，且需要进一步研究CMR在老年Fontan患者中的预后作用及新方法（如建模和深度学习管道）的临床实施	提供CMR在SV患者中应用的全面概述，并探讨其在患者管理和预后评估中的潜力	单心室（SV）患者	数字病理学	心血管疾病	心血管磁共振（CMR）	NA	图像	NA
342	2025-01-12	Development of a deep learning method to identify acute ischaemic stroke lesions on brain CT 2024-Dec-25, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2024-003372 PMID:39572171	研究论文	本文开发了一种基于深度学习的算法，用于在脑CT扫描中识别急性缺血性卒中病变	该研究创新地使用了未标注病变的CT脑扫描数据来训练深度学习模型，突破了传统方法依赖于标注数据的限制	慢性脑部疾病（如非卒中病变和旧卒中病变）降低了模型的准确性	开发一种能够快速自动评估CT扫描的深度学习方法，以辅助急性缺血性卒中的诊断	脑CT扫描图像	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	2347名患者的5772次CT扫描
343	2025-01-12	Differentiating Cystic Lesions in the Sellar Region of the Brain Using Artificial Intelligence and Machine Learning for Early Diagnosis: A Prospective Review of the Novel Diagnostic Modalities 2024-Dec, Cureus DOI:10.7759/cureus.75476 PMID:39791061	review	本文探讨了人工智能（AI）和机器学习（ML）在增强脑部鞍区囊性病变（如垂体腺瘤、Rathke裂囊肿和颅咽管瘤）区分能力方面的潜力，特别是通过先进的神经影像技术，如磁共振成像（MRI）	利用AI驱动的模型，包括卷积神经网络（CNNs）、深度学习和集成方法，克服传统诊断方法的局限性，提供更准确和早期的病变区分	面临小型、单一机构数据集的挑战	探索AI和ML如何提高鞍区囊性病变的诊断精度，改善临床决策，最终带来更好的患者治疗效果	脑部鞍区的囊性病变，如垂体腺瘤、Rathke裂囊肿和颅咽管瘤	数字病理学	脑部疾病	磁共振成像（MRI）	卷积神经网络（CNNs）、深度学习、集成方法	图像	使用Open Access Series of Imaging Studies (OASIS)数据集进行MRI脑部研究
344	2025-01-11	[Research progress on prognostic prediction models for patients undergoing extracorporeal membrane oxygenation] 2024-Dec, Zhonghua wei zhong bing ji jiu yi xue DOI:10.3760/cma.j.cn121430-20240715-00598 PMID:39780683	研究论文	本文综述了体外膜肺氧合（ECMO）患者预后预测模型的研究进展，并提出了未来模型开发的方向	分类现有ECMO成人患者的预后模型，并提出了多中心前瞻性研究、机器学习和深度学习技术整合等未来发展方向	现有模型在样本量、多中心验证、静态数据分析和模型适用性方面存在局限性	优化治疗决策和提高患者生存率	接受ECMO治疗的患者	医学	呼吸衰竭和循环衰竭	ECMO	预后预测模型	临床数据	NA
345	2025-01-07	Linking transcriptome and morphology in bone cells at cellular resolution with generative AI 2024-Dec-31, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjae151 PMID:39303095	研究论文	本文探讨了生成式AI在骨细胞转录组和形态学数据中的应用及其潜力	利用生成式AI模型在细胞分辨率上揭示骨细胞的复杂生物学过程，特别是在预测细胞分化动态、连接分子和形态学特征以及预测细胞对扰动的反应方面	骨单细胞数据集中的技术偏差、重要骨细胞类型的缺乏以及空间信息的缺失需要解决	探索生成式AI在骨细胞研究中的应用及其潜力	骨细胞	计算机视觉	NA	单细胞测序、空间转录组学	生成式AI	组织学图像、单细胞分子数据、空间转录组数据	NA
346	2025-01-07	Design of an improved graph-based model for real-time anomaly detection in healthcare using hybrid CNN-LSTM and federated learning 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41071 PMID:39759321	研究论文	本文提出了一种改进的基于图的模型，用于医疗保健中的实时异常检测，结合了混合CNN-LSTM和联邦学习技术	提出了一种先进的混合CNN-LSTM模型，能够同时提取医疗图像的空间特征和患者生命体征的时间依赖性，并结合联邦学习和差分隐私技术解决数据安全和隐私问题	NA	实现医疗系统中具有弹性的实时异常检测，同时确保患者数据的隐私和安全	医疗图像、患者生命体征、EHR文本数据和时间序列传感器数据	机器学习	NA	CNN-LSTM、联邦学习、差分隐私	CNN-LSTM	图像、文本、时间序列数据	测试数据集包含10,000名患者，系统每秒处理超过100,000条消息
347	2025-01-07	RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data 2024-Dec-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313909 PMID:39371168	研究论文	本文介绍了RiskPath，一个可解释的AI工具箱，用于在经典和新兴的纵向队列中进行风险分层预测	RiskPath提供了先进的时间序列方法，并集成了理论指导的优化，以指定最佳模型拓扑或探索性能与复杂性的权衡	模型的结构复杂性和大小可能限制了其在风险分层工具中的应用	开发一个可解释的AI工具箱，用于多步骤生物医学预测	纵向数据中的疾病风险预测	机器学习	NA	时间序列AI方法	NA	时间序列数据	NA
