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
1481	2025-02-08	Editorial for "Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer" 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29592 PMID:39258759	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1482	2025-02-06	Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116982 PMID:39616900	研究论文	本文探讨了将人工智能与智能手机成像技术结合用于体内癌症检测的潜力和挑战	提出了利用智能手机成像系统和AI算法进行便携、经济、广泛可及的早期癌症检测的创新方法	智能手机成像系统面临成像质量低和计算能力有限的挑战，AI算法的透明性和可靠性仍需提高	开发便携、经济、广泛可及的早期癌症检测工具	不同癌症类型的体内检测	数字病理学	癌症	智能手机成像系统	深度学习算法	图像	NA
1483	2025-02-06	Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms 2025-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100925 PMID:39901943	研究论文	本研究提出了一种基于深度学习的双阶段方法，用于通过患者的CT图像自动定位高剂量率（HDR）前列腺近距离放射治疗导管	提出了一种新的双阶段深度学习方法，结合pix2pix GAN和GOTURN网络，实现了前列腺HDR-BT间质针的自动定位和重建	研究仅基于25名患者的数据集，样本量相对较小	自动化定位和重建前列腺HDR-BT间质针，以提高治疗质量	前列腺高剂量率近距离放射治疗导管	计算机视觉	前列腺癌	深度学习	pix2pix GAN, GOTURN	CT图像	25名患者，592张CT切片，8764根针
1484	2025-02-04	DeepAptamer: Advancing high-affinity aptamer discovery with a hybrid deep learning model 2025-Mar-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102436 PMID:39897584	研究论文	本文提出了一种名为DeepAptamer的混合深度学习模型，用于从早期未富集的SELEX轮次中识别高亲和力的寡核苷酸适配体	DeepAptamer结合了卷积神经网络和双向长短期记忆网络，整合了序列组成和结构特征来预测适配体结合亲和力和潜在结合基序，显著提高了高亲和力适配体的发现效率	NA	解决SELEX过程中实验偏差和非特异性相互作用导致的高失败率问题，提高高亲和力适配体的发现效率	寡核苷酸适配体	机器学习	NA	SELEX	CNN, LSTM	序列数据	NA
1485	2025-02-05	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2025-Mar-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一种基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的爆发	结合时间序列分析和iTransformer模型，提高了预测精度，并通过模型注意力权重分析确定了影响藻类密度的关键因素	未来研究应探索更多环境变量以增强模型的预测能力和泛化能力	开发一种有效的早期预警系统，用于预测淡水湖中有害藻华的爆发	洞庭湖的水质数据	机器学习	NA	深度学习	iTransformer	时间序列数据	NA
1486	2025-02-05	Automated Quantitative Assessment of Retinal Vascular Tortuosity in Patients with Sickle Cell Disease 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100658 PMID:39886358	研究论文	本文使用自动化的深度学习管道定量评估镰状细胞病（SCD）和视网膜病变（SCR）患者的视网膜血管曲折度	首次使用深度学习算法自动计算镰状细胞病患者的视网膜微血管曲折度，并发现其与疾病严重程度相关	样本量相对较小，且未明确说明深度学习算法的具体架构和训练细节	评估镰状细胞病患者的视网膜血管曲折度，探索其作为疾病严重程度的潜在生物标志物	镰状细胞病（SCD）和视网膜病变（SCR）患者	数字病理学	镰状细胞病	深度学习	深度学习算法（未具体说明）	图像	64名SCD患者（119只眼）和57名年龄和种族匹配的对照组（106只眼）
1487	2025-02-05	A Low Complexity Efficient Deep Learning Model for Automated Retinal Disease Diagnosis 2025-Mar, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00182-5 PMID:39897099	研究论文	本文提出了一种低复杂度高效的深度学习模型，用于自动视网膜疾病诊断	开发了一种轻量级优化的紧凑卷积变压器（OCCT）模型，并通过消融研究改进了初始CCT模型，用于分类视网膜疾病	NA	通过深度学习技术提高视网膜疾病的早期诊断准确率	人类视网膜OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	紧凑卷积变压器（OCCT），生成对抗网络（GAN）	图像	130,649张图像
1488	2025-01-31	Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100665 PMID:39866343	研究论文	本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型	使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性	多模态模型相比计算机视觉模型并未显著提升性能	区分细菌性和真菌性角膜炎	599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者	计算机视觉	角膜炎	深度学习	EfficientNet	图像和临床数据	599名患者
