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
9221	2025-01-14	Microfluidics-based patient-derived disease detection tool for deep learning-assisted precision medicine 2024-Jan, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0172146 PMID:38223546	研究论文	本文介绍了一种基于微流控技术和深度学习的智能疾病检测工具（IDDT），用于癌症预后和治疗的常规评估	IDDT结合了微流控技术和深度学习算法，显著减少了手动标注时间，并实现了高精度的临床队列分类	样本量相对较小（71例），且仅验证了部分癌症类型	开发一种智能、无标记且经济高效的工具，以帮助临床医生做出精确的医疗决策并定制治疗策略	癌症患者和健康捐赠者的液体血液活检样本	数字病理学	癌症（如乳腺癌、胃癌和肺癌）	微流控技术、深度学习算法	Mask R-CNN、视觉变换器、Segment Anything Model (SAM)	图像	71例液体血液活检样本（包括12例健康捐赠者和55例癌症患者）
9222	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
9223	2025-01-13	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-Feb, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究通过计算病理学方法，分析了三个临床结直肠癌队列中的肿瘤微环境，识别出预测预后的免疫和内皮细胞空间模式	使用深度学习细胞分类器对H&E染色切片中的八种细胞类型进行检测，并量化了这些细胞类型的空间组织和共定位，揭示了肿瘤微环境中与治疗反应相关的重要因素	研究结果基于特定分子亚型和治疗历史的患者队列，可能不适用于所有结直肠癌患者	研究结直肠癌肿瘤微环境在肿瘤进展中的作用，并识别预测预后的生物标志物	三个临床结直肠癌队列中的肿瘤微环境	数字病理学	结直肠癌	深度学习细胞分类器	深度学习	图像	375例临床注释的结直肠癌患者
9224	2025-01-13	AI image analysis as the basis for risk-stratified screening 2025-Jan-11, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的应用，特别是风险预测模型的研究进展	聚焦于AI风险预测模型，从传统影像生物标志物到前沿深度学习方法及多模态方法，探讨了其在乳腺癌筛查中的创新应用	AI风险模型主要在研究环境中探索，尚未广泛临床采用，且存在伦理、实践和临床应用挑战	优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查结果	乳腺癌筛查中的AI风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
9225	2025-01-13	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2025-Jan-10, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展	利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程	自动化在超分辨率显微镜中的应用仍处于初期阶段	探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用	超分辨率显微镜图像	计算机视觉	NA	深度学习（DL）	NA	图像	NA
9226	2025-01-13	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病和额颞叶痴呆中的潜在作用	本文综合分析了2012年至2024年间发表的31篇相关文章，重点比较了机器学习和深度学习技术在诊断中的应用效果	强调了结合临床检查和患者症状评估的重要性，以确保诊断的全面性和准确性	探讨人工智能在阿尔茨海默病和额颞叶痴呆诊断中的应用	阿尔茨海默病和额颞叶痴呆	数字病理学	老年疾病	MRI, DTI, fMRI, PET, SPECT	SVM, ResNet	影像数据	31篇文章
9227	2025-01-13	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	本研究基于扩散加权成像（DWI）的深度学习和放射组学特征，结合临床变量，构建了评估子宫内膜癌（EC）TP53突变的预测模型	结合深度学习特征、放射组学特征和临床变量，使用高斯过程（GP）算法构建的联合模型在诊断效能和风险重分类方面表现出色	样本量相对较小，训练集、测试集和外部验证集的样本量分别为80、35和40	评估子宫内膜癌（EC）中TP53突变的预测模型	155名子宫内膜癌患者	数字病理	子宫内膜癌	扩散加权成像（DWI）	高斯过程（GP）和决策树（DT）	图像和临床数据	155名子宫内膜癌患者（80名训练集，35名测试集，40名外部验证集）
9228	2025-01-13	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-Jan-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	本研究利用机器学习方法预测尿路感染（UTI），并找出最具信息量的变量	结合经典和深度学习模型，通过集成XGBoost、决策树和LightGBM模型，提出了一个高精度的UTI预测方法	未提及样本量的具体限制或数据集的潜在偏差	开发一种可靠的尿路感染预测方法，以减少抗生素的滥用和误用	尿路感染患者	机器学习	尿路感染	机器学习	XGBoost, 决策树, LightGBM	尿液检测数据、血液检测数据、人口统计数据	未提及具体样本量
9229	2025-01-13	Apnet: Lightweight network for apricot tree disease and pest detection in real-world complex backgrounds 2025-Jan-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01324-5 PMID:39789617	研究论文	本文介绍了一种轻量级网络APNet，用于在真实世界复杂背景下检测杏树病虫害	提出了ATZD01数据集，包含11类杏树病虫害，并开发了基于卷积神经网络的创新检测算法APNet和自适应阈值算法（ATA）模块	目前学术界缺乏专门针对杏树的大量真实数据集和深度学习策略	提高杏树病虫害检测的准确性	杏树病虫害	计算机视觉	NA	深度学习	CNN	图像	ATZD01数据集，包含11类杏树病虫害
9230	2025-01-13	Evaluating the effect of noise reduction strategies in CT perfusion imaging for predicting infarct core with deep learning 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313517 PMID:39789894	研究论文	本研究评估了深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，特别关注不同供应商实施的噪声降低技术的影响	研究首次系统地评估了不同噪声降低技术对深度学习模型识别梗死组织效果的影响，并证实了CNN模型在处理不同处理方案时的适应能力	研究样本量较小，仅包括60名患者，且所有患者均接受了机械取栓术，可能限制了结果的普遍性	评估深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，并探讨不同噪声降低技术的影响	急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像，主成分分析（PCA），小波变换，非局部均值（NLM）	U-Net，卷积神经网络（CNN）	图像	60名急性缺血性卒中患者
9231	2025-01-13	Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction 2025-Jan-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.055 PMID:39794159	研究论文	评估一种行业开发的深度学习算法在重建低分辨率T1加权和T2加权乳腺MRI序列中的性能，并与标准序列进行比较	使用深度学习算法进行去噪和分辨率提升，显著减少了采集时间并提高了图像质量	样本量较小，仅包括47名患者	评估深度学习算法在乳腺MRI中的应用效果	需要进行乳腺MRI的女性患者	计算机视觉	乳腺癌	深度学习	CNN	图像	47名患者
9232	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
9233	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
9234	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
9235	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
9236	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
9237	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
9238	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
9239	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
9240	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