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
8741	2025-01-15	Accurate and fast segmentation of filaments and membranes in micrographs and tomograms with TARDIS 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629196 PMID:39763817	研究论文	本文介绍了一种名为TARDIS的机器学习框架，用于快速准确地注释微图和断层扫描图像中的丝状体和膜结构	TARDIS结合了深度学习语义分割和新型几何模型，实现了对各种大分子的精确实例分割	NA	解决在Cryo-EM/ET图像中精确注释丝状体和膜结构的难题，以促进高通量应用	微图和断层扫描图像中的丝状体和膜结构	计算机视觉	NA	Cryo-EM/ET	Transformer-based模型	图像	超过13,000个断层扫描图像
8742	2025-01-15	Image Synthesis in Nuclear Medicine Imaging with Deep Learning: A Review 2024-Dec-18, Sensors (Basel, Switzerland) DOI:10.3390/s24248068 PMID:39771804	综述	本文综述了深度学习在核医学成像中用于生成合成图像的应用，旨在提高核医学协议的解读性和实用性	通过分析该领域最新的30篇出版物，解释了深度学习模型如何生成与真实图像极为相似的合成核医学图像，显著提高了在低于临床标准剂量下获取图像的诊断准确性	NA	提高核医学成像的图像质量和可访问性，增强诊断准确性	核医学成像中的合成图像	计算机视觉	NA	深度学习	NA	图像	30篇最新出版物
8743	2025-01-15	A precision oncology-focused deep learning framework for personalized selection of cancer therapy 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.12.628190 PMID:39763776	研究论文	本文介绍了一种集成计算/实验的治疗选择方法，适用于化疗和靶向药物，无论是否存在可操作的分子改变	提出了ScreenDL，一种基于深度学习的新型癌症药物反应预测模型，结合肿瘤组学和功能性药物筛选数据来预测最有效的治疗方法	目前仅在乳腺癌患者来源的异种移植模型中进行临床前研究，尚未在临床试验中验证	开发一种精准肿瘤学框架，用于个性化选择癌症治疗	患者来源的肿瘤模型	机器学习	乳腺癌	深度学习	ScreenDL	肿瘤组学数据、功能性药物筛选数据	大量患者来源的肿瘤模型
8744	2025-01-15	Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/55986 PMID:39661965	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习在检测儿童癫痫发作中的准确性	首次系统性地评估了机器学习和深度学习在儿童癫痫发作检测中的表现，并比较了两者的准确性	研究仅基于已发表的文献，可能存在发表偏倚，且样本量有限	评估机器学习在监测儿童癫痫发作中的有效性，为未来智能工具的开发提供证据基础	儿童癫痫发作	机器学习	癫痫	机器学习（ML）和深度学习（DL）	ML和DL	脑电图数据	28项原始研究，涉及15项ML研究和13项DL研究
8745	2025-01-15	RETRACTED ARTICLE: Cognitive computing-based COVID-19 detection on Internet of things-enabled edge computing environment 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06514-6 PMID:34812247	研究论文	本文提出了一种基于联邦深度学习的COVID-19检测模型（FDL-COVID），在物联网支持的边缘计算环境中运行	结合联邦学习和深度学习技术，利用SqueezeNet模型和萤火虫群优化算法，在物联网环境中实现COVID-19的早期检测	需要大量的训练数据，且数据处理过程需要集中化	开发一种在物联网支持的边缘计算环境中运行的COVID-19检测模型，以辅助医疗专业人员进行疾病诊断	COVID-19患者数据，特别是胸部X光图像	机器学习	COVID-19	深度学习，联邦学习，萤火虫群优化算法	SqueezeNet	图像	基准CXR数据集
