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
6881	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
6882	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%）
6883	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）
6884	2025-02-16	Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice 2022-03-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29236-1 PMID:35318318	研究论文	本文介绍了一种深度学习辅助的双光子纤维镜技术，用于在自由行为的小鼠中进行视频速率的大脑成像	开发了高速扫描器和降采样方案以提高成像速度，并引入了深度学习算法以恢复图像质量，实现了在自由行为小鼠中进行高分辨率、高速度（26 fps）的成像	目前的技术仍受限于光机械尺寸和重量的限制	提高双光子纤维镜的成像速度，以更好地理解神经活动模式与行为之间的关系	自由行为的小鼠	计算机视觉	NA	双光子纤维镜成像	深度学习算法	视频	自由行为的小鼠
6885	2025-02-16	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织	开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像	研究为回顾性研究，样本量相对较小（62名患者）	开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔	62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI	计算机视觉	癫痫	MRI	U-Net	图像	62名颞叶癫痫患者和40名对照受试者
6886	2025-02-16	Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions? 2021-10-19, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000012696 PMID:34521690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6887	2025-02-15	DEEP LEARNING-DRIVEN SEGMENTATION OF DENTAL IMPLANTS AND PERI-IMPLANTITIS DETECTION IN ORTHOPANTOMOGRAPHS: A NOVEL DIAGNOSTIC TOOL 2025-Mar, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2024.102058 PMID:39947781	研究论文	本研究开发了一种基于深度学习的牙种植体分割和种植体周围炎检测方法，旨在提高诊断的准确性和效率	利用深度学习技术对牙种植体进行分割并检测种植体周围炎，提供了一种更准确和高效的诊断工具	研究中存在165个假阳性病例，表明模型在分类时仍有一定的误判率	开发一种基于深度学习的牙种植体分割和种植体周围炎检测方法，以提高诊断的准确性和效率	牙种植体和种植体周围炎	计算机视觉	牙科疾病	深度学习	U-Net, CNN	图像	7696张正颌全景片（OPGs）
6888	2025-02-15	A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R 2025-Feb-14, Multivariate behavioral research IF:5.3Q1 DOI:10.1080/00273171.2025.2455497 PMID:39949325	教程	本教程介绍了三种基于人工智能的面部情绪识别工具，并提供了示例代码，帮助研究人员设计、收集和分析情绪数据	提供了三种流行的人工智能情绪检测程序的详细比较和示例代码，旨在提高社会和行为科学文献中可解释人工智能的普及度	教程内容较为基础，可能不适合高级研究人员	介绍和比较三种基于人工智能的面部情绪识别工具，帮助研究人员快速上手	面部情绪识别工具	计算机视觉	NA	NA	深度学习, 机器学习	图像	NA
6889	2025-02-15	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Feb-14, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述和元分析	本文系统回顾并元分析了眼动追踪与人工智能在痴呆检测中的交叉应用	结合眼动追踪和人工智能技术进行痴呆检测，展示了高准确率、敏感性和特异性	样本量较小，缺乏标准化指南，且未涵盖所有痴呆类型	探讨眼动追踪与人工智能在痴呆检测中的应用效果	痴呆患者	人工智能	老年疾病	眼动追踪	机器学习和深度学习	眼动数据	57至583名参与者
