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
7521	2025-01-31	Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100665 PMID:39866343	研究论文	本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型	使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性	多模态模型相比计算机视觉模型并未显著提升性能	区分细菌性和真菌性角膜炎	599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者	计算机视觉	角膜炎	深度学习	EfficientNet	图像和临床数据	599名患者
7522	2025-01-31	Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100655 PMID:39866344	研究论文	本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较	Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异	研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限	开发一种能够准确检测OCT扫描中RPD的深度学习模型	OCT扫描中的网状假性玻璃膜疣（RPD）	计算机视觉	老年性黄斑变性	半监督学习（SSL）	3D深度学习网络	OCT扫描图像	476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据）
7523	2025-01-31	Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100663 PMID:39866345	研究论文	本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物	首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联	样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP	开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测	早产儿视网膜病变（ROP）患者	数字病理学	早产儿视网膜病变	OCT（光学相干断层扫描）	U-Net	图像	33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估
7524	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）
7525	2025-01-31	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	本文介绍了一种名为EyeLiner的深度学习管道，用于通过眼底标志物进行纵向图像配准，以监测慢性眼科疾病的进展	提出了一种基于深度学习的图像配准管道，通过关键点匹配算法有效对齐纵向眼底图像，优于现有的最先进方法	未提及具体局限性	开发一种能够自动对齐纵向眼底图像的工具，以帮助临床医生更好地监测疾病进展	眼底图像	计算机视觉	眼科疾病	深度学习	卷积神经网络（CNN）和基于Transformer的算法	图像	三个纵向数据集：FIRE、SIGF和CORIS
7526	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA
7527	2025-01-31	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本文开发了一种基于深度学习的端到端工作流程，用于使用术前基本结构多参数磁共振图像（Bas-mpMRI）预测胶质母细胞瘤（GBM）患者的总体生存期（OS）	提出了一个包含颅骨剥离模型、GBM亚区分割模型和基于集成学习的OS预测模型的端到端工作流程，并利用对比学习进行OS预测	尽管在不同Bas-mpMRI协议下表现良好，但在独立数据集上的AUC仅为0.72，表明模型在外部验证时可能存在一定的局限性	开发一种自动化、准确的早期生存预测方法，以辅助GBM患者的及时治疗决策	胶质母细胞瘤（GBM）患者	数字病理学	胶质母细胞瘤	深度学习	集成学习模型	多参数磁共振图像（Bas-mpMRI）	235名患者（来自MICCAI BraTS 2020挑战赛的多机构公共数据集）和19名GBM患者（来自5次SRS临床试验的机构数据集）
7528	2025-01-31	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	本文提出了一种名为ItpCtrl-AI的端到端可解释和可控的人工智能框架，旨在模拟放射科医生的决策过程，通过模拟放射科医生的眼动模式来生成注意力热图，并用于诊断医学影像中的发现	提出了一种新的端到端可解释和可控的AI框架，通过模拟放射科医生的眼动模式生成注意力热图，并允许用户进行方向性输入，从而增强模型的可解释性和可控性	NA	解决深度学习在计算机辅助诊断系统中缺乏可解释性的问题，提高诊断的准确性和透明度	放射科医生的决策过程和医学影像中的发现	计算机视觉	NA	深度学习	端到端可解释和可控的AI框架	医学影像和眼动数据	创建了一个名为Diagnosed-Gaze++的数据集，包含医学发现与眼动数据的对齐
