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
3701	2024-08-07	Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis' 2024-Sep-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001718 PMID:38814316	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3702	2025-04-01	Automated segmentation of the median nerve in patients with carpal tunnel syndrome 2024-07-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65840-5 PMID:39033223	研究论文	本研究利用U-Net网络训练算法，自动分割腕管综合征患者的正中神经超声图像并测量其横截面积	采用深度学习技术自动分割正中神经并测量其横截面积，为腕管综合征的诊断提供新方法	样本量较小（25例患者和26例健康对照），且自动化测量与手动测量存在10.9%的差异	开发一种自动化技术用于腕管综合征的诊断验证	腕管综合征患者和健康对照的正中神经超声图像	医学影像	腕管综合征	超声成像	U-Net	图像	25例腕管综合征患者和26例健康对照的2355张手动分割图像
3703	2025-04-01	Investigating the Robustness of Vision Transformers against Label Noise in Medical Image Classification 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782929 PMID:40039337	研究论文	本文研究了Vision Transformers（ViT）在医学图像分类中对抗标签噪声的鲁棒性，并与CNNs进行了比较	首次系统地研究了基于Transformer的架构在医学图像分类中处理标签噪声的能力	仅使用了两个医学图像分类数据集进行验证	探索ViT在医学图像分类中对标签噪声的鲁棒性	医学图像分类数据集	计算机视觉	NA	监督深度学习	Vision Transformer (ViT), CNN	医学图像	两个数据集：COVID-DU-Ex和NCT-CRC-HE-100K
3704	2025-04-01	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	本文提出了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态	开发了TACIT算法，无需训练数据即可进行细胞注释，并在多组学分析中识别模糊细胞，提高了准确性和可扩展性	虽然TACIT在多个数据集中表现良好，但其在更广泛细胞类型和疾病中的应用仍需进一步验证	解决空间生物学中细胞类型和状态识别的挑战，提高注释的准确性和效率	细胞类型和状态，特别是在脑、肠道和腺体三个生态位中的细胞	空间生物学	炎症性腺体疾病	多组学分析，空间转录组学和蛋白质组学	无监督算法	多组学数据	5个数据集，包含5,000,000个细胞和51种细胞类型
3705	2025-04-01	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文提出了一种名为TACIT的无监督算法，用于细胞注释，通过预定义的签名在无需训练数据的情况下操作，利用无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学分析中的模糊细胞	开发了TACIT算法，一种无需训练数据的无监督细胞注释方法，通过无偏阈值和聚焦相关标记来提高准确性和可扩展性	未明确提及算法的局限性，但可能包括对预定义签名的依赖以及在更广泛细胞类型和状态中的泛化能力	解决空间生物学中细胞类型和状态识别的时间消耗和易出错问题	细胞类型和状态，特别是在脑、肠和腺体三个生态位中的细胞	空间生物学	炎症性腺体疾病	多组学分析，空间转录组学和蛋白质组学	无监督算法	多组学数据	五个数据集（5,000,000个细胞；51种细胞类型）
3706	2025-04-01	VesselBoost: A Python Toolbox for Small Blood Vessel Segmentation in Human Magnetic Resonance Angiography Data 2024-May-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.22.595251 PMID:38826408	research paper	介绍了一个名为VesselBoost的Python工具箱，用于在人类磁共振血管造影数据中进行小血管分割	结合深度学习和不完美训练标签进行血管分割，并利用创新的数据增强技术	需要大量正确和全面标记的数据集，这在实践中可能难以获得	通过高分辨率MRA数据进行小血管的定量表征和精确表示，以支持血流模拟	人类大脑的小血管	digital pathology	cardiovascular disease	MRA, deep learning	deep learning-based methods	image	NA
