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
8841	2025-01-24	Artificial Intelligence-Assisted Segmentation of a Falx Cerebri Calcification on Cone-Beam Computed Tomography: A Case Report 2024-Dec-12, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60122048 PMID:39768927	研究论文	本文探讨了人工智能在锥形束计算机断层扫描（CBCT）图像中分割和检测大脑镰钙化的应用	利用基于云的人工智能平台分析CBCT图像，有效分割大脑镰钙化，尽管在区分这些钙化与其他颅骨结构方面仍存在挑战	在区分大脑镰钙化与其他颅骨结构方面仍存在挑战，且该领域的研究文献较少	探索人工智能在放射学诊断中的应用，特别是用于检测大脑镰钙化	大脑镰钙化	计算机视觉	颅内钙化	锥形束计算机断层扫描（CBCT）	深度学习	图像	1例59岁患者
8842	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics 2024-Dec-11, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.11.009 PMID:39665958	评论	本文探讨了深度学习在癌症诊断中的演变和未来，强调了神经网络架构在生物医学研究中的进展及其对医学影像解释和多模态数据整合的影响	提出了开发能够整合多样化数据源的多模态大型语言模型的需求，这些模型有潜力显著提高癌症诊断的精确性和效率	文章未具体提及现有技术的局限性	探讨深度学习在癌症诊断中的应用及其未来发展方向	癌症诊断中的深度学习技术	数字病理学	癌症	深度学习	大型语言模型	多模态数据	NA
8843	2025-01-24	Deep-AutoMO: Deep automated multiobjective neural network for trustworthy lesion malignancy diagnosis in the early stage via digital breast tomosynthesis 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109299 PMID:39437606	研究论文	本研究开发了一种新型深度自动化多目标神经网络（Deep-AutoMO），用于通过数字乳腺断层合成（DBT）进行早期乳腺癌恶性病变的可信诊断	提出了多目标免疫神经架构搜索（MINAS）和基于熵的证据推理（ERE）方法，以在训练和测试阶段实现模型的平衡、安全和鲁棒性	未提及具体的数据集规模或外部验证结果	开发一种可信赖的深度学习模型，用于早期乳腺癌恶性病变的诊断	数字乳腺断层合成（DBT）图像	计算机视觉	乳腺癌	深度学习	ResNet、DenseNet	图像	未提及具体样本数量
8844	2025-01-24	Role of Artificial Intelligence in MRI-Based Rectal Cancer Staging: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76185 PMID:39840208	系统综述	本文系统综述了人工智能（AI）在基于磁共振成像（MRI）的直肠癌（RC）分期中的应用及其表现	首次对AI在MRI-based RC分期中的表现进行了全面评估，涵盖了多种AI模型和MRI技术	仅纳入了14项研究，样本量较小，且未对不同AI模型进行直接比较	评估AI模型在MRI-based RC分期中的诊断性能	直肠癌（RC）患者	数字病理	直肠癌	MRI	深度学习（DL）、卷积神经网络（CNN）、随机森林分类器、LASSO等	MRI图像（T1加权、T2加权、扩散加权图像等）	14项研究，涉及716条记录
8845	2025-01-24	Automated cell lineage reconstruction using label-free 4D microscopy 2024-Oct-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记3D延时成像中实现自动化细胞检测和跟踪	embGAN无需手动数据注释进行训练，能够学习到具有高度尺度不变性的稳健检测，并在多个实验室和仪器上获得的图像上表现出良好的泛化能力	目前尚无解决方案可用于在密集组织和胚胎的无标记3D成像中实现自动化细胞检测和跟踪	开发一种自动化细胞检测和跟踪方法，以支持高通量的细胞谱系研究	线虫Caenorhabditis elegans胚胎	计算机视觉	NA	4D无标记显微镜	GAN	3D时间序列图像	NA
8846	2025-01-24	Artificial intelligence strengthens cervical cancer screening - present and future 2024-09-19, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2024.0198 PMID:39297572	综述	本文综述了人工智能在宫颈癌筛查中的应用现状及未来发展	探讨了人工智能在宫颈癌筛查中的主要应用及其技术发展，特别是在图像识别方面的应用	未提及具体的技术局限性，但指出了未来可能面临的挑战	提高宫颈癌筛查的准确性、效率和效果	宫颈癌筛查中的图像识别技术	计算机视觉	宫颈癌	深度学习算法	NA	医学图像	NA
8847	2025-01-24	nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230115 PMID:39166971	研究论文	本研究评估了基于nnU-Net的分割模型在多机构MRI扫描中自动描绘儿童髓母细胞瘤肿瘤的能力	使用nnU-Net模型进行儿童髓母细胞瘤肿瘤子区域的自动分割，并评估了模型在不同机构数据上的鲁棒性	研究样本量相对较小（78例），且数据来自三个不同的医院，可能存在数据异质性	评估nnU-Net模型在儿童髓母细胞瘤MRI图像分割中的准确性和鲁棒性	儿童髓母细胞瘤患者	数字病理学	髓母细胞瘤	MRI（钆增强T1加权、T2加权和液体衰减反转恢复）	nnU-Net	图像	78例儿童髓母细胞瘤患者（52男，26女，年龄2-18岁）
