深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
421	2025-10-07	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在单心室生理患者中的应用及其临床价值	系统总结了CMR在单心室患者评估中的最新应用进展，特别关注Fontan血流动力学和预后评估	许多先进CMR技术尚未纳入日常临床实践，针对老年Fontan患者预后的研究仍需深入	全面概述CMR在单心室患者中的应用及最新科学发现	单心室生理患者，特别是Fontan术后患者	数字病理	心血管疾病	心血管磁共振	NA	医学影像数据	NA	NA	NA	NA	NA
422	2025-10-07	Ligand identification in CryoEM and X-ray maps using deep learning 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	提出一种基于深度学习的配体识别方法，可同时应用于CryoEM和X射线密度图	首次将3D点云深度学习方法应用于配体识别，并扩展至cryoEM数据领域	面临电子显微镜图谱标准化和cryoEM配体质量评估的挑战	开发自动配体识别方法以支持结构引导的药物设计	小分子配体在蛋白质活性位点的结合识别	计算机视觉	NA	X射线衍射, 冷冻电镜	深度学习	3D密度图, 3D点云	NA	NA	NA	NA	NA
423	2025-10-07	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	综述	探讨人工智能和机器学习在脑部鞍区囊性病变早期诊断中的潜在应用	利用卷积神经网络、深度学习和集成方法等AI驱动模型改进传统诊断方法的局限性	依赖小型单机构数据集，数据样本有限	提高鞍区囊性病变的早期鉴别诊断准确性	鞍区囊性病变（包括垂体腺瘤、Rathke裂囊肿和颅咽管瘤）	医学影像分析	脑部囊性病变	磁共振成像	CNN,深度学习,集成方法	医学影像	使用OASIS数据集（具体数量未明确说明）	NA	NA	NA	NA
424	2025-10-07	[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	综述	本文系统回顾了体外膜肺氧合(ECMO)患者预后预测模型的研究进展，并对现有模型进行分类和局限性分析	首次基于方法学分类、患者人群和理论框架对成人ECMO预后预测模型进行系统分类，并提出整合机器学习和深度学习技术的未来发展方向	现有模型存在样本量有限、多中心验证不足、静态数据分析以及模型适用性受限等问题	优化ECMO治疗决策并提高患者生存率	接受体外膜肺氧合治疗的成人患者	医学预测模型	难治性呼吸循环衰竭	预后预测模型开发与验证	机器学习,深度学习	临床数据	NA	NA	NA	NA	NA
425	2025-10-07	Comparing the Artificial Intelligence Detection Models to Standard Diagnostic Methods and Alternative Models in Identifying Alzheimer's Disease in At-Risk or Early Symptomatic Individuals: A Scoping Review 2024-Dec, Cureus DOI:10.7759/cureus.75389 PMID:39781179	综述	本范围综述比较了人工智能检测模型与标准诊断方法在阿尔茨海默病早期识别中的表现	系统评估了2022-2023年最新AI技术在AD早期检测中的应用，重点关注多模态方法和可解释性AI	存在数据异质性问题，需要更高质量和多样化的数据集，临床工作流整合和伦理考虑是实际应用的主要障碍	比较AI检测模型与传统方法在阿尔茨海默病早期识别中的效果	处于风险或早期症状的阿尔茨海默病个体	机器学习	阿尔茨海默病	神经影像学、基因组学、认知测试、血液生物标志物	深度学习	多模态数据（神经影像、临床评估、基因数据）	从2,966篇文章中筛选44篇进行定性分析	NA	NA	灵敏度, 特异度, AUC	NA
426	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	NA	NA	NA	NA
427	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	NA	NA	NA	NA
428	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	NA	NA	NA	NA
429	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）	NA	NA	NA	NA
430	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	NA	NA	NA	NA
431	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	NA	NA	NA	NA
432	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）	NA	NA	NA	NA
433	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	NA	NA	NA	NA
434	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）	NA	NA	NA	NA
435	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	NA	NA	NA	NA
436	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	NA	NA	NA	NA
437	2025-01-06	Automatic identification of the endangered hawksbill sea turtle behavior using deep learning and cross-species transfer learning 2024-Dec-15, The Journal of experimental biology IF:2.8Q2 DOI:10.1242/jeb.249232 PMID:39555892	研究论文	本文探讨了利用深度学习和跨物种迁移学习自动识别濒危玳瑁海龟行为的方法	通过迁移学习，将绿海龟和人类活动数据训练的模型应用于玳瑁海龟行为识别，提高了分类性能	数据稀缺仍然是生态学中的一个挑战	研究目的是利用加速度数据自动识别濒危玳瑁海龟的行为	研究对象是濒危玳瑁海龟（Eretmochelys imbricata）的行为	机器学习	NA	迁移学习	深度学习模型	加速度数据	NA	NA	NA	NA	NA
438	2025-01-06	Ion channel classification through machine learning and protein language model embeddings 2024-Dec-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2023-0047 PMID:39572876	研究论文	本研究通过机器学习和蛋白质语言模型嵌入技术，对离子通道进行分类，显著提升了分类方法的性能和准确性	结合ProtBERT-BFD和CNN的TooT-BERT-CNN-C模型在离子通道分类中表现优异，显著超越现有基准	研究依赖于计算技术，可能忽略了传统湿实验室实验的某些细节	开发更高效的计算方法以识别离子通道，加速离子通道生物学研究和药物发现	离子通道	机器学习	NA	ProtBERT, ProtBERT-BFD, MembraneBERT, CNN	k-Nearest Neighbors, Random Forest, Support Vector Machines, Feed-Forward Neural Networks, CNN	蛋白质序列数据	原始数据集和新收集的更大数据集DS-Cv2	NA	NA	NA	NA
439	2025-01-05	An retrospective study on the effects of deep learning model-based optimization emergency nursing on treatment compliance and curative effect of patients with acute left heart failure 2024-Dec-31, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-024-01156-x PMID:39736523	研究论文	本研究探讨了基于可解释DenseNet模型的优化急诊护理对急性左心衰竭患者治疗依从性和疗效的影响	首次将可解释DenseNet模型应用于急性左心衰竭患者的急诊护理优化，并评估其对患者心理状态和急救效果的影响	样本量较小，仅96名患者参与研究，且研究为回顾性研究，可能存在选择偏倚	评估优化急诊护理对急性左心衰竭患者的治疗效果和应用价值	急性左心衰竭患者	数字病理学	心血管疾病	可解释DenseNet模型	DenseNet	临床数据	96名急性左心衰竭患者	NA	NA	NA	NA
440	2025-01-05	PharmRL: pharmacophore elucidation with deep geometric reinforcement learning 2024-Dec-31, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02096-5 PMID:39736736	研究论文	本文开发了一种深度学习方法，用于在缺乏配体的情况下识别药效团，并通过深度几何强化学习算法优化药效团的选择	提出了一种结合CNN和深度几何Q学习的算法，能够在没有配体的情况下识别药效团，并在虚拟筛选中表现出色	算法依赖于蛋白质结合位点的结构信息，可能不适用于所有类型的蛋白质-配体相互作用	开发自动化药效团设计方法，特别是在缺乏配体的情况下	蛋白质结合位点及其潜在的有利分子相互作用	机器学习	NA	深度学习，几何强化学习	CNN, Q-learning	蛋白质结合位点的结构数据	DUD-E数据集、LIT-PCBA数据集、COVID moonshot数据集	NA	NA	NA	NA