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
6941	2025-02-14	Dual-stream disentangled model for microvascular extraction in five datasets from multiple OCTA instruments 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1542737 PMID:39944497	研究论文	本文提出了一种新颖的双流解耦网络（D2Net），用于视网膜OCTA微血管分割，有效减少了不同成像仪器带来的噪声和伪影干扰	提出了一种双流编码器，分别学习图像伪影和潜在血管特征，通过引入血管结构作为先验约束和构建辅助信息，实现了解耦表示学习	尽管在多个数据集上验证了方法的鲁棒性和泛化能力，但仍需进一步验证其在更广泛临床环境中的适用性	提高视网膜OCTA微血管分割的准确性，减少噪声和伪影的干扰	视网膜OCTA图像中的微血管	计算机视觉	眼科疾病	OCTA成像技术	双流解耦网络（D2Net）	图像	五个数据集（包括FOCA、OCTA-500、ROSE-O、ROSE-Z和ROSE-H），数据来自不同仪器
6942	2025-02-14	Magnetic resonance imaging-based deep learning for predicting subtypes of glioma 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1518815 PMID:39944539	研究论文	本研究探讨了基于磁共振成像（MRI）的深度学习在胶质瘤亚型分类中的应用价值	开发了一套能够有效分类胶质瘤亚型的模型，并发现仅包含FLAIR序列的模型效果最佳	研究样本主要来自公开数据库和单一医院，可能存在样本选择偏差	探索基于MRI的深度学习在胶质瘤亚型分类中的应用	747名来自公开数据库和64名来自医院的经手术病理证实的胶质瘤成年患者	计算机视觉	胶质瘤	磁共振成像（MRI）	深度学习	图像	811名患者（747名来自公开数据库，64名来自医院）
6943	2025-02-14	Modeling dose uncertainty in cone-beam computed tomography: Predictive approach for deep learning-based synthetic computed tomography generation 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100704 PMID:39944778	研究论文	本研究提出了一种基于深度学习的合成CT生成方法，用于评估锥形束CT（CBCT）中的剂量不确定性	引入了与合成CT和CT之间误差相关的体素级不确定性估计器，并提出了一种通过定义CT剂量-体积直方图（DVH）周围的置信区间来估计剂量不确定性的新方法	研究样本主要来自单一中心的头颈部患者，且仅测试了少量来自其他中心的患者，可能限制了方法的普适性	提高CBCT在图像引导放疗中的剂量计算准确性	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	NA	医学影像	85名头颈部患者（主要来自单一中心），外加3名来自不同中心的患者
6944	2025-02-14	Association between the subclinical level of problematic internet use and habenula volume: a look at mediation effect of neuroticism 2025, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2024-101694 PMID:39944777	研究论文	本研究探讨了亚临床水平的问题性互联网使用（PIU）与缰核体积之间的关系，以及神经质在这一关系中的中介作用	首次揭示了缰核体积减少与PIU增加之间的关键联系，并发现神经质是PIU发展的关键风险因素，且在其中起中介作用	研究为横断面设计，无法确定因果关系；样本量相对较小	探讨亚临床PIU与缰核体积的关系及人格特质的中介作用	110名健康成年人	神经科学	精神疾病	结构磁共振成像，深度学习技术	深度学习	图像，问卷数据	110名健康成年人
6945	2025-02-14	Ontologies in modelling and analysing of big genetic data 2024-Dec, Vavilovskii zhurnal genetiki i selektsii IF:0.9Q3 DOI:10.18699/vjgb-24-101 PMID:39944813	研究论文	本文探讨了基于本体论的新方法，用于系统化和有效利用生物信息学和生物医学领域积累的大量实验数据，包括自动化语义整合异构数据、创建大型知识库和基于深度学习的自解释方法	提出了基于本体论的深度学习方法，如Deep GONet和ONN4MST，这些方法不仅性能高，而且具有可解释性，解决了深度学习模型通常作为“黑箱”的问题	尽管提出了可解释的深度学习方法，但神经网络的复杂性和数据异质性仍然是挑战，且自动推理依赖于预先创建的参考本体	开发基于本体论的方法，以系统化和有效利用生物信息学和生物医学领域的大规模实验数据	生物信息学、系统生物学和生物医学领域的实验数据	生物信息学	癌症	深度学习、本体论、语义整合	Deep GONet、ONN4MST	基因数据、微生物数据	癌症诊断数据集、人类肠道微生物群落样本
6946	2025-02-14	Medical language model specialized in extracting cardiac knowledge 2024-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80165-z PMID:39580531	研究论文	本文专注于构建一个专门用于心脏病学领域的医学语言模型	创新点在于将医学领域细分为多个专业部门，并专注于心脏病学领域，构建专门的模型	NA	研究目的是在医学领域内构建一个专门用于心脏病学的语言模型	研究对象是心脏病学领域的医学数据	自然语言处理	心血管疾病	Transformer	Transformer-based 语言模型	文本	NA
