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
9601	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）
9602	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
9603	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
9604	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
9605	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
9606	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
9607	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
9608	2025-01-15	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	本文提出了一种基于深度学习的自动化多类别伪影分类器，用于扩散MRI（dMRI）体积数据中的伪影检测	首次提出了一种自动化多类别伪影分类器，能够识别dMRI体积中的多种伪影类型，而不仅仅是进行二分类或单一类型检测	研究依赖于特定数据集（ABCD和HBN），可能在其他数据集上的泛化能力有限	开发一种自动化工具，用于dMRI数据预处理中的多类别伪影检测	扩散MRI（dMRI）体积数据	计算机视觉	NA	深度学习	3D Residual Squeeze-and-Excitation Convolutional Neural Networks	3D MRI图像	2,494个来自ABCD数据集和4,226个来自HBN数据集的dMRI体积
9609	2025-01-14	Applications of MRI in Schizophrenia: Current Progress in Establishing Clinical Utility 2025-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29470 PMID:38946400	综述	本文综述了MRI在精神分裂症中的临床应用进展，包括其在筛查高风险个体、预测疾病发作、症状及治疗结果方面的潜力	整合机器学习和深度学习技术，开发智能诊断和预后工具，利用提取或选择的影像特征	MRI研究发现与实际临床应用之间存在差距	探讨MRI在精神分裂症中的临床应用潜力	精神分裂症患者	数字病理学	精神分裂症	MRI	机器学习和深度学习	影像数据	NA
9610	2025-01-14	Large scale Raman spectrum calculations in defective 2D materials using deep learning 2025-Jan-13, Journal of physics. Condensed matter : an Institute of Physics journal DOI:10.1088/1361-648X/ada106 PMID:39693768	研究论文	本文介绍了一种机器学习预测工作流程，用于研究缺陷对二维材料拉曼响应的影响	结合机器学习原子间势能、拉曼活性Γ加权态密度方法和独立补丁分割配置，实现了数万原子规模的模拟	模拟的主要瓶颈在于对角化过程	研究缺陷对二维材料拉曼响应的影响	同位素石墨烯和有缺陷的六方氮化硼	机器学习	NA	拉曼光谱计算	NA	光谱数据	数万原子规模的模拟
9611	2025-01-14	Enhanced Photothermal/Immunotherapy under NIR Irradiation Based on Hollow Mesoporous Responsive Nanomotor 2025-Jan-13, Inorganic chemistry IF:4.3Q1 DOI:10.1021/acs.inorgchem.4c05059 PMID:39727277	研究论文	本研究提出了一种中空介孔响应纳米马达，用于在近红外（NIR）照射下增强光热/免疫治疗	利用中空介孔硫化铜（HMCuS）负载青蒿琥酯（AS）和透明质酸（HA）组成的纳米马达HA-HMCuS/AS，诱导肿瘤相关巨噬细胞的极化，并结合光热疗法和免疫疗法，增强肿瘤消融和抑制效果	NA	开发一种新型纳米马达，用于增强光热/免疫治疗，以更有效地消融和抑制肿瘤	乳腺癌细胞	纳米医学	乳腺癌	近红外（NIR）照射	ResNet18	形态学数据集	NA
9612	2025-01-14	A real-time approach for surgical activity recognition and prediction based on transformer models in robot-assisted surgery 2025-Jan-12, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03306-9 PMID:39799528	研究论文	本文提出了一种基于Transformer模型的深度学习方法，用于机器人辅助微创手术中的手术活动识别和预测	提出了一种改进的Transformer模型，专门设计用于处理手术机器人中的手势识别、预测和末端执行器轨迹预测任务，且仅使用机器人手臂关节的运动学数据	模型仅依赖于运动学数据，未考虑其他可能影响手术活动识别和预测的因素	开发一个实时手术风险监测系统，用于机器人辅助微创手术	机器人辅助微创手术中的手术活动	计算机视觉	NA	深度学习	Transformer	运动学数据	JHU-ISI手势和技能评估工作集数据集
9613	2025-01-14	YOLO-STOD: an industrial conveyor belt tear detection model based on Yolov5 algorithm 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83619-6 PMID:39794390	研究论文	本文提出了一种基于Yolov5算法的工业传送带撕裂检测模型YOLO-STOD，用于实时检测传送带撕裂，以保障煤炭行业的采矿安全	提出了YOLO-STOD检测方法，利用BotNet注意力机制提取多维撕裂特征，增强模型对小目标的特征提取能力，并在少量样本条件下快速收敛；同时采用Shape_IOU计算训练损失，增强模型的鲁棒性	未提及模型在极端复杂干扰环境下的表现，也未讨论模型在其他工业场景中的通用性	提高复杂干扰环境下小尺寸撕裂损伤检测算法的性能，满足工业实时检测需求	传送带的纵向撕裂损伤	计算机视觉	NA	深度学习	Yolov5, BotNet	图像	多案例传送带撕裂数据集
