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
8861	2025-01-13	The role of artificial intelligence in pandemic responses: from epidemiological modeling to vaccine development 2025-01-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-024-00238-3 PMID:39747786	综述	本文综述了人工智能（AI）在疫情响应中的多维作用，从流行病学建模到疫苗开发	探讨了AI在流行病学建模和疫苗开发中的创新应用，强调了AI技术在数据驱动决策中的革命性作用	未具体提及研究的局限性	研究AI在全球健康危机中的准备和响应作用，特别是在流行病学建模和疫苗开发中的应用	全球疫情响应，特别是流行病学建模和疫苗开发	机器学习	传染病	机器学习算法和预测分析	SIR（易感-感染-恢复）和SIS（易感-感染-易感）模型	流行病学数据	NA
8862	2025-01-13	The Associations Between Myopia and Fundus Tessellation in School Children: A Comparative Analysis of Macular and Peripapillary Regions Using Deep Learning 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.4 PMID:39775798	研究论文	本研究利用深度学习技术量化眼底镶嵌密度，评估了学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	首次使用深度学习技术量化眼底镶嵌密度，并比较黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	研究为横断面设计，无法确定因果关系	评估学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	1942名6至15岁的学龄儿童	数字病理学	近视	深度学习	NA	图像	1942名学龄儿童
8863	2025-01-13	Applying deep learning-based ensemble model to [18F]-FDG-PET-radiomic features for differentiating benign from malignant parotid gland diseases 2025-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01649-6 PMID:39254903	研究论文	本文开发并识别了使用预处理2-脱氧-2-[18F]氟-D-葡萄糖（[18F]-FDG）-正电子发射断层扫描（PET）的放射组学特征来区分良性和恶性腮腺疾病（PGDs）的机器学习模型	使用基于深度学习的集成机器学习模型，结合[18F]-FDG-PET的放射组学特征，克服了之前报道的[18F]-FDG-PET/CT扫描在区分良性和恶性PGDs方面的局限性	样本量较小，仅包括62名患者	开发并识别机器学习模型，用于区分良性和恶性腮腺疾病	62名患有63个PGDs的患者	数字病理学	腮腺疾病	[18F]-FDG-PET/CT	深度学习集成模型	放射组学特征	62名患者，63个PGDs
8864	2025-01-13	Diagnosis of Early Glottic Cancer Using Laryngeal Image and Voice Based on Ensemble Learning of Convolutional Neural Network Classifiers 2025-Jan, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2022.07.007 PMID:36075802	研究论文	本研究通过比较决策树集成学习和卷积神经网络（CNN）算法在诊断声门癌中的分类准确性，旨在提高分类准确性	使用决策树集成学习方法结合CNN算法，融合喉部图像和语音数据，提高了小数据集上的分类准确性	使用外部数据集时，CNN分类器的准确性显著下降，表明模型在泛化能力上存在局限	提高声门癌诊断的分类准确性	声门癌患者	计算机视觉	声门癌	深度学习	CNN, 决策树集成学习	图像, 语音	PNUH和PNUYH数据集
8865	2025-01-13	Cardiac MR image reconstruction using cascaded hybrid dual domain deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313226 PMID:39792851	研究论文	本文提出了一种级联混合双域深度学习框架，用于从高度欠采样的数据中重建诊断质量的心脏MR图像	引入了双域深度学习方法，结合多线圈数据一致性（MCDC）层，从一维变密度（VD）随机欠采样数据中重建心脏MR图像	高空间分辨率应用中存在模糊或残留伪影的问题	加速MRI数据采集并提高图像质量	心脏MR图像	计算机视觉	心血管疾病	深度学习	U-Net	图像	NA
