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
8761	2025-01-15	Artificial Intelligence-Enabled Electrocardiography Predicts Future Pacemaker Implantation and Adverse Cardiovascular Events 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02088-6 PMID:39028354	研究论文	本研究开发了一种深度学习模型，用于从心电图数据预测未来的起搏器植入和心血管事件	利用深度学习模型从心电图数据预测未来的起搏器植入和心血管事件，具有较高的预测准确性和临床实用性	研究主要依赖于单一医疗中心的数据，外部验证样本量相对较小	预测未来的起搏器植入和心血管事件	心电图数据	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	158,471份心电图数据来自42,903名学术医疗中心患者，验证集包括25,640名医疗中心患者和26,538名社区医院患者
8762	2025-01-15	Understanding natural language: Potential application of large language models to ophthalmology 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100085 PMID:39059558	综述	本文探讨了大型语言模型（LLMs）在眼科领域的潜在应用，包括其在医疗文档自动化、诊断、治疗建议以及患者教育材料定制等方面的作用	本文首次全面回顾了LLMs在眼科领域的应用潜力，并讨论了其在改善医疗服务交付质量方面的可能角色	LLMs在实际应用中存在局限性，需要更好的输入和广泛的验证才能实现自主诊断和治疗	探讨LLMs在眼科领域的应用潜力及其对临床医生和患者的影响	临床医生和患者	自然语言处理	眼科疾病	深度学习	LLMs	文本	NA
8763	2025-01-15	Deep Learning-Enabled Vasculometry Depicts Phased Lesion Patterns in High Myopia Progression 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100086 PMID:39053733	研究论文	本研究利用深度学习技术分析高度近视患者视网膜血管的形态变化，揭示了高度近视进展中的阶段性病变模式	开发了一种基于仿生视觉机制的智能图像处理模型，用于提取和量化视网膜血管的形态特征，并首次揭示了高度近视进展中视网膜血管形态变化的两个阶段	研究为回顾性研究，可能存在选择偏倚；样本主要来自单一医院，可能影响结果的普适性	探讨高度近视进展中视网膜血管变化的潜在阶段，以进一步阐明其机制	高度近视患者的视网膜血管	数字病理学	高度近视	深度学习	智能图像处理模型	眼底照片	5775名患者（41.2±18.6岁），包括14,066张眼底照片
8764	2025-01-15	Accurate prediction of neurologic changes in critically ill infants using pose AI 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.17.24305953 PMID:38699362	研究论文	本文提出了一种基于计算机视觉的姿势AI方法，用于预测新生儿重症监护病房（NICU）中的神经系统变化	使用深度学习姿势算法准确预测解剖标志点，并通过视频数据预测脑电图（EEG）诊断，展示了在ICU中应用姿势AI的可行性	研究样本量相对较小，且仅基于NICU环境，可能限制了结果的普适性	开发一种可靠、连续的方法来监测婴儿的神经系统变化，以替代间歇性和主观的检查方法	新生儿重症监护病房（NICU）中的115名婴儿	计算机视觉	新生儿疾病	深度学习	深度学习姿势算法	视频和脑电图（EEG）数据	115名婴儿的4,705小时视频数据
8765	2025-01-15	A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data 2024-May-22, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02076-w PMID:38775899	研究论文	本文提出了一种新颖的深度学习方法，用于预测心肌梗塞（MI）的发生，利用时间序列患者数据进行预测	提出了一种新颖的心肌序列分类（MSC）-LSTM方法，专门用于预测心肌梗塞的发生，并在性能上优于其他模型	研究仅限于Chittagong Metropolitan Area的数据，可能不具有普遍性	预测心肌梗塞的发生，以便早期预警和资源规划	Chittagong Metropolitan Area的心肌梗塞患者	机器学习	心血管疾病	时间序列分析	LSTM, MSC-LSTM	时间序列数据	2020年1月1日至2021年12月31日期间Chittagong Metropolitan Area的每日心肌梗塞发病率数据