6890	2025-02-15	Comparison of Deep Learning Models for Voice Disorder Classification Using Kymographic Images 2025-Feb-12, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.01.001 PMID:39947969	研究论文	本研究提出了一种基于深度学习的声门振动图分类方法，用于自动化分析声门振动模式中的细微变化	首次将深度学习模型应用于声门振动图的分类，以自动化分析声门振动模式中的病理变化	研究仅使用了BAGLS数据集，样本来源有限，可能影响模型的泛化能力	开发一种自动化工具，辅助临床医生诊断声音障碍	声门振动图	计算机视觉	声音障碍	深度学习	AlexNet, DenseNet121, Xception, Inceptionv3, ResNet50v2	图像	BAGLS数据集中的高速视频记录
6891	2025-02-15	Deep learning-based clustering for endotyping and post-arthroplasty response classification using knee osteoarthritis multiomic data 2025-Feb-12, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.01.012 PMID:39948003	研究论文	本文开发了一种基于多模态深度学习的框架，用于聚类来自三种生物流体的多组学数据，以识别不同的膝骨关节炎内型并分类全膝关节置换术后的疼痛/功能反应	创新点在于使用多模态深度学习框架整合多组学数据，识别膝骨关节炎的不同内型，并提高全膝关节置换术后反应的分类性能	研究样本量相对较小，且仅针对膝骨关节炎患者，可能限制了结果的普适性	研究目的是通过多模态深度学习聚类多组学数据，识别膝骨关节炎的不同内型，并分类全膝关节置换术后的疼痛/功能反应	研究对象为414名膝骨关节炎患者	机器学习	膝骨关节炎	microRNA测序和代谢组学	变分自编码器（VAE）与K-means聚类	多组学数据（代谢物和microRNA）	414名膝骨关节炎患者的血浆、滑液和尿液样本
6892	2025-02-15	A fully automated U-net based ROIs localization and bone age assessment method 2025-Jan-03, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025007 PMID:39949166	研究论文	本文提出了一种基于深度学习的全自动ROIs定位和骨龄评估方法	结合U-net和InceptionResNetV2网络，实现高精度的ROIs定位和骨龄预测，结合了TW3方法和GP方法的优势	未提及方法在临床环境中的实际应用效果	开发一种全自动的骨龄评估方法，提高定位和预测的准确性	青少年的骨骼发育	计算机视觉	NA	深度学习	U-net, InceptionResNetV2	图像	公共RSNA数据集和内部数据集
6893	2025-02-15	Epileptic seizure detection in EEG signals via an enhanced hybrid CNN with an integrated attention mechanism 2025-Jan, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025004 PMID:39949163	研究论文	本文提出了一种结合卷积神经网络（CNN）、双向门控循环单元（BiGRU）和卷积块注意力模块（CBAM）的新型深度学习框架，用于癫痫发作的EEG信号检测	结合CNN、BiGRU和CBAM的混合架构，优化了EEG模式识别，显著提高了癫痫发作检测的准确性和实时性	未提及模型在实际临床环境中的适用性和泛化能力	提高癫痫发作的EEG信号检测准确性和实时性，以优化患者护理	癫痫患者的EEG信号	机器学习	癫痫	深度学习	CNN, BiGRU, CBAM	EEG信号	公共EEG数据集
6894	2025-02-14	Extended Technical and Clinical Validation of Deep Learning-Based Brainstem Segmentation for Application in Neurodegenerative Diseases 2025-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70141 PMID:39936343	研究论文	本研究旨在优化基于深度学习的脑干分割方法，并进行系统和临床验证，以提高在脑干病变存在下的分割质量，并公开优化后的脑干分割工具	开发并系统验证了两种全自动深度学习脑干分割方法，并在多发性硬化症患者中通过病变填充进一步提高了分割准确性	研究样本量相对较小，特别是在多发性硬化症患者中的验证样本仅为23例	优化和验证深度学习脑干分割方法，以应用于神经退行性疾病	脑干及其亚结构	计算机视觉	神经退行性疾病	深度学习	MD-GRU, nnU-Net	T1加权图像	训练集257例，扫描-重扫描重复性验证46例，跨扫描仪重复性验证20例，多系统萎缩患者随访16例，多发性硬化症患者23例
