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
9281	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
9282	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）
9283	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
9284	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
9285	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
9286	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
9287	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
9288	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
9289	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
9290	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
9291	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
9292	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
9293	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
9294	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
9295	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
9296	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
9297	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
9298	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
9299	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
9300	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