7529	2025-01-31	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了TransformerLSR，一种基于Transformer的深度建模和推理框架，用于同时联合建模纵向数据、生存数据和复发事件	TransformerLSR首次将深度时间点过程整合到联合建模框架中，处理复发和终止事件作为两个竞争过程，并引入了新的轨迹表示和模型架构以整合已知的潜在结构	当前方法仅处理定期观察时间的纵向测量和生存事件的联合建模，忽略了复发事件	开发一个灵活的框架来联合建模纵向测量、复发事件和生存数据，同时考虑它们的依赖关系	肾移植后的患者	机器学习	NA	深度时间点过程	Transformer	纵向数据、生存数据、复发事件数据	NA
7530	2025-01-31	ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification 2025-Feb-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.12.023 PMID:39705887	研究论文	本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率	提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程	NA	提高垃圾图像分类的准确性和效率，以优化废物管理策略	有机和可回收废物的图像	计算机视觉	NA	深度学习	ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18	图像	24,705张图像，分为有机和可回收两类
7531	2025-01-31	ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102281 PMID:39799749	研究论文	本文开发并验证了一种名为ConvXGB的深度学习模型，用于预测宫颈癌患者术后复发风险	结合卷积神经网络（CNN）和极端梯度提升（XGBoost）开发了新的深度学习模型ConvXGB，用于预测宫颈癌术后复发风险	NA	开发并验证一种深度学习模型，用于预测宫颈癌患者术后复发风险	406名宫颈癌患者的临床病理数据和多参数MRI图像	数字病理学	宫颈癌	多参数MRI	CNN, XGBoost	图像	406名宫颈癌患者
7532	2025-01-31	A deep learning framework for in silico screening of anticancer drugs at the single-cell level 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae451 PMID:39872221	研究论文	本文介绍了一个名为Shennong的深度学习框架，用于在单细胞水平上进行抗癌药物的计算机筛选	利用泛癌和泛组织单细胞转录组数据揭示恶性细胞、癌前细胞以及癌症相关基质和内皮细胞的异质性表达模式，并开发了Shennong框架进行药物筛选	未提及具体的数据集大小和模型验证的局限性	提高抗癌药物筛选的准确性和效率，加速药物发现过程	恶性细胞、癌前细胞、癌症相关基质和内皮细胞	数字病理学	癌症	单细胞RNA测序（scRNA-seq）	深度学习	单细胞转录组数据	未提及具体样本数量
7533	2025-01-14	A CNN-based self-supervised learning framework for small-sample near-infrared spectroscopy classification 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01970a PMID:39803715	研究论文	本文提出了一种基于卷积神经网络（CNN）的自监督学习框架，用于小样本近红外光谱分类	提出了一种自监督学习框架，能够在少量标记数据的情况下提高光谱分析的性能	需要大量伪标记数据进行预训练，可能在实际应用中受到数据获取的限制	提高小样本近红外光谱分类的准确性	三种茶叶品种的光谱数据	机器学习	NA	近红外光谱分析	CNN	光谱数据	自收集的三种茶叶品种数据集及三个公共数据集
7534	2025-01-31	Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization 2025-Jan-30, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c05276 PMID:39809573	研究论文	本文介绍了一种名为Kin-SiM的深度学习框架，用于自动化单分子荧光共振能量转移（smFRET）轨迹的理想化处理	使用预训练的LSTM神经网络来自动化smFRET轨迹的理想化，无需用户输入马尔可夫假设，减少了手动干预和偏差风险	需要大量的模拟数据进行预训练，且在实际应用中可能面临数据不足的问题	开发一种自动化工具来分析和理想化smFRET时间轨迹，以揭示生物分子的动态变化	单分子荧光共振能量转移（smFRET）时间轨迹	机器学习	NA	smFRET	LSTM	时间序列数据	基准smFRET数据集
7535	2025-01-31	Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map 2025-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adabea PMID:39832385	研究论文	本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响	提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题	未提及具体的数据集大小和多样性，可能影响结果的普适性	提高角膜地形图分类的深度学习模型性能	角膜地形图	计算机视觉	NA	生成对抗网络（GAN）、特定生成模型	卷积神经网络（CNN）	图像	NA
