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
7601	2025-02-02	Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445325 PMID:39371344	研究论文	本研究利用ADNI和OASIS数据集，通过深度学习模型检测阿尔茨海默病（AD）和轻度认知障碍（MCI）	采用迁移学习技术提升模型性能，利用预训练数据集改进AD和MCI的检测	研究依赖于特定数据集（ADNI和OASIS），可能限制了模型的泛化能力	开发有效的深度学习模型以检测阿尔茨海默病和轻度认知障碍	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	数字病理学	老年疾病	磁共振成像（MRI）	DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152	图像	ADNI和OASIS数据集中的MRI数据
7602	2025-02-02	Sex differences in brain MRI using deep learning toward fairer healthcare outcomes 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1452457 PMID:39606583	研究论文	本研究利用深度学习分析脑部MRI数据中的性别差异，旨在推动医学影像中的公平性	通过深度学习模型分析脑部MRI数据中的性别差异，并利用显著性图识别性别区分的重要脑区，为开发基于性别的偏见缓解策略提供见解	模型在极端脑部大小时表现出偏见，且未使用颅内总体积（TIV）调整技术	分析脑部MRI数据中的性别差异，推动医学影像中的公平性	脑部MRI数据	医学影像	NA	3D T1加权磁共振成像	卷积神经网络（CNN）	图像	来自四个不同数据集的脑部MRI数据，包括Calgary-Campinas-359、OASIS-3、阿尔茨海默病神经影像倡议和剑桥老龄化与神经科学中心
7603	2025-02-02	Ordinal Classification with Distance Regularization for Robust Brain Age Prediction 2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv57701.2024.00770 PMID:38606366	研究论文	本文提出了一种新的基于深度学习的分类方法，用于从磁共振成像（MRI）扫描中预测大脑年龄，以解决现有回归方法中的系统偏差问题	提出了一种新的ORdinal Distance Encoded Regularization (ORDER)损失函数，该函数结合了年龄标签的顺序信息，增强了模型捕捉年龄相关模式的能力	虽然该方法在减少系统偏差方面表现出色，但其在更广泛临床数据集上的泛化能力仍需进一步验证	通过改进大脑年龄预测方法，提高其在阿尔茨海默病（AD）早期检测和风险评估中的可靠性	大脑年龄预测	计算机视觉	阿尔茨海默病	深度学习	深度学习模型	磁共振成像（MRI）扫描	未明确提及具体样本数量，但使用了独立的AD数据集进行验证
7604	2025-02-02	Multi-Head Graph Convolutional Network for Structural Connectome Classification 2024, Graphs in biomedical image analysis, and overlapped cell on tissue dataset for histopathology : 5th MICCAI Workshop, GRAIL 2023 and 1st MICCAI Challenge, OCELOT 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, Septembe... DOI:10.1007/978-3-031-55088-1_3 PMID:38665679	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7605	2025-02-02	Near-lifespan longitudinal tracking of brain microvascular morphology, topology, and flow in male mice 2023-05-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38609-z PMID:37221202	研究论文	本文介绍了一套方法，用于在超过七个月的时间内测量小鼠大脑血管的动态和解剖结构，利用光学相干断层扫描（OCT）和深度学习图像处理算法的进步	开发了一种能够在同一视野内长期跟踪大脑微血管形态、拓扑和血流的方法，结合了OCT和深度学习技术	研究仅限于雄性小鼠，未涉及雌性或其他模型系统	研究目的是开发一种能够长期跟踪大脑微血管变化的技术，以研究年龄相关的神经退行性疾病和正常衰老过程中的血管变化	雄性小鼠（包括野生型和3xTg模型）	数字病理学	老年疾病	光学相干断层扫描（OCT），深度学习图像处理算法	深度学习	图像	未明确提及具体样本数量，但涉及野生型和3xTg雄性小鼠
7606	2025-02-02	Digital staining facilitates biomedical microscopy 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1243663 PMID:37564725	研究论文	本文探讨了使用深度学习技术进行数字染色以简化生物医学显微镜中的染色过程	提出了使用深度学习技术进行虚拟染色的方法，避免了传统染色方法的耗时、费力、昂贵和样本损伤等问题	未提及具体的技术局限或实验结果的限制	旨在改进生物医学显微镜中的样本制备和成像过程	生物样本的显微镜成像	数字病理学	NA	深度学习	神经网络	图像	NA