8746	2025-01-15	RETRACTED ARTICLE: MTR-SDL: a soft computing based multi-tier rank model for shoulder X-ray classification 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08562-6 PMID:37362295	研究论文	本文提出了一种基于软计算的多层排序模型（MTR-SDL），用于肩部X射线分类，旨在通过半监督深度学习技术解决医疗领域标签数据不足的问题	提出了一种新的集成学习技术，称为“基于排序的集成选择与机器学习模型”（MTR-SDL），通过动态集成投票方法从未标记数据集中生成标签，从而提高模型性能	模型的有效性依赖于初始小规模标记数据集的质量，且生成标签的过程可能受到初始模型准确性的限制	解决医疗领域中标签数据不足的问题，提高肩部X射线分类的准确性	肩部X射线图像	计算机视觉	NA	半监督深度学习	集成学习模型（MTR-SDL）	图像	未明确提及具体样本数量
8747	2025-01-15	Validating Machine Learning Models Against the Saline Test Gold Standard for Primary Aldosteronism Diagnosis 2024-Dec, JACC. Asia DOI:10.1016/j.jacasi.2024.09.010 PMID:39802987	研究论文	本研究开发并验证了机器学习模型，用于预测东亚高血压患者中的原发性醛固酮增多症（PA），并将其性能与传统盐水输注测试进行比较	通过机器学习模型提供了一种更高效和标准化的诊断方法，相较于传统的盐水输注测试，该方法更快速且可能更可靠	研究结果的普遍性可能仅限于东亚高血压人群，未来需要在多样化的人群中验证这些模型	开发和评估机器学习模型在检测原发性醛固酮增多症中的性能，并与标准盐水负荷测试进行比较	高血压患者	机器学习	原发性醛固酮增多症	随机森林、XGBoost、深度学习	随机森林、XGBoost、深度学习	患者数据	来自三个不同队列的患者数据：TAIPAI（台湾原发性醛固酮增多症调查）、CONPASS（重庆原发性醛固酮增多症研究）和韩国队列
8748	2025-01-15	Multidimensional morphological analysis of live sperm based on multiple-target tracking 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.025 PMID:39803335	研究论文	本研究设计了一个深度学习算法框架，用于对活体精子进行非侵入性多维形态分析，改进了当前临床精子形态测试方法	通过改进FairMOT跟踪算法，将相邻帧中同一精子头部运动的距离和角度以及头部目标检测框的IOU值纳入匈牙利匹配算法的成本函数，提高了精子形态分析的准确性	NA	改进临床精子形态测试方法，推动辅助生殖技术的发展	活体精子	计算机视觉	NA	深度学习	FairMOT, BlendMask, SegNet	图像	从多家三级医院收集的1272个样本
8749	2025-01-14	Letter to the Editor: Commentary on Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis (Korean J Neurotrauma 2024;20:168-179) 2024-Dec, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e40 PMID:39803342	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8750	2025-01-15	A deep learning modular ECG approach for cardiologist assisted adjudication of atrial fibrillation and atrial flutter episodes 2024-Dec, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2024.09.007 PMID:39803625	研究论文	本文介绍了一种深度学习模块化心电图方法，用于辅助心脏病专家裁决心房颤动和心房扑动发作	开发了一种结合心脏病专家已知心电图特征的深度学习模块化软件，允许心脏病专家裁决结果并驱动第二次深度学习分析	残留错误有时需要手动停用一个模块来纠正，且在某些记录中的准确率低于90%	构建和评估一种深度学习模块化软件，用于分类心房节律并辅助心脏病专家裁决结果	长期心电图记录中的心房快速性心律失常（ATA）	数字病理学	心血管疾病	深度学习	深度学习网络	心电图数据	187份记录，249,419个一分钟样本
8751	2025-01-15	Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study 2024-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102919 PMID:39764545	研究论文	本研究利用深度学习技术分析重症婴儿的视频数据，以预测神经系统变化	首次将姿态人工智能（AI）应用于重症监护室（ICU）环境，仅通过视频数据预测脑功能障碍	研究为单中心回顾性研究，样本量相对较小（115名婴儿）	开发一种可靠、连续的方法来监测重症婴儿的神经系统变化	年龄小于1岁的重症婴儿	计算机视觉	神经系统疾病	深度学习姿态识别算法	深度学习	视频	115名婴儿，282,301分钟的视频数据
