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
4881	2025-03-12	Deep learning Radiomics Based on Two-Dimensional Ultrasound for Predicting the Efficacy of Neoadjuvant Chemotherapy in Breast Cancer 2024-11, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276168 PMID:39257175	研究论文	本文研究了一种基于术前超声影像组学、深度学习和临床特征的综合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解（pCR）	结合了超声影像组学、深度学习和临床特征，构建了综合预测模型DLRC，显著提高了预测准确性	样本量相对较小，仅包含155名患者，可能影响模型的泛化能力	预测乳腺癌患者在新辅助化疗后的病理完全缓解状态	155名经病理确诊并接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	超声影像组学、深度学习	随机森林递归消除算法、最小绝对收缩和选择算子、多因素逻辑回归	超声图像	155名乳腺癌患者
4882	2025-03-12	Deep Learning Reconstruction in Abdominopelvic Contrast-Enhanced CT for The Evaluation of Hemorrhages 2024-11, Radiologic technology IF:0.7Q4 PMID:39472011	研究论文	本研究探讨了深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果，并与混合迭代重建进行了比较	首次在腹盆部增强CT中应用深度学习重建技术，显著改善了动脉描绘和出血评估的图像质量	样本量较小（16例患者），需要更大规模的前瞻性研究来验证结果	评估深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果	16例急性出血患者	医学影像	出血	深度学习重建、混合迭代重建、滤波反投影	深度学习	CT图像	16例患者（8男8女，平均年龄54.2±22.1岁）
4883	2025-03-12	Cognitive Dysfunction in the Addictions (CDiA): A Neuron to Neighbourhood Collaborative Research Program on Executive Dysfunction and Functional Outcomes in Outpatients Seeking Treatment for Addiction 2024-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.30.24312806 PMID:39252904	研究论文	本文介绍了认知功能障碍在成瘾中的应用（CDiA）研究计划，旨在填补对成瘾中执行功能的理解空白，并促进对成瘾患者的治疗改进	CDiA计划通过跨学科团队科学和转化研究，整合临床、临床前和健康服务研究，探索执行功能与成瘾严重程度和功能恢复的关联	研究样本仅限于18-60岁寻求成瘾治疗的成年人，且随访时间仅为一年，可能限制结果的普遍性	提高成瘾患者的健康结果，通过研究执行功能与成瘾的关联，为政策和干预措施提供依据	寻求成瘾治疗的成年人（18-60岁）	神经科学	成瘾	重复经颅磁刺激、药物干预、全人建模	聚类分析、深度学习	多模态数据（包括脑回路、血液生物标志物、功能结果等）	目标样本量为400名寻求成瘾治疗的成年人
4884	2025-03-12	Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618504 PMID:39463980	研究论文	本文介绍了Carafe，一种通过直接在DIA数据上训练深度学习模型来生成高质量实验特异性光谱库的工具	Carafe直接在DIA数据上训练深度学习模型，而不是依赖DDA数据或基于DDA数据训练的模型，从而提高了碎片离子强度预测和肽段检测的性能	NA	开发一种工具，用于生成高质量的光谱库，以支持数据独立采集（DIA）质谱分析	DIA质谱数据	质谱分析	NA	深度学习	深度学习模型	质谱数据	多种DIA数据集
4885	2025-03-12	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Sep-12, ArXiv PMID:39314501	研究论文	本文提出了一种基于散射窗口投影和深度学习的无传输衰减补偿方法（CTLESS），用于心肌灌注SPECT成像	该方法无需单独的X射线CT扫描，通过深度学习从散射能量窗口投影中重建衰减图，并利用多通道输入多解码器网络进行区域分割，从而实现衰减补偿	需要进一步临床评估以验证其广泛适用性	解决心肌灌注SPECT成像中衰减补偿的问题，减少辐射剂量和成本，并提高诊断准确性	心肌灌注SPECT图像	数字病理学	心血管疾病	深度学习	多通道输入多解码器网络	图像	匿名临床SPECT/CT应激心肌灌注图像
4886	2025-03-12	Automatic Quantitative Assessment of Muscle Strength Based on Deep Learning and Ultrasound 2024-09, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241255590 PMID:38881032	研究论文	本文提出了一种基于深度学习和超声技术的自动肌肉力量评估方法	利用深度学习和超声技术自动评估肌肉力量，减少对操作者专业知识的依赖	研究仅针对肱二头肌，未涉及其他肌肉群	开发一种自动评估肌肉力量的方法，以辅助运动员康复和力量训练	运动员的肱二头肌	计算机视觉	NA	深度学习	深度学习模型	超声图像	多名运动员的肱二头肌B型超声数据
4887	2025-03-12	Deep learning-based multi-parametric magnetic resonance imaging (mp-MRI) nomogram for predicting Ki-67 expression in rectal cancer 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04232-9 PMID:38489038	研究论文	本文探讨了基于深度学习的多参数磁共振成像（mp-MRI）列线图在预测直肠癌Ki-67表达中的价值	结合深度学习和临床模型构建列线图，显著提高了预测Ki-67表达的准确性	研究为回顾性分析，可能存在选择偏倚	预测直肠癌中Ki-67的表达状态	491名直肠癌患者	医学影像分析	直肠癌	多参数磁共振成像（mp-MRI）	深度学习模型	医学影像数据	491名患者，分为训练集、内部验证集和外部验证集
4888	2025-03-12	CD4+ T cells exhibit distinct transcriptional phenotypes in the lymph nodes and blood following mRNA vaccination in humans 2024-Sep, Nature immunology IF:27.7Q1 DOI:10.1038/s41590-024-01888-9 PMID:39164479	研究论文	本文通过单细胞转录组学评估了BNT162b2 mRNA疫苗接种后3个月和6个月时，血液和引流淋巴结中针对SARS-CoV-2刺突蛋白的CD4 T细胞反应	使用深度学习反向表位映射方法Trex预测抗原特异性，揭示了人类引流淋巴结中刺突特异性CD4滤泡辅助T细胞的异质性表型	研究样本量相对较小，且仅关注了特定时间点的细胞反应	研究SARS-CoV-2 mRNA疫苗接种后CD4 T细胞的转录表型	接种BNT162b2 mRNA疫苗的个体以及SARS-CoV-2感染后的个体	免疫学	COVID-19	单细胞转录组学，深度学习反向表位映射方法Trex	深度学习	转录组数据	1,277个刺突特异性CD4 T细胞，包括238个通过Trex定义的细胞
