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
8901	2025-01-12	Impact of cardiovascular magnetic resonance in single ventricle physiology: a narrative review 2024-Dec-31, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-24-409 PMID:39790200	综述	本文综述了心血管磁共振（CMR）在单心室（SV）患者中的应用及其最新科学发现	强调了CMR在SV患者长期并发症评估和预后信息提供中的优势，并探讨了先进CMR技术在Fontan血流动力学理解中的潜力	许多CMR技术尚未融入日常实践，且需要进一步研究CMR在老年Fontan患者中的预后作用及新方法（如建模和深度学习管道）的临床实施	提供CMR在SV患者中应用的全面概述，并探讨其在患者管理和预后评估中的潜力	单心室（SV）患者	数字病理学	心血管疾病	心血管磁共振（CMR）	NA	图像	NA
8902	2025-01-12	Development of a deep learning method to identify acute ischaemic stroke lesions on brain CT 2024-Dec-25, Stroke and vascular neurology IF:4.4Q1 DOI:10.1136/svn-2024-003372 PMID:39572171	研究论文	本文开发了一种基于深度学习的算法，用于在脑CT扫描中识别急性缺血性卒中病变	该研究创新地使用了未标注病变的CT脑扫描数据来训练深度学习模型，突破了传统方法依赖于标注数据的限制	慢性脑部疾病（如非卒中病变和旧卒中病变）降低了模型的准确性	开发一种能够快速自动评估CT扫描的深度学习方法，以辅助急性缺血性卒中的诊断	脑CT扫描图像	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	2347名患者的5772次CT扫描
8903	2025-01-12	Differentiating Cystic Lesions in the Sellar Region of the Brain Using Artificial Intelligence and Machine Learning for Early Diagnosis: A Prospective Review of the Novel Diagnostic Modalities 2024-Dec, Cureus DOI:10.7759/cureus.75476 PMID:39791061	review	本文探讨了人工智能（AI）和机器学习（ML）在增强脑部鞍区囊性病变（如垂体腺瘤、Rathke裂囊肿和颅咽管瘤）区分能力方面的潜力，特别是通过先进的神经影像技术，如磁共振成像（MRI）	利用AI驱动的模型，包括卷积神经网络（CNNs）、深度学习和集成方法，克服传统诊断方法的局限性，提供更准确和早期的病变区分	面临小型、单一机构数据集的挑战	探索AI和ML如何提高鞍区囊性病变的诊断精度，改善临床决策，最终带来更好的患者治疗效果	脑部鞍区的囊性病变，如垂体腺瘤、Rathke裂囊肿和颅咽管瘤	数字病理学	脑部疾病	磁共振成像（MRI）	卷积神经网络（CNNs）、深度学习、集成方法	图像	使用Open Access Series of Imaging Studies (OASIS)数据集进行MRI脑部研究
8904	2025-01-12	Automated denoising software for calcium imaging signals using deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39574 PMID:39524741	研究论文	本文介绍了一种名为CalDenoise的自动化软件，该软件利用深度学习和图像处理技术去除钙成像信号中的噪声	开发了CalDenoise软件，结合图像处理和生成对抗网络（GAN）模型，有效去除钙时空图（STMaps）中的复杂噪声模式	未提及具体样本量或实验验证的详细结果	提高钙成像信号分析的准确性，去除噪声以精确分析钙数据集	钙时空图（STMaps）中的噪声	计算机视觉	NA	深度学习，图像处理	GAN	图像	NA
8905	2025-01-12	Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures 2024-Nov-08, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna10060055 PMID:39585047	研究论文	本研究比较了三种计算工具（RNAComposer、Rosetta FARFAR2和AlphaFold 3）在预测RNA三级结构方面的效用	首次将AlphaFold 3应用于RNA三级结构预测，并展示了其在处理常见转录后修饰方面的优势	三种工具在预测人类前微小RNA和较大BioRNA分子的远端环结构时存在显著差异，且这些RNA的三级结构尚未通过实验表征	比较不同计算工具在预测RNA三级结构方面的性能	非编码RNA（ncRNAs），包括小干扰RNA药物nedosiran和新型生物工程RNA（BioRNA）分子	生物信息学	NA	计算预测	AlphaFold 3, RNAComposer, Rosetta FARFAR2	RNA序列	多种RNA分子，包括nedosiran和BioRNA分子
