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
8941	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）
8942	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
8943	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）
8944	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)
8945	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
8946	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）
8947	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
8948	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
8949	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
8950	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
8951	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
8952	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
8953	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
8954	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）
8955	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
8956	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
8957	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
8958	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
8959	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
8960	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