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
9321	2025-01-12	Clinical target volume (CTV) automatic delineation using deep learning network for cervical cancer radiotherapy: A study with external validation 2025-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14553 PMID:39401180	研究论文	本研究探讨了一种基于深度学习的算法在宫颈癌放疗中临床靶区（CTV）自动勾画的准确性和可行性，并评估其在外部宫颈癌和子宫内膜癌病例中的泛化能力	提出了一种名为ResCANet的新型网络，通过在跳跃连接中添加级联多尺度卷积来消除不同特征层之间的语义差异，并在最深特征层中使用空洞空间金字塔池化结合不同感受野的语义信息而不丢失信息	研究样本量相对较小，且仅针对宫颈癌和子宫内膜癌进行了外部验证，未涵盖其他类型的癌症	探索深度学习算法在宫颈癌放疗中临床靶区自动勾画的准确性和可行性，并评估其泛化能力	宫颈癌和子宫内膜癌患者	计算机视觉	宫颈癌	深度学习	ResCANet（基于ResNet-UNet的改进网络）	医学影像	332名患者（236名宫颈癌患者用于内部验证，54名宫颈癌和42名子宫内膜癌患者用于外部验证）
9322	2025-01-12	Multi-region infectious disease prediction modeling based on spatio-temporal graph neural network and the dynamic model 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012738 PMID:39787070	研究论文	本研究提出了一种基于时空图神经网络和动态模型的混合框架M-Graphormer，用于高维参数估计和多区域传染病预测	将Graph Transformer Neural Network和图学习机制整合到metapopulation SIR模型中，解决了现有模型在处理动态图结构时可能丢失隐藏空间依赖性的问题	NA	预测由于人类流动性导致的多区域传染病传播	多区域传染病传播动态	机器学习	传染病	Graph Transformer Neural Network, 图学习机制	M-Graphormer, metapopulation SIR模型	真实疫情数据	基于多波次传染病预测的多区域数据
9323	2025-01-12	Automatic anal sphincter integrity detection from ultrasound images via convolutional neural networks 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240569 PMID:39213111	研究论文	本文开发了一种基于卷积神经网络（CNN）的深度学习工具，用于通过盆底超声自动诊断肛门括约肌完整性	首次提出使用CNN从盆底超声图像中获取诊断肛门括约肌损伤所需的平面，并初步诊断肛门括约肌损伤	NA	开发一种自动诊断肛门括约肌完整性的深度学习工具	肛门括约肌	计算机视觉	NA	深度学习	CNN	图像	NA
9324	2025-01-12	Deep Learning for Discrimination of Early Spinal Tuberculosis from Acute Osteoporotic Vertebral Fracture on CT 2025, Infection and drug resistance IF:2.9Q2 DOI:10.2147/IDR.S482584 PMID:39776757	研究论文	本文评估了深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折的效果，旨在提高诊断精度，减少对MRI和活检的依赖，并降低误诊风险	使用深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折，显著提高了诊断精度，并超越了经验丰富的脊柱外科医生的诊断准确性	研究样本主要来自大学附属医院，可能限制了模型的普遍适用性	评估深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折的效果	373名患者，其中302名来自一所大学附属医院，71名来自另一所大学附属医院	计算机视觉	脊柱结核和骨质疏松性椎体压缩骨折	深度学习	MVITV2, Efficient-Net-B5, ResNet101, ResNet50	CT图像	373名患者
9325	2025-01-12	A hybrid dual-branch model with recurrence plots and transposed transformer for stock trend prediction 2025-Jan-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0233275 PMID:39792696	研究论文	本文提出了一种创新的双分支网络模型，用于有效预测股票趋势	结合递归图和转置变压器，捕捉股票市场时间序列中的非线性关系和微妙互连	仅基于七只随机选择的股票的历史数据进行实验，样本量有限	提高股票趋势预测的准确性	股票市场时间序列	机器学习	NA	递归图分析，转置变压器	双分支网络模型	时间序列数据	七只随机选择的股票的历史数据
9326	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
9327	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
9328	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
9329	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
9330	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
9331	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
9332	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
9333	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
9334	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
9335	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
9336	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
9337	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
9338	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
9339	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
9340	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