8866	2025-01-13	From whole-slide image to biomarker prediction: end-to-end weakly supervised deep learning in computational pathology 2025-Jan, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01047-2 PMID:39285224	研究论文	本文介绍了一种名为STAMP的实用工作流程，用于从全切片图像（WSIs）直接预测生物标志物，通过深度学习在计算病理学中实现固体肿瘤的关联建模	STAMP工作流程的创新点在于其作为一个协作框架，能够被临床医生和工程师共同使用，用于在计算病理学领域建立研究项目，并且能够整合遗传和临床病理学数据	STAMP工作流程需要一天的计算执行时间和基本的命令行知识，这可能对某些用户构成限制	研究目的是开发一种能够直接从WSIs预测生物标志物的深度学习工作流程，以促进精准肿瘤学中复杂生物标志物的普及	研究对象是固体肿瘤的全切片图像（WSIs）	数字病理学	结直肠癌	深度学习	NA	图像	NA
8867	2025-01-13	Enabling Fast AI-Driven Inverse Design of a Multifunctional Nanosurface by Parallel Evolution Strategies 2024-Dec-27, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15010027 PMID:39791786	研究论文	本文提出了一种基于并行计算的进化策略（parallel ES），用于加速多功能纳米表面的AI驱动逆向设计	提出了并行计算的进化策略（parallel ES），解决了传统ES在计算速度上的限制，显著提升了AI驱动逆向设计的效率和可扩展性	未明确提及具体的研究局限性	通过并行计算优化进化策略，实现多功能纳米表面的快速AI驱动逆向设计	多功能纳米表面	机器学习	NA	进化策略（ES）、深度学习（DL）	并行进化策略（parallel ES）	NA	NA
8868	2025-01-13	Predicting the tumor microenvironment composition and immunotherapy response in non-small cell lung cancer from digital histopathology images 2024-Dec-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00765-w PMID:39702609	研究论文	本文介绍了一种名为HistoTME的新型弱监督深度学习方法，用于从非小细胞肺癌（NSCLC）患者的组织病理学图像中推断肿瘤微环境（TME）组成，并预测免疫治疗反应	HistoTME方法能够直接从全切片图像中预测30种不同细胞类型特异性分子标志物的表达，并在独立肿瘤队列中与真实值达到平均皮尔逊相关系数0.5，显著提高了免疫治疗反应的预测准确性	研究依赖于外部临床队列的数据，可能存在样本选择偏差，且模型的预测性能在更大规模和多样化的数据集中仍需进一步验证	开发一种能够从组织病理学图像中推断肿瘤微环境组成并预测免疫治疗反应的方法	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	弱监督深度学习	深度学习模型	图像	652名患者的外部临床队列
8869	2025-01-13	Systematic benchmarking of deep-learning methods for tertiary RNA structure prediction 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012715 PMID:39775239	研究论文	本文系统性地评估了用于三级RNA结构预测的深度学习方法，旨在识别影响性能差异的因素	首次系统性地对最先进的深度学习方法在RNA结构预测中的表现进行基准测试，并识别了影响性能的关键因素	大多数方法无法预测RNA中的非沃森-克里克碱基对，且在处理未见过的或合成的RNA时性能差异不明显	评估和比较深度学习方法在RNA三级结构预测中的性能，并识别影响预测准确性的因素	RNA的三级结构	机器学习	NA	深度学习	DeepFoldRNA, DRFold	RNA序列数据	多样化的RNA数据集
8870	2025-01-13	LOGOWheat: deep learning-based prediction of regulatory effects for noncoding variants in wheats 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae705 PMID:39789857	研究论文	本文介绍了一种基于深度学习的工具LOGOWheat，用于预测小麦中非编码变异的调控效应	LOGOWheat采用自注意力机制的预训练语言模型，结合表观基因组数据，有效预测小麦基因组序列中的调控代码	未明确提及具体局限性	研究目的是开发一种工具，用于预测小麦中非编码变异的调控效应	研究对象为小麦基因组中的非编码变异	自然语言处理	NA	深度学习	自注意力机制的预训练语言模型	基因组序列数据、表观基因组数据	未明确提及具体样本数量