7536	2025-01-31	A novel spectroscopy-deep learning approach for aqueous multi-heavy metal detection 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01200c PMID:39775679	研究论文	本文提出了一种结合光谱技术和深度学习的新方法，用于水体中多种重金属的快速检测	开发了一种新的数字光谱成像系统，并利用深度卷积神经网络（ResNet-50、Inception V1和SqueezeNet V1.1）构建了一个端到端的回归模型，用于预测混合水样中的重金属浓度	需要大量的光谱数据来训练AI模型，传统方法难以快速提供这些数据	开发一种高效的方法，用于复杂水环境中重金属的快速检测	混合水样中的重金属（砷、铬、铜）	机器学习	NA	光谱技术	ResNet-50, Inception V1, SqueezeNet V1.1	光谱数据	3000个混合重金属样本的光谱数据
7537	2025-01-31	An explainable transformer model integrating PET and tabular data for histologic grading and prognosis of follicular lymphoma: a multi-institutional digital biopsy study 2025-Jan-30, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07090-9 PMID:39883138	研究论文	本研究开发了一种可解释的多模态融合Transformer模型，用于非侵入性识别滤泡性淋巴瘤（FL）的分级和预后	创新点在于开发了一种结合3D PET肿瘤图像和表格数据的多模态融合Transformer模型，并配备了可解释模块，增强了临床可解释性和可靠性	研究为回顾性研究，可能存在选择偏倚，且样本量相对较小	开发一种深度学习模型，用于非侵入性识别滤泡性淋巴瘤的分级和预后	滤泡性淋巴瘤患者	数字病理学	滤泡性淋巴瘤	深度学习	Transformer	3D PET图像和表格数据	513名滤泡性淋巴瘤患者，来自五个独立的医院中心
7538	2025-01-31	Multiparametric MRI-based machine learning system of molecular subgroups and prognosis in medulloblastoma 2025-Jan-30, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11385-8 PMID:39883158	研究论文	本文旨在利用人工智能准确识别髓母细胞瘤的分子亚群，预测临床结果，并将基于深度学习的影像特征整合到风险分层中	提出了一种名为Bi-ResNet-MB的新型多参数卷积神经网络，用于提取髓母细胞瘤的MRI特征，并建立了一个基于XGBoost的预后模型，以及一个基于M2R评分的新型风险分层系统	研究样本量相对较小，且仅在北京天坛医院进行，可能限制了结果的普遍性	识别髓母细胞瘤的分子亚群并预测临床结果，整合深度学习影像特征进行风险分层	髓母细胞瘤患者	数字病理学	髓母细胞瘤	MRI	CNN, XGBoost	图像	139名髓母细胞瘤患者（36名女性，平均年龄7.27±3.62岁），独立验证数据集包含108名患者（33名女性，平均年龄7.11±2.92岁）
7539	2024-12-15	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	研究论文	本研究探讨了将全息显微医学成像与深度学习技术结合用于癌症诊断的新方法	提出了一种结合定量相位成像（QPI）和深度学习（DL）的新方法，解决了传统成像技术无法捕捉详细结构信息的局限性	研究中提到了集成全息成像和深度学习方法所面临的挑战，但未详细说明具体的限制	探索全息显微成像与深度学习技术结合在癌症诊断中的潜力，并提出未来研究方向	癌症诊断中的组织样本和全息图像	计算机视觉	NA	全息显微成像，深度学习	U-Net，Vision Transformer（ViT）	图像	未具体说明样本数量
7540	2025-01-31	EEG-derived brainwave patterns for depression diagnosis via hybrid machine learning and deep learning frameworks 2025-Jan-29, Applied neuropsychology. Adult DOI:10.1080/23279095.2025.2457999 PMID:39879638	研究论文	本文开发了基于脑电图（EEG）信号的机器学习和深度学习技术，用于抑郁症的诊断	结合机器学习和深度学习框架，利用EEG信号进行抑郁症诊断，并在不同条件下测试了三种分类器的性能	样本量较小，仅包含34名抑郁症患者和30名健康受试者	开发基于EEG信号的机器学习和深度学习技术，用于抑郁症的早期诊断	34名抑郁症患者和30名健康受试者的EEG信号	机器学习	抑郁症	EEG信号分析	1DCNN, SVM, LR	EEG信号	64名受试者（34名抑郁症患者和30名健康受试者）