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
5641	2024-08-23	A correspondence of evaluation of deep learning algorithms in detecting Moyamoya disease: a systematic review and single-arm meta-analysis 2024-Aug-21, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02701-9 PMID:39167278	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5642	2025-03-05	CANDI: A Web Server for Predicting Molecular Targets and Pathways of Cannabis-Based Therapeutics 2024-Aug-09, Research square DOI:10.21203/rs.3.rs-4744915/v1 PMID:39149470	研究论文	本文介绍了一个名为CANDI的Web服务器，用于预测大麻基治疗药物的分子靶点和通路	开发了CANDI服务器，结合深度学习模型DRIFT，预测大麻化合物的分子靶点和相关通路，为大麻基治疗药物的开发提供新工具	未提及具体实验验证结果，预测结果的准确性有待进一步验证	研究大麻化合物的分子靶点和相关通路，以开发靶向有效的大麻基治疗药物	大麻化合物及其分子靶点和通路	机器学习	疼痛、炎症、癌症、骨关节炎	深度学习	基于注意力机制的神经网络	化合物-靶点相互作用数据	NA
5643	2025-03-05	Revolutionizing Aneurysm detection: The role of artificial intelligence in reducing rupture rates 2024-Aug-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02636-1 PMID:39088154	研究论文	本文探讨了人工智能在降低未破裂脑动脉瘤破裂率中的作用	利用AI和ML技术提高脑动脉瘤的早期检测和破裂风险预测准确性	未提及具体的研究局限性	研究人工智能在脑动脉瘤检测和破裂风险预测中的应用	脑动脉瘤患者	数字病理学	脑动脉瘤	CT血管造影（CTA）	PointNet++	图像	未提及具体样本数量
5644	2025-03-05	Advancements in prognostic markers and predictive models for intracerebral hemorrhage: from serum biomarkers to artificial intelligence models 2024-Jul-31, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02635-2 PMID:39083096	研究论文	本文探讨了脑出血（ICH）的预后标志物和预测模型的最新进展，包括血清生物标志物和人工智能模型	本文创新性地结合了血清sestrin2作为预后标志物和深度学习AI模型，用于预测脑出血的早期血肿扩大和长期结果	未明确提及研究的局限性	提高脑出血的预测和管理水平，以改善患者护理和生存率	脑出血患者	机器学习	脑出血	深度学习，机器学习	深度学习模型，随机森林算法	血清数据，CT影像数据	NA
5645	2025-03-05	Marker Data Enhancement For Markerless Motion Capture 2024-Jul-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603382 PMID:39071421	研究论文	本文提出了一种改进的无标记运动捕捉技术，通过深度学习模型将稀疏的关键点转化为密集的解剖标记，提高了运动捕捉的准确性和泛化能力	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、更具泛化能力的标记增强器	OpenCap在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和泛化能力	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频	1176名受试者的标记运动捕捉数据，合成了1433小时的关键点和解剖标记
5646	2025-03-05	PROTEUS: A Physically Realistic Contrast-Enhanced Ultrasound Simulator-Part I: Numerical Methods 2024-Jul-15, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3427850 PMID:39008399	研究论文	本文介绍了一种物理上逼真的对比增强超声模拟器（PROTEUS），用于模拟超声波与组织和微泡的相互作用	PROTEUS模拟器通过四个相互连接的模块，考虑了分割血管几何中的血流动力学、血管内微泡轨迹、超声波传播和非线性微泡散射，提供了一个可定制的框架来探索对比增强超声成像领域的新想法	NA	开发一个能够再现超声波与组织和微泡相互作用的物理特性的模拟工具，以支持对比增强超声成像领域的研究	对比增强超声成像中的血管几何、微泡轨迹、超声波传播和非线性微泡散射	医学影像	NA	对比增强超声成像	NA	超声图像	NA
5647	2025-03-05	A single-joint multi-task motor imagery EEG signal recognition method based on Empirical Wavelet and Multi-Kernel Extreme Learning Machine 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110136 PMID:38642806	研究论文	本文提出了一种基于经验小波和多核极限学习机的单关节多任务运动想象脑电信号识别方法	该方法首次结合经验小波分解和多核极限学习机，用于单关节多任务运动想象脑电信号的识别，显著提高了分类准确率和训练速度	研究样本量较小，仅涉及六名参与者，可能影响结果的普适性	旨在实现更精细的脑机接口命令，通过分类单关节多任务运动想象的脑电信号	六名参与者的手腕伸展、手腕屈曲和手腕外展三种运动想象任务的脑电信号	脑机接口	NA	经验小波分解（EWT）、多核极限学习机（MKELM）	多核极限学习机（MKELM）	脑电信号（EEG）	六名参与者