4889	2025-03-12	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	采用对比自监督学习方法训练深度卷积神经网络作为特征提取器，无需数据标签即可学习潜在表示，并在下游分类任务中表现出色	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型是否能够以可解释的方式区分不同的神经退行性疾病	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）	计算机视觉	神经退行性疾病	T1加权MRI扫描	深度卷积神经网络（CNN）	图像	2694个T1加权MRI扫描，来自四个数据队列：两个ADNI数据集、AIBL和FTLDNI
4890	2025-03-12	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	本研究开发了一种自动化的深度学习应变（DLS）分析管道，用于从标准超声心动图B模式图像中测量全局纵向应变（GLS），并验证其在多种应用和人群中的性能	开发了一种自动化的、开源且与供应商无关的DLS方法，用于从标准超声心动图B模式图像中测量GLS，减少了操作者经验和供应商间差异的影响	尽管DLS在外部验证中与2D GLS保持中等一致性，但仍存在一定的偏差和一致性限制	开发并验证一种自动化的深度学习应变分析管道，以减少超声心动图应变测量中的操作者经验和供应商间差异	超声心动图B模式图像	数字病理	心血管疾病	深度学习	NA	图像	多个应用和人群中的患者数据
4891	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 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/EMBC53108.2024.10781599 PMID:40039079	研究论文	本文探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入的价值，用于脑龄分析和痴呆分类，并在印度和北美人群中进行测试	首次在CNN模型中引入dMRI作为输入，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的效果	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探索dMRI在CNN模型中的应用，以提高阿尔茨海默病分类和痴呆严重度推断的准确性	北美和印度人群的MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN）	MRI图像	NA
4892	2025-03-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 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/EMBC53108.2024.10782103 PMID:40039441	研究论文	本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型在重复训练数据上进行训练，以消除由于训练集大小不同而引入的偏差	研究结果仅限于特定的数据集和模型，可能无法推广到其他情况	评估数据增强方法在提高深度学习模型诊断重度抑郁症性能方面的效用	重度抑郁症患者	机器学习	精神疾病	脑电图数据增强	深度学习模型	脑电图数据	未明确提及样本数量
4893	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 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/EMBC53108.2024.10781959 PMID:40039893	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，旨在识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	NA
4894	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	研究论文	本文探讨了将扩散加权MRI（dMRI）作为卷积神经网络（CNN）模型的输入，用于脑龄分析和痴呆分类的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为CNN模型输入的价值，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的益处	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探讨dMRI在脑龄预测和阿尔茨海默病分类中的应用价值	北美和印度人群的脑部MRI数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN），3D CycleGAN	MRI图像	北美ADNI数据集和印度NIMHANS数据集
4895	2025-03-12	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出了一种利用连续对抗域泛化技术进行跨噪声水平PET去噪的方法	首次从域泛化的角度解决跨噪声水平去噪中的性能下降问题，并提出了连续域泛化的新方法	模型在特定噪声水平上训练，可能在不同噪声水平上的泛化能力有限	解决PET图像去噪中由于噪声水平不同导致的分布偏移问题	PET图像	计算机视觉	阿尔茨海默病	深度学习	3D UNet	3D图像	60名受试者的97F-MK6240 tau PET研究数据，生成1400对训练图像、120对验证图像和420对测试图像
4896	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，用于识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	未提及具体样本数量
4897	2025-03-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型（LDM）和去噪扩散概率模型（DDPM）应用于生成合成MRI图像，并通过反事实图像生成个性化疾病图谱	训练数据集大小、计算时间和内存资源的限制	研究阿尔茨海默病对大脑解剖结构的影响，并生成可解释的AI图谱	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	去噪扩散模型	条件潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）、3D CNN	3D T1加权MRI图像	500个真实训练扫描
4898	2025-03-12	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过术前心电图预测术后死亡率	利用深度学习分析心电图波形信号，识别术后死亡率的隐藏风险标志物，超越了传统修订心脏风险指数（RCRI）的预测能力	研究仅基于美国三个医疗系统的数据，可能在其他地区或医疗系统中的适用性有待验证	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	机器学习	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者，共112,794份心电图
4899	2025-03-12	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示，以进行快速分析	SAMPLER通过编码多尺度瓦片级别特征的累积分布函数来生成幻灯片级别表示，无需监督且计算效率高	尽管SAMPLER在速度和效果上表现出色，但其在外部验证数据集上的表现仍需进一步验证	开发一种无监督且快速的方法，用于生成全切片组织图像的幻灯片级别表示，以进行下游分析	乳腺癌（BRCA）、非小细胞肺癌（NSCLC）和肾细胞癌（RCC）的全切片图像	数字病理学	乳腺癌、非小细胞肺癌、肾细胞癌	深度学习	无监督模型	图像	来自The Cancer Genome Atlas (TCGA)的BRCA、NSCLC和RCC全切片图像
4900	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA