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
10161	2024-12-25	Concurrent Ischemic Lesion Age Estimation and Segmentation of CT Brain Using a Transformer-Based Network 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3287361 PMID:37335797	研究论文	本文提出了一种基于Transformer的多任务网络，用于同时进行脑CT图像中的缺血性病变分割和年龄估计	首次将深度学习应用于同时进行病变年龄估计和分割，利用了两者之间的互补关系，并引入了门控位置自注意力和CT特定数据增强技术	实验仅在两个医疗中心的776张CT图像上进行评估，样本量相对较小	开发一种能够同时进行脑CT图像中缺血性病变分割和年龄估计的自动化方法，以辅助临床决策	脑CT图像中的缺血性病变	计算机视觉	中风	Transformer网络	Transformer	图像	776张脑CT图像
10162	2024-12-25	Artifact Detection and Restoration in Histology Images With Stain-Style and Structural Preservation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3288940 PMID:37352087	研究论文	本文提出了一种用于组织学图像中伪影检测和修复的预处理框架，旨在减少伪影对下游AI诊断任务的影响	本文的创新点在于提出了一个系统化的预处理框架，能够自动检测和修复组织学图像中的伪影，并保留染色风格和组织结构	NA	减少组织学图像中伪影对AI诊断任务的影响，提高自动化程度	组织学图像中的伪影检测和修复	数字病理学	结直肠癌、乳腺癌	NA	AR-Classifier、AR-CycleGAN	图像	临床收集的全切片图像（WSIs）和公开的结直肠癌、乳腺癌数据集
10163	2024-12-25	Equilibrated Zeroth-Order Unrolled Deep Network for Parallel MR Imaging 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3293826 PMID:37428656	研究论文	本文提出了一种用于并行磁共振成像的零阶展开深度网络方法	本文创新性地提出了一个保护性的网络展开方法，通过将零阶算法展开，使网络模块本身作为正则化器，确保网络输出符合正则化模型，并证明了网络在噪声干扰下的鲁棒性	目前缺乏理论保证展开网络的全局收敛性和鲁棒性	解决现有展开网络在理论上的不足，提出一种新的展开方法以提高并行磁共振成像的性能	并行磁共振成像中的图像重建	机器学习	NA	深度学习	深度网络	图像	NA
10164	2024-12-24	Can temporomandibular joint osteoarthritis be diagnosed on MRI proton density-weighted images with diagnostic support from the latest deep learning classification models? 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae040 PMID:39067043	研究论文	本研究旨在评估基于MRI的深度学习分类模型在诊断颞下颌关节骨关节炎（TMJ-OA）中的表现，并与人类观察者的诊断能力进行比较	本研究首次使用ResNet18、EfficientNet b4、Inception v3和GoogLeNet四种深度学习网络模型，通过5折交叉验证对MRI质子密度加权图像进行分类，评估其在TMJ-OA诊断中的性能	本研究的样本量相对较小，且仅限于MRI质子密度加权图像，可能限制了模型的泛化能力	评估深度学习模型在MRI诊断颞下颌关节骨关节炎中的表现	颞下颌关节骨关节炎（TMJ-OA）的MRI图像	机器学习	颞下颌关节疾病	深度学习	ResNet18, EfficientNet b4, Inception v3, GoogLeNet	图像	200个颞下颌关节（100个TMJ-OA，100个非TMJ-OA）
10165	2024-12-24	Clinical Validation of a Deep Learning Algorithm for Automated Coronary Artery Disease Detection and Classification Using a Heterogeneous Multivendor Coronary Computed Tomography Angiography Data Set 2025-Jan-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000798 PMID:39034758	研究论文	本文验证了一种全自动深度学习算法在异构多厂商心脏CT血管造影数据集中检测和分类冠状动脉疾病的能力	本文首次在异构多厂商数据集中验证了深度学习算法在冠状动脉疾病检测和分类中的应用	本文仅在单一中心的回顾性研究中验证了算法，未来需要在更多中心和前瞻性研究中进一步验证	验证一种全自动深度学习算法在冠状动脉疾病检测和分类中的临床应用	冠状动脉疾病在异构多厂商心脏CT血管造影数据集中的检测和分类	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	296名患者
10166	2024-12-24	Development and validation of a CT-based deep learning radiomics signature to predict lymph node metastasis in oropharyngeal squamous cell carcinoma: a multicentre study 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae051 PMID:39271161	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学签名，用于预测口咽鳞状细胞癌中的淋巴结转移	本研究提出了一种结合临床因素与深度学习放射组学的新型综合模型，显著提高了口咽鳞状细胞癌术前淋巴结转移的预测能力	NA	建立并验证一种深度学习放射组学模型，用于预测口咽鳞状细胞癌中的淋巴结转移	口咽鳞状细胞癌患者的淋巴结转移	数字病理学	口咽癌	深度学习	机器学习分类器	图像	279名口咽鳞状细胞癌患者
