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
8321	2025-02-03	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	本文验证了一种基于深度学习的算法，用于自动分割新生血管性年龄相关性黄斑变性（nAMD）中的视网膜内液（IRF）、视网膜下液（SRF）和新生血管性色素上皮脱离（nPED）	开发并验证了一种深度学习算法，能够自动分割nAMD中的关键OCT特征，性能接近人工分级	样本量较小，仅包括50名患者的50只眼睛	验证深度学习算法在nAMD中自动分割关键OCT特征的准确性	新生血管性年龄相关性黄斑变性（nAMD）患者的光学相干断层扫描（OCT）数据	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习	图像	50名患者的50只眼睛
8322	2025-02-03	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	本文评估了用于糖尿病视网膜病变（DR）的公开数据集中图像质量评估（IQA）及其质量标准	强调了自动化质量评估作为手动标注的有效替代方案，并建议根据人群特征、临床用途和研究目的建立质量标准	数据集中的质量标准和相关信息获取存在不一致和困难	评估糖尿病视网膜病变数据集的图像质量评估及其质量标准	糖尿病视网膜病变的公开数据集	数字病理学	糖尿病视网膜病变	NA	深度学习（DL）	图像	20个数据集
8323	2025-02-03	Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure 2024-Feb, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.07.014 PMID:37768241	研究论文	本研究探讨了身体成分、冠状动脉微血管功能障碍（CMD）与未来心血管事件（包括心力衰竭）风险之间的关系	使用深度学习模型进行身体成分分析，揭示了CMD与骨骼肌（SM）、皮下脂肪组织（SAT）和内脏脂肪组织（VAT）之间的关系及其对不良预后的贡献	研究样本主要为女性，且样本量相对较小（n=400），可能限制了结果的普遍性	研究CMD与身体成分之间的关系，并评估其对心血管事件风险的贡献	接受冠状动脉疾病评估的患者	数字病理学	心血管疾病	深度学习模型、心脏应激正电子发射断层扫描（PET）、腹部计算机断层扫描（CT）	深度学习模型	图像	400名患者
8324	2025-02-03	Deep learning enables the discovery of a novel cuproptosis-inducing molecule for the inhibition of hepatocellular carcinoma 2024-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-023-01167-7 PMID:37803139	研究论文	本文利用深度学习技术从ZINC15药物库中筛选出具有抗肝癌活性的新型化合物LGOd1，并揭示其通过干扰细胞铜稳态诱导铜死亡的新机制	首次发现具有LGO骨架的新型化合物LGOd1，其通过不同于传统铜离子载体的机制诱导铜死亡，为肝癌治疗提供了新的潜在药物	未提及具体临床前或临床试验数据，需进一步验证LGOd1的体内疗效和安全性	发现新型抗肝癌化合物并揭示其作用机制	肝癌细胞	机器学习	肝癌	深度学习	化学表示模型	化学化合物数据	超过600万种化合物
8325	2025-02-03	A Deep Learning-Based Radiomic Classifier for Usual Interstitial Pneumonia 2024-Feb, Chest IF:9.5Q1 DOI:10.1016/j.chest.2023.10.012 PMID:37844797	研究论文	本文开发了一种基于深度学习的放射组学分类器，用于通过胸部CT扫描诊断普通型间质性肺炎（UIP）	利用卷积神经网络（CNN）从CT扫描中学习UIP的离散特征，并结合线性支持向量机进行预测，展示了在广泛UIP患病率下的良好测试性能	研究为回顾性队列研究，可能存在选择偏倚，且需要进一步验证在更广泛人群中的适用性	开发一种基于深度学习的工具，用于标准化CT扫描解释，以诊断普通型间质性肺炎（UIP）	患有和未患有间质性肺病（ILD）的个体的胸部CT扫描	计算机视觉	间质性肺病	深度学习	卷积神经网络（CNN）	图像	共2,907例胸部CT扫描，包括训练集（n=1,934）、验证集（n=408）和性能测试集（n=565）
8326	2025-02-03	Movienet: Deep space-time-coil reconstruction network without k-space data consistency for fast motion-resolved 4D MRI 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29892 PMID:37849064	研究论文	本文提出了一种名为Movienet的深度学习新方法，用于4D-MRI重建，通过利用空间-时间-线圈相关性和运动保留而非k空间数据一致性，加速黄金角度径向数据的采集，并实现动态MRI中的亚秒级重建时间	Movienet采用U-net架构，通过修改的残差学习块在图像域中完全操作，以去除混叠伪影并重建无混叠的运动分辨4D图像，同时通过线性运动顺序排序输入图像和参考图像来强制运动保留	NA	开发一种新的深度学习方法来加速4D-MRI的重建，以在临床环境中实现快速运动抵抗的3D解剖成像或运动分辨的4D成像	腹部肿瘤的运动分辨4D MRI和运动抵抗3D MRI	医学影像	腹部肿瘤	深度学习	U-net	MRI图像	在1.5T MR-Linac和3T MRI扫描仪上进行了演示