8906	2025-01-12	Research on the generation and annotation method of thin section images of tight oil reservoir based on deep learning 2024-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63430-z PMID:38834642	研究论文	本文提出了一种基于深度学习的致密油储层薄片图像生成与标注方法，旨在解决薄片图像样本不足的问题	通过引入类别注意力机制改进StyleGAN网络，并设计SALM标注模块实现半自动标注，提升了生成图像的质量和标注效率	方法依赖于原始图像的质量和数量，且标注过程仍需一定的人工干预	提高致密油储层薄片图像的样本量，优化深度学习模型的训练效果	致密油储层薄片图像	计算机视觉	NA	深度学习	StyleGAN	图像	以三肇凹陷扶余储层为目标区域，使用Augmentor策略空间对原始图像进行初步增强
8907	2025-01-12	L2NLF: a novel linear-to-nonlinear framework for multi-modal medical image registration 2024-May, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00344-1 PMID:38645595	研究论文	本文提出了一种新的线性到非线性框架（L2NLF），用于多模态医学图像配准，旨在解决多模态医学图像配准的复杂性和挑战性	提出了线性到非线性框架（L2NLF），并设计了全新的配准网络CrossMorph，该网络结合了U-net结构和体积CrossFormer块，能更好地提取局部和全局信息	未提及具体局限性	提高多模态医学图像配准的准确性和效率	多模态医学图像	计算机视觉	NA	深度学习	CrossMorph（基于U-net结构的深度神经网络）	医学图像	240名患者的脑部T1和T2数据
8908	2025-01-12	Laparoscopic Colorectal Surgery with Anatomical Recognition with Artificial Intelligence Assistance for Nerves and Dissection Layers 2024-Mar, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-023-14633-7 PMID:38017127	研究论文	本文探讨了在腹腔镜结直肠手术中使用人工智能辅助进行神经和解剖层识别的效果	开发了名为Eureka的AI模型，用于自动分割疏松结缔组织（LCT）和分离神经，以帮助外科医生在手术中识别和解剖神经	研究样本量较小，且未进行长期随访以评估术后功能恢复情况	提高腹腔镜结直肠手术中神经和解剖层的识别准确性，以减少术后并发症	腹腔镜结直肠手术中的神经和解剖层	数字病理	结直肠癌	深度学习	Eureka	图像	未明确提及样本量
8909	2025-01-12	Endoscopic Artificial Intelligence for Image Analysis in Gastrointestinal Neoplasms 2024, Digestion IF:3.0Q2 DOI:10.1159/000540251 PMID:39068926	综述	本文综述了内镜人工智能系统在胃肠道肿瘤图像分析中的应用，特别是针对食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉的研究	总结了内镜AI系统在胃肠道肿瘤检测和诊断中的应用，展示了其在提高病变检测率和诊断准确性方面的潜力	部分研究尚未进行随机对照试验（RCT），且主要集中于亚洲国家	探讨内镜人工智能系统在胃肠道肿瘤检测和诊断中的应用效果	食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉	数字病理	胃肠道肿瘤	深度学习	计算机辅助检测/诊断系统（CADe/CADx）	图像	NA
8910	2025-01-12	Experimental validation of computer-vision methods for the successful detection of endodontic treatment obturation and progression from noisy radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00685-8 PMID:37097541	研究论文	本研究评估了去噪和数据平衡对深度学习从X光片中检测牙髓治疗结果的影响，并开发了预测牙髓治疗质量的深度学习模型和分类器	首次将去噪和数据平衡技术应用于牙髓治疗结果的深度学习检测，并开发了基于YOLO系列模型的实时深度学习计算机视觉系统	样本量相对较小，仅包含250张去标识的牙科X光片，且数据集经过增强处理，可能影响模型的泛化能力	评估去噪和数据平衡对深度学习检测牙髓治疗结果的影响，并开发预测牙髓治疗质量的深度学习模型	牙髓治疗结果的X光片	计算机视觉	牙科疾病	深度学习	YOLOv5s, YOLOv5x, YOLOv7	图像	250张去标识的牙科X光片，增强后生成2226张图像
