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
8341	2025-02-02	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	本文提出了一种创新的深度学习框架，用于同时进行视网膜疾病的分类和视网膜撕裂的分割	开发了一种并行掩码引导的卷积神经网络（PM-CNN）和基于PM-CNN输出的分级激活图（GAM）的V-Net网络（GAM V-Net），用于同时进行视网膜疾病的分类和视网膜撕裂的分割	NA	提高视网膜疾病的诊断和量化能力	视网膜疾病的光学相干断层扫描（OCT）图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	并行掩码引导的卷积神经网络（PM-CNN）和V-Net网络（GAM V-Net）	图像	包含四个公开数据集和一个实时数据集的组合数据集，涵盖11类视网膜疾病
8342	2025-02-02	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种混合CNN-LSTM模型，用于预测中国河北省的流感活动，以提供更精确的流感防控指导	创新点在于结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，构建了一个混合模型，用于流感活动的预测	研究仅基于河北省28家国家哨点医院的数据，可能无法完全代表其他地区的情况	研究目的是开发一个更精确的流感活动预测模型，以支持流感的预防和控制措施	研究对象是河北省的流感样疾病（ILI）率	机器学习	流感	深度学习	CNN-LSTM混合模型	时间序列数据	2010年至2022年河北省28家国家哨点医院的ILI%数据
8343	2025-02-02	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究构建了一个深度学习模型，用于在CT血管造影（CTA）图像上准确分割和检测脑动脉瘤，并与放射学报告进行比较	使用多中心数据集构建深度学习模型，用于脑动脉瘤的分割和检测，并与放射学报告进行性能比较	需要大规模的多中心数据集，且模型性能评估依赖于外部测试集	构建一个深度学习模型，用于在CTA图像上准确分割和检测脑动脉瘤	脑动脉瘤	计算机视觉	脑动脉瘤	CT血管造影（CTA）	深度学习模型	图像	6060名患者用于模型开发，118名患者用于外部测试集
8344	2024-08-29	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	本研究通过深度学习网络对机械通气婴儿的患者-呼吸机交互作用（PVI）进行检测和定量分析	开发了用于常见PVI自动检测和量化的二元深度学习分类器	机械通气新生儿中PVI研究受限于缺乏统一的PVI定义和进行大规模分析的工具	研究机械通气新生儿中的患者-呼吸机交互作用，并开发计算模型以促进其自动检测和临床意义评估	23名随机选择的机械通气新生儿	机器学习	NA	卷积神经网络（CNN）	CNN	呼吸波形	23名婴儿，每人500次呼吸
8345	2025-02-02	Joint-learning-based coded aperture compressive temporal imaging 2024-Jul-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.523092 PMID:39889132	研究论文	本文提出了一种基于联合学习的编码孔径压缩时间成像方法，通过联合学习最优二进制掩码策略、松弛策略和正则化策略，实现了高质量的视频重建	结合Landweber迭代重建方法的数学结构与深度学习，成功解决了参数选择的挑战，并引入了多种去噪器以获得更多的正则化先验信息	NA	提高编码孔径压缩时间成像（CACTI）技术的视频重建质量和效率	高速动态场景的视频帧	计算机视觉	NA	压缩感知理论	Landweber迭代方法	视频帧	NA
8346	2025-02-02	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文全面回顾了用于阿尔茨海默病预测的深度学习方法，探讨了不同的模态、特征提取方法、数据集、机器学习技术和验证方法	本文通过系统回顾116篇相关论文，总结了现有技术在阿尔茨海默病识别中的应用，并强调了模型可解释性和可理解性的重要性	本文主要基于已有文献进行综述，未提出新的实验或模型	评估现有技术用于阿尔茨海默病识别，并指出未来研究的障碍	阿尔茨海默病的早期诊断	机器学习	老年病	深度学习	NA	多模态数据	116篇相关论文
8347	2025-02-02	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	本文提出了一种基于残差函数的多阶段深度神经网络架构，用于改进现有的阿尔茨海默病（AD）检测方法	提出了一种新的多阶段深度神经网络架构，结合残差网络（ResNets）的成功经验，通过五个阶段增强特征有效性，并引入深度学习特征选择模块以减少过拟合	未提及具体局限性	开发一种自动化的阿尔茨海默病检测系统，以应对全球范围内日益增长的老年痴呆症风险	阿尔茨海默病（AD）	计算机视觉	老年疾病	深度学习（DL）	残差网络（ResNets）、支持向量机（SVM）、随机森林（RF）、SoftMax	医学图像	三个基准数据集：ADNI1: Complete 1Yr 1.5T、MIRAID 和 OASIS Kaggle