8327	2025-02-03	Investigating pulse-echo sound speed estimation in breast ultrasound with deep learning 2024-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2023.107179 PMID:37939413	研究论文	本文提出了一种基于深度学习的监督学习方法，用于从分析超声信号中估计声速，以提高乳腺超声图像的质量和疾病识别能力	提出了一种新的深度学习方法来估计乳腺超声中的声速，通过模拟数据集训练全卷积神经网络，生成估计的声速图	模型主要基于模拟数据进行训练，尽管在模拟、幻影和体内乳腺超声数据上进行了评估，但在真实临床数据上的表现仍需进一步验证	提高乳腺超声图像的质量和疾病识别能力	乳腺组织，包括腺体组织、脂肪和病变	计算机视觉	乳腺癌	深度学习	全卷积神经网络	超声信号	大规模模拟超声数据集，包括模拟乳腺组织样本、幻影和体内乳腺超声数据
8328	2025-02-03	Magnetic Resonance Imaging-Based Assessment of Pancreatic Fat Strongly Correlates With Histology-Based Assessment of Pancreas Composition 2024-Feb-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002288 PMID:38194643	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8329	2025-02-02	The influence of a deep learning tool on the performance of oral and maxillofacial radiologists in the detection of apical radiolucencies 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae054 PMID:39656660	研究论文	本研究评估了深度学习模型对口腔放射科医生在检测根尖周透亮区方面的影响，并分析了经验、诊断时间和专业对诊断结果的影响	首次评估了深度学习模型在口腔放射科医生检测根尖周透亮区中的实际应用效果，并分析了影响诊断结果的关键因素	样本量较小（68张影像），且仅使用了深度学习模型的测试版，可能影响结果的普遍性	评估深度学习模型对口腔放射科医生检测根尖周透亮区的影响，并分析影响诊断结果的因素	口腔放射科医生和68张根尖周X光片	数字病理	口腔疾病	深度学习	深度学习模型（Denti.AI）	影像	68张根尖周X光片
8330	2025-02-02	On-chip deep residual photonic neural networks using optical-electrical shortcut connections 2025-Feb-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549158 PMID:39888773	研究论文	本文提出了一种片上深度残差光子神经网络架构（Res-PNN），通过使用光电快捷连接来解决深度光子神经网络训练中的梯度消失和爆炸问题	提出了光电快捷连接的设计，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入和输出，从而稳定训练更深的PNN	未提及具体硬件实现的复杂性和成本问题	解决深度光子神经网络训练中的梯度消失和爆炸问题，提升分类准确率	片上光子神经网络	机器学习	NA	光电快捷连接	Res-PNN	图像	CIFAR-10和CIFAR-100数据集
8331	2025-02-02	Multi-modal framework for battery state of health evaluation using open-source electric vehicle data 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56485-7 PMID:39880811	研究论文	本文提出了一种基于深度学习的多模态框架，用于利用开源电动汽车数据进行电池健康状态评估	提出了一个深度学习驱动的多模态框架，能够有效利用历史车辆数据进行电池健康状态评估，并公开了300辆电动汽车的现场数据以促进进一步研究	研究依赖于特定数据集，可能限制了模型的泛化能力	开发高效、准确且成本效益高的电池健康状态评估方法，以提升电动汽车电池管理系统的性能	300辆不同类型的电动汽车的运营数据	机器学习	NA	深度学习	多模态框架	运营数据	300辆电动汽车的三年运营数据
8332	2025-02-02	Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87173-7 PMID:39880865	研究论文	本文提出了一种混合注意力卷积神经网络（HACNN）模型，用于在资源受限设备上进行鳄梨成熟度分类	结合了空间、通道和自注意力模块的混合注意力机制，以增强局部特征并捕捉全局关系，从而进行更全面的特征提取	尽管ShuffleNetV1（1.0x）模型消耗资源最少，但其测试准确率仅为82.89%，不足以满足实际应用需求	提高在资源受限设备上鳄梨成熟度分类的准确性和可行性	鳄梨成熟度分类	计算机视觉	NA	混合注意力机制	HACNN, EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	图像	14,000张图像
8333	2025-02-02	Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis 2025-Jan-29, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06716-8 PMID:39881268	系统综述	本文通过系统综述探讨了创造性项目学习对医学生元认知和知识获取的影响	本文创新性地总结了创造性项目学习在医学教育中的应用及其对学生学习效果的积极影响	研究存在任务要求高、认知和情感强度大、与学生专业身份不匹配等挑战	探讨创造性项目学习对医学生教育成果的影响	医学生	医学教育	NA	系统综述与定性合成	NA	定量、定性及混合方法研究数据	17项研究（2010年至2022年发表）