8766	2025-01-15	3D CNN-based Deep Learning Model-based Explanatory Prognostication in Patients with Multiple Myeloma using Whole-body MRI 2024-Mar-08, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02040-8 PMID:38456950	研究论文	本研究利用三维卷积神经网络（3D CNN）和可解释的人工智能技术（Grad-CAM）分析多发性骨髓瘤患者的全身扩散加权MRI数据，以预测预后并探索预测因素	首次展示了仅使用3D CNN分析全身MRI图像，无需其他临床数据，即可有效预测多发性骨髓瘤患者的预后	研究为回顾性分析，样本量相对较小，且仅来自两个医疗中心	预测多发性骨髓瘤患者的预后并探索预测因素	多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	全身扩散加权MRI	3D CNN, Grad-CAM	图像	142例患者（111例用于训练和内部验证，31例用于外部验证）
8767	2025-01-15	NeuroIGN: Explainable Multimodal Image-Guided System for Precise Brain Tumor Surgery 2024-Feb-23, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02037-3 PMID:38393660	研究论文	本文介绍了一种新型多模态图像引导系统NeuroIGN，用于精确的脑肿瘤手术，结合深度学习和可解释AI以提高手术效果	开发了一种结合深度学习和可解释AI的多模态图像引导系统，用于脑肿瘤手术，提高了手术精度和医疗专业人员对深度学习的信任	系统仅在实验室和模拟手术室环境中进行了验证和评估，尚未在真实临床环境中广泛应用	开发并验证一种新型多模态图像引导系统，以提高脑肿瘤手术的精确性和效果	脑肿瘤手术	数字病理学	脑肿瘤	深度学习，可解释AI	深度学习模型	图像	实验室和模拟手术室环境中的验证
8768	2025-01-15	Artificial Intelligence-enabled Chest X-ray Classifies Osteoporosis and Identifies Mortality Risk 2024-Jan-13, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02030-2 PMID:38217829	研究论文	开发了一种深度学习模型，通过胸部X光片（CXR）特征高精度识别骨质疏松症，并在内部和外部验证中显示出显著的预后意义	利用深度学习模型通过CXR特征识别骨质疏松症，并评估其与全因死亡率风险的关联	研究依赖于单一医疗中心的数据，可能限制了模型的泛化能力	开发并验证一种深度学习模型，用于通过CXR特征识别骨质疏松症，并评估其临床意义	48,353张CXR图像及其对应的DXA T分数	数字病理学	骨质疏松症	深度学习	深度学习模型（DLM）	图像	48,353张CXR图像
8769	2025-01-15	Enhanced neurological anomaly detection in MRI images using deep convolutional neural networks 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1504545 PMID:39802885	研究论文	本研究介绍了一种深度学习框架，旨在自动化神经诊断，解决当前手动解释方法耗时且易变的问题	提出了一种专门用于检测和分类MRI数据中神经异常的深度卷积神经网络（DCNN）框架，并采用了优化的模型架构和预处理技术	需要进一步研究以评估模型在不同临床场景中的表现，并考虑整合更多数据类型以提高诊断准确性和临床实用性	开发一种自动化系统，用于诊断和规划神经疾病的治疗	MRI图像中的神经异常	计算机视觉	神经退行性疾病	MRI	DCNN	图像	综合MRI数据集
8770	2025-01-15	Deep learning to optimize radiotherapy decisions for elderly patients with early-stage breast cancer: a novel approach for personalized treatment 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/TRNO3190 PMID:39803647	研究论文	本研究利用深度学习优化老年早期乳腺癌患者的放疗决策，提出个性化治疗方案	首次使用深度学习模型为老年早期乳腺癌患者生成个性化放疗建议，并通过比较一致组和不一致组的治疗效果验证模型的有效性	未推荐放疗的患者未观察到生存获益，可能限制了模型的适用范围	评估辅助放疗对老年早期乳腺癌患者的疗效，并开发个性化治疗方案	老年早期乳腺癌患者	数字病理学	乳腺癌	深度学习	Deep Survival Regression with Mixture Effects (DSME)	临床数据	8,047名老年早期乳腺癌患者
