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
9021	2025-01-07	RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data 2024-Dec-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313909 PMID:39371168	研究论文	本文介绍了RiskPath，一个可解释的AI工具箱，用于在经典和新兴的纵向队列中进行风险分层预测	RiskPath提供了先进的时间序列方法，并集成了理论指导的优化，以指定最佳模型拓扑或探索性能与复杂性的权衡	模型的结构复杂性和大小可能限制了其在风险分层工具中的应用	开发一个可解释的AI工具箱，用于多步骤生物医学预测	纵向数据中的疾病风险预测	机器学习	NA	时间序列AI方法	NA	时间序列数据	NA
9022	2025-01-07	Erratum: Retraction notice to "A deep learning approach based on graphs to detect plantation lines" [Heliyon Volume 10, Issue 11, 15 June 2024, e31730] 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40689 PMID:39759858	correction	本文是对先前发表文章的更正通知	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9023	2025-01-07	Simple quantitation and spatial characterization of label free cellular images 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40684 PMID:39759864	研究论文	本文开发了一种无需训练数据的计算流程，用于基于高内涵显微镜设备生成的图像进行细胞数量量化和空间分布特征描述	开发了一种无需训练数据的计算流程，结合经典图像处理功能、Voronoi分割、高斯混合建模和自动参数优化，适用于大规模或重复细胞培养实验的自动化无标记图像分析	NA	开发一种无需训练数据的计算流程，用于无标记图像分析	无标记细胞图像	计算机视觉	NA	高内涵显微镜	NA	图像	四种形态不同的细胞类型，具有不同的细胞密度
9024	2025-01-07	SAUSI: an integrative assay for measuring social aversion and motivation 2024-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.13.594023 PMID:38798428	研究论文	本文介绍了一种新的行为任务——选择性访问无限制社交互动（SAUSI），用于全面评估小鼠的社交厌恶	SAUSI任务整合了社交动机、犹豫、决策和自由互动等元素，克服了传统评估工具的局限性，提供了对社交厌恶的全面评估	传统评估工具如三室社交性测试和居民入侵者测试未能全面揭示社交厌恶的关键组成部分，如社交冻结和社交犹豫行为	研究社交厌恶的生物行为机制，开发新的评估工具	小鼠	行为神经科学	社交焦虑症、自闭症谱系障碍	深度学习分析	NA	行为数据	NA
9025	2025-01-07	Enhanced 3D dose prediction for hypofractionated SRS (gamma knife radiosurgery) in brain tumor using cascaded-deep-supervised convolutional neural network 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01457-2 PMID:39080208	研究论文	本文提出了一种用于脑肿瘤伽玛刀放射外科（GKRS）剂量预测的级联深度监督卷积神经网络（CDS-CNN），以提高剂量分布的预测精度	提出了一种创新的级联深度监督卷积神经网络（CDS-CNN），结合多级深度监督和顺序多网络训练策略，能够提取切片内和切片间的特征，从而实现更真实的剂量预测	尽管模型在预测精度上有所提升，但仍需进一步验证其在更大样本和不同临床环境中的泛化能力	提高伽玛刀放射外科（GKRS）剂量分布的预测精度，减少对医学物理学家的依赖，优化临床工作流程	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	级联深度监督卷积神经网络（CDS-CNN）	CT扫描图像	105名脑肿瘤患者（85例用于训练，20例用于测试）
9026	2025-01-07	Deep learning architecture with shunted transformer and 3D deformable convolution for voxel-level dose prediction of head and neck tumors 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01462-5 PMID:39101991	研究论文	本研究开发了一种新型深度学习多尺度Transformer（MST）模型，旨在加速头颈部肿瘤的IMRT计划，同时生成更精确的体素级剂量分布预测	提出了一种结合分流Transformer和3D可变形卷积瓶颈块的端到端MST模型，用于捕捉多尺度特征并学习全局依赖关系，同时通过数据增强和自知识蒸馏进一步提高模型预测性能	研究主要基于OpenKBP Challenge数据集，可能在其他数据集上的泛化能力有待验证	加速头颈部肿瘤的IMRT计划，提高体素级剂量分布的预测精度	头颈部肿瘤	计算机视觉	头颈部肿瘤	深度学习	Transformer, 3D deformable convolution	医学影像数据	OpenKBP Challenge数据集
9027	2025-01-07	A deep learning phase-based solution in 2D echocardiography motion estimation 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01481-2 PMID:39264487	研究论文	本文提出了一种基于四元数小波变换（QWT）相位的深度学习新方法，用于估计二维超声心动图序列中的心肌运动和应变	该方法首次将QWT相位和强度作为定制PWC-Net结构的输入，用于二维超声心动图运动估计，表现出优越的几何和临床指标	研究仅基于模拟的B型超声心动图序列进行训练和测试，未涉及真实患者数据	开发一种新的深度学习方法来提高二维超声心动图中心肌运动和应变的估计精度	二维超声心动图序列中的心肌运动和应变	计算机视觉	心血管疾病	四元数小波变换（QWT）	PWC-Net	图像	两个模拟的B型超声心动图序列