3707	2025-04-01	Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.234 PMID:38290587	研究论文	通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感，探讨患者和公众对这些药物的态度和信念	利用社交媒体数据（Twitter）和AI技术（机器学习和深度学习）分析患者对精神疾病药物的态度和情感，揭示了不同语言和文化背景下的讨论差异	Twitter数据的简短性可能无法完全捕捉讨论的细微差别，且研究药物的广泛治疗用途使得难以隔离特定疾病的讨论，仅分析了英语和西班牙语的推文，限制了文化广度的发现	理解患者和公众对精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）治疗药物的态度和信念	Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感	自然语言处理	精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）	机器学习, 深度学习, 自然语言处理	NA	文本	893,289条推文（2008年至2022年）
3708	2025-04-01	Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.02.023 PMID:38341156	研究论文	本研究探讨了慢性失眠症患者与健康对照组在下丘脑及其亚区体积上的差异，并分析了这些差异与失眠症状严重程度及HPA轴相关血液生物标志物的关系	首次使用基于深度学习的自动分割工具研究慢性失眠症患者下丘脑亚区体积变化，并揭示前部下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用	研究样本量相对有限，且为横断面研究无法确定因果关系	探究慢性失眠症患者下丘脑亚区体积变化及其与HPA轴功能的关系	150名慢性失眠症患者和155名人口统计学匹配的健康对照	数字病理学	睡眠障碍	T1加权结构磁共振扫描，深度学习自动分割	深度学习	MRI图像	305人（150名患者和155名对照）
3709	2025-04-01	Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice 2024-04, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2024.101897 PMID:38306788	综述	本文全面回顾了基于深度学习的睡眠分期技术的最新方法，包括数据处理、建模、验证及临床应用	深入探讨了深度学习在睡眠分期中的应用，特别是在大规模数据集、跨学科合作和人机交互方面的创新	未提及具体实验数据或模型性能的详细比较	提高睡眠分期的效率和准确性，促进其在临床实践和日常生活中的应用	睡眠分期的自动化系统	机器学习	睡眠障碍	深度学习	NA	信号数据	NA
3710	2025-04-01	Deep learning approaches in predicting ADMET properties 2020-11, Future medicinal chemistry IF:3.2Q3 DOI:10.4155/fmc-2020-0259 PMID:33124448	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3711	2025-03-30	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下异常检测的准确性和效率	胃肠道内摄像头分辨率低和光线条件差可能导致误诊，且研究使用的是模拟人类胃肠道的猪胃图像数据集	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), 基于YOLO系列目标检测模型	图像（白光和近红外荧光图像）	使用NIRF-CE系统捕获的猪胃图像数据集，模拟人类胃肠道
3712	2025-03-30	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱分析技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，有一种未达到理想结果	提高复杂系统中化合物分析的效率并减少有机溶剂的使用	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC）	1D-CNN	色谱数据	NA
3713	2025-03-30	Utilization of Image-Based Deep Learning in Multimodal Glaucoma Detection Neural Network from a Primary Patient Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100703 PMID:40151357	研究论文	开发了一种基于多模态成像数据的深度学习模型，用于青光眼的检测	通过多模态数据（眼底照片、OCT扫描和HVF分析）的整合，提高了青光眼检测模型的性能和准确性	模型在外部数据集上的性能可能受到数据质量和一致性的影响	开发一种临床可用的多模态神经网络模型，用于青光眼的检测	青光眼和非青光眼患者的眼底照片、OCT扫描和HVF测试数据	数字病理学	青光眼	深度学习	CNN和MLP	图像	716次就诊数据（706只眼睛，571名患者）和4个外部单模态数据集
3714	2025-03-30	Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100685 PMID:40151359	研究论文	本研究开发了基于自报健康调查数据的人工智能模型，用于预测青光眼高风险患者	利用自报健康调查数据而非专业眼科检查数据来预测青光眼风险，适用于资源匮乏环境的大规模筛查	模型性能依赖于电子健康记录中诊断代码的准确性，且未包含眼科影像数据	开发青光眼高风险人群的预筛查工具	美国全国队列中18岁以上、有≥2次眼科相关电子健康记录并提交健康调查的参与者	机器学习	青光眼	机器学习	XGBoost, 逻辑回归, 全连接神经网络	结构化调查数据	8205名患者（其中873名确诊青光眼）