8334	2025-02-02	Enhancing furcation involvement classification on panoramic radiographs with vision transformers 2025-Jan-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05431-6 PMID:39881302	研究论文	本研究评估了Vision Transformer (ViT)在分类全景X光片中磨牙是否具有分叉受累(FI)方面的性能，并与几种常用的传统深度学习模型进行了比较	首次将Vision Transformer (ViT)应用于全景X光片中的分叉受累分类，并展示了其相较于传统深度学习模型的优越性能	研究仅使用了全景X光片数据，未结合CBCT等更高精度的影像数据	评估Vision Transformer (ViT)在全景X光片中分类磨牙分叉受累的性能	磨牙的分叉受累分类	计算机视觉	牙科疾病	深度学习	Vision Transformer (ViT), Multi-Layer Perceptron (MLP), VGGNet, GoogLeNet	图像	506张全景X光片中的1,568颗牙齿图像
8335	2025-02-02	Deep Learning-Based Identification of Echocardiographic Abnormalities From Electrocardiograms 2025-Jan, JACC. Asia DOI:10.1016/j.jacasi.2024.10.012 PMID:39886205	研究论文	本研究开发了一种深度学习模型，用于从心电图（ECG）全面预测超声心动图检查结果	使用卷积神经网络（CNN）从ECG预测包括左心异常、瓣膜性心脏病和右心异常在内的多种超声心动图检查结果，并通过逻辑回归分析创建了一个综合预测模型	研究未提及模型在不同人群或临床环境中的普适性和稳定性	开发一种深度学习模型，用于从心电图（ECG）全面预测超声心动图检查结果，以辅助早期诊断和治疗未检测到的心脏病	心电图（ECG）和超声心动图数据	机器学习	心血管疾病	卷积神经网络（CNN）和逻辑回归分析	CNN	心电图（ECG）和超声心动图数据	229,439对来自8个中心的ECG和超声心动图数据集
8336	2025-02-02	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	本文提出了一种基于深度学习的数字图像相关测量方法GMDIC，用于复杂大变形位移场的测量	结合了多头注意力Swin-Transformer和高效通道注意力模块ECA，并在特征中添加位置信息以增强特征表示能力	在处理大规模图像数据时，计算复杂度较高，导致处理速度较慢	提高大变形位移场测量的计算精度和速度	散斑图像的位移场	计算机视觉	NA	深度学习	Swin-Transformer, ECA	图像	包含各种类型散斑图像和复杂变形的位移场数据集
8337	2025-02-02	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	本文提出了一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像（MRI）图像	通过改进现有的视觉变换器（ViTs）和结合CatBoost分类器，提出了一种在有限计算资源下进行阿尔茨海默病分类的创新模型	模型的鲁棒性和适用性有待提高，后续研究可以包括遗传和临床数据	开发一种在有限计算资源下对阿尔茨海默病进行分类的模型	阿尔茨海默病	计算机视觉	老年病	MRI	视觉变换器（ViTs）和CatBoost分类器	图像	使用OASIS数据集进行模型泛化
8338	2025-02-02	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8339	2025-02-02	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过使用五种先进的深度学习模型架构，分析了从T1加权脑部MRI扫描中得出的脑年龄差距（BAG）在不同受试者群体中的差异	本研究首次系统地比较了五种深度学习模型在预测脑年龄差距方面的表现，并揭示了不同疾病群体中BAG的显著差异	研究未涉及其他类型的脑部扫描数据，且样本量可能不足以覆盖所有相关疾病群体	探索不同深度学习模型在预测脑年龄差距方面的表现，并分析不同疾病群体中的BAG差异	健康对照组及患有睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病的患者群体	计算机视觉	阿尔茨海默病、多发性硬化症、帕金森病、轻度认知障碍、糖尿病、睡眠呼吸暂停	深度学习	2D/3D VGG、RelationNet、ResNet、SFCN	脑部MRI图像	健康对照组及多种疾病患者群体
8340	2025-02-02	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	本文提出了一种基于分布式条件生成对抗网络（D-APUCGAN）的相位恢复方法，以同时提高相位和幅度图像的重建质量	提出了D-APUCGAN网络，通过引入内容损失函数来约束重建图像与源图像之间的相似性，从而在相位和幅度图像的重建质量上取得了显著提升	未提及具体限制	解决相位恢复问题，提高相位和幅度图像的重建质量	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	分布式条件生成对抗网络（D-APUCGAN）	GAN	图像	DIV2K测试数据集、MNIST数据集和真实数据