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
6701	2024-08-07	Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study 2025 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.07.008 PMID:39025757	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6702	2025-02-16	An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models 2025-Jan, Environmental science and pollution research international DOI:10.1007/s11356-024-35764-8 PMID:39800837	研究论文	本研究通过比较分析机器学习、深度学习和统计模型，预测每日CO2排放量	首次系统比较了14种模型在预测每日CO2排放量方面的性能，并提出了使用集成技术提升模型性能的方法	深度学习模型的高计算需求可能限制其在实际应用中的广泛使用	比较不同模型在预测每日CO2排放量方面的性能，以帮助设定短期减排目标	中国、印度、美国和欧盟27国及英国的每日CO2排放数据	机器学习	NA	NA	ARMA, ARIMA, SARMA, SARIMA, SVM, RF, GB, ANN, GRU, LSTM, BILSTM, CNN-RNN	时间序列数据	2022年1月1日至2023年9月30日的每日CO2排放数据
6703	2025-02-16	Advancements in Viral Genomics: Gated Recurrent Unit Modeling of SARS-CoV-2, SARS, MERS, and Ebola viruses 2025, Revista da Sociedade Brasileira de Medicina Tropical IF:1.8Q3 DOI:10.1590/0037-8682-0178-2024 PMID:39936709	研究论文	本研究使用门控循环单元（GRU）深度学习模型，全面分析和比较了SARS-CoV-2、SARS、MERS和埃博拉病毒的基因组序列	采用GRU深度学习模型分析病毒基因组序列，揭示了其进化动态、传播模式和致病性，为开发有效的诊断和治疗干预措施提供了新思路	研究目前仅限于四种病毒，未来需要扩展到更多疾病和新发现的病毒	通过基因组分析增强对新兴病毒威胁的理解、准备和应对能力	SARS-CoV-2、SARS、MERS和埃博拉病毒的基因组序列	自然语言处理	NA	基因组测序技术	GRU	基因组序列	四种病毒的基因组序列
6704	2025-02-16	Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251318202 PMID:39943714	研究论文	本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较	通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能	某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报	提高从高分辨率航空图像中提取建筑物的准确性和效率	高分辨率航空图像中的建筑物	计算机视觉	NA	深度学习	DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net	图像	180张高分辨率航空图像
6705	2025-02-15	COVID-19 recognition from chest X-ray images by combining deep learning with transfer learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251319667 PMID:39949849	研究论文	本文提出了一种名为Covid-DenseNet的深度学习模型，用于从胸部X光图像中检测COVID-19，旨在构建一个计算复杂度较小、泛化能力较强且在基准数据集和其他具有不同样本分布特征和样本大小的数据集上表现优异的模型	结合迁移学习和注意力机制，通过多尺度融合架构提取和增强图像特征，提高了模型的识别准确性和泛化能力	模型在外部测试集上的识别准确率仍有提升空间，特别是在样本分布不平衡的情况下	开发一种高效且泛化能力强的深度学习模型，用于从胸部X光图像中检测COVID-19	胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	Covid-DenseNet	图像	三个公开的胸部放射学数据集，包括基准数据集和其他两个数据集
6706	2025-02-16	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次系统评估了AI模型在孕龄估计中的准确性，并进行了亚组分析，包括孕龄评估的孕期、AI模型类型、研究设计和外部验证	研究数量有限，且大多数研究来自高收入国家，可能限制了结果的普遍性	评估人工智能模型在孕龄估计中的准确性，并与超声作为金标准进行比较	使用超声图像进行孕龄估计的研究	数字病理学	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及不同收入地区的数据
6707	2025-02-16	Multi-step depth enhancement refine network with multi-view stereo 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314418 PMID:39946337	研究论文	本文介绍了一种创新的多视图立体匹配网络——多步深度增强细化网络（MSDER-MVS），旨在提高高分辨率3D重建的准确性和计算效率	MSDER-MVS网络结合了现代深度学习的强大能力和传统3D重建技术的几何直觉，特别关注深度图质量和重建过程效率的优化，创新点包括双分支融合结构和特征金字塔网络（FPN）以有效提取和整合多尺度特征，以及使用基于方差的度量来整合多视角信息，并引入可微深度优化过程	未来计划将该方法扩展到更复杂的环境和更大规模的数据集，以增强模型的泛化能力和实时处理能力	提高高分辨率3D重建的准确性和计算效率	多视图立体匹配网络	计算机视觉	NA	深度学习	MSDER-MVS网络	3D图像	标准DTU数据集
6708	2025-02-16	Deep learning based screening model for hip diseases on plain radiographs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318022 PMID:39946371	研究论文	本研究旨在开发和验证一种基于深度学习的筛查模型，用于在普通X光片上区分正常髋关节和严重髋关节疾病	开发了一种基于深度学习的模型，用于在普通X光片上筛查髋关节疾病，并展示了高准确性和可靠性	研究依赖于2004年至2012年的电子病历和X光片，可能无法反映最新的医疗实践和技术	开发和验证一种基于深度学习的筛查模型，用于在普通X光片上区分正常髋关节和严重髋关节疾病	普通X光片	计算机视觉	髋关节疾病	深度学习	DenseNet, EfficientNet	图像	1,726张X光片（500张正常髋关节X光片和1,226张髋关节疾病X光片）
6709	2025-02-16	Diagnostic of fatty liver using radiomics and deep learning models on non-contrast abdominal CT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310938 PMID:39946425	研究论文	本研究探讨了非对比腹部CT影像组学和深度学习模型在准确诊断脂肪肝中的潜力	系统比较了2D和3D影像组学模型以及深度学习模型在四分类脂肪肝诊断中的性能，为确定最佳肝脏脂肪诊断模型提供了更广泛的视角	研究为回顾性研究，可能存在选择偏倚	探索非对比腹部CT影像组学和深度学习模型在脂肪肝诊断中的应用	840名接受非对比腹部CT和定量CT（QCT）检查的个体	计算机视觉	脂肪肝	定量CT（QCT）	随机森林算法、Bagging决策树算法、深度学习模型	非对比腹部CT图像	840名个体（539名训练集，301名测试集）