8848	2025-01-24	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-Aug-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	本研究比较了基于深度学习的自动方法在冠状动脉计算机断层扫描血管造影（CCTA）中分割冠状动脉粥样硬化的效果，与血管内超声（IVUS）作为参考标准进行对比	使用AI技术自动量化冠状动脉粥样硬化，并与IVUS进行对比，展示了高准确性和强相关性	研究仅限于临床稳定的冠状动脉疾病患者，样本来源仅限于美国和日本的15个中心	评估AI技术在CCTA中量化冠状动脉粥样硬化的准确性，以改进心血管风险评估	已知冠状动脉疾病的临床稳定患者	数字病理	心血管疾病	AI, CCTA, IVUS	深度学习	图像	237名患者，432个病变
8849	2025-01-24	Deep Learning for Pneumothorax Detection on Chest Radiograph: A Diagnostic Test Accuracy Systematic Review and Meta Analysis 2024-Aug, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371231220885 PMID:38189265	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深度学习算法在胸部X光片上检测气胸的总体性能	首次系统评估了深度学习在气胸检测中的应用效果，并展示了其在临床环境中的巨大潜力	研究设计、数据集来源和偏倚风险对检测敏感性和特异性无显著影响，但可能存在未考虑的其他影响因素	评估深度学习算法在胸部X光片上检测气胸的总体性能	成人患者的胸部X光片	计算机视觉	气胸	深度学习	NA	图像	34,011名患者和34,075张胸部X光片
8850	2025-01-24	A systematic review of generative adversarial networks (GANs) in plastic surgery 2024-Aug, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2024.04.007 PMID:38996662	系统综述	本文系统回顾了生成对抗网络（GANs）在整形外科中的应用，评估了其规模和范围，并构建了在亚专科中使用和评估的框架	首次系统评估了GANs在整形外科中的应用，并提出了标准化报告结构的建议	研究样本量较小，仅有7项研究符合标准，且数据集的多样性和代表性有待提高	评估GANs在整形外科中的应用潜力和现状	整形外科中的GANs应用	计算机视觉	NA	生成对抗网络（GANs）	GAN	图像	平均54,652 ± 112,180个样本
8851	2025-01-24	Assessing the Influence of B-US, CDFI, SE, and Patient Age on Predicting Molecular Subtypes in Breast Lesions Using Deep Learning Algorithms 2024-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16460 PMID:38581195	研究论文	本研究探讨了B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对预测乳腺病变分子亚型的影响	结合多种超声成像技术和患者年龄，利用深度学习算法预测乳腺病变的分子亚型	样本量相对较小，仅包含198名患者的数据	研究B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对乳腺病变分子亚型预测的影响	乳腺病变患者	计算机视觉	乳腺癌	B型超声成像、彩色多普勒血流成像、应变弹性成像	ResNet-18	图像	198名患者的2272张多模态超声图像
8852	2025-01-24	Methodological evaluation of systematic reviews based on the use of artificial intelligence systems in chest radiography 2024 Jul-Aug, Radiologia IF:1.1Q3 DOI:10.1016/j.rxeng.2023.01.015 PMID:39089793	研究论文	本文评估了使用人工智能系统进行胸部X光片诊断的系统评价的方法学质量	首次系统评估了使用AI进行胸部X光片诊断的系统评价的方法学质量，并指出了该领域系统评价的不足之处	仅纳入了7篇系统评价，样本量较小；且所有系统评价的方法学质量均被评为“极低”	评估使用AI系统进行胸部X光片诊断的系统评价的方法学质量	使用AI系统进行胸部X光片诊断的系统评价	医学影像	传染病	深度学习	NA	胸部X光片	7篇系统评价，平均每篇包含36项研究
8853	2025-01-24	Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction 2024-06-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae012 PMID:38253989	研究论文	本研究评估了生成式人工智能（AI）增强（GAA）是否能提供多样且真实的成像表型，并改善基于深度学习的胶质瘤异柠檬酸脱氢酶（IDH）类型分类	使用基于分数的扩散模型和ResNet50分类器开发GAA，通过生成多样且真实的图像表型，显著提高了IDH类型预测的诊断性能	研究主要依赖于内部和外部测试集，可能无法完全代表所有临床环境	评估生成式AI增强在胶质瘤IDH类型预测中的诊断性能	胶质瘤患者	计算机视觉	胶质瘤	生成式AI增强（GAA）	ResNet50	MRI图像	565名患者（346名IDH野生型，219名IDH突变型）
8854	2025-01-24	UTILIZATION OF ARTIFICIAL INTELLIGENCE FOR PREDICTIVE MODELING IN DENTAL IMPLANTOLOGY 2024-May, Georgian medical news PMID:39089263	研究论文	本文探讨了人工智能在牙科种植学中预测模型的应用，旨在识别影响种植体存活率的因素	利用人工智能模型分析患者数据（如X光片、病史）来预测种植体成功，并应用于检测潜在种植失败患者、改善种植设计等	由于缺乏具体结果和比较研究数量不足，无法进行定量分析	研究人工智能在牙科种植学中预测模型的应用	牙科种植体及其成功率的预测	机器学习	NA	NA	决策树、随机森林、人工神经网络（ANN）、深度学习（DL）	X光片、病史数据	NA