8771	2025-01-15	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	本文提出了一种基于图卷积网络和深度聚类的ADHD生物型检测方法，旨在通过功能性网络连接性（FNC）识别ADHD生物型，以指导个性化药物治疗	创新点在于使用图卷积网络和深度聚类技术对ADHD患者进行分类，并发现不同生物型对药物治疗的反应存在显著差异	研究样本主要来自青少年脑认知发展研究（ABCD），可能限制了结果的普遍性	研究目的是通过神经影像标记物识别ADHD生物型，以指导个性化药物治疗	研究对象为1069名ADHD患者和130名接受纵向药物治疗的ADHD青少年	机器学习	神经发育障碍	功能性网络连接性（FNC）	图卷积网络（GCN）和深度聚类	神经影像数据	1069名ADHD患者和130名ADHD青少年
8772	2025-01-15	ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates 2022-May-28, Brain informatics DOI:10.1186/s40708-022-00161-9 PMID:35633447	研究论文	本文介绍了一种基于深度学习的婴儿大脑MRI分割框架ID-Seg，用于提高边缘结构（如杏仁核和海马体）的分割准确性	利用大规模公开婴儿MRI数据集和迁移学习技术，预训练深度卷积神经网络模型，并通过留一法交叉验证策略进行微调，显著提高了分割准确性	需要在多站点进行测试，并扩展至杏仁核和海马体以外的脑区	提高婴儿大脑MRI中边缘结构的分割准确性	婴儿大脑MRI图像中的杏仁核和海马体	数字病理学	NA	深度学习，迁移学习	深度卷积神经网络（CNN）	MRI图像	473名婴儿的MRI数据集，以及50名婴儿的独立数据集
8773	2025-01-15	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	本文提出了一种基于深度学习的自动化多类别伪影分类器，用于扩散MRI（dMRI）体积数据中的伪影检测	首次提出了一种自动化多类别伪影分类器，能够识别dMRI体积中的多种伪影类型，而不仅仅是进行二分类或单一类型检测	研究依赖于特定数据集（ABCD和HBN），可能在其他数据集上的泛化能力有限	开发一种自动化工具，用于dMRI数据预处理中的多类别伪影检测	扩散MRI（dMRI）体积数据	计算机视觉	NA	深度学习	3D Residual Squeeze-and-Excitation Convolutional Neural Networks	3D MRI图像	2,494个来自ABCD数据集和4,226个来自HBN数据集的dMRI体积
8774	2025-01-14	Applications of MRI in Schizophrenia: Current Progress in Establishing Clinical Utility 2025-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29470 PMID:38946400	综述	本文综述了MRI在精神分裂症中的临床应用进展，包括其在筛查高风险个体、预测疾病发作、症状及治疗结果方面的潜力	整合机器学习和深度学习技术，开发智能诊断和预后工具，利用提取或选择的影像特征	MRI研究发现与实际临床应用之间存在差距	探讨MRI在精神分裂症中的临床应用潜力	精神分裂症患者	数字病理学	精神分裂症	MRI	机器学习和深度学习	影像数据	NA
8775	2025-01-14	Large scale Raman spectrum calculations in defective 2D materials using deep learning 2025-Jan-13, Journal of physics. Condensed matter : an Institute of Physics journal DOI:10.1088/1361-648X/ada106 PMID:39693768	研究论文	本文介绍了一种机器学习预测工作流程，用于研究缺陷对二维材料拉曼响应的影响	结合机器学习原子间势能、拉曼活性Γ加权态密度方法和独立补丁分割配置，实现了数万原子规模的模拟	模拟的主要瓶颈在于对角化过程	研究缺陷对二维材料拉曼响应的影响	同位素石墨烯和有缺陷的六方氮化硼	机器学习	NA	拉曼光谱计算	NA	光谱数据	数万原子规模的模拟
