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
3901	2025-03-20	Anti-motion Ultrafast T2 Mapping Technique for Quantitative Detection of the Normal-Appearing Corticospinal Tract Changes in Subacute-Chronic Stroke Patients with Distal Lesions 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.036 PMID:38142175	研究论文	本研究利用多重叠回波分离（MOLED）定量技术，克服中风患者在磁共振成像（MRI）检查中的不自主运动问题，并检测亚急性-慢性中风患者正常外观皮质脊髓束（NA-CST）的微观结构变化	采用MOLED技术进行定量成像，解决了中风患者因不自主运动导致的成像难题，并首次通过T2映射检测NA-CST的微观结构变化	研究样本量有限，仅包括79名患者，且未探讨MOLED技术在其他类型中风或神经系统疾病中的应用	克服中风患者MRI检查中的运动问题，并定量检测NA-CST的微观结构变化	亚急性-慢性中风患者	数字病理学	中风	MOLED技术	深度学习网络	MRI图像	79名患者
3902	2025-03-20	Habitat Radiomics Based on MRI for Predicting Platinum Resistance in Patients with High-Grade Serous Ovarian Carcinoma: A Multicenter Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.038 PMID:38129227	研究论文	本研究探讨了基于MRI的生境放射组学在预测高级别浆液性卵巢癌患者对铂类化疗反应中的可行性，并与传统放射组学和深度学习模型进行了比较	首次将生境放射组学应用于预测高级别浆液性卵巢癌患者的铂类化疗反应，并开发了一个结合生境特征和临床独立预测因子的列线图模型	研究为回顾性研究，可能存在选择偏倚，且样本量相对有限	预测高级别浆液性卵巢癌患者对铂类化疗的反应	高级别浆液性卵巢癌患者	数字病理学	卵巢癌	MRI	K-means聚类、放射组学模型、深度学习模型	图像	394名符合条件的患者
3903	2025-03-20	Influence of Deep Learning Based Image Reconstruction on Quantitative Results of Coronary Artery Calcium Scoring 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.020 PMID:38582685	研究论文	本文评估了基于深度学习的图像重建（DLIR）对冠状动脉钙化评分（CACS）定量结果的影响，并探讨了DLIR在CACS中减少辐射剂量的潜力	首次系统评估了DLIR在CACS中的应用，并与传统的滤波反投影（FBP）和自适应统计迭代重建（ASiR-V）进行了比较	研究样本量较小（100名患者），且为回顾性研究，可能影响结果的普遍性	评估DLIR对CACS定量结果的影响及其在减少辐射剂量方面的潜力	100名连续患者和一个人体模型	医学影像	心血管疾病	深度学习图像重建（DLIR）	NA	图像	100名患者（平均年龄62±10岁，40%女性）和一个人体模型
3904	2025-03-20	Assertion Detection in Clinical Natural Language Processing using Large Language Models 2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi61247.2024.00039 PMID:40092287	研究论文	本研究旨在解决从临床笔记中提取医学概念时的断言检测任务，这是临床自然语言处理（NLP）中的关键过程	引入了一种利用预训练在大量医学数据上的大型语言模型（LLMs）进行断言检测的新方法，并结合了先进的推理技术如Tree of Thought (ToT)、Chain of Thought (CoT)和Self-Consistency (SC)，并通过Low-Rank Adaptation (LoRA)微调进一步优化	传统方法需要大量手动工作来创建模式，并且往往忽略较少见的断言类型，导致对上下文的理解不完整	提高临床NLP中医学概念断言检测的准确性和效率	临床笔记中的医学概念	自然语言处理	NA	大型语言模型（LLMs）	LLMs	文本	i2b2 2010断言数据集和本地睡眠概念提取数据集
3905	2025-03-20	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	本研究提出了一种自监督学习方法，通过减少对标签的依赖来提高帕金森病检测的泛化能力	结合Barlow Twins损失和差异损失的自监督损失函数，用于从未标记数据中学习更稳健的特征表示	缺乏标准化的数据采集协议和注释数据集的有限可用性	验证自监督学习方法在减少标签依赖和提高帕金森病检测泛化能力方面的有效性	帕金森病患者和对照组	机器学习	帕金森病	自监督学习	自监督学习模型	击键动态信号	2个独立数据集中的对照组和帕金森病患者
3906	2025-03-20	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的模型，利用黄斑光学相干断层扫描（OCT）图像来预测和检测青光眼视野进展	创新点在于使用自监督预训练的视觉变换器（ViT）模型在大规模未标记的OCT图像数据集上进行训练，以检测和预测青光眼的功能性进展	研究为回顾性队列研究，可能存在选择偏差，且样本量虽大但主要集中在特定患者群体	研究目的是利用黄斑OCT成像预测未来的青光眼视野进展并检测当前的进展	研究对象包括151,389个黄斑OCT研究中的7,702,201张B扫描图像，以及828名青光眼患者的1534只眼睛的3902个黄斑OCT成像研究	计算机视觉	青光眼	光学相干断层扫描（OCT）	视觉变换器（ViT）	图像	预训练数据集包含151,389个黄斑OCT研究中的7,702,201张B扫描图像，进展检测任务包括828名患者的1534只眼睛的3902个黄斑OCT成像研究，进展预测任务包括784名患者的1205只眼睛的1346个黄斑OCT成像研究