9028	2025-01-07	PPG2RespNet: a deep learning model for respirational signal synthesis and monitoring from photoplethysmography (PPG) signal 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01482-1 PMID:39287773	研究论文	本文提出了一种名为PPG2RespNet的深度学习模型，用于从光电容积描记图（PPG）信号中合成和监测呼吸信号	PPG2RespNet引入了分层跳跃连接，建立了层次化和密集的连接，以增强信号提取的鲁棒性，并对瓶颈层进行了修改以增强潜在特征的提取	NA	解决现有方法在手动参数调整和预定义特征方面的局限性，实现呼吸信号的自主高效提取	包含重症监护病房患者、儿科患者和健康受试者的PPG数据	机器学习	呼吸系统疾病	深度学习	PPG2RespNet（基于UNet和UNet++的改进模型）	PPG信号	三个公开的PPG数据集（VORTAL、BIDMC、Capnobase）
9029	2025-01-07	PET/CT-based 3D multi-class semantic segmentation of ovarian cancer and the stability of the extracted radiomics features 2024-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01485-y PMID:39312120	研究论文	本研究应用3D U-Net深度学习模型对PET/CT图像中的卵巢癌进行多类语义分割，并评估提取的放射组学特征的稳定性	首次在PET/CT图像中应用3D U-Net模型进行卵巢癌的多类语义分割，并评估放射组学特征的稳定性	样本量相对较小，仅包含39名卵巢癌患者的数据	提高卵巢癌的诊断和治疗规划效率	卵巢癌患者的PET/CT图像	计算机视觉	卵巢癌	PET/CT成像	3D U-Net	图像	39名卵巢癌患者的3120张PET/CT图像
9030	2025-01-07	Exploratory study on the enhancement of O-RADS application effectiveness for novice ultrasonographers via deep learning 2024-Dec, Archives of gynecology and obstetrics IF:2.1Q2 DOI:10.1007/s00404-024-07837-z PMID:39579245	研究论文	本研究旨在通过深度学习技术提升新手超声医师在卵巢-附件报告和数据系统（O-RADS）中的应用效果	使用基于ConvNeXt-Tiny的深度卷积神经网络模型来区分O-RADS中的经典良性病变（CBL）与其他病变（OL），并通过U-Net模型进行自动病变分割	研究仅涉及两个新手超声医师的评估，样本量较小	提升O-RADS系统在新手超声医师中的应用效果	经病理证实的附件病变的超声图像	计算机视觉	卵巢疾病	深度学习	ConvNeXt-Tiny, U-Net	超声图像	两组经病理证实的附件病变的超声图像（开发数据集和独立测试数据集）
9031	2025-01-07	A dataset of deep learning performance from cross-base data encoding on MNIST and MNIST-C 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111194 PMID:39760007	研究论文	本文介绍了一个关于卷积神经网络在MNIST和MNIST-C数据集上不同数值基数表示下的性能数据集	提出了一个新的数据集，用于分析不同数值基数表示对卷积神经网络性能的影响	数据集仅限于MNIST和MNIST-C数据集，未涉及其他数据集或更广泛的应用场景	研究不同数值基数表示对机器学习模型性能的影响	MNIST和MNIST-C数据集	机器学习	NA	卷积神经网络	CNN	图像	MNIST和MNIST-C数据集中的样本
9032	2025-01-07	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39756070	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在PHIs预测任务中表现出色，但其性能可能仍受到数据稀疏性的影响	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	抗生素耐药性	深度学习	区域图卷积模型	序列信息	三个基准数据集
9033	2025-01-07	Multimodal deep learning approaches for precision oncology: a comprehensive review 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae699 PMID:39757116	综述	本文综述了多模态深度学习在精准肿瘤学中的应用，基于对651篇文献的广泛调查	提供了多模态深度学习在肿瘤分割、检测、诊断、预后、治疗选择和疗效监测中的全面应用概述，并提出了未来研究方向	当前方法存在局限性，未来研究需要解决这些挑战	推动多模态深度学习在精准肿瘤学中的应用	肿瘤学研究中的多模态数据	机器学习	癌症	深度学习	多模态深度学习	多模态数据	651篇文献
9034	2025-01-07	Pro-active risk analysis of an in-house developed deep learning based autoplanning tool for breast Volumetric Modulated Arc Therapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100677 PMID:39759485	研究论文	本文介绍了一种针对乳腺癌容积调强弧形治疗（VMAT）的深度学习自动规划工具的风险分析，旨在最小化临床实施前的风险	通过多学科团队进行主动失效模式与影响分析（FMEA），识别并减少深度学习工具在临床工作流程中的风险	研究仅针对乳腺癌VMAT的特定工作流程，可能不适用于其他类型的放射治疗	评估并减少深度学习模型在乳腺癌VMAT临床工作流程中的风险	乳腺癌VMAT的深度学习自动规划工具及其临床工作流程	数字病理	乳腺癌	深度学习	深度学习模型	NA	NA