5648	2025-03-05	Deep learning models for atypical serotonergic cells recognition 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110158 PMID:38703797	研究论文	本文提出了一种深度学习模型，用于高精度识别典型和非典型血清素能神经元与非血清素能细胞	该模型能够识别具有非典型特征的血清素能神经元，这是传统方法无法做到的	模型的训练数据主要来自体外电生理记录，可能无法完全反映体内环境的复杂性	研究目的是开发一种能够准确识别典型和非典型血清素能神经元的深度学习模型	研究对象是血清素能神经元和非血清素能细胞	机器学习	NA	电生理记录	CNN	电生理数据	27,108个原始动作电位样本和1200万个合成动作电位样本
5649	2025-03-05	Evaluation of deep learning algorithms in detecting moyamoya disease: a systematic review and single-arm meta-analysis 2024-Jun-29, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02537-3 PMID:38951288	系统综述与单臂荟萃分析	本研究评估了深度学习算法在诊断烟雾病（MMD）中的效果，通过分析敏感性、特异性和曲线下面积（AUC）与专家共识进行比较	首次系统评估深度学习算法在烟雾病诊断中的应用，并进行了单臂荟萃分析	仅包括英文文献，排除了使用传统机器学习方法的研究	评估深度学习算法在烟雾病诊断中的效果	烟雾病（MMD）患者	计算机视觉	烟雾病	深度学习	深度学习模型	图像	4,416名患者，其中1,358名患有烟雾病
5650	2025-03-05	Text-to-video generative artificial intelligence: sora in neurosurgery 2024-Jun-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02514-w PMID:38867134	研究论文	本文探讨了生成式人工智能Sora在神经外科中的应用及其潜力	介绍了Sora这一新型生成式AI工具，结合自然语言处理、深度学习和计算机视觉技术，能够从文本提示生成视频，为神经外科领域带来创新应用	当前模型存在物理上不可能的运动生成、自发生成主题、不自然的物体变形、不准确的物理交互以及生成多个主题时表现异常等问题，同时涉及患者隐私、偏见和伦理问题	探讨生成式AI在神经外科中的应用潜力及其效果评估	神经外科领域	自然语言处理, 计算机视觉	NA	生成式AI, 自然语言处理, 深度学习, 计算机视觉	LLM, 生成式AI	文本, 视频	NA
5651	2025-03-05	Breaking new ground: can artificial intelligence and machine learning transform papillary glioneuronal tumor diagnosis? 2024-Jun-07, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02504-y PMID:38844709	研究论文	本文探讨了人工智能和机器学习在乳头状胶质神经元肿瘤（PGNT）诊断中的潜在应用	首次提出将AI和ML技术应用于PGNT的诊断，以提高术前诊断的准确性	AI预测需要医学专业人员的验证，不能完全替代临床专业知识	研究AI和ML在PGNT诊断中的应用，以提高诊断准确性和患者治疗效果	乳头状胶质神经元肿瘤（PGNT）	数字病理学	脑肿瘤	深度学习	NA	影像数据	36例确诊的PGNT病例
5652	2025-03-05	Using Wearable Sensors and Machine Learning to Assess Upper Limb Function in Huntington's Disease 2024-Jun-03, Research square DOI:10.21203/rs.3.rs-4355136/v1 PMID:38883736	研究论文	本研究利用可穿戴传感器和机器学习技术评估亨廷顿病患者的日常生活中的上肢功能	首次将可穿戴传感器和深度学习模型结合，用于监测亨廷顿病患者的日常上肢功能，并预测疾病组别和临床评分	样本量较小（HD=16，pHD=7，CTR=16），可能影响结果的普遍性	评估亨廷顿病患者的上肢功能，探索可穿戴传感器和机器学习在疾病监测和治疗评估中的应用	亨廷顿病患者（HD）、前驱期亨廷顿病患者（pHD）和健康对照组（CTR）	机器学习	亨廷顿病	深度学习模型	深度学习模型	传感器数据	HD=16，pHD=7，CTR=16
5653	2025-03-05	Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort 2024-May-23, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.22.24307756 PMID:38826236	研究论文	本文探讨了深度学习模型AlphaMissense在罕见病队列中与临床级变异致病性分类之间的不一致性	揭示了AlphaMissense在评估内在无序区域（IDRs）中错义变异致病性方面的局限性	AlphaMissense在评估IDRs中错义变异的致病性时表现不佳，导致某些包含IDRs的基因的基因必需性评分不可靠	评估深度学习模型在罕见病队列中预测错义变异致病性的准确性	罕见病队列中的错义变异	生物医学信息学	罕见病	深度学习	AlphaMissense	基因变异数据	NA
5654	2025-03-05	Assessment of changes in vessel area during needle manipulation in microvascular anastomosis using a deep learning-based semantic segmentation algorithm: A pilot study 2024-May-09, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02437-6 PMID:38722409	研究论文	本研究开发了一种基于深度学习的语义分割算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	首次使用手术视频评估手术对象面积变化，提出了一种新的微血管吻合术性能评估方法	研究为初步研究，样本量较小，且仅使用人工血管进行训练	开发一种基于深度学习的算法，用于评估微血管吻合术中血管面积的变化，以客观评估手术技能	微血管吻合术中的血管	计算机视觉	NA	深度学习	ResNet-50	视频	微血管端侧吻合术训练视频
