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
8241	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
8242	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
8243	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
8244	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
8245	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
8246	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
8247	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）
8248	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
8249	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）
8250	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
8251	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
8252	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
8253	2025-02-14	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能模型预测的视野指标的临床决策支持工具的接受度和使用情况	更新并评估了一种集成人工智能预测视野指标的临床决策支持工具，并首次系统性地评估了临床医生对该工具的信任度和实用性	样本量较小，仅涉及10名眼科医生和验光师，且系统可用性评分仅为43百分位数	评估临床医生对集成人工智能预测视野指标的临床决策支持工具的接受度和使用情况	眼科医生和验光师	数字病理学	青光眼	人工智能模型	NA	视野指标	10名眼科医生和验光师，6名患者的11只眼睛
8254	2025-02-14	Deep Learning Estimation of 10-2 Visual Field Map Based on Circumpapillary Retinal Nerve Fiber Layer Thickness Measurements 2023-02, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2022.10.013 PMID:36328198	研究论文	本研究利用卷积神经网络（CNN）从光谱域光学相干断层扫描（SD-OCT）视网膜神经纤维层厚度（RNFL）测量中估计青光眼患者的中央10度视野（VF）图	提出了一种基于全区域（CNNA）和时间区域（CNNT）RNFL厚度信息的卷积神经网络模型，用于估计10-2 VF图的68个个体敏感度阈值，显著优于线性回归模型	研究仅基于SD-OCT扫描和10-2 VF对，未涉及其他类型的影像数据或更大规模的多中心数据	通过人工智能方法改进青光眼患者中央10度视野图的估计，以个性化中央视野评估的频率并优化资源分配	724名健康患者、疑似青光眼患者和青光眼患者的1365只眼睛的5352次SD-OCT扫描和10-2 VF对	计算机视觉	青光眼	光谱域光学相干断层扫描（SD-OCT）	卷积神经网络（CNN）	图像	5352次SD-OCT扫描和10-2 VF对，来自1365只眼睛
8255	2025-02-14	A novel ensemble-based statistical approach to estimate daily wildfire-specific PM2.5 in California (2006-2020) 2023-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2022.107719 PMID:36592523	研究论文	本文提出了一种基于集成模型的统计方法，用于估计加利福尼亚州每日特定于野火的PM2.5浓度（2006-2020年）	首次应用一套统计模型，利用易于获取的数据集，在15年期间提供精细空间尺度的每日特定于野火的PM2.5浓度	模型依赖于政府运营的监测站数据，这些监测站分布稀疏，可能遗漏某些地区和潜在脆弱人群	估计特定于野火的PM2.5浓度，以支持流行病学研究	加利福尼亚州的PM2.5浓度	机器学习	NA	集成模型	梯度提升机、随机森林、深度学习	卫星气溶胶属性、气象变量	15年（2006-2020年）的每日数据
8256	2025-02-14	Monkeypox genome mutation analysis using a timeseries model based on long short-term memory 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290045 PMID:37611023	研究论文	本研究使用基于长短期记忆（LSTM）的时间序列模型分析猴痘病毒基因组突变率，并与门控循环单元（GRU）模型进行比较	首次使用深度学习模型预测猴痘病毒基因组突变率，并提供了关于猴痘基因突变的新报告	数据集的大小和可用性可能限制了模型的泛化能力	分析猴痘病毒的基因突变率，并预测未来的突变趋势	猴痘病毒基因组	机器学习	猴痘	LSTM, GRU	LSTM, GRU	基因组数据	来自NCBI的最新猴痘数据集，包括加拿大、德国和世界其他地区的样本
8257	2025-02-14	Resting state network mapping in individuals using deep learning 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.1055437 PMID:36712434	研究论文	本文介绍了一种使用深度3D卷积神经网络（3DCNN）进行静息态网络（RSN）体素映射的新方法	使用深度3D卷积神经网络进行RSN体素映射，能够在个体水平上生成RSN定位图，且对噪声数据和较少的RS-fMRI时间点具有高度抵抗力	需要大量高质量数据进行训练，这在临床或研究环境中并不总是可用	开发一种能够在个体水平上生成静息态网络定位图的方法，以支持临床应用	健康参与者（n = 2010）的静息态功能MRI数据	计算机视觉	NA	功能MRI（RS-fMRI）	3D卷积神经网络（3DCNN）	图像	2010名健康参与者
8258	2025-02-13	A comprehensive hog plum leaf disease dataset for enhanced detection and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111311 PMID:39931093	研究论文	本文介绍了一个全面的Hog plum叶片病害数据集，旨在增强病害的检测和分类	创建了一个全面的Hog plum叶片病害数据集，并通过数据增强技术扩展了数据集，提高了深度学习模型的训练效果	数据集仅包含来自孟加拉国不同地区的图像，可能无法完全代表其他地区的病害情况	开发一个用于早期检测和分类Hog plum叶片病害的机器学习模型，以减少对人工检查的依赖	Hog plum叶片病害	计算机视觉	植物病害	数据增强技术（翻转、旋转、缩放、平移、裁剪、添加噪声、调整亮度、调整对比度、缩放）	深度学习模型	图像	原始数据集包含3782张图像，通过数据增强扩展到20000张图像
8259	2025-02-13	Active learning for extracting rare adverse events from electronic health records: A study in pediatric cardiology 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105761 PMID:39689449	研究论文	本文研究了如何从电子健康记录中自动化提取罕见的不良事件，特别是在儿科心脏病学领域	使用主动学习过程来注释数据，并训练深度学习文本分类器以准确识别经历过严重不良事件的患者	由于不良事件的罕见性，初始预筛选步骤获得的数据集不平衡，包含大量假阳性	自动化从电子病历文本中提取与心脏导管插入术相关的不良事件	因心脏导管插入术住院的患者的电子健康记录	自然语言处理	心血管疾病	主动学习，深度学习	深度学习文本分类器	文本	2,980名患者
8260	2025-02-13	Deep Imbalanced Regression Model for Predicting Refractive Error from Retinal Photos 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100659 PMID:39931359	研究论文	本研究旨在通过整合深度不平衡回归（DIR）技术到ResNet和Vision Transformer模型中，从视网膜照片预测屈光不正	首次将深度不平衡回归（DIR）技术整合到ResNet和Vision Transformer模型中，以解决数据集不平衡问题，并进行了外部验证	研究为回顾性研究，可能存在选择偏差	预测屈光不正	视网膜照片	计算机视觉	眼科疾病	深度不平衡回归（DIR）	ResNet34, SwinV2 (Swin Transformer)	图像	总计124,514张视网膜图像（新加坡眼病流行病学研究、英国生物银行、新加坡前瞻性研究和北京眼研究）