8911	2025-01-12	Effect of data size on tooth numbering performance via artificial intelligence using panoramic radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00689-4 PMID:37405624	研究论文	本研究探讨了数据量对使用全景X光片进行牙齿编号检测的模型性能的影响	通过不同大小的数据集（1000、1500、2000和2500张全景X光片）来研究数据量对模型性能的影响，并采用YOLOv4算法进行模型训练	研究仅使用了3000张匿名成人牙齿全景X光片，样本量可能不足以全面反映数据量对模型性能的影响	研究数据量对牙齿编号检测模型性能的影响	3000张匿名成人牙齿全景X光片	计算机视觉	NA	图像处理和深度学习算法	YOLOv4	图像	3000张匿名成人牙齿全景X光片
8912	2025-01-12	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究利用深度学习技术对43,230名UK Biobank参与者的心脏磁共振成像数据进行全基因组关联研究，以探索左心室质量与心血管事件风险的关系	首次使用深度学习技术进行心脏磁共振成像数据的全基因组关联研究，并识别出11个新的与左心室质量相关的基因变异	研究主要基于UK Biobank数据，可能无法完全代表其他人群	探索左心室质量与心血管事件风险的遗传关联	43,230名UK Biobank参与者	机器学习	心血管疾病	深度学习	NA	心脏磁共振成像数据	43,230名UK Biobank参与者
8913	2025-01-12	Poly(A)-DG: A deep-learning-based domain generalization method to identify cross-species Poly(A) signal without prior knowledge from target species 2020-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008297 PMID:33151940	研究论文	本文提出了一种基于深度学习的领域泛化方法Poly(A)-DG，用于在无需目标物种先验知识的情况下识别跨物种的Poly(A)信号	提出了一种新的深度学习方法Poly(A)-DG，结合了卷积神经网络-多层感知器（CNN-MLP）网络和领域泛化技术，能够在无需重新训练的情况下识别目标物种的Poly(A)信号	虽然Poly(A)-DG在跨物种识别中表现出色，但在数据不足或数据不平衡的情况下，性能可能会受到影响	研究目的是开发一种能够在无需目标物种先验知识的情况下识别跨物种Poly(A)信号的深度学习方法	研究对象是四种不同物种的Poly(A)信号	机器学习	NA	深度学习	CNN-MLP	DNA序列数据	四种物种的数据集，其中两种用于训练，另外两种用于评估
8914	2025-01-11	Deep learning-based image domain reconstruction enhances image quality and pulmonary nodule detection in ultralow-dose CT with adaptive statistical iterative reconstruction-V 2025-Jan-10, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11317-y PMID:39792163	研究论文	本研究评估了基于深度学习的图像域重建技术在超低剂量CT（ULDCT）中的应用，比较了其与低剂量CT（LDCT）和未使用深度学习图像重建（DLIR）的ULDCT在图像质量和肺结节检测能力上的差异	首次将深度学习图像重建（DLIR）技术应用于超低剂量CT（ULDCT）的图像后处理，显著提高了图像质量和肺结节检测率	研究样本量相对较小，且仅针对肺结节检测，未涉及其他类型的肺部病变	评估深度学习图像重建技术在超低剂量CT中的图像质量和肺结节检测能力	210名接受肺癌筛查的患者	计算机视觉	肺癌	深度学习图像重建（DLIR）	深度学习模型	图像	210名患者，共检测到463个肺结节
8915	2025-01-11	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Jan-10, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	本文提出了一种名为GraphkmerDTA的新型深度学习模型，用于药物-靶标结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中展示了其应用	GraphkmerDTA模型创新性地整合了Kmer特征与结构拓扑信息，解决了现有方法在序列特征提取和拓扑信息捕捉上的不足	尽管GraphkmerDTA在基准数据集上表现优异，但其在实际应用中的广泛性和有效性仍需进一步验证	旨在提高药物-靶标结合亲和力预测的准确性，并探索其在多靶点抗阿尔茨海默病药物发现中的应用	药物-靶标结合亲和力预测，特别是针对阿尔茨海默病的多靶点药物发现	机器学习	阿尔茨海默病	图神经网络（GNN）	GraphkmerDTA	序列数据和结构数据	超过两千种化合物的筛选库