7607	2024-11-24	[Ecological sustainability of deep learning in pathology : A modeling study] 2025-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-024-01382-x PMID:39578266	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7608	2025-02-01	Development of multistage crop yield estimation model using machine learning and deep learning techniques 2025-Feb, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02829-9 PMID:39643782	研究论文	本研究应用机器学习和深度学习技术，基于多元气象时间序列数据，开发了用于估计旁遮普五个地区小麦产量的多阶段模型	创新点在于结合了多种机器学习模型（SMLR、ANN、SVR、RF和DNN）和多阶段作物生长数据，进行小麦产量估计	研究仅限于旁遮普五个地区的小麦产量估计，可能无法直接推广到其他地区或作物	研究目的是开发一个多阶段小麦产量估计模型，以提高产量预测的准确性	研究对象是旁遮普五个地区的小麦产量和气象数据	机器学习	NA	多元气象时间序列数据分析	SMLR, ANN, SVR, RF, DNN	时间序列数据	34年的小麦产量和气象数据
7609	2025-02-01	Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109498 PMID:39662319	研究论文	本研究通过多模态成像和深度多模态信息融合，改进基于AI的口腔癌细胞学检测	引入荧光成像和多模态信息融合策略，提升细胞学样本的诊断信息量和分类性能	详细的细胞级注释不可行，限制了模型性能的评估和结果解释	改进基于AI的口腔癌早期检测方法	健康人群和癌症患者的刷检细胞学样本	数字病理学	口腔癌	多模态成像（亮场和荧光显微镜成像）	弱监督深度学习，Co-Attention Fusion Network (CAFNet)	图像	健康人群和癌症患者的刷检细胞学样本
7610	2025-02-01	Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients 2025-Feb, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2024.10.048 PMID:39788817	研究论文	本文开发了一种无监督深度学习模型，用于识别和验证手术和重症患者中的低血压内型	使用无监督深度学习算法结合高斯混合模型，首次在手术和重症患者中识别出四种低血压内型	研究依赖于特定的生理参数，可能不适用于所有低血压患者	识别和验证手术和重症患者中的低血压内型，以指导临床治疗	手术和重症患者	机器学习	低血压	无监督深度学习	自编码器模型结合高斯混合模型	生理参数数据	开发数据集包括871名手术患者的6962次低血压事件，验证数据集包括1000名手术患者的7904次低血压事件和1000名重症患者的53821次低血压事件
7611	2025-02-01	Predicting the Price of Molecules Using Their Predicted Synthetic Pathways 2025-Feb, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400039 PMID:39887833	研究论文	本文介绍了一种名为RetroPriceNet的深度学习模型，用于通过预测的合成路径来预测分子的价格	首次提出了一种考虑起始材料的可用性和价格来估算新型虚拟分子价格的函数	未提及具体的局限性	研究目的是通过预测分子的合成路径来预测其价格，以加速与成本相关的决策过程	虚拟分子及其合成路径	机器学习	NA	深度学习	RetroPriceNet	分子数据	未提及具体样本数量
7612	2025-02-01	Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing 2025-Jan-31, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400321 PMID:39888246	观点文章	本文探讨了在宏蛋白质组学中，从头测序技术的演变、优势、局限性和未来机遇	本文强调了从头测序技术在检测未测序物种和提供微生物群落功能洞察方面的潜力，并介绍了从手动注释到基于图、标签和深度学习的先进方法的演变	从头测序技术仍面临复杂微生物组分析中的挑战，且依赖于现有的蛋白质数据库可能限制了其应用	探讨从头测序在宏蛋白质组学中的应用及其对微生物群落研究的贡献	微生物群落蛋白质	宏蛋白质组学	NA	从头测序	基于图、标签和深度学习的方法	质谱数据	NA
7613	2025-02-01	Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification 2025-Jan-31, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24792 PMID:39888306	研究论文	本文提出了一种改进的集成卷积神经网络方法，用于皮肤癌的分类和诊断	结合随机猫群优化算法（CSO）和集成卷积神经网络（RCS-ECNN），提出了一种新的皮肤癌分类方法	未提及具体局限性	优化皮肤癌的诊断方法，提高分类准确性	皮肤癌的不同阶段	计算机视觉	皮肤癌	深度学习	集成卷积神经网络（RCS-ECNN）、深度神经网络（DNN）、Keras DNN（KDNN）	图像	HAM10000和ISIC数据集
7614	2025-02-01	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jan-31, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	研究论文	本文提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动，以改善健康结果和增加独立性	本文的创新点在于使用深度学习技术对人群行为进行建模，并检测显著偏差（即异常），同时考虑了全部日常活动（41种）	当前方法仅考虑了有限的日常活动，并未结合个体数据	研究目的是通过智能家居技术远程监测老年人的健康和福祉	研究对象为老年人的日常活动	机器学习	老年疾病	深度学习	RNN（循环神经网络）	日常活动数据	涉及41种日常活动
