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
1581	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA
1582	2025-01-14	Regression study on fruit-setting days of purple eggplant fruit based on in situ VIS-NIRS and attention cycle neural network 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17593 PMID:39801230	研究论文	本研究利用深度学习和可见-近红外光谱技术，提出了一种基于多尺度卷积、多头注意力机制和长短期记忆循环神经网络的紫色茄子果实坐果天数预测方法	首次提出了一种基于果实光谱特征和循环神经网络回归的坐果天数预测方法，并构建了结合多尺度卷积和多头注意力机制的长短期记忆网络	NA	预测紫色茄子果实的坐果天数，以确定其成熟度	紫色茄子果实	机器学习	NA	可见-近红外光谱技术	多尺度卷积、多头注意力机制、长短期记忆循环神经网络	光谱数据	15-33天坐果期的紫色茄子果实光谱数据
1583	2025-01-13	Generation of high-resolution MPRAGE-like images from 3D head MRI localizer (AutoAlign Head) images using a deep learning-based model 2025-Jan-11, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01728-8 PMID:39794660	研究论文	本文提出了一种基于深度学习的模型，用于从3D头部MRI定位器图像生成高分辨率的MPRAGE样图像，以辅助痴呆和神经退行性疾病的诊断和研究	首次使用深度学习模型将3D MRI定位器图像转换为MPRAGE样图像，为痴呆和神经退行性疾病的诊断提供了新的工具	研究仅基于单一机构的数据，可能限制了模型的泛化能力	建立并评估一种基于深度学习的模型，用于从MRI定位器生成MPRAGE样图像	轻度认知障碍、痴呆和癫痫患者的脑部MRI图像	医学影像分析	痴呆和神经退行性疾病	深度学习	深度学习模型	3D MRI图像	训练、验证和测试数据集分别包含340名、36名和193名患者
1584	2025-01-13	AI image analysis as the basis for risk-stratified screening 2025-Jan-11, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的应用，特别是风险预测模型的研究进展	聚焦于AI风险预测模型，从传统影像生物标志物到前沿深度学习方法及多模态方法，探讨了其在乳腺癌筛查中的创新应用	AI风险模型主要在研究环境中探索，尚未广泛临床采用，且存在伦理、实践和临床应用挑战	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查结果	乳腺癌筛查中的AI风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
1585	2025-01-13	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2025-Jan-10, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展	利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程	自动化在超分辨率显微镜中的应用仍处于初期阶段	探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用	超分辨率显微镜图像	计算机视觉	NA	深度学习（DL）	NA	图像	NA
1586	2025-01-13	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病和额颞叶痴呆中的潜在作用	本文综合分析了2012年至2024年间发表的31篇相关文章，重点比较了机器学习和深度学习技术在诊断中的应用效果	强调了结合临床检查和患者症状评估的重要性，以确保诊断的全面性和准确性	探讨人工智能在阿尔茨海默病和额颞叶痴呆诊断中的应用	阿尔茨海默病和额颞叶痴呆	数字病理学	老年疾病	MRI, DTI, fMRI, PET, SPECT	SVM, ResNet	影像数据	31篇文章
1587	2025-01-13	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	本研究基于扩散加权成像（DWI）的深度学习和放射组学特征，结合临床变量，构建了评估子宫内膜癌（EC）TP53突变的预测模型	结合深度学习特征、放射组学特征和临床变量，使用高斯过程（GP）算法构建的联合模型在诊断效能和风险重分类方面表现出色	样本量相对较小，训练集、测试集和外部验证集的样本量分别为80、35和40	评估子宫内膜癌（EC）中TP53突变的预测模型	155名子宫内膜癌患者	数字病理	子宫内膜癌	扩散加权成像（DWI）	高斯过程（GP）和决策树（DT）	图像和临床数据	155名子宫内膜癌患者（80名训练集，35名测试集，40名外部验证集）
1588	2025-01-13	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-Jan-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	本研究利用机器学习方法预测尿路感染（UTI），并找出最具信息量的变量	结合经典和深度学习模型，通过集成XGBoost、决策树和LightGBM模型，提出了一个高精度的UTI预测方法	未提及样本量的具体限制或数据集的潜在偏差	开发一种可靠的尿路感染预测方法，以减少抗生素的滥用和误用	尿路感染患者	机器学习	尿路感染	机器学习	XGBoost, 决策树, LightGBM	尿液检测数据、血液检测数据、人口统计数据	未提及具体样本量
