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
9741	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
9742	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
9743	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
9744	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
9745	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
9746	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
9747	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
9748	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
9749	2025-01-11	Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms 2025-Jan-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29710 PMID:39792443	综述	本文综述了基于超短回波时间（UTE）的磁共振成像（MRI）技术和深度学习算法在可视化骨关节炎（OA）前期病变中的应用	结合UTE-MRI技术和深度学习算法，实现对短T2组织的直接可视化和定量成分评估，革新了MRI分析方式，如自动组织分割和定量图像生物标志物提取	证据等级为5，技术效能为第2阶段，表明研究尚处于初步阶段，需进一步验证	探讨如何通过先进成像技术和深度学习算法实现OA前期的可视化和管理	骨关节炎（OA）前期病变，包括软骨、半月板/唇、韧带和肌腱等短T2组织	数字病理学	骨关节炎	超短回波时间磁共振成像（UTE-MRI）	深度学习（DL）	MRI图像	NA
9750	2025-01-11	Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence 2025-Jan-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29708 PMID:39781607	研究论文	本文探讨了多参数磁共振成像（mpMRI）结合人工智能（AI）在评估胰腺导管腺癌（PDAC）生物学侵袭性和预后中的应用	利用AI增强的多参数磁共振成像技术，提供形态和功能信息，以量化肿瘤内特征，并预测PDAC的生物学特性和预后	当前的AI模型主要基于单一模态，样本量相对较小，技术可重复性和生物学解释面临新的挑战	评估和预测胰腺导管腺癌的生物学侵袭性和预后	胰腺导管腺癌（PDAC）	医学影像分析	胰腺癌	多参数磁共振成像（mpMRI）	深度学习	影像	相对较小的样本量
9751	2025-01-11	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Jan-09, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究利用多约束深度学习分类器分析儿童在执行不同情绪-back任务条件下的全脑血氧水平依赖（BOLD）活动模式，以识别任务类别和功能连接性	采用多变量模式分析和多约束深度学习分类器，提高了检测非线性任务差异或分布式活动模式差异的敏感性	样本量较小，仅包含20名儿童，可能限制结果的普遍性	识别区分0-back和2-back任务的功能性脑网络	儿童在执行情绪-back任务时的全脑BOLD活动模式	神经影像学	NA	多变量模式分析，深度学习分类器	神经网络分类器	功能成像数据	20名儿童
9752	2025-01-11	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本文探讨了常规数字减影血管造影（DSA）中的信息，并评估了深度学习算法在DSA序列中自动识别解剖位置的能力	开发了基于单图像预测的Mode模型和多重实例学习（MIL）模型，用于DSA序列的位置分类，并展示了高精度的多类分类准确率	数据中存在信息稀疏性，只有少数图像被专家标记为具有足够定位信息的“关键”图像	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹部主动脉、腹腔、上肠系膜、下肠系膜和双侧外髂动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影（DSA）	Mode模型, 多重实例学习（MIL）模型	图像	205名患者的819个独特的血管造影序列
9753	2025-01-11	Innovative breast cancer detection using a segmentation-guided ensemble classification framework 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00435-7 PMID:39781047	研究论文	本文介绍了一种新颖的分割引导分类模型，旨在提高乳腺癌检测的准确性	提出了一种结合分割和集成分类的两阶段模型，通过注意力机制和多种分类器的集成，显著提高了乳腺癌检测的准确性和分割性能	未提及模型在不同数据集上的泛化能力或实际临床应用中的潜在挑战	提高乳腺癌的早期检测和诊断准确性	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	Attention U-Net, 支持向量机, 决策树, k近邻, 人工神经网络, 随机森林	图像	未明确提及样本数量，但使用了超声图像数据集