8855	2025-01-24	ROBUST OUTER VOLUME SUBTRACTION WITH DEEP LEARNING GHOSTING DETECTION FOR HIGHLY-ACCELERATED REAL-TIME DYNAMIC MRI 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635530 PMID:39834646	研究论文	本文提出了一种深度学习技术，用于改进从时间交错欠采样模式中估计静止外体积信号，从而提高实时动态MRI的图像质量	利用移动器官产生的伪周期性伪影特性，通过深度学习估计外体积信号，并在高加速率下实现图像质量的提升	未提及具体的数据集规模或实验验证的广泛性	提高实时动态MRI的时空分辨率，特别是在心脏成像中的应用	实时动态MRI数据，特别是心脏成像数据	计算机视觉	心血管疾病	深度学习	NA	MRI图像	NA
8856	2025-01-24	Utilization of Artificial Intelligence for the automated recognition of fine arts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312739 PMID:39585839	研究论文	本文介绍了一种基于人工智能和深度学习的自动化美术作品识别方法	提出了一种结合卷积神经网络和高级特征提取技术的创新方法，显著提高了美术作品分类的准确性和效率	未提及具体的数据集大小或实验的具体限制	提高自动化美术作品识别的准确性和效率	美术作品	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量
8857	2025-01-24	Deep learning captures the effect of epistasis in multifactorial diseases 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479717 PMID:39839630	研究论文	本研究探讨了非线性和深度学习模型在预测多因素疾病风险中的应用，特别是考虑基因上位效应的影响	首次系统地比较了线性回归模型与非线性机器学习模型（包括深度学习）在模拟和真实遗传数据中捕捉基因上位效应的能力	研究主要基于模拟数据和特定疾病类型的真实数据，可能无法推广到所有多因素疾病	探索非线性和深度学习模型在预测多因素疾病风险中的有效性，特别是考虑基因上位效应	模拟数据和真实遗传数据，涉及肥胖、1型糖尿病和银屑病等疾病	机器学习	多因素疾病（如阿尔茨海默病、糖尿病、心血管疾病、癌症等）	GAMETES模拟数据生成，PyTOXO包生成渗透表	多层感知器（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、Lasso回归、随机森林、梯度提升模型	遗传数据	模拟数据和真实遗传数据，具体样本数量未明确
8858	2025-01-24	AI predicting recurrence in non-muscle-invasive bladder cancer: systematic review with study strengths and weaknesses 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1509362 PMID:39839785	综述	本文系统回顾了基于机器学习的非肌层浸润性膀胱癌（NMIBC）复发预测框架，分析了其统计稳健性和算法效能	通过多模态数据集和多种机器学习模型（如神经网络、深度学习、随机森林）的结合，显著提高了预测准确性，并探讨了增强模型解释性的方法（如SHAP）	由于数据集较小，模型的泛化能力有限，且高级模型的“黑箱”性质仍是一个挑战	提高非肌层浸润性膀胱癌（NMIBC）复发的预测精度，推动AI在肿瘤学中的应用	非肌层浸润性膀胱癌（NMIBC）患者	机器学习	膀胱癌	机器学习（ML）和人工智能（AI）	神经网络、深度学习、随机森林、支持向量机	放射组学、临床、组织病理学、基因组数据	NA
8859	2025-01-24	Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1420328 PMID:39839787	系统综述与元分析	本文通过系统综述和元分析，评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果	本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现，并强调了混合模型和深度学习（特别是卷积神经网络）的优势	大多数研究依赖内部验证，缺乏外部验证，可能影响模型的普适性和鲁棒性	评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力	乳腺癌患者的临床数据	机器学习	乳腺癌	机器学习算法	混合模型、卷积神经网络（CNN）	临床数据	32篇符合条件的文章，涉及140篇初步筛选的文章
8860	2025-01-24	Application of MRI image segmentation algorithm for brain tumors based on improved YOLO 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1510175 PMID:39840016	研究论文	本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性，并在此基础上进行了优化和升级	在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进，提出了多个优化版本，显著提升了脑肿瘤磁共振图像的分割能力	研究仅使用了两个公开数据集，样本量相对有限，可能影响模型的泛化能力	辅助临床快速识别脑肿瘤类型并实现分割检测	脑肿瘤磁共振图像	计算机视觉	脑肿瘤	深度学习	YOLOv5s, YOLOv8s	图像	3,223张图像（数据集1）和216张图像（数据集2）