6947	2025-02-14	Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches 2024-Nov-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252212233 PMID:39596300	综述	本文探讨了机器学习在基于靶点的药物发现中的应用，特别是在小分子方法中的影响	利用机器学习和自然语言处理技术，SMILES系统在药物设计、挖掘和再利用中取得了革命性进展，深度学习通过CNN和RNN在虚拟筛选、靶点识别和新药设计中显示出潜力	挑战包括模型的可解释性和数据质量问题	探讨机器学习如何加速基于靶点的药物发现，提高效率和创新	小分子药物	机器学习	NA	机器学习，自然语言处理，深度学习	CNN, RNN, GAN	化学结构数据	NA
6948	2025-02-14	Deep learning prediction of curve severity from rasterstereographic back images in adolescent idiopathic scoliosis 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-08052-1 PMID:38055037	研究论文	本研究评估了基于卷积神经网络的深度学习模型在青少年特发性脊柱侧弯中直接从背部表面光栅立体图像预测Cobb角度的有效性	使用深度学习模型直接从光栅立体图像预测Cobb角度，避免了传统的脊柱形状重建方法	尽管相比之前的方法有所改进，但全自动应用的性能仍低于人类操作者进行的放射学评估	评估深度学习模型在预测青少年特发性脊柱侧弯Cobb角度方面的有效性	青少年特发性脊柱侧弯患者	计算机视觉	脊柱侧弯	光栅立体成像	卷积神经网络（CNN）	图像	900名个体（720个训练样本，180个测试样本）
6949	2025-02-14	Application of machine-learning model to optimize colonic adenoma detection in India 2024-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01530-4 PMID:38758433	研究论文	本文旨在开发一种机器学习模型，以优化印度结肠腺瘤的检测	使用梯度提升机（GBM）学习方法开发预测模型，并通过调整学习率和树的数量以及10折交叉验证进一步优化模型	研究中排除了结肠腺瘤高风险患者，可能影响模型的普遍适用性	优化结肠腺瘤的检测，预防结直肠癌	接受诊断性结肠镜检查的成年患者	机器学习	结直肠癌	梯度提升机（GBM）	梯度提升树模型	临床数据	10,320名患者
6950	2025-02-14	Deep survival analysis for interpretable time-varying prediction of preeclampsia risk 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104688 PMID:39002866	研究论文	本文提出了一种深度生存分析方法，用于预测妊娠期间子痫前期风险的时间变化	创新点在于使用深度生存模型DeepHit来处理非比例风险，捕捉非线性关系，并应对复杂的时间动态变化	研究基于回顾性数据，可能存在选择偏差，且模型性能与Cox比例风险模型相似，未显著超越	研究目的是开发一种能够准确预测妊娠期间子痫前期风险的方法，并探讨相关临床风险因素	研究对象为2015年至2023年间在两所三级医疗中心分娩的66,425名孕妇	机器学习	子痫前期	深度生存分析	DeepHit	回顾性数据	66,425名孕妇
6951	2025-02-14	Deep-learning models for differentiation of xanthogranulomatous cholecystitis and gallbladder cancer on ultrasound 2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-023-01483-0 PMID:38110782	研究论文	本研究利用深度学习模型在超声图像上区分黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）	首次将深度学习模型应用于超声图像上区分XGC和GBC，并与放射科医生的诊断结果进行比较	单中心研究，样本量较小（25例XGC和55例GBC）	通过深度学习模型提高XGC和GBC在超声图像上的区分准确性	黄色肉芽肿性胆囊炎（XGC）和胆囊癌（GBC）患者	计算机视觉	胆囊癌	深度学习	CNN, Transformer	图像	25例XGC患者和55例GBC患者
6952	2025-02-14	Independent Associations of Aortic Calcification with Cirrhosis and Liver Related Mortality in Veterans with Chronic Liver Disease 2024-Jul, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-024-08450-5 PMID:38653948	研究论文	本研究评估了腹主动脉钙化（AAC）与慢性肝病（CLD）患者肝硬化及肝相关死亡率之间的独立关联	利用自动深度学习方法量化AAC，并首次在非NAFLD病因的CLD患者中发现了AAC与肝病严重程度和临床结果的强关联	研究仅针对退伍军人群体，可能限制了结果的普遍性	评估AAC与CLD患者肝相关死亡率的关联	患有慢性肝病的退伍军人	数字病理	肝病	深度学习方法	NA	CT扫描图像	3604名退伍军人
6953	2025-02-14	Unraveling trends in schistosomiasis: deep learning insights into national control programs in China 2024, Epidemiology and health IF:2.2Q2 DOI:10.4178/epih.e2024039 PMID:38514196	研究论文	本研究利用深度学习技术分析了中国血吸虫病控制项目的进展，并提出了一个基于卷积神经网络的时空变化模型	提出了一个基于卷积神经网络（CNN）和层次积分差分方程（IDE）框架的模型（CNN-IDE），用于捕捉血吸虫病流行的复杂动态	研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况	评估中国血吸虫病控制项目的效果，并预测未来的流行趋势	中国安徽省沿长江地区的血吸虫病流行情况	数字病理	血吸虫病	卷积神经网络（CNN）	CNN-IDE	寄生虫学数据和环境数据	1997年至2015年安徽省的村庄级数据