9754	2025-01-11	Enhanced diagnosis of pes planus and pes cavus using deep learning-based segmentation of weight-bearing lateral foot radiographs: a comparative observer study 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00439-3 PMID:39781051	研究论文	本文开发了一种基于深度学习的语义分割模型，用于增强对足部负重侧位X光片中扁平足和高弓足的诊断	使用深度学习模型（特别是U-Net）进行语义分割，结合Dice Loss和边界损失函数，提高了分割精度和边界区域的精确描绘	研究仅使用了年轻韩国男性的数据，可能限制了模型的普适性	提高对扁平足和高弓足的诊断准确性	足部负重侧位X光片	计算机视觉	足部疾病	深度学习	U-Net	图像	300张连续的足部负重侧位X光片，来自年轻韩国男性
9755	2025-01-11	Gaussianmorph: deformable medical image registration with Gaussian noise constraints 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00428-6 PMID:39781058	研究论文	本文提出了一种基于深度学习的医学图像配准方法GaussianMorph，通过级联两个VoxelMorph卷积神经网络来提高配准性能	引入了增强特征编码器（EF-encoder）块，通过注意力机制实现特征增强，并在第二个网络中引入高斯噪声约束以提升配准性能	级联网络在训练和推理阶段耗时较长	提高医学图像配准的精度	医学图像	计算机视觉	NA	深度学习	VoxelMorph卷积神经网络	图像	LPBA40和HBN数据集
9756	2025-01-11	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	教程	本文回顾了受大脑启发的学习规则，并探讨了脉冲神经网络在控制任务中的应用	探讨了将全局第三因素与脉冲时间依赖可塑性相结合的方法，并提出了通过权重反向传播局部应用第三因素的方法	未提及具体实验数据或样本量，可能缺乏实证支持	研究脉冲神经网络在控制任务中的应用，以解决深度神经网络在实时数据处理中的能耗和延迟问题	脉冲神经网络及其在控制任务中的应用	机器学习	NA	脉冲时间依赖可塑性（STDP）	脉冲神经网络（SNN）	时空信息	NA
9757	2025-01-11	Spinal tissue identification using a Forward-oriented endoscopic ultrasound technique 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00440-w PMID:39781062	研究论文	本研究提出了一种前向超声内镜系统，用于提高自动识别脊柱软组织的准确性和有效性	使用前向超声内镜系统进行脊柱软组织的实时术中识别，提高了微创脊柱手术的精确性和安全性	研究仅使用了离体的绵羊脊柱软组织样本，未涉及人体样本	提高微创脊柱手术中脊柱软组织的自动识别准确性和有效性	绵羊脊柱的软组织样本	医学影像	脊柱疾病	前向超声内镜技术	DenseNet, 一维Vision Transformer (ViT)	超声图像	758个离体绵羊脊柱软组织样本
9758	2025-01-11	A Review for automated classification of knee osteoarthritis using KL grading scheme for X-rays 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00437-5 PMID:39781063	综述	本文综述了使用KL分级方案对膝关节骨关节炎（KOA）进行自动分类的最新进展	本文总结了近年来利用人工智能、机器学习和深度学习技术对KOA进行自动放射学分类和检测的最新进展	本文主要基于85篇研究或综述文章，可能未涵盖所有相关研究	旨在回顾基于KL系统的KOA自动放射学分类和检测的最新进展	膝关节骨关节炎（KOA）的X光片	计算机视觉	骨关节炎	NA	NA	图像	85篇文章
9759	2025-01-11	Addendum to: The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-249001 PMID:39792355	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9760	2025-01-11	[Research progress on prognostic prediction models for patients undergoing extracorporeal membrane oxygenation] 2024-Dec, Zhonghua wei zhong bing ji jiu yi xue DOI:10.3760/cma.j.cn121430-20240715-00598 PMID:39780683	研究论文	本文综述了体外膜肺氧合（ECMO）患者预后预测模型的研究进展，并提出了未来模型开发的方向	分类现有ECMO成人患者的预后模型，并提出了多中心前瞻性研究、机器学习和深度学习技术整合等未来发展方向	现有模型在样本量、多中心验证、静态数据分析和模型适用性方面存在局限性	优化治疗决策和提高患者生存率	接受ECMO治疗的患者	医学	呼吸衰竭和循环衰竭	ECMO	预后预测模型	临床数据	NA