1489	2025-01-31	Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100655 PMID:39866344	研究论文	本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较	Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异	研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限	开发一种能够准确检测OCT扫描中RPD的深度学习模型	OCT扫描中的网状假性玻璃膜疣（RPD）	计算机视觉	老年性黄斑变性	半监督学习（SSL）	3D深度学习网络	OCT扫描图像	476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据）
1490	2025-01-31	Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100663 PMID:39866345	研究论文	本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物	首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联	样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP	开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测	早产儿视网膜病变（ROP）患者	数字病理学	早产儿视网膜病变	OCT（光学相干断层扫描）	U-Net	图像	33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估
1491	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）
1492	2025-01-31	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	本文介绍了一种名为EyeLiner的深度学习管道，用于通过眼底标志物进行纵向图像配准，以监测慢性眼科疾病的进展	提出了一种基于深度学习的图像配准管道，通过关键点匹配算法有效对齐纵向眼底图像，优于现有的最先进方法	未提及具体局限性	开发一种能够自动对齐纵向眼底图像的工具，以帮助临床医生更好地监测疾病进展	眼底图像	计算机视觉	眼科疾病	深度学习	卷积神经网络（CNN）和基于Transformer的算法	图像	三个纵向数据集：FIRE、SIGF和CORIS
1493	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA
1494	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA
1495	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料
1496	2025-01-25	BPEN: Brain Posterior Evidential Network for trustworthy brain imaging analysis 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106943 PMID:39657531	研究论文	本文介绍了一种名为脑后验证据网络（BPEN）的新方法，用于在脑功能磁共振成像（fMRI）数据分析中捕捉不确定性的两种类型：随机不确定性和认知不确定性	提出了BPEN模型，首次在脑fMRI数据分析中同时捕捉随机不确定性和认知不确定性，提高了预测的可信度	未提及具体局限性	提高脑fMRI数据分析中的预测不确定性估计，以增强预测模型的可信度	脑功能磁共振成像（fMRI）数据	机器学习	老年疾病	fMRI	BPEN	图像	来自阿尔茨海默病神经影像倡议（ADNI）和ADNI-抑郁症（ADNI-D）队列的数据
1497	2025-01-25	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究通过深度学习模型自动分割双回波稳态磁共振成像（MRI）扫描中的胫股软骨和骨骼，测量了3英里跑步后胫股软骨的变形及次日恢复情况	开发并验证了深度学习模型来自动化胫股软骨和骨骼的分割，从而精确测量跑步后的软骨变形和恢复情况	研究样本仅包括8名无症状男性，样本量较小，且未考虑不同性别和年龄的影响	测量3英里跑步后胫股软骨的变形及恢复情况	8名无症状男性	数字病理学	NA	双回波稳态磁共振成像（MRI）	深度学习模型	MRI图像	8名无症状男性
1498	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA
1499	2025-01-24	Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation 2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2024.111605 PMID:39616796	研究论文	本文设计了一种基于深度学习的无准直器成像系统，并通过蒙特卡罗模拟验证了其可行性	提出了一种基于深度学习的无准直器成像系统，利用体素化GAGG(Ce)单体积探测器和蒙特卡罗方法进行模拟，展示了系统的可行性	研究仅基于模拟数据，未进行实际实验验证	验证基于深度学习的无准直器成像系统的可行性	体素化GAGG(Ce)单体积探测器和Co、Ba、Na、Cs点源	计算机视觉	NA	蒙特卡罗模拟	全卷积网络	模拟数据	2000个位置的Co、Ba、Na、Cs点源
1500	2025-01-22	An object detection-based model for automated screening of stem-cells senescence during drug screening 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106940 PMID:39631255	研究论文	本文提出了一种基于Faster R-CNN的深度学习模型STGF R-CNN，用于自动检测干细胞衰老，以支持药物筛选	结合Swin Transformer和组归一化技术，提出了STGF R-CNN模型，显著提高了衰老细胞检测的准确性和效率	模型虽然轻量化，但参数量和计算量仍较高，可能限制其在资源受限环境中的应用	开发一种高效的自动化方法，用于干细胞衰老的定量评估，以支持抗衰老药物筛选	诱导多能干细胞衍生的间充质干细胞（iP-MSCs）	计算机视觉	NA	深度学习	Faster R-CNN, Swin Transformer	图像	iP-MSCs数据集