9035	2025-01-07	Neuroimaging signatures and a deep learning modeling for early diagnosing and predicting non-pharmacological therapy success for subclinical depression comorbid sleep disorders in college students 2024 Oct-Dec, International journal of clinical and health psychology : IJCHP IF:5.3Q1 DOI:10.1016/j.ijchp.2024.100526 PMID:39759571	研究论文	本研究通过神经影像学特征和深度学习模型，旨在早期诊断和预测大学生亚临床抑郁症合并睡眠障碍的非药物治疗效果	提出了基于分层功能脑网络（HFBN）的深度学习模型，用于早期诊断和预测非药物治疗效果，优于传统深度学习模型	研究样本量相对较小，且仅针对大学生群体，可能限制了结果的普适性	探索亚临床抑郁症合并睡眠障碍的非药物治疗的神经影像学机制，并开发早期诊断和治疗效果预测模型	114名首次发作、未用药的亚临床抑郁症合并睡眠障碍的大学生和93名健康对照者	神经影像学与深度学习	抑郁症与睡眠障碍	静息态功能磁共振成像（rs-fMRI）	基于Transformer框架的分层功能脑网络（HFBN）模型	神经影像数据与临床数据	114名患者和93名健康对照者
9036	2025-01-07	Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction 2024-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00180 PMID:39292984	研究论文	本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测	研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量	研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显	探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用	前列腺癌患者	数字病理学	前列腺癌	深度学习	自编码器	图像	2,244次实验，基于13种不同模型
9037	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0464 PMID:39313232	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9038	2025-01-07	Using Domain Adaptation and Inductive Transfer Learning to Improve Patient Outcome Prediction in the Intensive Care Unit: Retrospective Observational Study 2024-Aug-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52730 PMID:39167442	研究论文	本研究探讨了在数据稀缺情况下，使用领域适应和归纳迁移学习改进基于电子健康记录的ICU患者结果预测	首次在基于电子健康记录的ICU患者结果预测中深入研究了领域适应和归纳迁移学习	研究仅使用了两个ICU数据集，可能限制了结果的普适性	改进ICU患者结果预测，特别是在数据稀缺的情况下	ICU患者	机器学习	重症监护	迁移学习，领域适应，归纳迁移学习	全连接神经网络，逻辑回归，Lasso回归	电子健康记录	eCritical数据集包含55,689次入院记录，48,672名患者；MIMIC-III数据集包含61,532次入院记录，46,476名患者
9039	2025-01-07	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning 2024-Jul, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2023.0033 PMID:38685670	研究论文	本研究旨在利用长短期记忆（LSTM）神经网络开发糖尿病肾病（DKD）预测模型，并通过准确率、精确率、召回率和ROC曲线下面积（AUC）评估其性能	使用LSTM神经网络构建DKD预测模型，并评估了糖化血红蛋白（HbA1c）、收缩压（SBP）和脉压（PP）变异性对模型性能的影响	研究仅基于6,040名2型糖尿病患者的数据，可能无法完全代表所有糖尿病患者群体	开发并评估糖尿病肾病（DKD）风险预测模型	6,040名2型糖尿病患者	机器学习	糖尿病肾病	LSTM神经网络	LSTM	临床数据	6,040名2型糖尿病患者
9040	2025-01-07	Deep Learning-Based Dynamic Risk Prediction of Venous Thromboembolism for Patients With Ovarian Cancer in Real-World Settings From Electronic Health Records 2024-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00192 PMID:38996199	研究论文	本文开发了一种基于深度学习的动态风险预测模型，用于从电子健康记录中预测卵巢癌患者的静脉血栓栓塞风险	首次在真实临床环境中应用深度学习算法，结合动态临床特征和竞争风险，开发了高精度的静脉血栓栓塞风险预测模型	研究数据仅来自单一医疗中心，可能限制了模型的泛化能力	开发一种能够利用电子健康记录中的丰富信息，包括动态临床特征和竞争风险，来预测卵巢癌患者静脉血栓栓塞风险的深度学习模型	卵巢癌患者	机器学习	卵巢癌	深度学习	全连接层、时间注意力机制和循环神经网络	电子健康记录	1,268名患者（2007-2017年）用于模型开发，423名患者（2018-2019年）用于验证