3907	2025-03-20	An efficient deep learning strategy for accurate and automated detection of breast tumors in ultrasound image datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1461542 PMID:40098633	研究论文	本文提出了一种基于改进深度学习模型的新方法，用于乳腺肿瘤的智能辅助诊断，结合优化的U2NET-Lite模型和高效的DeepCardinal-50模型，在乳腺超声图像的精确分割和分类方面表现出色	结合优化的U2NET-Lite模型和DeepCardinal-50模型，提出了一种新的深度学习策略，用于乳腺肿瘤的自动检测，相比传统模型如ResNet和AlexNet，具有更高的准确性和效率	未提及具体的数据集规模或模型在不同数据集上的泛化能力	开发一种自动化和高效的乳腺肿瘤检测模型，以辅助乳腺癌的早期诊断和治疗	乳腺超声图像	计算机视觉	乳腺癌	深度学习	U2NET-Lite, DeepCardinal-50	图像	未提及具体样本数量
3908	2025-03-19	Leveraging deep learning for epigenetic protein prediction: a novel approach for early lung cancer diagnosis and drug discovery 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00347-5 PMID:40083337	研究论文	本文提出了一种基于深度学习的表观遗传蛋白预测方法，用于早期肺癌诊断和药物发现	构建了CNN-BiLSTM模型，结合AmpPseAAC特征提取方法，显著提高了表观遗传蛋白预测的性能	未提及具体的数据集大小和模型在实际应用中的验证情况	通过预测表观遗传蛋白，改进疾病诊断和治疗策略，特别是肺癌	表观遗传蛋白	机器学习	肺癌	深度学习	CNN-BiLSTM	蛋白质序列数据	NA
3909	2025-03-19	StopSpamX: A multi modal fusion approach for spam detection in social networking 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103227 PMID:40093577	研究论文	本文提出了一种多模态融合方法StopSpamX，用于社交网络中的垃圾信息检测	结合了多种最先进的词嵌入技术和深度学习混合融合分类器技术，包括GRU、LSTM和CNN，以提高垃圾信息检测的性能	未提及具体的数据集大小或实验环境的限制	实现一个无垃圾信息的社交网络环境	社交网络平台（如Twitter、Instagram、Youtube、Facebook、Whatsapp）上的数据	自然语言处理	NA	Word2Vec, GloVe, FastText, GRU, LSTM, CNN	混合融合分类器（基于文本的分类器和组合分类器）	文本	未提及具体样本数量
3910	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）
3911	2025-03-19	Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137325 PMID:39864200	研究论文	本研究开发了一种蒸发增强的水凝胶数字RT-LAMP方法，用于食品和水中人类诺如病毒的敏感定量	通过干燥样品在芯片上原位富集病毒颗粒，并在水凝胶-芯片界面触发核酸的界面扩增，提高了检测灵敏度20倍	NA	开发一种高效的方法用于食品安全监测和环境监测中的生物危害检测	人类诺如病毒（HuNoV）	生物技术	NA	数字RT-LAMP（逆转录环介导等温扩增）	深度学习模型	NA	包括3个湖水、草莓、自来水和饮用水在内的多个实际样品
3912	2025-03-19	Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137314 PMID:39874751	研究论文	本文提出了一种新的深度学习框架，用于从高光谱图像中进行多参数估计，以解决水质映射不准确的问题	提出了一种结合高维注意力加权差异的深度卷积空间-光谱联合学习方法，优化了深度特征	NA	准确估计与富营养化相关的三个关键水质参数的分布：总氮、总磷和氨氮	内陆水体	计算机视觉	NA	高光谱遥感	深度卷积网络	高光谱图像	NA
3913	2025-03-19	Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100670 PMID:40091912	研究论文	本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用	通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性	研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用	验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光谱域OCT（SD-OCT）	UNet, DeepLabv3	图像	402个SD-OCT扫描
3914	2025-03-19	Importance of neural network complexity for the automatic segmentation of individual thigh muscles in MRI images from patients with neuromuscular diseases 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01221-3 PMID:39798067	研究论文	本文研究了神经网络复杂性对自动分割神经肌肉疾病患者MRI图像中大腿肌肉的影响	探讨了减少神经网络复杂性对脂肪分数（FF）量化的影响，这是该领域尚未探索的	研究仅关注了大腿区域的肌肉分割和FF量化，未涉及其他身体部位或疾病类型	评估不同复杂性的U-Net架构在量化大腿肌肉脂肪分数中的性能	59名患者和14名健康受试者的大腿MRI图像	计算机视觉	神经肌肉疾病	MRI成像	U-Net, nnU-Net	图像	1450张大腿图像，来自59名患者和14名健康受试者