9614	2025-01-14	Application of deep learning model based on unenhanced chest CT for opportunistic screening of osteoporosis: a multicenter retrospective cohort study 2025-Jan-10, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01817-2 PMID:39792306	研究论文	本研究旨在建立并验证基于未增强胸部CT图像的卷积神经网络模型，用于骨质疏松症的机会性筛查	首次利用未增强胸部CT图像的椎体和骨骼肌信息构建CNN模型进行骨质疏松症筛查，并与SMI模型进行比较	研究为回顾性研究，可能存在选择偏倚；样本量相对有限，且仅来自四家医院	开发并验证基于未增强胸部CT图像的深度学习模型，用于骨质疏松症的机会性筛查	接受未增强胸部CT和双能X线吸收法（DXA）检查的中老年患者	计算机视觉	骨质疏松症	深度学习	CNN	图像	训练集581例，外部测试集1 229例，外部测试集2 198例，外部测试集3 118例
9615	2025-01-14	Enhanced detection of atrial fibrillation in single-lead electrocardiograms using a cloud-based artificial intelligence platform 2025-Jan-10, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.12.048 PMID:39800092	研究论文	本研究验证了一种基于云的深度学习平台，用于在大量患者的单导联心电图记录中自动检测心房颤动	使用未在目标心电图数据上训练的AI平台进行心房颤动检测，并展示了其优于基于规则的算法的性能	研究中未提及AI平台在其他类型心律失常检测中的具体表现，且样本来源单一	验证基于云的深度学习平台在单导联心电图中自动检测心房颤动的有效性	8,528名患者的30秒单导联心电图记录	机器学习	心血管疾病	深度学习	NA	心电图数据	8,528名患者的30秒单导联心电图记录
9616	2025-01-14	Unsupervised deep learning-based medical image registration: a survey 2025-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9e69 PMID:39667278	综述	本文综述了基于无监督深度学习的医学图像配准技术的最新进展	深入探讨了创新的网络架构，并详细回顾了这些研究的独特贡献	讨论了各类方法面临的主要挑战	帮助对该领域感兴趣的读者深入了解这一激动人心的领域	医学图像配准技术	医学图像分析	NA	无监督深度学习	深度神经网络	医学图像	NA
9617	2025-01-14	CTHNet: A CNN-Transformer Hybrid Network for Landslide Identification in Loess Plateau Regions Using High-Resolution Remote Sensing Images 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010273 PMID:39797065	研究论文	本文提出了一种CNN-Transformer混合网络CTHNet，用于在黄土高原地区使用高分辨率遥感图像进行滑坡识别	结合CNN和Transformer的优势，提出了一种新的神经网络架构，能够同时提取高维局部特征和全局特征，从而在复杂环境中有效识别滑坡	研究主要针对黄土高原地区的滑坡识别，可能在其他地理环境中的适用性有限	提高在复杂环境中使用高分辨率遥感图像进行滑坡识别的准确性和效率	黄土高原地区的滑坡和非滑坡样本	计算机视觉	NA	高分辨率遥感图像分析	CNN-Transformer混合网络	图像	1500个黄土滑坡和非滑坡样本
9618	2025-01-14	Munsell Soil Colour Prediction from the Soil and Soil Colour Book Using Patching Method and Deep Learning Techniques 2025-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s25010287 PMID:39797078	研究论文	本研究旨在通过深度学习技术从移动设备拍摄的图像中预测Munsell土壤颜色，以提高土壤颜色识别的准确性	提出了一种基于补丁的机制来丰富数据集，显著提高了Munsell土壤颜色预测的准确性	研究中使用的土壤样本数量有限，可能影响方法的普适性和可扩展性	预测Munsell土壤颜色，以提供更准确的土壤健康评估	Munsell土壤颜色书中的颜色芯片和页面	计算机视觉	NA	深度学习	NA	图像	443个颜色芯片和14页
9619	2025-01-14	Semi-Automatic Refinement of Myocardial Segmentations for Better LVNC Detection 2025-Jan-06, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14010271 PMID:39797353	研究论文	本文提出了一种半自动框架，通过结合神经网络输出与专家修正、实施斑点选择方法以及使用基线U-Net模型进行交叉验证，来改进心脏MRI中左心室心肌的分割，从而提高左心室非致密化心肌病（LVNC）诊断模型的准确性	提出了一种结合神经网络输出与专家修正的半自动框架，通过斑点选择方法和基线U-Net模型的交叉验证，显著提高了心肌分割的准确性	研究依赖于专家修正，可能引入主观偏差，且仅在三个医院的数据集上进行了验证，样本多样性可能有限	改进心脏MRI中左心室心肌的分割，以提高左心室非致密化心肌病（LVNC）诊断模型的准确性	心脏MRI中的左心室心肌分割	数字病理学	心血管疾病	心脏MRI	U-Net	图像	来自三个医院的数据集
9620	2025-01-14	Recurrent and Metastatic Head and Neck Cancer: Mechanisms of Treatment Failure, Treatment Paradigms, and New Horizons 2025-Jan-05, Cancers IF:4.5Q1 DOI:10.3390/cancers17010144 PMID:39796771	综述	本文综述了头颈癌治疗失败和转移的生物学机制，以及当前的治疗模式和未来的研究方向	免疫疗法在局部复发或转移性头颈癌中的应用不仅改善了肿瘤学结果，还提供了关于免疫逃逸和最终治疗失败机制的重要见解	NA	探讨头颈癌治疗失败和转移的机制，并总结当前的治疗模式和未来的研究方向	头颈癌患者，特别是局部复发或转移性头颈癌患者	NA	头颈癌	免疫疗法	NA	NA	NA