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
8541	2025-01-23	Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1502725 PMID:39830028	综述	本文提出了两种非侵入性诊断算法，用于诊断与先天性心脏病相关的肺动脉高压	提出了直接三分法和两阶段分类模型两种非侵入性诊断算法，结合了时间、频率、能量域特征与深度学习特征	先天性心脏病相关肺动脉高压数据缺乏	探讨先天性心脏病相关肺动脉高压的辅助诊断方法	先天性心脏病相关肺动脉高压患者	机器学习	心血管疾病	NA	Bi-LSTM, 集成学习	心音数据	NA
8542	2025-01-23	Protein-ligand binding affinity prediction using multi-instance learning with docking structures 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1518875 PMID:39830331	研究论文	本文提出了一种基于多实例学习和分子对接结构的蛋白质-配体结合亲和力预测方法	该方法利用多个分子对接构象进行预测，无需依赖共晶结构，提高了在缺乏共晶结构数据情况下的适用性	依赖于分子对接的预测结构，对接结构的准确性可能影响预测结果	提高蛋白质-配体结合亲和力预测的准确性，特别是在缺乏共晶结构数据的情况下	蛋白质-配体复合物	机器学习	NA	分子对接	多实例学习与注意力网络	3D结构数据	多个数据集，包括PDBbind和针对SARS-CoV-2主要蛋白酶的化合物
8543	2025-01-23	Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1495911 PMID:39830648	研究论文	本研究使用R软件bibliometrix及可视化工具CiteSpace和VOSviewer对2015年以来发表的关于肺癌通过空气间隙扩散（STAS）的文献进行了文献计量分析	首次使用文献计量和可视化工具对肺癌STAS领域的研究热点和趋势进行全面分析	仅分析了Web of Science数据库中的文献，可能遗漏其他数据库中的重要研究	分析肺癌STAS领域的研究热点和趋势	2015年至2024年8月31日期间发表的关于肺癌STAS的文献	文献计量学	肺癌	文献计量分析、可视化分析	NA	文献数据	243篇文章
8544	2025-01-23	OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1437188 PMID:39830688	研究论文	本文提出了一种名为OA-MEN的深度学习模型，用于通过膝关节X射线成像自动预测和分类膝骨关节炎（KOA），以提高诊断的准确性和效率	OA-MEN模型结合了ResNet和MobileNet的特征提取与多尺度特征融合，增强了语义信息的提取能力，同时保持了高分辨率图像在低网络层中的优势，从而扩展了模型的感受野并增强了其理解能力	未提及具体局限性	提高膝骨关节炎（KOA）评估的准确性和效率	膝骨关节炎（KOA）的X射线图像	计算机视觉	骨关节炎	深度学习	OA-MEN（结合ResNet和MobileNet的混合模型）	图像	未提及具体样本数量
8545	2025-01-23	Meibomian gland alterations in allergic conjunctivitis: insights from a novel quantitative analysis algorithm 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1518154 PMID:39834396	研究论文	本研究利用智能定量分析算法探讨了过敏性结膜炎患者中睑板腺结构的变化及其与临床参数的关系	采用深度学习基础的定量分析算法对睑板腺图像进行分析，评估腺体长度、面积、脱落比例和变形	研究未明确说明样本的年龄分布及其他潜在影响因素	探讨过敏性结膜炎患者睑板腺结构的变化及其与临床参数的关系	过敏性结膜炎患者和正常对照组的睑板腺	数字病理学	过敏性结膜炎	红外线睑板腺成像	深度学习	图像	252只过敏性结膜炎患者的眼睛和200只正常对照组的眼睛
8546	2025-01-23	MRI to digital medicine diagnosis: integrating deep learning into clinical decision-making for lumbar degenerative diseases 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1424716 PMID:39834502	研究论文	本文开发了一种基于人工智能深度学习算法的智能系统，旨在通过识别腰椎磁共振图像（MRI）辅助诊断腰椎退行性疾病，并提高医生的临床效率	本文创新性地将PP-YOLOv2深度学习算法应用于腰椎MRI图像的自动识别，显著提高了诊断的准确性和效率	研究样本量相对较小，测试集仅包含50例病例，可能影响模型的泛化能力	开发一种基于深度学习的智能系统，辅助诊断腰椎退行性疾病	腰椎退行性疾病（腰椎间盘突出和腰椎滑脱）	计算机视觉	腰椎退行性疾病	深度学习	PP-YOLOv2	图像	654例患者（604例训练集，50例测试集）
8547	2025-01-23	Cardioattentionnet: advancing ECG beat characterization with a high-accuracy and portable deep learning model 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1473482 PMID:39834732	研究论文	本研究开发了一种名为CardioAttentionNet（CANet）的便携式深度学习模型，用于通过心电图（ECG）信号检测心律失常	CANet结合了双向长短期记忆网络（BiLSTM）、多头注意力机制和深度可分离卷积，使其能够在便携设备上实现早期诊断，并在处理长ECG模式和详细特征提取方面表现出色	未提及具体局限性	提高心律失常的早期诊断准确性，改善患者预后	心电图（ECG）信号	机器学习	心血管疾病	深度学习	BiLSTM, 多头注意力机制, 深度可分离卷积	ECG信号	未提及具体样本数量