3915	2025-03-19	Exploring the potential performance of 0.2 T low-field unshielded MRI scanner using deep learning techniques 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01234-6 PMID:39964601	研究论文	本文探讨了使用深度学习技术提升0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜在性能	通过结合主动电磁屏蔽和基础超分辨率技术，实现了在无屏蔽条件下的快速高质量成像，并进一步通过减少激励次数提升成像速度，最终通过级联基础和跨场超分辨率技术，将低场低分辨率图像质量提升至高场超高分辨率水平	研究主要针对0.2 T低场无屏蔽MRI扫描仪，未涉及其他场强或屏蔽条件下的性能比较	探索0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜力，克服硬件物理限制	0.2 T低场无屏蔽MRI扫描仪	医学影像	NA	深度学习、主动电磁屏蔽、超分辨率成像	NA	图像	NA
3916	2025-03-19	A dual-stage framework for segmentation of the brain anatomical regions with high accuracy 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01233-7 PMID:40042762	研究论文	本研究提出了一种基于深度学习的两阶段框架，用于精确分割大脑MR区域，旨在识别大脑内不同解剖结构的位置和形状细节	采用两阶段3D分割技术，第一阶段使用3D U-Net分割13个大脑区域，第二阶段使用SegResNet对具有挑战性的区域进行细化分割，显著提高了分割精度	未提及具体的数据集规模或多样性限制	开发一种高精度的大脑MR区域分割框架	成年受试者，包括认知正常者和认知衰退者	计算机视觉	认知衰退	3D分割技术	3D U-Net, SegResNet	MR图像	未提及具体样本数量
3917	2025-03-19	Towards precision agriculture: A dataset for early detection of corn leaf pests 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111394 PMID:40083639	研究论文	本文介绍了一个用于早期检测玉米叶害虫的数据集，旨在通过机器学习和深度学习模型提高精准农业和自动化害虫检测的水平	提供了一个包含多种玉米叶害虫图像的数据集，涵盖了不同生长阶段和田间环境下的图像，并包含了手动和算法分割的背景，增强了数据集的多样性和实用性	数据集主要基于智能手机拍摄的图像，可能存在图像质量不一致的问题，且背景污染可能影响模型的训练效果	开发机器学习和深度学习模型，用于早期检测玉米叶害虫，以支持精准农业和可持续农业实践	玉米叶害虫，特别是Spodoptera frugiperda（秋粘虫）、叶枯病和Zonocerus variegatus（杂色蝗虫）	计算机视觉	NA	机器学习和深度学习	NA	图像	数据集包含1308张未增强的健康叶片图像、11772张增强的健康叶片图像、848张感染叶片图像和7632张增强的感染叶片图像
3918	2025-03-19	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-Mar-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文开发了基于深度迁移学习的模型，用于筛选针对A类GPCRs的更安全药物	通过迁移学习和神经网络结合自然语言处理技术，预训练模型并微调以预测低效化合物或偏向性激动剂，实现了对A类GPCRs的大规模虚拟筛选	高质量数据的有限可用性可能限制了模型的预测能力	开发能够可靠预测具有特定生物活性的GPCR配体的深度学习模型，以促进药物开发	A类G蛋白偶联受体（GPCRs）及其配体	自然语言处理	NA	迁移学习，神经网络	深度学习模型	受体序列，配体数据集	所有A类GPCRs的受体序列和配体数据集
3919	2025-03-19	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Mar-18, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究旨在整合社会健康决定因素（SDoH）与传统风险因素，以预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，使用先进的机器学习和深度学习模型进行风险预测，并评估各预测因素的贡献	研究样本仅限于70岁及以上且初始无CVD、痴呆和独立性受限的老年人，可能限制了结果的普适性	预测健康老年人的心血管疾病风险	12,896名70岁及以上且初始无CVD、痴呆和独立性受限的老年人	机器学习	心血管疾病	NA	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
3920	2025-03-19	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2025-Mar-17, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	本文利用几何和机器学习方法，特别是深度学习架构，来高效筛选具有高光学各向异性的范德华材料	结合几何方法和机器学习模型（如Atomistic Line Graph Neural Network），提高了筛选范德华材料的效率和准确性	需要进一步的实验验证来确认机器学习模型的预测能力	探索具有高光学各向异性的范德华材料，以推动先进光子学的发展	范德华材料	机器学习	NA	密度泛函理论、椭偏测量	Atomistic Line Graph Neural Network	晶体学参数、光学各向异性数据	2H-MoTe和CdPS等材料样本