6895	2025-02-14	MLAR-UNet: LDCT image denoising based on U-Net with multiple lightweight attention-based modules and residual reinforcement 2025-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb19a PMID:39899989	研究论文	本文提出了一种基于U-Net的深度学习模型MLAR-UNet，用于低剂量CT（LDCT）图像去噪，通过集成多个轻量级注意力模块和残差增强模块来提高去噪效果	MLAR-UNet模型创新性地结合了多个模块，包括CBAM、CR、ACRM和CTCAM，特别是通过引入Transformer调整注意力权重，有效解决了CBAM在LDCT去噪中的细节丢失问题	尽管MLAR-UNet在LDCT图像去噪中表现出色，但其在更广泛数据集上的泛化能力仍需进一步验证	研究目标是提高低剂量CT图像的去噪效果，以改善癌症组织的诊断准确性	研究对象是低剂量CT图像，特别是临床胸部和腹部CT数据集	计算机视觉	癌症	深度学习	U-Net	图像	临床胸部和腹部CT数据集
6896	2025-02-14	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Feb-13, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中的噪声和运动伪影的方法	通过深度学习模型独立处理T1W、T2W和FLAIR序列，有效去除噪声和运动伪影，且不受成像方向和伪影方向的影响	研究仅基于20名健康志愿者的数据，样本量较小，且未涉及真实患者数据	提高脑部MRI的临床实用性，通过减少噪声和运动伪影来改善图像质量	脑部MRI图像（T1W、T2W和FLAIR序列）	计算机视觉	NA	深度学习	深度学习模型	图像	20名健康志愿者的脑部MRI图像，模拟生成的115200对图像用于训练、验证和测试
6897	2025-02-14	Improved segmentation of hepatic vascular networks in ultrasound volumes using 3D U-Net with intensity transformation-based data augmentation 2025-Feb-13, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03320-2 PMID:39939404	研究论文	本研究通过引入基于强度变换的数据增强方法，改进了使用3D U-Net进行肝脏血管网络的三维分割	提出了基于高对比度和低对比度强度变换的数据增强方法，显著提高了3D U-Net在肝脏血管网络分割中的性能	高对比度强度变换的数据增强方法降低了分割准确性，需要进一步优化	改进肝脏血管网络的三维分割，以支持超声介导的肝脏疾病诊疗	肝脏血管网络	计算机视觉	肝脏疾病	3D U-Net	3D U-Net	超声体积数据	78个超声体积数据
6898	2025-02-14	Simpler Protein Domain Identification Using Spectral Clustering 2025-Feb-13, Proteins IF:3.2Q2 DOI:10.1002/prot.26808 PMID:39945423	研究论文	本文介绍了一种名为SPECTRALDOM的新方法，用于简化蛋白质域识别，通过改进SPECTRUS算法，提高了单结构和同源结构集的分割质量	SPECTRALDOM在SPECTRUS算法的基础上增加了三个改进：1) 对于单结构，使用成对相互作用图拉普拉斯矩阵进行高质量分割；2) 对于同源结构集，引入多序列比对模式，结合序列和几何信息；3) 使用家族匹配算法分析聚类/域，处理碎片化问题	未明确提及具体局限性	改进蛋白质域识别方法，提高分割质量	蛋白质域	结构生物信息学	NA	谱聚类，弹性网络模型，多序列比对	NA	蛋白质结构数据	未明确提及具体样本数量
6899	2025-02-14	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2025-Feb-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	本文综述了化学计量学在食品微生物研究中的应用、原理及挑战，并探讨了其与多组学和生物信息学结合的未来发展	强调了化学计量学在食品微生物组学研究中的潜力，并提出了整合深度学习和人工智能算法以提高分析能力和预测精度的迫切需求	选择合适的化学计量工具并进行多组学数据融合分析仍是一个巨大挑战	揭示食品微生物在营养和安全中的功能属性和机制	食品微生物组	生物信息学	NA	多组学技术	深度学习（DL）和人工智能算法	多组学数据	NA
6900	2025-02-14	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-Feb-13, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	研究论文	本文提出了一种基于平衡Dice损失（BD Loss）的肝癌症病变分割方法，旨在解决不同类型肝肿瘤特征差异和数据不平衡问题，实现多类别肝癌症的精确分割	提出了一种新的平衡Dice损失函数（BD Loss），用于平衡多类别分割特征的学习，并通过贪婪参数平均算法（GPA算法）和模型集成及后处理方法，实现了更精确的肝癌症病变分割	研究仅基于单一医疗中心的数据，可能限制了模型的泛化能力	开发一种能够准确分割多种类型肝癌症病变的深度学习方法	591名恶性肝肿瘤患者的CT筛查图像和肿瘤分割数据	计算机视觉	肝癌	深度学习	深度模型	CT图像	591名患者的CT图像