6954	2025-02-14	Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements 2024-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.09.014 PMID:37734638	研究论文	本研究开发了基于深度学习（DL）的模型，通过光学相干断层扫描血管成像（OCTA）的血管密度（VD）测量来估计中心视野（VF）	首次使用深度学习模型从OCTA图像中估计中心视野损失，并显著优于线性回归模型	样本量相对较小，仅包括1051对10-2 VF OCTA数据	开发能够从OCTA图像中准确估计中心视野损失的深度学习模型	健康眼、疑似青光眼和青光眼患者的10-2 VF OCTA数据	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	1051对10-2 VF OCTA数据
6955	2025-02-14	Blinking characteristics analyzed by a deep learning model and the relationship with tear film stability in children with long-term use of orthokeratology 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1517240 PMID:39935789	研究论文	本研究使用深度学习模型观察长期使用角膜塑形镜（ortho-K）儿童的眨眼特征，并评估其与泪膜稳定性的相关性	提出了一种基于U-Net和Swin-Transformer的深度学习系统，用于观察眨眼特征，并首次定义了相对IPH%来量化不完全眨眼的程度	样本量较小（31名儿童，58只眼），且为回顾性研究，可能存在选择偏倚	研究长期使用角膜塑形镜儿童的眨眼特征及其与泪膜稳定性的关系	长期使用角膜塑形镜的儿童	计算机视觉	眼科疾病	深度学习	U-Net, Swin-Transformer	视频	31名儿童（58只眼）
6956	2025-02-14	End-to-end 3D instance segmentation of synthetic data and embryo microscopy images with a 3D Mask R-CNN 2024, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2024.1497539 PMID:39944885	研究论文	本文介绍了一种3D Mask R-CNN的改进版本，用于3D实例分割，并在合成数据和胚胎显微镜图像上进行了验证	开发了自定义的TensorFlow操作，用于3D非最大抑制和3D裁剪与调整大小，从而实现了对3D数据的高效训练和推理	在最嘈杂的对象上，3D Mask R-CNN的表现存在局限性	解决3D图像分析中的实例分割问题，特别是在医学和显微镜图像中的应用	合成数据和胚胎显微镜图像	计算机视觉	NA	3D Mask R-CNN	CNN	3D图像	合成数据和胚胎显微镜图像
6957	2025-02-14	Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1486929 PMID:39944948	研究论文	本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD）	设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理	模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降	开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理	恶性入侵杂草Solanum rostratum Dunal（SrD）	计算机视觉	NA	深度学习	YOLO_EAND, DeepSort	视频	无人机视频（2米和3米高度）
6958	2025-02-14	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	本文探讨了人工智能（AI）在肝细胞癌（HCC）放射学诊断中的最新进展	AI，特别是深度学习和神经网络模型，在HCC的放射学检测中显示出潜力，能够减少诊断变异性、优化数据分析并重新分配医疗资源	需要进一步的研究和临床实施，以充分发挥AI在HCC管理中的潜力	探索AI在HCC放射学诊断中的应用，以提高早期检测、治疗选择和患者预后	肝细胞癌（HCC）	数字病理学	肝癌	深度学习，神经网络	深度学习模型，神经网络模型	影像数据	NA
6959	2025-02-14	A deep learning model for novel systemic biomarkers in photographs of the external eye: a retrospective study 2023-05, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00022-5 PMID:36966118	研究论文	本研究开发了一种深度学习系统（DLS），通过外部眼部照片预测系统性参数，如肝脏、肾脏、骨骼或矿物质、甲状腺和血液相关参数	首次利用外部眼部照片预测多种系统性医学参数，扩展了外部眼部照片在疾病筛查中的应用	需要进一步研究以了解其临床应用价值	验证外部眼部照片是否包含多种系统性医学条件的信息	糖尿病患者及非糖尿病患者的眼部照片	计算机视觉	糖尿病	深度学习	DLS	图像	123,130张图像，来自38,398名糖尿病患者，并在25,510名患者中进行了验证
6960	2025-02-14	Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization 2023-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100233 PMID:36545260	研究论文	本研究比较了Vision Transformer深度学习技术（DeiT）和ResNet-50在眼底照片上检测原发性开角型青光眼（POAG）的诊断准确性和可解释性	使用Vision Transformer（DeiT）替代传统的卷积神经网络（如ResNet-50），以提高模型的泛化能力和可解释性	研究主要基于特定数据集（OHTS）和外部数据集，可能在其他数据集上的表现尚未验证	比较Vision Transformer和ResNet-50在检测POAG中的诊断性能，并分析模型决策的可解释性	眼底照片	计算机视觉	青光眼	深度学习	Vision Transformer (DeiT), ResNet-50	图像	66,715张眼底照片（来自1,636名OHTS参与者）和16,137张外部数据集照片