3715	2025-03-30	Quantifying knee-adjacent subcutaneous fat in the entire OAI baseline dataset - Associations with cartilage MRI T2, thickness and pain, independent of BMI 2025-Apr, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.01.001 PMID:39864732	research paper	本研究开发了一种基于人工智能的工具，用于自动分割膝关节邻近皮下脂肪（kaSCF）厚度，并评估了kaSCF与软骨厚度、MRI T2弛豫时间、膝关节疼痛和肌肉力量之间的横断面关联，独立于体重指数（BMI）	首次使用深度学习算法自动分割kaSCF厚度，并独立于BMI评估其与膝关节骨关节炎相关结构、功能和临床结果的关联	研究为横断面设计，无法确定因果关系	评估膝关节邻近皮下脂肪（kaSCF）与膝关节骨关节炎相关指标之间的关联	骨关节炎倡议（OAI）队列中的4796名参与者的右膝关节基线3.0T MR图像	digital pathology	osteoarthritis	MRI, deep learning	deep learning algorithms	image	4796名OAI队列参与者的右膝关节MR图像
3716	2025-03-30	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	research paper	本文提出了一种基于深度学习的脊髓软分割方法，能够在不同MRI对比度下稳定分割脊髓	使用软平均分割和回归损失函数减少CSA变异性，并能够处理部分容积效应	研究主要基于健康参与者的数据，对于病理情况的泛化能力仍需进一步验证	开发一种对比度无关的脊髓分割方法，以提高多中心研究中CSA测量的稳定性	脊髓MRI图像	digital pathology	neurodegenerative diseases	MRI	U-Net	image	267名健康参与者，6种对比度
3717	2025-03-30	Genomic prediction with NetGP based on gene network and multi-omics data in plants 2025-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14577 PMID:39950326	research paper	该论文提出了一种基于基因网络和多组学数据的NetGP模型，用于植物基因组预测	首次提出基于Pearson-Collinearity Selection (PCS)的SNP特征提取技术，并设计了新型深度学习模型NetGP	未明确说明模型在特定植物种类或环境条件下的适用性限制	提高植物基因组选择的预测准确性	植物基因组和表型数据	machine learning	NA	SNP特征提取, 多组学数据分析	NetGP (深度学习模型)	基因组数据(SNP), 转录组数据(Trans), 多组学数据(Trans + SNP)	多种植物数据(具体数量未明确说明)
3718	2025-03-30	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	研究论文	介绍了一种用于在计算机断层扫描中系统准确报告椎体骨折的深度学习流程	开发了一种深度学习流程，用于在不同视野的CT脊柱图像中机会性检测骨折，提高了骨折检测的准确性和系统性	研究仅基于452例CT扫描，且排除了有脊柱手术史或病理性骨折的患者，可能限制了模型的泛化能力	提高椎体骨折在CT图像中的检测效率和准确性	腰椎/胸腰椎的CT图像	数字病理	脊柱骨折	深度学习	nnU-net, resnet18	CT图像	452例CT扫描（405例用于训练/验证，47例用于测试），27,019个切片（20,396个阴性，6,623个阳性）
3719	2025-03-30	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发并评估了一种基于深度学习的算法，用于在机会性CT扫描中自动检测和量化椎体压缩性骨折	使用2D/3D U-Nets卷积神经网络开发了一种自动化工具，用于在非专门针对椎体压缩性骨折的CT扫描中进行机会性筛查和量化	研究样本量相对较小（100名患者），且为回顾性研究	评估深度学习算法在机会性CT扫描中检测和量化椎体压缩性骨折的性能	椎体压缩性骨折	数字病理学	骨质疏松症	CT扫描	2D/3D U-Nets	医学影像	100名患者（平均年龄76.6岁，72%为女性）
3720	2025-03-30	Evaluating Traditional, Deep Learning and Subfield Methods for Automatically Segmenting the Hippocampus From MRI 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70200 PMID:40143669	研究论文	本文评估了传统方法、深度学习和海马体亚区方法在MRI图像中自动分割海马体的性能	首次在同一研究中独立比较了传统方法、深度学习方法和海马体亚区分割方法的性能	大多数方法在临床数据上表现不佳，存在过分割问题，特别是海马体前缘区域	评估不同自动海马体分割方法在MRI图像中的性能	10种自动海马体分割方法（FreeSurfer、SynthSeg、FastSurfer等）	医学影像分析	认知障碍疾病（包括轻度认知障碍和痴呆）	MRI	深度学习与传统图像处理方法	MRI图像	3个数据集（包含手动标注的海马体标签）