8871	2025-01-13	Deep learning to assess microsatellite instability directly from histopathological whole slide images in endometrial cancer 2024-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01131-7 PMID:38811811	研究论文	本文提出了一种基于深度学习的模型，用于直接从子宫内膜癌的H&E染色全切片图像中评估微卫星不稳定性（MSI）状态	该模型能够快速准确地评估子宫内膜癌的MSI状态，显著优于现有的四种最先进方法，并且在AI推理时间上表现出色，适合临床实际应用	NA	开发一种高效且准确的深度学习模型，用于评估子宫内膜癌的MSI状态	子宫内膜癌患者的H&E染色全切片图像	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	529名患者的千兆像素组织病理学图像
8872	2025-01-13	Decoding imagined speech with delay differential analysis 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1398065 PMID:38826617	研究论文	本文探讨了一种新的非线性信号处理方法——延迟微分分析（DDA）在语音解码中的应用，并对其在两个公开的想象语音解码数据集上的性能进行了系统评估	首次将延迟微分分析（DDA）应用于语音解码，并与所有公开的深度学习方法进行了比较，展示了DDA作为一种快速、高效且无需大量预处理的替代或补充方法的潜力	现有EEG数据集的小规模和异质性限制了算法的泛化能力，且公开代码的有限可用性阻碍了方法之间的比较	探索DDA在语音解码中的应用，评估其性能	想象语音解码	自然语言处理	NA	延迟微分分析（DDA）	NA	EEG信号	两个公开的想象语音解码数据集
8873	2025-01-13	Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1331852 PMID:38818521	研究论文	本文提出了一种基于深度学习的算法，用于从心电信号中识别心房成分的递减，以区分辅助通路和房室折返性心动过速	首次在文献中提出了一种能够自动描绘心电信号中所有局部成分的工具，并开发了两种新的损失函数以减少假阴性和描绘错误	数据稀缺问题通过合成数据增强方法缓解，但仍需进一步验证模型的泛化能力	开发一种自动量化心电信号中递减诱发电位的方法，以辅助心脏电生理程序的诊断	冠状窦中的心电信号	数字病理学	心血管疾病	深度学习	U-Net, W-Net	心电信号	77名患者的312个心电信号记录
8874	2025-01-13	Improving Psychiatry Services with Artificial Intelligence: Opportunities and Challenges 2024, Turk psikiyatri dergisi = Turkish journal of psychiatry DOI:10.5080/u27604 PMID:39783807	综述	本文探讨了人工智能（AI）在全球及土耳其精神病护理中的潜力，特别是大型语言模型的应用	提出了利用AI技术，如机器学习和深度学习，通过语音模式、神经影像和行为测量等多种数据源，改善精神障碍的诊断、治疗个性化和监测的创新方法	算法偏见、数据隐私问题、伦理影响以及大型语言模型的虚构现象等挑战阻碍了AI在实践中的全面实施	探讨AI在提高精神病诊断准确性和服务可及性方面的潜力	精神障碍患者	自然语言处理	精神疾病	机器学习, 深度学习	大型语言模型	语音, 神经影像, 行为数据	NA
8875	2025-01-13	Single subject prediction of brain disorders in neuroimaging: Promises and pitfalls 2017-01-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2016.02.079 PMID:27012503	综述	本文综述了基于神经影像的个体脑疾病预测研究，探讨了其潜力和局限性	提供了迄今为止最全面的神经影像个体预测脑疾病的综述，并提出了未来研究方向	主要瓶颈是样本量有限，可能通过现代数据共享模型解决	探讨神经影像数据在个体脑疾病预测中的潜力	精神分裂症、轻度认知障碍、阿尔茨海默病、抑郁症、自闭症谱系障碍和注意力缺陷多动障碍	神经影像	脑疾病	结构、功能和扩散MRI	机器学习	神经影像数据	超过200项研究，涉及多种脑疾病