8752	2025-01-15	Deep learning segmentation architectures for automatic detection of pancreatic ductal adenocarcinoma in EUS-guided fine-needle biopsy samples based on whole-slide imaging 2024 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000094 PMID:39802107	研究论文	本研究比较了7种U-Net架构变体在两种不同数据集上的性能，用于基于全切片成像的胰腺导管腺癌自动检测	首次评估了多种U-Net架构变体在胰腺导管腺癌全切片图像分割中的应用，并展示了Inception U-Net架构的高分割准确性	研究仅基于两个医疗中心的有限样本量（31和33张全切片图像），可能影响模型的泛化能力	探索深度学习架构在胰腺导管腺癌全切片图像分割中的有效性	EUS引导的细针活检样本	数字病理学	胰腺导管腺癌	全切片成像	U-Net及其变体（如Inception U-Net）	图像	64张全切片图像（来自两个医疗中心）
8753	2025-01-15	Functional imaging derived ADHD biotypes based on deep clustering: a study on personalized medication therapy guidance 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102876 PMID:39763511	研究论文	本文提出了一种基于图卷积网络的生物亚型检测方法（GCN-BSD），用于识别注意力缺陷多动障碍（ADHD）的生物亚型，以指导个性化药物治疗	使用功能网络连接性（FNC）和非成像表型数据，结合深度学习算法，首次提出了基于成像驱动的ADHD生物亚型分类方法	研究样本主要来自特定数据集，可能限制了结果的普适性	通过神经影像学标记物识别ADHD生物亚型，以指导个性化药物治疗	ADHD患者	机器学习	注意力缺陷多动障碍（ADHD）	功能网络连接性（FNC）分析	图卷积网络（GCN）	功能成像数据和非成像表型数据	1069名ADHD患者（ABCD研究）和130名ADHD青少年（北京大学第六医院验证数据集）
8754	2025-01-15	A deep learning anthropomorphic model observer for a detection task in PET 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17303 PMID:39008812	研究论文	本研究探讨了深度学习模型观察者（DLMO）在PET图像病变检测任务中是否比传统模型观察者（如CHO）更能预测人类观察者（HO）的表现	首次将Swin Transformer与CNN结合用于PET图像的深度学习模型观察者，提高了预测人类观察者表现的准确性	研究仅基于PET图像，未涉及其他成像模态	评估深度学习模型观察者在PET图像病变检测任务中的表现，并与传统模型观察者进行比较	PET图像中的病变检测	计算机视觉	肿瘤学	深度学习	CNN, Swin Transformer	图像	2268对病变存在与不存在的PET图像用于训练，324对用于验证，324对用于测试
8755	2025-01-15	Deep learning-based fully automatic Risser stage assessment model using abdominal radiographs 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05999-1 PMID:39046527	研究论文	本文开发了一种基于深度学习的全自动Risser分期评估模型，使用腹部X光片进行分期	首次提出了一种全自动的Risser分期评估方法，结合了DeepLabv3+和ConvNeXt-B模型进行图像分割和分类	样本量相对较小，且仅使用了三个医疗机构的影像数据，可能影响模型的泛化能力	开发一种全自动的Risser分期评估方法，以提高医学影像分析的效率和准确性	9-18岁患者的腹部X光片	医学影像分析	NA	深度学习	DeepLabv3+, ConvNeXt-B	腹部X光片	1,681张腹部X光片（1,577张用于开发，104张用于外部验证）