8916	2025-01-11	Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms 2025-Jan-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29710 PMID:39792443	综述	本文综述了基于超短回波时间（UTE）的磁共振成像（MRI）技术和深度学习算法在可视化骨关节炎（OA）前期病变中的应用	结合UTE-MRI技术和深度学习算法，实现对短T2组织的直接可视化和定量成分评估，革新了MRI分析方式，如自动组织分割和定量图像生物标志物提取	证据等级为5，技术效能为第2阶段，表明研究尚处于初步阶段，需进一步验证	探讨如何通过先进成像技术和深度学习算法实现OA前期的可视化和管理	骨关节炎（OA）前期病变，包括软骨、半月板/唇、韧带和肌腱等短T2组织	数字病理学	骨关节炎	超短回波时间磁共振成像（UTE-MRI）	深度学习（DL）	MRI图像	NA
8917	2025-01-11	Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence 2025-Jan-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29708 PMID:39781607	研究论文	本文探讨了多参数磁共振成像（mpMRI）结合人工智能（AI）在评估胰腺导管腺癌（PDAC）生物学侵袭性和预后中的应用	利用AI增强的多参数磁共振成像技术，提供形态和功能信息，以量化肿瘤内特征，并预测PDAC的生物学特性和预后	当前的AI模型主要基于单一模态，样本量相对较小，技术可重复性和生物学解释面临新的挑战	评估和预测胰腺导管腺癌的生物学侵袭性和预后	胰腺导管腺癌（PDAC）	医学影像分析	胰腺癌	多参数磁共振成像（mpMRI）	深度学习	影像	相对较小的样本量
8918	2025-01-11	Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI) 2025-Jan-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29687 PMID:39781684	综述	本文综述了当前用于乳腺癌磁共振成像（MRI）的计算机辅助检测（CADe）系统的技术细节和分割模型，包括传统强度方法、监督和无监督机器学习方法以及最新的深度学习架构	强调了从传统算法到复杂深度学习模型（如U-Nets）的最新进展，并探讨了多参数MRI采集的CADe实施	CADe系统面临假阳性和假阴性率变化、解释大量成像数据的复杂性、系统性能的变异性以及缺乏大规模研究和多中心模型等挑战，限制了其临床应用的普适性和适用性	提高乳腺癌早期检测的有效性，通过计算机辅助检测系统增强MRI的诊断能力	乳腺癌的磁共振成像（MRI）数据	数字病理学	乳腺癌	磁共振成像（MRI）	U-Nets, 监督和无监督机器学习方法	图像	NA
8919	2025-01-11	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Jan-09, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究利用多约束深度学习分类器分析儿童在执行不同情绪-back任务条件下的全脑血氧水平依赖（BOLD）活动模式，以识别任务类别和功能连接性	采用多变量模式分析和多约束深度学习分类器，提高了检测非线性任务差异或分布式活动模式差异的敏感性	样本量较小，仅包含20名儿童，可能限制结果的普遍性	识别区分0-back和2-back任务的功能性脑网络	儿童在执行情绪-back任务时的全脑BOLD活动模式	神经影像学	NA	多变量模式分析，深度学习分类器	神经网络分类器	功能成像数据	20名儿童
8920	2025-01-11	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本文探讨了常规数字减影血管造影（DSA）中的信息，并评估了深度学习算法在DSA序列中自动识别解剖位置的能力	开发了基于单图像预测的Mode模型和多重实例学习（MIL）模型，用于DSA序列的位置分类，并展示了高精度的多类分类准确率	数据中存在信息稀疏性，只有少数图像被专家标记为具有足够定位信息的“关键”图像	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹部主动脉、腹腔、上肠系膜、下肠系膜和双侧外髂动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影（DSA）	Mode模型, 多重实例学习（MIL）模型	图像	205名患者的819个独特的血管造影序列