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
2301	2024-12-26	Inverse design of metalenses with polarization and chromatic dispersion modulation via transfer learning 2025-Jan-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.540475 PMID:39718885	研究论文	本文介绍了一种基于深度学习的逆向设计模型，用于设计具有偏振和色散调制功能的超透镜	结合传播相位理论和光谱迁移学习，解决了色散问题，并实现了多功能超透镜的快速设计	数值模拟结果显示焦距偏差小于5%，但平均聚焦效率仅为43.3%，仍有提升空间	开发高效的深度学习方法来设计多功能超透镜，以解决传统成像系统的体积问题	偏振和波长复用的超透镜	计算机视觉	NA	深度学习	迁移学习	数值模拟数据	NA
2302	2024-12-26	A probabilistic deep learning approach to enhance the prediction of wastewater treatment plant effluent quality under shocking load events 2025-Jan-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100291 PMID:39720317	研究论文	本研究开发了一种概率深度学习模型，用于增强在突发负荷事件下污水处理厂出水质量的实时预测	提出了结合编码器-解码器长短期记忆网络（LSTM）的概率深度学习模型，能够生成概率预测，提高了在突发负荷事件下实时预测的鲁棒性	模型仅在单一污水处理厂进行了测试，尚未在不同工艺的污水处理厂中广泛应用	提高污水处理厂在突发负荷事件下出水质量的实时预测能力	污水处理厂的出水质量，特别是总氮浓度	机器学习	NA	深度学习	概率编码器-解码器LSTM（P-ED-LSTM）	时间序列数据	实际污水处理厂的每小时出水质量数据
2303	2024-12-26	Deep learning-based classification of breast cancer molecular subtypes from H&E whole-slide images 2025-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100410 PMID:39720418	研究论文	本文探讨了利用深度学习模型从H&E染色的全切片图像中预测乳腺癌分子亚型的可能性	首次提出了一种基于H&E染色全切片图像的深度学习管道，用于乳腺癌分子亚型分类，并公开了代码以促进进一步研究	需要进一步验证以确认模型的广泛适用性	研究是否可以利用H&E染色的全切片图像预测乳腺癌的分子亚型	乳腺癌的分子亚型（luminal A、B、HER2-enriched和Basal）	数字病理学	乳腺癌	深度学习	eXtreme Gradient Boosting模型	图像	1433张乳腺癌全切片图像，其中221张用于测试
2304	2024-12-25	Implications and Identification of Specific Learning Disability Using Weighted Ensemble Learning Model 2025-Jan, Child: care, health and development DOI:10.1111/cch.70026 PMID:39715695	研究论文	本文提出了一种基于加权集成学习模型的特定学习障碍识别方法，并展示了其在阅读和写作障碍评估中的应用	本文创新性地提出了加权集成学习（WEL）变体的XGBoost算法，用于处理不平衡数据并提高识别特定学习障碍的准确性	NA	开发一种高效准确的模型来识别特定学习障碍，并提供个性化的教学策略	特定学习障碍（如阅读障碍和书写障碍）的儿童	机器学习	NA	加权集成学习（WEL）变体的XGBoost算法	加权集成学习模型	性能分数和完成时间	NA
2305	2024-12-24	Can temporomandibular joint osteoarthritis be diagnosed on MRI proton density-weighted images with diagnostic support from the latest deep learning classification models? 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae040 PMID:39067043	研究论文	本研究旨在评估基于MRI的深度学习分类模型在诊断颞下颌关节骨关节炎（TMJ-OA）中的表现，并与人类观察者的诊断能力进行比较	本研究首次使用ResNet18、EfficientNet b4、Inception v3和GoogLeNet四种深度学习网络模型，通过5折交叉验证对MRI质子密度加权图像进行分类，评估其在TMJ-OA诊断中的性能	本研究的样本量相对较小，且仅限于MRI质子密度加权图像，可能限制了模型的泛化能力	评估深度学习模型在MRI诊断颞下颌关节骨关节炎中的表现	颞下颌关节骨关节炎（TMJ-OA）的MRI图像	机器学习	颞下颌关节疾病	深度学习	ResNet18, EfficientNet b4, Inception v3, GoogLeNet	图像	200个颞下颌关节（100个TMJ-OA，100个非TMJ-OA）
2306	2024-12-24	Clinical Validation of a Deep Learning Algorithm for Automated Coronary Artery Disease Detection and Classification Using a Heterogeneous Multivendor Coronary Computed Tomography Angiography Data Set 2025-Jan-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000798 PMID:39034758	研究论文	本文验证了一种全自动深度学习算法在异构多厂商心脏CT血管造影数据集中检测和分类冠状动脉疾病的能力	本文首次在异构多厂商数据集中验证了深度学习算法在冠状动脉疾病检测和分类中的应用	本文仅在单一中心的回顾性研究中验证了算法，未来需要在更多中心和前瞻性研究中进一步验证	验证一种全自动深度学习算法在冠状动脉疾病检测和分类中的临床应用	冠状动脉疾病在异构多厂商心脏CT血管造影数据集中的检测和分类	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	296名患者
2307	2024-12-24	Development and validation of a CT-based deep learning radiomics signature to predict lymph node metastasis in oropharyngeal squamous cell carcinoma: a multicentre study 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae051 PMID:39271161	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学签名，用于预测口咽鳞状细胞癌中的淋巴结转移	本研究提出了一种结合临床因素与深度学习放射组学的新型综合模型，显著提高了口咽鳞状细胞癌术前淋巴结转移的预测能力	NA	建立并验证一种深度学习放射组学模型，用于预测口咽鳞状细胞癌中的淋巴结转移	口咽鳞状细胞癌患者的淋巴结转移	数字病理学	口咽癌	深度学习	机器学习分类器	图像	279名口咽鳞状细胞癌患者
2308	2024-12-24	Deep Learning for Distinguishing Mucinous Breast Carcinoma From Fibroadenoma on Ultrasound 2025-Jan, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2024.09.001 PMID:39317636	研究论文	本研究旨在开发一种深度学习模型，通过超声图像区分粘液性乳腺癌和纤维腺瘤	提出了基于超声图像和年龄的DL+ age-tree模型，显著提高了区分粘液性乳腺癌和纤维腺瘤的诊断性能，并能有效提升不同经验水平放射科医生的诊断能力	本研究为回顾性研究，样本量相对较小，可能存在选择偏倚	开发一种深度学习模型，帮助放射科医生更准确地区分粘液性乳腺癌和纤维腺瘤	粘液性乳腺癌和纤维腺瘤的超声图像	计算机视觉	乳腺癌	深度学习	DL+ age-tree模型	图像	884名患者，包括700名纤维腺瘤患者和184名粘液性乳腺癌患者，共2257张超声图像
2309	2024-12-24	How the technologies behind self-driving cars, social networks, ChatGPT, and DALL-E2 are changing structural biology 2025-Jan, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.202400155 PMID:39404756	综述	本文综述了深度学习技术在蛋白质结构生物学中的应用，包括卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络和图神经网络	探讨了将自动驾驶汽车、社交网络、ChatGPT和DALL-E2等技术背后的深度学习工具应用于蛋白质结构生物学的新方法	NA	介绍深度学习技术在蛋白质结构预测、逆折叠、蛋白质设计和小分子设计中的进展	蛋白质结构生物学	机器学习	NA	深度神经网络	卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络、图神经网络	文本、图像、图	NA
2310	2024-12-23	Unveiling AI's role in papilledema diagnosis from fundus images: A systematic review with diagnostic test accuracy meta-analysis and comparison of human expert performance 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109350 PMID:39515271	综述	本文系统回顾了人工智能在视网膜图像中检测和分级视乳头水肿的应用，并进行了诊断测试准确性的meta分析，同时比较了人类专家的表现	深度学习模型在检测视乳头水肿方面优于传统的机器学习算法，且在某些情况下超越了人类专家的敏感性	研究存在患者选择、图像来源和异质性等方面的局限性	探讨人工智能在视乳头水肿诊断中的应用及其与人类专家的比较	视乳头水肿的检测和分级	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	21项研究
2311	2024-12-24	Automated tooth segmentation in magnetic resonance scans using deep learning - A pilot study 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae059 PMID:39589897	研究论文	本研究开发并评估了一种用于磁共振扫描中牙齿分割的人工智能模型	首次使用深度学习技术在磁共振扫描中实现牙齿的自动分割	模型在包含牙科修复体的数据集上准确性较低，由于图像伪影的影响	开发和评估一种用于磁共振扫描中牙齿分割的人工智能模型	磁共振扫描中的牙齿分割	计算机视觉	NA	磁共振成像	nnU-Net	图像	20名患者的磁共振扫描数据，其中16个用于模型训练，4个用于准确性评估
2312	2024-12-23	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在没有MRI的情况下，通过深度学习模型使用CT图像实现前列腺自动分割的可能性	提出了基于CT-MRI配准信息的增量学习策略，显著提高了前列腺分割的准确性	研究样本量较小，且仅限于前列腺放射治疗患者	在没有MRI的情况下，通过CT图像实现前列腺自动分割，达到MRI级别的准确性	前列腺的自动分割	数字病理学	前列腺癌	深度学习	深度学习模型	图像	111名前列腺放射治疗患者
2313	2024-12-23	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种新的剂量预测方法——剂量带预测，用于放射治疗中的计划和质量保证	提出了剂量带预测方法，能够提供一系列预测的剂量分布，增加了预测的灵活性和准确性	NA	克服现有深度学习剂量预测方法只能预测单一剂量分布的局限性	鼻咽癌和宫颈癌病例的剂量分布预测	机器学习	癌症	3D神经网络	UBM/LBM	图像	104例鼻咽癌病例（Tomotherapy），54例宫颈癌病例（IMRT），37例宫颈癌病例（VMAT）
2314	2024-12-23	Osteoarthritis year in review 2024: Imaging 2025-Jan, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.10.009 PMID:39490728	综述	本文回顾了2024年期间关于骨关节炎（OA）影像学的最新文献，并识别了当前OA影像学研究的趋势	本文涵盖了AI在OA影像学中的新兴应用，并指出AI工具在OA影像学研究中的应用逐渐增加	本文未提及具体的AI模型或技术细节，且未讨论AI在OA影像学中的潜在局限性	回顾和总结2024年期间关于骨关节炎影像学的研究进展	骨关节炎的影像学研究，特别是膝关节和髋关节的影像学研究	NA	骨关节炎	CT、MRI、超声、DXA、AI	NA	影像	涉及多个观察性研究，如多中心骨关节炎研究、鹿特丹研究、SEKOIA研究等
2315	2024-12-23	Structural-based uncertainty in deep learning across anatomical scales: Analysis in white matter lesion segmentation 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109336 PMID:39546878	研究论文	本文探讨了在多发性硬化症患者的磁共振成像扫描中，基于结构的不确定性在深度学习白质病变分割中的应用	开发了新的测量方法来量化病变和患者尺度上的不确定性，并扩展了错误保留曲线分析框架以评估不确定性量化性能	NA	验证不同解剖尺度上的不确定性与特定类型错误之间的关系	多发性硬化症患者的白质病变分割	计算机视觉	神经系统疾病	深度学习	NA	图像	444名患者的多中心MRI数据集
2316	2024-12-23	Augmenting a spine CT scans dataset using VAEs, GANs, and transfer learning for improved detection of vertebral compression fractures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109446 PMID:39550911	研究论文	本文通过使用变分自编码器（VAEs）、生成对抗网络（GANs）和迁移学习来增强脊柱CT扫描数据集，以提高椎体压缩性骨折的检测	本文创新性地使用VAE-GAN模型生成高质量的合成数据，并通过迁移学习将其应用于真实数据集，显著提高了分类准确率	本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证	提高AI系统对椎体压缩性骨折的早期自动检测能力，填补医疗保健中的关键空白	椎体压缩性骨折的检测	计算机视觉	骨骼疾病	生成对抗网络（GANs）、变分自编码器（VAEs）、迁移学习	卷积神经网络（CNN）	图像	来自AUBMC的胸部CT扫描数据集，以及基于CTSpine1K数据集生成的合成数据
2317	2024-12-23	Leveraging AI technology for distinguishing Eucommiae Cortex processing levels and evaluating anti-fatigue potential 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109408 PMID:39550909	研究论文	利用深度学习技术区分杜仲皮的不同加工等级并评估其抗疲劳潜力	首次使用ResNet和Vision Transformer模型对杜仲皮图像进行自动分类，并评估不同加工等级杜仲皮的抗疲劳效果	研究仅在动物模型上进行，尚未在人体中验证效果	开发一种准确、快速且无创的方法来评估杜仲皮的加工等级及其抗疲劳潜力	杜仲皮的不同加工等级及其抗疲劳效果	计算机视觉	NA	深度学习	ResNet, Vision Transformer	图像	使用小鼠进行实验，具体数量未提及
2318	2024-12-23	Data augmentation with generative models improves detection of Non-B DNA structures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109440 PMID:39550912	研究论文	本文研究了使用生成模型进行数据增强以改进非B DNA结构检测的方法	本文首次测试了扩散模型与其他生成模型在生成合成非B DNA结构方面的性能，并展示了数据增强对分类器质量的改进	本文指出在生成样本质量、多样性和采样速度之间存在权衡	测试不同生成模型在生成合成非B DNA结构以进行数据增强时的性能	非B DNA结构（flipons）	机器学习	NA	生成模型	扩散模型（DDPM和DDIM）、Wasserstein生成对抗网络（WGAN）、向量量化变分自编码器（VQ-VAE）	DNA序列	NA
2319	2024-12-23	Predicting brain age with global-local attention network from multimodal neuroimaging data: Accuracy, generalizability, and behavioral associations 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109411 PMID:39556917	研究论文	本研究探讨了通过整合结构MRI和扩散MRI数据，利用基于注意力机制的深度学习模型来提高大脑年龄预测的准确性和泛化能力，并分析了预测大脑年龄与行为测量之间的关系	提出了一个基于注意力机制的深度学习模型，融合了结构MRI的全局信息和扩散MRI的局部细节，显著提高了大脑年龄预测的准确性和泛化能力	尽管多模态模型在可重复性上表现优异，但在纵向一致性上略逊于单一模态模型	研究通过整合多模态神经影像数据来提高大脑年龄预测的准确性和泛化能力，并探讨预测大脑年龄与行为测量之间的关系	大脑年龄预测模型及其与行为测量的关联	机器学习	NA	MRI	注意力网络	图像	使用了两个大型数据集：HCP数据集（n=1064，年龄22-37）和Cam-CAN数据集（n=639，年龄18-88），并在三个独立数据集（n=546，年龄20-86）上测试了泛化能力，在测试-重测试数据集（n=44，年龄22-35）上验证了可重复性，并在纵向数据集（n=129，年龄46-92）上评估了纵向一致性
2320	2024-12-23	Automatic discrimination between neuroendocrine carcinomas and grade 3 neuroendocrine tumors by deep learning of H&E images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109443 PMID:39577349	研究论文	本文开发了一种基于深度学习的系统NEToC，用于通过H&E染色图像自动区分神经内分泌癌和3级神经内分泌肿瘤	NEToC系统通过仅使用形态学信息而不依赖Ki-67或有丝分裂评估来区分神经内分泌肿瘤和癌，提供了一种新的诊断方法	系统在处理低级别神经内分泌肿瘤时存在误分类问题，主要表现为将G1型图像错误分类为癌型	开发一种能够准确区分神经内分泌癌和3级神经内分泌肿瘤的深度学习系统，以辅助病理诊断	神经内分泌肿瘤和癌的区分	数字病理学	NA	深度学习	人工神经网络	图像	95例神经内分泌肿瘤病例，包含588张图像