6710	2025-02-16	Avoiding missed opportunities in AI for radiology 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03295-9 PMID:39585545	评论	本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性	提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处	文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性	探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理	放射学中的AI应用	机器学习	NA	深度学习	人工神经网络	NA	NA
6711	2025-02-16	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-Nov-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	本文提出了一种名为Interformer的交互感知模型，用于蛋白质-配体对接和亲和力预测，旨在改进现有深度学习模型在药物设计中的应用	Interformer模型基于Graph-Transformer架构，利用交互感知的混合密度网络捕捉非共价相互作用，并引入负采样策略以校正亲和力预测中的交互分布	未明确提及具体局限性	改进蛋白质-配体对接和亲和力预测的深度学习模型，以支持基于结构的药物设计	蛋白质-配体复合物	机器学习	NA	深度学习	Graph-Transformer	分子结构数据	广泛使用的数据集和内部数据集
6712	2025-02-16	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	本文介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于基因组学中的不确定性感知模型，同时捕捉预测的平均值和变异性	未明确提及具体局限性	提高深度神经网络在基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络（DNNs）	DEGU（集成学习和知识蒸馏模型）	基因组学数据	NA
6713	2025-02-16	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制	揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守	研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物	探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束	细胞类型家族及其基因组可及性	基因组学	NA	单核多组学测序，深度学习	深度学习模型	基因组序列数据	涉及多个早期分支动物物种的细胞类型
6714	2025-02-16	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用	尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源	研究目的是开发一种能够更准确预测基因表达的深度学习框架	研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用	机器学习	NA	深度学习	深度学习框架	DNA序列、表观基因组数据、染色质接触数据	NA
6715	2025-02-16	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习和生成对抗网络，对45至85岁无认知障碍个体的脑部结构变化进行分组，并探讨这些分组与遗传、生物医学指标及认知衰退轨迹的关系	首次使用生成对抗网络进行半监督聚类分析，识别出无认知障碍个体中三种不同的脑老化模式，并揭示其与遗传、心血管风险因素及未来认知衰退的关联	研究依赖于特定数据集（iSTAGING国际联盟），可能限制了结果的普适性；此外，研究未涵盖所有可能的神经病理过程	探索无认知障碍个体中脑部结构变化的异质性，以揭示神经退行性疾病早期阶段的潜在机制	45至85岁无认知障碍的个体	数字病理	老年疾病	深度学习、生成对抗网络（GAN）	GAN	脑部影像数据	27,402名无认知障碍个体
6716	2025-02-16	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型	构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络	现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题	探索三叉神经痛的病理生理学并开发有效的镇痛药物	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络（TNPAN）	图像	NA
6717	2025-02-16	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据	提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性	研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题	提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策	直肠癌患者	数字病理	直肠癌	MRI（磁共振成像）	nnUNet, MLNet, 3D ResNet10	图像	509名患者，来自9个中心
6718	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量
6719	2025-02-16	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本文开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	提出了一种新的半监督学习框架下的深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上进行了验证	模型依赖于出院摘要的质量和完整性，且需要进一步的临床验证以确保其在不同医疗环境中的普适性	开发自动化工具以评估和提高HFrEF患者的护理质量	HFrEF患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本	13,251份笔记，来自5,392名独特个体（平均年龄73±14岁，48%为女性），包括2,487名HFrEF患者（46.1%）
6720	2025-02-16	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	研究论文	本文提出了一种基于图神经网络（GNN）的深度学习方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	将缺失测量值的估算问题重新定义为预测任务，并通过图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享一些ROI测量值	解决结构MRI数据集中特定大脑区域兴趣（ROI）测量值缺失的问题，以支持机器学习模型的训练	大脑区域兴趣（ROI）的测量值	机器学习	NA	图神经网络（GNN）	GNN	MRI图像数据	ABCD数据集（N=3760，最小年龄12岁）和NCANDA数据集（N=540）