8548	2025-01-23	Application of dynamic enhanced scanning with GD-EOB-DTPA MRI based on deep learning algorithm for lesion diagnosis in liver cancer patients 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1423549 PMID:39834934	研究论文	本研究应用基于深度学习的增强多梯度深度卷积神经网络（EMGDCNN）对Gd-EOB-DTPA增强MRI图像进行肝脏分割和局部肝脏病变的识别与分类	使用EMGDCNN模型同时进行肝脏病变的识别和分类，提高了诊断的准确性和效率	研究中存在25个假阳性和0.6个真阳性，检测能力仍需提高	提高Gd-EOB-DTPA增强MRI在肝脏病变诊断中的应用效果	132名参与者的Gd-EOB-DTPA增强MRI图像	数字病理	肝癌	Gd-EOB-DTPA增强MRI	EMGDCNN	图像	132名参与者
8549	2025-01-23	Diagnostic accuracy of MRI-based radiomic features for EGFR mutation status in non-small cell lung cancer patients with brain metastases: a meta-analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1428929 PMID:39834943	meta-analysis	本文通过meta分析评估了基于MRI的放射组学特征在预测非小细胞肺癌脑转移患者EGFR突变状态中的诊断准确性	首次系统评估了MRI放射组学特征在非小细胞肺癌脑转移患者EGFR突变预测中的应用，并发现深度学习模型和亚洲地区研究具有更高的诊断准确性	研究间存在显著的异质性，诊断性能的变异性表明需要标准化的放射组学协议以提高可重复性和临床实用性	评估基于MRI的放射组学特征在预测非小细胞肺癌脑转移患者EGFR突变状态中的诊断准确性	非小细胞肺癌脑转移患者	数字病理学	肺癌	MRI	深度学习模型	图像	13项研究，涉及2,348名患者
8550	2025-01-23	Individualized treatment recommendations for patients with locally advanced head and neck squamous cell carcinoma utilizing deep learning 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1478842 PMID:39835092	研究论文	本研究利用深度学习模型为局部晚期头颈部鳞状细胞癌患者提供个体化治疗建议，评估患者通过确定性放化疗实现器官保留的可能性，并为更适合手术的患者提供辅助治疗建议	首次使用深度学习模型为LA-HNSCC患者提供个体化治疗建议，并引入BITES模型在治疗推荐中表现出优越性能	研究结果需要进一步的外部验证，且模型的泛化能力尚未在其他癌症类型中得到验证	评估深度学习模型在局部晚期头颈部鳞状细胞癌患者治疗推荐中的应用效果	局部晚期头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	深度学习	BITES	临床数据	7,376名局部晚期头颈部鳞状细胞癌患者
8551	2025-01-23	Harnessing artificial intelligence in sepsis care: advances in early detection, personalized treatment, and real-time monitoring 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1510792 PMID:39835096	综述	本文探讨了人工智能（AI）在脓毒症管理中的潜力，包括早期检测、个性化治疗和实时监测	本文综述了AI在脓毒症管理中的创新应用，如通过机器学习技术分析电子健康记录（EHR）数据进行早期检测，以及通过AI算法开发个性化治疗方案和实时监测系统	伦理挑战，包括数据隐私问题和算法偏见，需要解决以确保公平和有效的实施	探讨AI在脓毒症管理中的应用，以克服当前管理中的局限性	脓毒症患者	机器学习	脓毒症	机器学习（ML）技术，如随机森林模型和深度学习算法	随机森林模型，深度学习算法	电子健康记录（EHR）数据	NA
8552	2025-01-23	A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study 2023-12-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002931 PMID:37682775	研究论文	开发并验证了一个基于新辅助放化疗前后MRI对比的深度学习模型，用于预测直肠癌患者的病理完全缓解	开发了一个多任务深度学习模型（DeepRP-RC），能够同时进行分割和预测，并在多个外部验证集上表现出色	研究设计为回顾性，且缺乏多民族数据	预测直肠癌患者在新辅助放化疗后的病理完全缓解	1201名被诊断为局部晚期直肠癌并接受新辅助放化疗的患者	数字病理	直肠癌	MRI	深度学习模型（DeepRP-RC）	图像	1201名患者
8553	2025-01-23	A comprehensive survey of complex brain network representation 2023-Nov, Meta-radiology DOI:10.1016/j.metrad.2023.100046 PMID:39830588	综述	本文综述了利用神经影像数据理解大脑结构和功能变化及其与神经退行性疾病和其他临床表型关系的最新进展	本文综合了传统方法和深度学习技术在脑网络挖掘中的应用，并探讨了该领域的未来研究方向	本文主要关注方法学综述，未涉及具体实验数据或结果	探讨脑网络分析的传统方法和深度学习方法	神经影像数据及其衍生的脑网络	机器学习	神经退行性疾病	NA	深度学习	神经影像数据	NA