8876	2025-01-12	Deep Learning Reconstruction of Prospectively Accelerated MRI of the Pancreas: Clinical Evaluation of Shortened Breath-Hold Examinations With Dixon Fat Suppression 2025-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001110 PMID:39043213	研究论文	本研究评估了一种新型深度学习重建算法在胰腺MRI检查中的应用，旨在缩短屏气时间并提高图像质量	首次在临床环境中评估了深度学习重建算法在胰腺病理学背景下的加速MRI检查中的应用，并显著缩短了屏气时间	研究为单中心研究，样本量较小（32名参与者），且仅使用了1.5 T MRI扫描仪	评估深度学习重建算法在胰腺MRI检查中的性能，包括缩短屏气时间、提高图像质量和诊断信心	患有各种胰腺疾病的患者	医学影像	胰腺疾病	深度学习重建算法，Dixon脂肪抑制技术	深度学习模型	MRI图像	32名参与者（平均年龄62±19岁，20名男性）
8877	2025-01-12	Artificial T1-Weighted Postcontrast Brain MRI: A Deep Learning Method for Contrast Signal Extraction 2025-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001107 PMID:39074258	研究论文	本研究比较了两种重新实现的最先进深度学习方法与一种提出的对比信号提取方法，用于从非对比和低剂量图像合成人工T1加权全剂量图像	提出了一种新的对比信号提取方法，显著改善了合成后对比图像的质量	在现有剂量下，仍有相当比例的图像与参考图像的可互换性不足	比较不同深度学习方法在合成人工T1加权全剂量图像中的性能	213名接受脑部磁共振成像的参与者	医学影像	NA	磁共振成像	深度学习方法	图像	213名参与者，其中50名作为测试集
8878	2025-01-12	Trap colour strongly affects the ability of deep learning models to recognize insect species in images of sticky traps 2025-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.8464 PMID:39377441	研究论文	本研究探讨了粘虫板颜色和成像设备对深度学习模型在粘虫板上分类害虫性能的影响	首次深入研究了粘虫板颜色对深度学习模型分类害虫性能的影响，并提出了使用透明粘虫板作为训练数据以提高模型准确性的方法	研究仅使用了MobileNetV2架构，未探索其他深度学习模型的效果	研究粘虫板颜色和成像设备对深度学习模型分类害虫性能的影响	粘虫板上的害虫	计算机视觉	NA	深度学习	MobileNetV2	图像	NA
8879	2025-01-12	Bioimaging and the future of whole-organismal developmental physiology 2025-Feb, Comparative biochemistry and physiology. Part A, Molecular & integrative physiology DOI:10.1016/j.cbpa.2024.111783 PMID:39581226	评论	本文探讨了生物成像在整体生物发育生理学研究中的重要性及其未来潜力	强调了图像分析，特别是深度学习方法，在推动对发育动物生长和功能理解方面的潜力，并探讨了计算机视觉在不同物种、生命阶段和实验中的可转移性	未具体提及研究的局限性	评估成像作为测量整体生物发育生理学手段的重要性，并探索计算机视觉在该领域的应用	发育中的动物	计算机视觉	NA	生物成像	深度学习	图像	NA
8880	2025-01-12	Stress testing deep learning models for prostate cancer detection on biopsies and surgical specimens 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6373 PMID:39660731	研究论文	本文研究了深度学习模型在前列腺癌检测中的应用，特别是在活检和手术标本上的表现差异	探讨了样本处理差异对深度学习模型性能的影响，并提出了需要针对不同样本类型（活检和手术标本）定制机器学习模型的必要性	研究仅基于特定数据集（宾夕法尼亚大学和NRG/RTOG 0521临床试验），可能无法完全代表所有临床环境	研究样本处理差异对深度学习模型在前列腺癌检测中性能的影响	前列腺癌的活检和手术标本	数字病理学	前列腺癌	深度学习	CNN (DenseNet)	图像	1,000个样本（包括100个手术标本和50个活检标本），以及来自NRG/RTOG 0521临床试验的750个活检标本