7615	2025-02-01	Deep learning MRI models for the differential diagnosis of tumefactive demyelination versus IDH-wildtype glioblastoma 2025-Jan-30, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文探讨了使用深度学习模型基于MRI图像区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤的诊断方法	首次应用3D DenseNet121架构结合T1C和T2 MRI图像进行肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤的鉴别诊断	需要进一步验证模型在不同机构、患者群体和技术间的泛化能力，并评估最佳分类阈值	开发非侵入性方法以准确诊断脑部病变，优化治疗方案并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（n=144）和IDH野生型胶质母细胞瘤患者（n=455）	数字病理学	脑部疾病	深度学习	3D DenseNet121	MRI图像	599名患者（144名肿瘤性脱髓鞘患者和455名IDH野生型胶质母细胞瘤患者）
7616	2025-02-01	Bayesian deep learning applied to diabetic retinopathy with uncertainty quantification 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41802 PMID:39882466	研究论文	本文提出了一种基于贝叶斯深度学习的糖尿病视网膜病变分类方法，并通过不确定性量化提高了诊断的准确性和可靠性	使用贝叶斯卷积神经网络（CNN）结合变分推断（VI）和蒙特卡洛dropout（MC-dropout）方法，量化模型预测的不确定性	未提及具体局限性	提高糖尿病视网膜病变分类的准确性和可靠性	糖尿病视网膜病变（DR）	医学影像分析	糖尿病视网膜病变	贝叶斯深度学习	CNN, BCNN-VI, BCNN-MC-dropout	图像	APTOS 2019和Messidor-2两个基准数据集
7617	2025-02-01	Predictors and Implications of Myocardial Injury in Intracerebral Hemorrhage 2025-Jan-30, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01498-4 PMID:39884976	研究论文	本研究旨在评估脑出血（ICH）患者中心肌损伤的频率、预测因素及其影响	首次系统性地研究了脑出血患者中心肌损伤的发生及其与预后的关系，特别是通过深度学习算法对3D脑扫描进行定量分析	研究为回顾性分析，可能存在选择偏倚，且样本量相对较小	评估脑出血患者中心肌损伤的频率、预测因素及其对预后的影响	322名脑出血患者	数字病理学	脑出血	深度学习算法、Voxel-based Lesion-Symptom Mapping (VLSM)	深度学习算法	3D脑扫描图像	322名脑出血患者
7618	2025-02-01	Automatic Identification of Adenoid Hypertrophy via Ensemble Deep Learning Models Employing X-ray Adenoid Images 2025-Jan-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01423-8 PMID:39885079	研究论文	本研究采用集成深度学习方法，通过X射线腺样体图像自动识别腺样体肥大	使用集成深度学习模型对腺样体肥大进行分类，并比较了不同卷积神经网络模型在掩码和非掩码X射线图像上的性能	研究仅使用了来自单一医院的数据集，可能限制了模型的泛化能力	优化深度学习模型用于医学图像分类，特别是腺样体肥大的自动检测	腺样体肥大的X射线图像	计算机视觉	腺样体肥大	深度学习	CNN（包括EfficientNet, MobileNet, ResNet50, ResNet152, VGG16, Xception）	图像	来自Batman Training and Research Hospital的X射线图像数据集
7619	2025-02-01	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-Jan-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	本文提出了一种新颖的多层次感知边界引导网络（PBNet），用于从超声图像中准确分割乳腺肿瘤，特别是针对与正常组织强度相似的肿瘤边界	提出了多层次全局感知模块（MGPM）和边界引导模块（BGM），通过融合多层次语义信息和边界引导特征，提高了非增强病变的分割精度	虽然PBNet在分割性能上显著优于现有方法，但效果大小较小（小于0.2），表明改进的幅度有限	提高超声图像中乳腺肿瘤的自动分割精度，特别是针对边界模糊的肿瘤	乳腺肿瘤	计算机视觉	乳腺癌	深度学习	PBNet（多层次感知边界引导网络）	超声图像	两个数据集：公开数据集BUSI（780张图像）和内部数据集（995张图像）
7620	2025-02-01	Deep Learning for Staging Periodontitis Using Panoramic Radiographs 2025-Jan-30, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15269 PMID:39888112	研究论文	本研究利用深度学习技术，通过全景X光片自动标注解剖结构并分类牙周炎的放射骨丢失阶段	采用深度学习模型自动标注解剖结构并分类牙周炎的放射骨丢失阶段，提高了诊断和分类的效率	模型在预测与真实值差异为10像素时的mAP为0.88，仍有改进空间	提高牙周炎诊断和分类的效率	558张全景X光片，裁剪为7359颗单独牙齿的图像	计算机视觉	牙周炎	深度学习	目标检测模型	图像	558张全景X光片，裁剪为7359颗单独牙齿的图像