8756	2025-01-15	Doctor simulator: Delta-Age-Sex-AdaIn enhancing bone age assessment through AdaIn style transfer 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06000-9 PMID:39060414	研究论文	本文提出了一种新的骨龄评估方法Delta-Age-Sex-AdaIn (DASA-net)，通过自适应实例归一化(AdaIN)和风格迁移结合年龄和性别分布，模拟医生视觉比较手部图像与标准骨龄图谱以确定骨龄的过程	首次将年龄和性别分布通过自适应实例归一化(AdaIN)和风格迁移结合到骨龄评估中，模拟医生视觉比较手部图像与标准骨龄图谱的过程	NA	提出一种更准确的骨龄评估方法，以辅助医生评估儿童的生长发育情况	儿童手部X光片	计算机视觉	NA	自适应实例归一化(AdaIN), 风格迁移	DASA-net	图像	公开数据集RSNA包含14,236张手部X光片(1-228个月)，私有数据集包含474张手部X光片(12-218个月，268名男性)
8757	2025-01-15	Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05978-6 PMID:39017676	研究论文	本研究评估了使用深度学习重建的加速3-RR cine MRI序列与标准2-D cine bSSFP序列在儿童心脏MRI中的诊断性能	首次在儿童心脏MRI中应用深度学习加速技术，显著减少了扫描时间	深度学习cine图像在舒张末期和收缩末期轮廓、乳头肌和瓣膜描绘方面的图像质量略有下降	评估深度学习加速技术在儿童心脏MRI中的诊断性能	29名接受心脏MRI的儿童患者	医学影像	心血管疾病	深度学习重建	NA	MRI图像	29名儿童患者
8758	2025-01-15	Development and Testing of Artificial Intelligence-Based Mobile Application to Achieve Cataract Backlog-Free Status in Uttar Pradesh, India 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100094 PMID:39187013	研究论文	本文介绍了开发用于白内障筛查的AI移动应用程序'Roshni'的过程和测试结果	利用AI技术开发移动应用程序，用于社区层面的白内障筛查，旨在实现白内障积压清零状态	模型在不同图像类型上的敏感性和特异性存在差异，可能需要进一步优化	开发并测试一种基于AI的移动应用程序，用于在印度北方邦实现白内障积压清零状态	50岁及以上人群，特别是患有白内障的视觉障碍者	计算机视觉	白内障	深度学习	ResNet50, ResNet101, YOLOv5, EfficientNetV2, InceptionV3, UNet	图像	13,633张眼睛图像，302名受益者（604张图像）
8759	2025-01-15	A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study 2024-Aug-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05550-8 PMID:39118142	研究论文	本研究提出了一种基于图学习的模型CTG-PAM，用于在数字病理图像上自动诊断干燥综合征（SS），并在多中心队列研究中验证了其性能	提出了一种基于图理论的模型CTG-PAM，结合单细胞特征、细胞间特征和细胞组织特征，实现了细胞级分类和淋巴细胞识别，显著提高了SS诊断的准确性	研究样本量较小（100例），且外部测试数据集的AUC值（0.8035）较内部验证数据集（1.0）有所下降，表明模型在泛化能力上可能存在局限	开发一种基于数字病理图像的自动化诊断模型，以提高干燥综合征（SS）的早期诊断准确性	干燥综合征（SS）患者的唇腺活检组织	数字病理	干燥综合征	全切片图像（WSI）分析	基于图理论的模型（CTG-PAM）	数字病理图像	100例唇腺活检组织
8760	2025-01-15	Topographic Clinical Insights From Deep Learning-Based Geographic Atrophy Progression Prediction 2024-Aug-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.8.6 PMID:39102242	研究论文	本文探讨了眼底自发荧光（FAF）地形成像特征对基于卷积神经网络的深度学习算法预测地理萎缩（GA）生长速率的贡献	通过消融实验研究了不同FAF图像区域对算法性能的贡献，特别是边缘区域的影响	研究为回顾性研究，可能受到数据来源和样本选择的限制	探索FAF地形成像特征在深度学习算法预测GA生长速率中的作用	地理萎缩（GA）患者的眼底自发荧光（FAF）图像	数字病理学	老年疾病	眼底自发荧光（FAF）成像	卷积神经网络（CNN）	图像	来自三项临床试验（NCT02247479, NCT02247531, NCT02479386）的研究眼数据