348	2025-01-07	Erratum: Retraction notice to "A deep learning approach based on graphs to detect plantation lines" [Heliyon Volume 10, Issue 11, 15 June 2024, e31730] 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40689 PMID:39759858	correction	本文是对先前发表文章的更正通知	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
349	2025-01-07	Simple quantitation and spatial characterization of label free cellular images 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40684 PMID:39759864	研究论文	本文开发了一种无需训练数据的计算流程，用于基于高内涵显微镜设备生成的图像进行细胞数量量化和空间分布特征描述	开发了一种无需训练数据的计算流程，结合经典图像处理功能、Voronoi分割、高斯混合建模和自动参数优化，适用于大规模或重复细胞培养实验的自动化无标记图像分析	NA	开发一种无需训练数据的计算流程，用于无标记图像分析	无标记细胞图像	计算机视觉	NA	高内涵显微镜	NA	图像	四种形态不同的细胞类型，具有不同的细胞密度
350	2025-01-07	SAUSI: an integrative assay for measuring social aversion and motivation 2024-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.13.594023 PMID:38798428	研究论文	本文介绍了一种新的行为任务——选择性访问无限制社交互动（SAUSI），用于全面评估小鼠的社交厌恶	SAUSI任务整合了社交动机、犹豫、决策和自由互动等元素，克服了传统评估工具的局限性，提供了对社交厌恶的全面评估	传统评估工具如三室社交性测试和居民入侵者测试未能全面揭示社交厌恶的关键组成部分，如社交冻结和社交犹豫行为	研究社交厌恶的生物行为机制，开发新的评估工具	小鼠	行为神经科学	社交焦虑症、自闭症谱系障碍	深度学习分析	NA	行为数据	NA
351	2025-01-07	Enhanced 3D dose prediction for hypofractionated SRS (gamma knife radiosurgery) in brain tumor using cascaded-deep-supervised convolutional neural network 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01457-2 PMID:39080208	研究论文	本文提出了一种用于脑肿瘤伽玛刀放射外科（GKRS）剂量预测的级联深度监督卷积神经网络（CDS-CNN），以提高剂量分布的预测精度	提出了一种创新的级联深度监督卷积神经网络（CDS-CNN），结合多级深度监督和顺序多网络训练策略，能够提取切片内和切片间的特征，从而实现更真实的剂量预测	尽管模型在预测精度上有所提升，但仍需进一步验证其在更大样本和不同临床环境中的泛化能力	提高伽玛刀放射外科（GKRS）剂量分布的预测精度，减少对医学物理学家的依赖，优化临床工作流程	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	级联深度监督卷积神经网络（CDS-CNN）	CT扫描图像	105名脑肿瘤患者（85例用于训练，20例用于测试）
352	2025-01-07	Deep learning architecture with shunted transformer and 3D deformable convolution for voxel-level dose prediction of head and neck tumors 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01462-5 PMID:39101991	研究论文	本研究开发了一种新型深度学习多尺度Transformer（MST）模型，旨在加速头颈部肿瘤的IMRT计划，同时生成更精确的体素级剂量分布预测	提出了一种结合分流Transformer和3D可变形卷积瓶颈块的端到端MST模型，用于捕捉多尺度特征并学习全局依赖关系，同时通过数据增强和自知识蒸馏进一步提高模型预测性能	研究主要基于OpenKBP Challenge数据集，可能在其他数据集上的泛化能力有待验证	加速头颈部肿瘤的IMRT计划，提高体素级剂量分布的预测精度	头颈部肿瘤	计算机视觉	头颈部肿瘤	深度学习	Transformer, 3D deformable convolution	医学影像数据	OpenKBP Challenge数据集
353	2025-01-07	A deep learning phase-based solution in 2D echocardiography motion estimation 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01481-2 PMID:39264487	研究论文	本文提出了一种基于四元数小波变换（QWT）相位的深度学习新方法，用于估计二维超声心动图序列中的心肌运动和应变	该方法首次将QWT相位和强度作为定制PWC-Net结构的输入，用于二维超声心动图运动估计，表现出优越的几何和临床指标	研究仅基于模拟的B型超声心动图序列进行训练和测试，未涉及真实患者数据	开发一种新的深度学习方法来提高二维超声心动图中心肌运动和应变的估计精度	二维超声心动图序列中的心肌运动和应变	计算机视觉	心血管疾病	四元数小波变换（QWT）	PWC-Net	图像	两个模拟的B型超声心动图序列
354	2025-01-07	PPG2RespNet: a deep learning model for respirational signal synthesis and monitoring from photoplethysmography (PPG) signal 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01482-1 PMID:39287773	研究论文	本文提出了一种名为PPG2RespNet的深度学习模型，用于从光电容积描记图（PPG）信号中合成和监测呼吸信号	PPG2RespNet引入了分层跳跃连接，建立了层次化和密集的连接，以增强信号提取的鲁棒性，并对瓶颈层进行了修改以增强潜在特征的提取	NA	解决现有方法在手动参数调整和预定义特征方面的局限性，实现呼吸信号的自主高效提取	包含重症监护病房患者、儿科患者和健康受试者的PPG数据	机器学习	呼吸系统疾病	深度学习	PPG2RespNet（基于UNet和UNet++的改进模型）	PPG信号	三个公开的PPG数据集（VORTAL、BIDMC、Capnobase）
