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
201	2024-10-19	Development and Validation of a Deep Learning Algorithm for Differentiation of Choroidal Nevi from Small Melanoma in Fundus Photographs 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100613 PMID:39421390	研究论文	开发并验证了一种深度学习算法，用于区分眼底照片中的小脉络膜黑色素瘤和痣	该算法在区分小脉络膜黑色素瘤和痣方面表现优于眼科医生，达到了0.88的AUC值	需要进一步研究以验证其在临床环境中的实用性	开发和验证一种能够区分小脉络膜黑色素瘤和痣的深度学习算法	眼底照片中的小脉络膜黑色素瘤和痣	计算机视觉	眼科疾病	深度学习	神经网络	图像	802张图像，来自688名患者
202	2024-10-19	Automated assessment of task-based performance of digital mammography and tomosynthesis systems using an anthropomorphic breast phantom and deep learning-based scoring 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S1.S13005 PMID:39416764	研究论文	本文提出了一种基于深度学习的人体乳腺模型自动评估数字乳腺摄影和断层合成系统任务性能的方法	使用真实乳腺模型和随机羟基磷灰石微钙化，结合深度学习进行半自动图像评分，解决了现有方法中背景不真实、评分主观和信号模式不具代表性的问题	NA	开发一种客观的任务型评估方法，用于评估断层合成和数字乳腺摄影系统的图像质量	数字乳腺摄影和断层合成系统的图像质量评估	计算机视觉	NA	深度学习	卷积神经网络（Resnet-18）	图像	使用了一个人体乳腺模型，插入了微钙化簇，进行了不同剂量水平的实验
203	2024-10-16	gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4079-1_8 PMID:39312140	研究论文	介绍了一种基于几何深度学习的3D RNA反向设计流程gRNAde	gRNAde利用图神经网络和SE(3)等变编码器-解码器框架，能够在考虑RNA 3D结构和动态性的情况下设计RNA序列	NA	开发一种能够考虑RNA 3D结构和动态性的计算RNA设计方法	RNA序列及其3D结构	机器学习	NA	图神经网络	图神经网络	3D RNA结构	来自PDB的现有RNA结构，包括核开关、适配体和核酶
204	2024-10-11	Estimating Uncertainty of Geographic Atrophy Segmentations with Bayesian Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100587 PMID:39380882	研究论文	本文研究了使用贝叶斯深度学习方法量化地理萎缩分割不确定性的方法	本文引入了两种近似贝叶斯深度学习技术（蒙特卡罗 dropout 和集成方法）来评估地理萎缩语义分割的不确定性，并展示了这些方法在提高模型性能方面的优势	本文未详细讨论贝叶斯深度学习方法在实际临床应用中的可行性和效率	量化深度学习分割地理萎缩（GA）的不确定性	地理萎缩（GA）的OCT图像分割	计算机视觉	老年性疾病	贝叶斯深度学习	CNN	图像	126只眼睛，来自87名参与者
205	2024-09-25	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了用于预测3D基因组组织的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）的计算工具，并分析了它们的优缺点	本文讨论了机器学习方法在填补3D基因组交互缺失和提高分辨率方面的应用	当前的3D结构目录仍不完整且不可靠，受限于技术、工具和数据分辨率	探讨计算工具在预测3D基因组交互中的应用及其未来研究方向	3D基因组组织中的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）	机器学习	NA	ChIP-seq, DNAse-seq	NA	基因组数据	NA
206	2024-09-24	Machine Learning for RNA Design: LEARNA 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4079-1_5 PMID:39312137	研究论文	本文介绍了用于RNA设计的机器学习方法，特别是基于深度强化学习的learna_tools Python包	本文提出了一个用于RNA设计的自动化深度强化学习算法集合，这是在分子生物学领域中机器学习应用的创新	NA	探讨机器学习在RNA设计中的应用	RNA的二级结构设计	机器学习	NA	深度强化学习	深度强化学习	RNA结构数据	NA
207	2024-09-24	The Evolution of Nucleic Acid-Based Diagnosis Methods from the (pre-)CRISPR to CRISPR era and the Associated Machine/Deep Learning Approaches in Relevant RNA Design 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4079-1_17 PMID:39312149	研究论文	本文探讨了从PCR到CRISPR时代核酸诊断方法的演变，并介绍了相关的机器学习和深度学习方法在RNA设计中的应用	本文首次全面介绍了CRISPR技术在分子诊断中的应用，并结合机器学习和深度学习方法，探讨了其在RNA设计中的潜力	本文主要集中在理论和计算工具的介绍，缺乏实际实验数据的支持	探讨核酸诊断方法的演变及其在RNA设计中的应用	核酸诊断技术、CRISPR技术、机器学习和深度学习方法	机器学习	NA	CRISPR技术、PCR、INAATs	机器学习、深度学习	RNA	NA
208	2024-09-21	Deep learning-enabled fluorescence imaging for surgical guidance: in silico training for oral cancer depth quantification 2025-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S1.S13706 PMID:39295734	研究论文	开发了一种基于深度学习的荧光空间频率域成像系统，用于量化口腔肿瘤的深度，以指导手术	结合结构光和深度学习技术，实现了近实时三维肿瘤边缘检测，并能量化肿瘤深度	仅在模拟数据和光学幻影上进行了验证，尚未在真实患者中进行测试	开发一种能够量化口腔肿瘤深度的成像系统，以提高手术精度	口腔肿瘤的深度和浓度	计算机视觉	口腔癌	荧光空间频率域成像 (SFDI)	卷积神经网络 (CNN)	图像	三种模拟的口腔癌病变模型（圆柱体、球谐函数和复合球谐函数）以及患者来源的舌肿瘤模拟图像
209	2024-09-14	Smartphone video imaging: A versatile, low-cost technology for food authentication 2025-Jan-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.140911 PMID:39213969	研究论文	本研究介绍了一种基于智能手机的低成本成像技术——智能手机视频成像（SVI），用于食品认证	SVI技术通过人工智能辅助，实现了对异质内容样本的分类、分析物含量的空间表示以及从视频中重建高光谱图像，超越了传统的计算机视觉方法	NA	开发一种低成本、多功能的成像技术，用于食品认证	食品样本，特别是人参和藏红花粉混合物	计算机视觉	NA	智能手机视频成像（SVI）	残差神经网络（ResNet），U-Net	视频	NA
210	2024-09-13	Sugarcane disease recognition through visible and near-infrared spectroscopy using deep learning assisted continuous wavelet transform-based spectrogram 2025-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125001 PMID:39180971	研究论文	本研究利用可见光和近红外光谱结合深度学习辅助的连续小波变换光谱图，提高甘蔗病害识别的准确性	本研究创新性地将卷积神经网络与连续小波变换结合，用于提取可见光和近红外光谱中的特征，以提高甘蔗病害识别的准确性	本研究仅使用了130个甘蔗叶样本，样本量相对较小，可能影响模型的泛化能力	本研究的目的是通过结合深度学习和光谱分析技术，提高甘蔗病害识别的准确性	本研究的对象是甘蔗病害的识别	机器学习	NA	可见光和近红外光谱	卷积神经网络	光谱图	130个甘蔗叶样本