8776	2025-01-14	Enhanced Photothermal/Immunotherapy under NIR Irradiation Based on Hollow Mesoporous Responsive Nanomotor 2025-Jan-13, Inorganic chemistry IF:4.3Q1 DOI:10.1021/acs.inorgchem.4c05059 PMID:39727277	研究论文	本研究提出了一种中空介孔响应纳米马达，用于在近红外（NIR）照射下增强光热/免疫治疗	利用中空介孔硫化铜（HMCuS）负载青蒿琥酯（AS）和透明质酸（HA）组成的纳米马达HA-HMCuS/AS，诱导肿瘤相关巨噬细胞的极化，并结合光热疗法和免疫疗法，增强肿瘤消融和抑制效果	NA	开发一种新型纳米马达，用于增强光热/免疫治疗，以更有效地消融和抑制肿瘤	乳腺癌细胞	纳米医学	乳腺癌	近红外（NIR）照射	ResNet18	形态学数据集	NA
8777	2025-01-14	A real-time approach for surgical activity recognition and prediction based on transformer models in robot-assisted surgery 2025-Jan-12, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03306-9 PMID:39799528	研究论文	本文提出了一种基于Transformer模型的深度学习方法，用于机器人辅助微创手术中的手术活动识别和预测	提出了一种改进的Transformer模型，专门设计用于处理手术机器人中的手势识别、预测和末端执行器轨迹预测任务，且仅使用机器人手臂关节的运动学数据	模型仅依赖于运动学数据，未考虑其他可能影响手术活动识别和预测的因素	开发一个实时手术风险监测系统，用于机器人辅助微创手术	机器人辅助微创手术中的手术活动	计算机视觉	NA	深度学习	Transformer	运动学数据	JHU-ISI手势和技能评估工作集数据集
8778	2025-01-14	YOLO-STOD: an industrial conveyor belt tear detection model based on Yolov5 algorithm 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83619-6 PMID:39794390	研究论文	本文提出了一种基于Yolov5算法的工业传送带撕裂检测模型YOLO-STOD，用于实时检测传送带撕裂，以保障煤炭行业的采矿安全	提出了YOLO-STOD检测方法，利用BotNet注意力机制提取多维撕裂特征，增强模型对小目标的特征提取能力，并在少量样本条件下快速收敛；同时采用Shape_IOU计算训练损失，增强模型的鲁棒性	未提及模型在极端复杂干扰环境下的表现，也未讨论模型在其他工业场景中的通用性	提高复杂干扰环境下小尺寸撕裂损伤检测算法的性能，满足工业实时检测需求	传送带的纵向撕裂损伤	计算机视觉	NA	深度学习	Yolov5, BotNet	图像	多案例传送带撕裂数据集
8779	2025-01-14	Application of deep learning model based on unenhanced chest CT for opportunistic screening of osteoporosis: a multicenter retrospective cohort study 2025-Jan-10, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01817-2 PMID:39792306	研究论文	本研究旨在建立并验证基于未增强胸部CT图像的卷积神经网络模型，用于骨质疏松症的机会性筛查	首次利用未增强胸部CT图像的椎体和骨骼肌信息构建CNN模型进行骨质疏松症筛查，并与SMI模型进行比较	研究为回顾性研究，可能存在选择偏倚；样本量相对有限，且仅来自四家医院	开发并验证基于未增强胸部CT图像的深度学习模型，用于骨质疏松症的机会性筛查	接受未增强胸部CT和双能X线吸收法（DXA）检查的中老年患者	计算机视觉	骨质疏松症	深度学习	CNN	图像	训练集581例，外部测试集1 229例，外部测试集2 198例，外部测试集3 118例
8780	2025-01-14	Enhanced detection of atrial fibrillation in single-lead electrocardiograms using a cloud-based artificial intelligence platform 2025-Jan-10, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.12.048 PMID:39800092	研究论文	本研究验证了一种基于云的深度学习平台，用于在大量患者的单导联心电图记录中自动检测心房颤动	使用未在目标心电图数据上训练的AI平台进行心房颤动检测，并展示了其优于基于规则的算法的性能	研究中未提及AI平台在其他类型心律失常检测中的具体表现，且样本来源单一	验证基于云的深度学习平台在单导联心电图中自动检测心房颤动的有效性	8,528名患者的30秒单导联心电图记录	机器学习	心血管疾病	深度学习	NA	心电图数据	8,528名患者的30秒单导联心电图记录