8554	2025-01-23	Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43895-0_60 PMID:39829676	研究论文	本文提出了一种新型的深度时空残差注意力网络（ST-RAN），用于在无钆对比剂的心脏磁共振成像中检测心肌瘢痕	提出了一个新型的因子化4D（3D+时间）卷积层，结合时空注意力机制，以提取丰富的全心脏特征并跟踪帧间的长程时间关系，同时引入了残差注意力块来提取不同尺度的时空特征，以检测与瘢痕相关的细微对比变化	尽管模型在缺血性和非缺血性心脏病中表现出色，但仍需进一步验证其在更广泛临床环境中的适用性和稳定性	开发一种无需钆对比剂的心脏磁共振成像技术，用于检测心肌瘢痕	心脏磁共振成像数据	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	深度时空残差注意力网络（ST-RAN）	图像	3000名患者
8555	2025-01-23	Deep learning-based protoacoustic signal denoising for proton range verification 2023-05-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acd257 PMID:37141867	研究论文	本文提出了一种基于深度学习的原声信号去噪技术，用于质子治疗中的质子范围验证	提出了一种新型的深度学习技术，用于去噪原声信号，并在低剂量下减少布拉格峰（BP）范围的不确定性	研究仅在聚乙烯（PE）模型上进行，未在真实人体组织中进行验证	提高质子治疗中原声信号的信噪比（SNR）和布拉格峰（BP）范围验证的准确性	原声信号	机器学习	NA	深度学习	堆叠自编码器（SAE）	声信号	512个原始信号，每个设备
8556	2025-01-23	Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15578 PMID:35229344	研究论文	本文提出了一种使用级联网络和局部监督的深度学习方法，从非增强的MR图像中合成对比增强的MR图像，以减少对钆基对比剂（GBCAs）的依赖	创新点在于使用级联网络结合肿瘤轮廓信息进行训练，从而生成与真实对比增强MR图像视觉上无法区分的合成图像	研究仅基于BraTS2020数据集，样本量有限，且未在其他类型的数据集上进行验证	研究目的是通过深度学习方法合成对比增强的MR图像，以减少对钆基对比剂的使用	研究对象为369名患者的MR图像，来自BraTS2020数据集	医学影像处理	脑肿瘤	深度学习	级联网络（Retina U-Net和合成模块）	MR图像	369名患者的MR图像（200名用于五折交叉验证，169名用于保留测试）
8557	2025-01-23	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本文开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的分次内运动跟踪	提出了一种基于生成对抗网络的马尔可夫网络，用于从连续的超声图像帧中提取特征并估计变形向量场，从而实现实时毫米级肿瘤运动预测	NA	解决超声图像在放射治疗中用于运动跟踪的挑战	超声图像序列	计算机视觉	NA	超声成像	生成对抗网络（GAN）	图像	CLUST数据集包含42名受试者的63个2D和18名受试者的22个3D超声图像序列，CAMUS数据集包含450名患者的2D超声图像
8558	2025-01-23	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	本文提出了一种自监督深度学习工作流程，用于通过从高平面分辨率特征中学习来合成高平面分辨率CT图像，以提高放射治疗计划中剂量计算的准确性	该工作的创新点在于提出的深度学习工作流程是自监督的，不依赖于真实CT图像来训练网络，并确认了平面高分辨率信息可以监督平面高分辨率生成的假设	NA	提高放射治疗计划中CT图像的平面分辨率，以提升剂量计算的准确性	头颈癌和肺癌患者的CT图像	计算机视觉	头颈癌, 肺癌	自监督深度学习	神经网络	CT图像	75名头颈癌患者（1毫米切片厚度）和20名肺癌患者（3毫米切片厚度）的CT图像
8559	2025-01-23	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究提出了一种基于双金字塔对抗网络（DPNs）的深度学习模型，用于预测胰腺癌立体定向放射治疗（SBRT）的剂量分布	提出了一种新的双金字塔网络（DPNs）集成深度学习模型，结合了CT-only特征金字塔网络（FPN）、contour-only FPN、晚期融合网络和对抗网络，用于胰腺癌SBRT的剂量预测	研究样本量较小，仅涉及30名患者的五折交叉验证和20名患者的保留测试	探索深度学习在胰腺癌SBRT剂量预测任务中的有效性	胰腺癌SBRT的剂量分布	医学影像分析	胰腺癌	深度学习	双金字塔对抗网络（DPNs）	CT图像和轮廓数据	30名患者的五折交叉验证和20名患者的保留测试
8560	2025-01-23	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	本文提出了一种基于双能量CT（DECT）的深度学习自动多器官分割方法，用于头颈部区域	提出了一种结合双金字塔卷积神经网络和深度注意力策略的Mask R-CNN框架，用于多器官分割，并通过掩码评分子网络避免误分类	对于对比度极低的小器官（如视交叉、耳蜗、晶状体和视神经），分割效果仍有提升空间	开发一种自动多器官分割方法，以改进头颈部癌症的诊断和治疗计划	头颈部癌症患者的DECT图像	计算机视觉	头颈部癌症	双能量CT（DECT）	Mask R-CNN	图像	127名头颈部癌症患者（66名训练，61名测试）