5655	2025-03-05	Abdominal CT metrics in 17,646 patients reveal associations between myopenia, myosteatosis, and medical phenotypes: a phenome-wide association study 2024-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105116 PMID:38636199	研究论文	本研究利用深度学习技术和大规模电子健康记录数据，通过腹部CT扫描评估身体组成指标，探索其与多种医学表型的关联	首次将PheWAS方法应用于大规模CT成像生物标志物和电子健康记录数据的整合分析，揭示了肌肉减少症和肌肉脂肪变性生物标志物与多种医学表型之间的新关联	研究结果主要基于北美人群，可能不适用于其他人群；研究设计为横断面研究，无法确定因果关系	探索腹部CT扫描得出的骨骼肌指标与医学表型之间的关联	17,646名成年患者（2012-2018年间接受腹部CT扫描）	数字病理学	NA	深度学习	NA	CT图像和电子健康记录数据	17,646名成年患者（平均年龄56岁±19，57.5%为女性）
5656	2025-03-05	Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm 2024-Apr-26, Research square DOI:10.21203/rs.3.rs-4215086/v1 PMID:38746169	研究论文	本文介绍了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性	Seq2Symm模型利用ESM2蛋白质基础模型，显著优于现有的基于模板和深度学习方法，能够仅通过单一序列快速预测蛋白质同源寡聚体的对称性	NA	开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	机器学习	NA	ESM-MSA, ESM2, RoseTTAFold2	Seq2Symm	蛋白质序列	5个完整蛋白质组和约350万条未标记蛋白质序列
5657	2025-03-05	The detection of absence seizures using cross-frequency coupling analysis with a deep learning network 2024-Apr-10, Research square DOI:10.21203/rs.3.rs-4178484/v1 PMID:38659733	研究论文	本文介绍了一种使用堆叠稀疏自编码器（SSAE）和交叉频率耦合（CFC）分析来自头皮脑电图（EEG）的失神发作活动的方法	利用深度学习方法（SSAE）结合交叉频率耦合分析，自动化检测失神发作，提供了一种新的癫痫发作检测方法	样本量较小（12名患者，94次失神发作），可能影响模型的泛化能力	开发一种自动化检测失神发作的方法	失神发作患者的头皮脑电图（EEG）数据	机器学习	癫痫	交叉频率耦合（CFC）分析	堆叠稀疏自编码器（SSAE）	脑电图（EEG）	12名患者的94次失神发作及背景活动片段
5658	2025-03-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2024-Apr, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09655-9 PMID:38526701	研究论文	本文提出了一种名为DeepN4的深度学习网络，用于近似N4ITK偏置场校正，以提高T1加权MRI图像处理的便携性和灵活性	通过深度学习网络DeepN4近似N4ITK偏置场校正，解决了N4ITK在不同平台间移植和优化困难的问题	尽管DeepN4能够近似N4ITK校正，但其在不同数据集上的泛化能力仍需进一步验证	开发一种便携、灵活且完全可微的N4ITK偏置场校正方法	T1加权MRI图像	计算机视觉	NA	深度学习	深度学习网络	图像	来自72台不同扫描仪的八个独立队列的T1加权MRI图像
5659	2025-03-05	Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan 2024-Feb-29, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00525-9 PMID:38424598	研究论文	本文提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并报告了性能指标和成年期内的变化	提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并提供了跨成年期的脉络丛体积变化示例	样本量相对较小（n=50），且主要关注成年期内的变化，未涵盖更广泛的人群	改进和验证脉络丛体积的量化方法，以更好地研究其在神经退行性疾病中的作用	成年期内的控制组和神经退行性疾病参与者的脉络丛	医学影像分析	神经退行性疾病	深度学习	全卷积神经网络（FCN）	3D T1加权、3D T2加权和2D T2加权FLAIR MRI图像	50名参与者（年龄21-85岁）用于训练和验证，98名成年控制组（年龄21-89岁）用于扩展队列
5660	2025-03-05	Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan 2024-Feb-13, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00516-w PMID:38350930	研究论文	本文提出了一种深度学习架构，用于自动分割脑周窦结构，如蛛网膜颗粒和旁矢状硬膜空间，通过3D T2加权非对比MRI图像进行验证，并提供了这些结构在成人生命周期中的规范范围	开发了一种新的深度学习架构，首次实现了对脑周窦结构的自动分割，无需外源性对比剂和手动描绘	研究依赖于特定类型的MRI图像（3D T2加权非对比MRI），可能限制了方法的广泛应用	开发并验证一种自动化工具，用于量化脑周窦结构的体积，以研究神经流体循环功能障碍	脑周窦结构，包括蛛网膜颗粒和旁矢状硬膜空间	数字病理学	NA	3D T2加权非对比MRI	3D全卷积神经网络	图像	80例用于验证，1,872例健康参与者用于提供生命周期中的规范范围