1589	2025-01-13	Apnet: Lightweight network for apricot tree disease and pest detection in real-world complex backgrounds 2025-Jan-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01324-5 PMID:39789617	研究论文	本文介绍了一种轻量级网络APNet，用于在真实世界复杂背景下检测杏树病虫害	提出了ATZD01数据集，包含11类杏树病虫害，并开发了基于卷积神经网络的创新检测算法APNet和自适应阈值算法（ATA）模块	目前学术界缺乏专门针对杏树的大量真实数据集和深度学习策略	提高杏树病虫害检测的准确性	杏树病虫害	计算机视觉	NA	深度学习	CNN	图像	ATZD01数据集，包含11类杏树病虫害
1590	2025-01-13	Evaluating the effect of noise reduction strategies in CT perfusion imaging for predicting infarct core with deep learning 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313517 PMID:39789894	研究论文	本研究评估了深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，特别关注不同供应商实施的噪声降低技术的影响	研究首次系统地评估了不同噪声降低技术对深度学习模型识别梗死组织效果的影响，并证实了CNN模型在处理不同处理方案时的适应能力	研究样本量较小，仅包括60名患者，且所有患者均接受了机械取栓术，可能限制了结果的普遍性	评估深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，并探讨不同噪声降低技术的影响	急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像，主成分分析（PCA），小波变换，非局部均值（NLM）	U-Net，卷积神经网络（CNN）	图像	60名急性缺血性卒中患者
1591	2025-01-13	Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction 2025-Jan-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.055 PMID:39794159	研究论文	评估一种行业开发的深度学习算法在重建低分辨率T1加权和T2加权乳腺MRI序列中的性能，并与标准序列进行比较	使用深度学习算法进行去噪和分辨率提升，显著减少了采集时间并提高了图像质量	样本量较小，仅包括47名患者	评估深度学习算法在乳腺MRI中的应用效果	需要进行乳腺MRI的女性患者	计算机视觉	乳腺癌	深度学习	CNN	图像	47名患者
1592	2025-01-13	The role of artificial intelligence in pandemic responses: from epidemiological modeling to vaccine development 2025-01-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-024-00238-3 PMID:39747786	综述	本文综述了人工智能（AI）在疫情响应中的多维作用，从流行病学建模到疫苗开发	探讨了AI在流行病学建模和疫苗开发中的创新应用，强调了AI技术在数据驱动决策中的革命性作用	未具体提及研究的局限性	研究AI在全球健康危机中的准备和响应作用，特别是在流行病学建模和疫苗开发中的应用	全球疫情响应，特别是流行病学建模和疫苗开发	机器学习	传染病	机器学习算法和预测分析	SIR（易感-感染-恢复）和SIS（易感-感染-易感）模型	流行病学数据	NA
1593	2025-01-13	The Associations Between Myopia and Fundus Tessellation in School Children: A Comparative Analysis of Macular and Peripapillary Regions Using Deep Learning 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.4 PMID:39775798	研究论文	本研究利用深度学习技术量化眼底镶嵌密度，评估了学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	首次使用深度学习技术量化眼底镶嵌密度，并比较黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	研究为横断面设计，无法确定因果关系	评估学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	1942名6至15岁的学龄儿童	数字病理学	近视	深度学习	NA	图像	1942名学龄儿童
1594	2025-01-13	Deep learning segmentation of mandible with lower dentition from cone beam CT 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00770-6 PMID:39141154	研究论文	本研究旨在训练一个3D U-Net卷积神经网络（CNN），用于从锥形束计算机断层扫描（CBCT）中分割下颌骨和下牙列	开发了一个在包含高度金属伪影的多样化人口队列中自动分割下颌骨和下牙列的模型，并在内部和外部测试集上展示了良好的准确性	研究中未观察到测试集、性别、BMI和种族之间的DSC差异，但基于年龄组和金属伪影程度的DSC存在显著差异	训练一个3D U-Net CNN，用于从CBCT扫描中自动分割下颌骨和下牙列	CBCT扫描中的下颌骨和下牙列	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	3D U-Net卷积神经网络（CNN）	图像	648个CBCT扫描，来自490名患者
1595	2025-01-13	Applying deep learning-based ensemble model to [18F]-FDG-PET-radiomic features for differentiating benign from malignant parotid gland diseases 2025-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01649-6 PMID:39254903	研究论文	本文开发并识别了使用预处理2-脱氧-2-[18F]氟-D-葡萄糖（[18F]-FDG）-正电子发射断层扫描（PET）的放射组学特征来区分良性和恶性腮腺疾病（PGDs）的机器学习模型	使用基于深度学习的集成机器学习模型，结合[18F]-FDG-PET的放射组学特征，克服了之前报道的[18F]-FDG-PET/CT扫描在区分良性和恶性PGDs方面的局限性	样本量较小，仅包括62名患者	开发并识别机器学习模型，用于区分良性和恶性腮腺疾病	62名患有63个PGDs的患者	数字病理学	腮腺疾病	[18F]-FDG-PET/CT	深度学习集成模型	放射组学特征	62名患者，63个PGDs
1596	2025-01-13	Evaluation of root canal filling length on periapical radiograph using artificial intelligence 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00781-3 PMID:39465425	研究论文	本文提出了一种使用人工智能和图像分析技术评估根管填充成功的新方法	首次将基于卷积神经网络的深度学习模型应用于根管填充的评估，并通过图形用户界面辅助牙科临床医生进行标记和分析	研究仅基于597张根尖周X光片，样本量可能不足以代表所有情况	评估根管填充的成功与否	1121颗接受根管治疗的牙齿	计算机视觉	牙科疾病	深度学习，图像分析	CNN	图像	597张根尖周X光片中的1121颗牙齿
1597	2025-01-13	Prospective Evaluation of Accelerated Brain MRI Using Deep Learning-Based Reconstruction: Simultaneous Application to 2D Spin-Echo and 3D Gradient-Echo Sequences 2025-Jan, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0653 PMID:39780631	研究论文	本研究前瞻性评估了基于深度学习的加速重建技术（Accel-DL）在改善脑部磁共振成像（MRI）质量和减少扫描时间方面的效果	首次将Accel-DL同时应用于2D自旋回波和3D梯度回波序列，并显著减少了扫描时间，同时提高了图像质量	研究仅在三种不同厂商的3T扫描仪上进行，可能限制了结果的普适性	评估Accel-DL在脑部MRI中的应用效果，包括图像质量和扫描时间的改善	150名参与者（51名男性；平均年龄57.3 ± 16.2岁）	医学影像	NA	基于U-Net的深度学习重建技术	U-Net	MRI图像	150名参与者
1598	2025-01-13	Diagnosis of Early Glottic Cancer Using Laryngeal Image and Voice Based on Ensemble Learning of Convolutional Neural Network Classifiers 2025-Jan, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2022.07.007 PMID:36075802	研究论文	本研究通过比较决策树集成学习和卷积神经网络（CNN）算法在诊断声门癌中的分类准确性，旨在提高分类准确性	使用决策树集成学习方法结合CNN算法，融合喉部图像和语音数据，提高了小数据集上的分类准确性	使用外部数据集时，CNN分类器的准确性显著下降，表明模型在泛化能力上存在局限	提高声门癌诊断的分类准确性	声门癌患者	计算机视觉	声门癌	深度学习	CNN, 决策树集成学习	图像, 语音	PNUH和PNUYH数据集
1599	2025-01-13	Style harmonization of panoramic radiography using deep learning 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00782-2 PMID:39470914	研究论文	本研究旨在通过深度学习技术，统一不同设备拍摄的全景放射影像的风格	使用CycleGAN模型对不同设备拍摄的全景放射影像进行风格统一，这是首次在该领域应用此类技术	模型需要进一步优化以适用于更多设备拍摄的影像	统一不同设备拍摄的全景放射影像的风格	全景放射影像	计算机视觉	NA	CycleGAN	CycleGAN	图像	15,624张全景影像，其中444张用于测试
1600	2025-01-13	Automatic segmentation and visualization of cortical and marrow bone in mandibular condyle on CBCT: a preliminary exploration of clinical application 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00780-4 PMID:39520662	研究论文	本文开发了一种基于深度学习的自动分割方法，用于在锥形束计算机断层扫描（CBCT）图像上分割下颌髁突的皮质和髓质，并探索其临床应用	提出了一种改进的3D U-net网络，用于同时分割下颌髁突的皮质和髓质，并通过可视化和定量分析辅助初级放射科医生进行诊断	研究样本仅来自三个中心，可能限制了模型的泛化能力	开发一种自动分割方法，用于下颌髁突的皮质和髓质分割，并评估其临床应用潜力	下颌髁突的皮质和髓质	数字病理	颞下颌关节疾病	CBCT	3D U-net	图像	490张CBCT图像中的825个髁突