355	2025-01-07	PET/CT-based 3D multi-class semantic segmentation of ovarian cancer and the stability of the extracted radiomics features 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01485-y PMID:39312120	研究论文	本研究应用3D U-Net深度学习模型对PET/CT图像中的卵巢癌进行多类语义分割，并评估提取的放射组学特征的稳定性	首次在PET/CT图像中应用3D U-Net模型进行卵巢癌的多类语义分割，并评估放射组学特征的稳定性	样本量相对较小，仅包含39名卵巢癌患者的数据	提高卵巢癌的诊断和治疗规划效率	卵巢癌患者的PET/CT图像	计算机视觉	卵巢癌	PET/CT成像	3D U-Net	图像	39名卵巢癌患者的3120张PET/CT图像
356	2025-01-07	Exploratory study on the enhancement of O-RADS application effectiveness for novice ultrasonographers via deep learning 2024-Dec, Archives of gynecology and obstetrics IF:2.1Q2 DOI:10.1007/s00404-024-07837-z PMID:39579245	研究论文	本研究旨在通过深度学习技术提升新手超声医师在卵巢-附件报告和数据系统（O-RADS）中的应用效果	使用基于ConvNeXt-Tiny的深度卷积神经网络模型来区分O-RADS中的经典良性病变（CBL）与其他病变（OL），并通过U-Net模型进行自动病变分割	研究仅涉及两个新手超声医师的评估，样本量较小	提升O-RADS系统在新手超声医师中的应用效果	经病理证实的附件病变的超声图像	计算机视觉	卵巢疾病	深度学习	ConvNeXt-Tiny, U-Net	超声图像	两组经病理证实的附件病变的超声图像（开发数据集和独立测试数据集）
357	2025-01-07	A dataset of deep learning performance from cross-base data encoding on MNIST and MNIST-C 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111194 PMID:39760007	研究论文	本文介绍了一个关于卷积神经网络在MNIST和MNIST-C数据集上不同数值基数表示下的性能数据集	提出了一个新的数据集，用于分析不同数值基数表示对卷积神经网络性能的影响	数据集仅限于MNIST和MNIST-C数据集，未涉及其他数据集或更广泛的应用场景	研究不同数值基数表示对机器学习模型性能的影响	MNIST和MNIST-C数据集	机器学习	NA	卷积神经网络	CNN	图像	MNIST和MNIST-C数据集中的样本
358	2025-01-06	Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data 2024-Dec-31, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104767 PMID:39746431	研究论文	本文介绍了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的目标追求，以辅助决策	提出了一种基于双GRU结构的神经网络模型，通过学习时间和活动类型特征来预测目标追求，并利用注意力权重增强模型的可解释性	模型仅针对两种复苏目标（气道稳定和循环支持）进行训练和测试，可能无法涵盖所有复苏场景	开发一种可解释的深度学习模型，用于自动识别创伤复苏过程中的目标追求，以减少错误并改善患者预后	381例儿科创伤复苏事件日志	机器学习	创伤	深度学习	双GRU结构神经网络	事件日志	381例儿科创伤复苏事件
359	2025-01-06	Unveiling pathology-related predictive uncertainty of glomerular lesion recognition using prototype learning 2024-Dec-31, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104745 PMID:39746430	研究论文	本文提出了一种新的框架，用于分析肾小球病变识别中的病理相关预测不确定性，包括基于原型学习的预测不确定性估计、病理特征相关分析和权重重新分配的预测校正	首次结合专家知识和学习方法构建病变和组织的病理相关特征，并提出了基于原型学习的预测不确定性估计方法	未提及具体样本量，且未详细讨论模型在其他类型病变上的泛化能力	分析肾小球病变识别中的病理相关预测不确定性，并揭示其与病理特性的关系及其对模型性能的影响	肾小球病变	数字病理学	慢性肾病	深度学习	基于原型学习的模型	图像	NA
360	2025-01-06	Research on floating object classification algorithm based on convolutional neural network 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83543-9 PMID:39738669	研究论文	本研究基于卷积神经网络（CNN）开发了一种用于水面漂浮物分类的算法，并构建了VGG16-15模型，能够识别15种常见的水面漂浮物	在VGG-16架构基础上进行了定制化改进，包括调整神经网络结构以适应15种漂浮物类别、应用学习率衰减和早停策略进行模型优化，并使用数据增强提升模型泛化能力	未提及模型在复杂环境或极端条件下的表现，以及实际部署中的计算资源需求	提升水面垃圾分类的准确性和效率，为无人船在环境保护中的应用提供技术支持	水面漂浮物	计算机视觉	NA	深度学习	CNN, VGG16-15	图像	5707张图像，分为15个类别