8348	2025-02-02	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2024-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.27.595990 PMID:38854075	研究论文	本文开发了一种创新的计算方法，设计了一个高度多样化的动物毒液和“元毒液”库，用于发现新的治疗性肽	采用可编程的M13超噬菌体展示技术，保留关键的二硫键结构，并通过高通量DNA测序进行定量，从而实现了高度并行化的单轮生物淘选	NA	发现新的治疗性肽，特别是针对人类瘙痒受体MRGPRX4的Kunitz型结构域蛋白	动物毒液和“元毒液”库	生物信息学	NA	M13超噬菌体展示技术，高通量DNA测序	深度学习	DNA序列	NA
8349	2025-02-02	Positive Effect of Super-Resolved Structural Magnetic Resonance Imaging for Mild Cognitive Impairment Detection 2024-Apr-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14040381 PMID:38672031	研究论文	本文提出了一种通过使用超分辨率结构磁共振成像（MRI）和优化的深度学习模型来改进轻度认知障碍（MCI）检测的新方法	引入了先进的损失函数、生成器上采样部分的修改以及在生成对抗训练设置中实验各种判别器，以提高超分辨率2D结构MRI图像的感知质量，并展示了超分辨率在MCI检测任务中的有效性	文中未明确提及研究的局限性	改进轻度认知障碍（MCI）的检测	轻度认知障碍（MCI）患者	计算机视觉	老年疾病	超分辨率结构磁共振成像（MRI）	生成对抗网络（GAN）	图像	未提及具体样本数量
8350	2025-02-02	Automated detection of Alzheimer's disease: a multi-modal approach with 3D MRI and amyloid PET 2024-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56001-9 PMID:38433282	研究论文	本文提出并评估了使用2D和3D MRI图像以及淀粉样蛋白PET扫描的单模态和多模态分类模型，用于自动检测阿尔茨海默病	本文的创新点在于开发了多模态模型，结合了3D MRI和淀粉样蛋白PET扫描，显著提升了模型性能，并在OASIS-3队列上实现了最先进的性能	本文未提及具体的局限性	研究目的是通过多模态成像技术自动检测阿尔茨海默病	研究对象是阿尔茨海默病患者	计算机视觉	老年病	3D MRI, 淀粉样蛋白PET扫描	深度学习模型	图像	OASIS-3队列
8351	2025-02-02	Strategies to increase the robustness of microbial cell factories 2024-Mar-01, Advanced biotechnology DOI:10.1007/s44307-024-00018-8 PMID:39883204	综述	本文综述了提高微生物细胞工厂稳健性的当前策略，包括基于知识的工程方法和计算辅助设计	介绍了计算辅助设计（如GEMs、深度学习和机器学习）在工业宿主稳健性设计中的应用	未具体提及实验验证或具体案例研究	提高微生物细胞工厂的稳健性，以确保可靠和可持续的生产效率	微生物细胞工厂	生物制造	NA	转录因子、膜/转运蛋白、应激蛋白、适应性实验室进化、GEMs、深度学习、机器学习	深度学习、机器学习	NA	NA
8352	2025-02-02	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	本文比较了两种方法在个体MRI扫描中检测皮质厚度和灰质体积异常的效能，分别是基于FreeSurfer和深度学习工具DL + DiReCT的ScanOMetrics工具	比较了开源研究工具ScanOMetrics在FreeSurfer和DL + DiReCT两种不同方法下的表现，特别是在处理阿尔茨海默病患者的MRI数据时	尽管DL + DiReCT在计算速度上显著优于FreeSurfer，但其临床评估仍处于初期阶段	比较两种脑部形态测量工具在检测MRI扫描中异常的性能，以支持神经放射学家的诊断决策	阿尔茨海默病患者和健康对照者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI扫描，深度学习	DL + DiReCT	图像	OASIS3数据集中的阿尔茨海默病患者和健康对照者
8353	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
8354	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
8355	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
8356	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
8357	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
8358	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
8359	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
8360	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