10167	2024-12-24	Deep Learning for Distinguishing Mucinous Breast Carcinoma From Fibroadenoma on Ultrasound 2025-Jan, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2024.09.001 PMID:39317636	研究论文	本研究旨在开发一种深度学习模型，通过超声图像区分粘液性乳腺癌和纤维腺瘤	提出了基于超声图像和年龄的DL+ age-tree模型，显著提高了区分粘液性乳腺癌和纤维腺瘤的诊断性能，并能有效提升不同经验水平放射科医生的诊断能力	本研究为回顾性研究，样本量相对较小，可能存在选择偏倚	开发一种深度学习模型，帮助放射科医生更准确地区分粘液性乳腺癌和纤维腺瘤	粘液性乳腺癌和纤维腺瘤的超声图像	计算机视觉	乳腺癌	深度学习	DL+ age-tree模型	图像	884名患者，包括700名纤维腺瘤患者和184名粘液性乳腺癌患者，共2257张超声图像
10168	2024-12-24	How the technologies behind self-driving cars, social networks, ChatGPT, and DALL-E2 are changing structural biology 2025-Jan, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.202400155 PMID:39404756	综述	本文综述了深度学习技术在蛋白质结构生物学中的应用，包括卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络和图神经网络	探讨了将自动驾驶汽车、社交网络、ChatGPT和DALL-E2等技术背后的深度学习工具应用于蛋白质结构生物学的新方法	NA	介绍深度学习技术在蛋白质结构预测、逆折叠、蛋白质设计和小分子设计中的进展	蛋白质结构生物学	机器学习	NA	深度神经网络	卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络、图神经网络	文本、图像、图	NA
10169	2024-12-23	Unveiling AI's role in papilledema diagnosis from fundus images: A systematic review with diagnostic test accuracy meta-analysis and comparison of human expert performance 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109350 PMID:39515271	综述	本文系统回顾了人工智能在视网膜图像中检测和分级视乳头水肿的应用，并进行了诊断测试准确性的meta分析，同时比较了人类专家的表现	深度学习模型在检测视乳头水肿方面优于传统的机器学习算法，且在某些情况下超越了人类专家的敏感性	研究存在患者选择、图像来源和异质性等方面的局限性	探讨人工智能在视乳头水肿诊断中的应用及其与人类专家的比较	视乳头水肿的检测和分级	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	21项研究
10170	2024-12-24	Automated tooth segmentation in magnetic resonance scans using deep learning - A pilot study 2025-Jan-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae059 PMID:39589897	研究论文	本研究开发并评估了一种用于磁共振扫描中牙齿分割的人工智能模型	首次使用深度学习技术在磁共振扫描中实现牙齿的自动分割	模型在包含牙科修复体的数据集上准确性较低，由于图像伪影的影响	开发和评估一种用于磁共振扫描中牙齿分割的人工智能模型	磁共振扫描中的牙齿分割	计算机视觉	NA	磁共振成像	nnU-Net	图像	20名患者的磁共振扫描数据，其中16个用于模型训练，4个用于准确性评估
10171	2024-12-24	Highly Accurate and Explainable Predictions of Small-Molecule Antioxidants for Eight In Vitro Assays Simultaneously through an Alternating Multitask Learning Strategy 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00748 PMID:38888465	研究论文	提出了一种基于功能基团的交替多任务自监督分子表示学习方法，用于同时预测八种常用体外抗氧化检测中小分子的抗氧化活性	首次提出了基于功能基团的交替多任务自监督分子表示学习方法，并开发了一个在线抗氧化活性预测平台AOP	未提及具体局限性	开发一种高效且可解释的模型，用于预测小分子抗氧化剂的活性	小分子抗氧化剂及其在八种体外检测中的活性	机器学习	NA	多任务学习	FG-BERT	分子数据	未提及具体样本数量
10172	2024-12-24	Advanced AI-Driven Prediction of Pregnancy-Related Adverse Drug Reactions 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01657 PMID:39611337	研究论文	本研究开发并验证了基于机器学习和深度学习技术的妊娠相关药物不良反应风险预测模型	本研究首次使用DMPNN模型结合分子图信息和分子描述符，在预测妊娠相关药物不良反应方面表现出最高的预测性能	NA	开发和验证妊娠相关药物不良反应的风险预测模型	妊娠相关药物不良反应	机器学习	NA	机器学习（ML）和深度学习（DL）技术	DMPNN模型、图神经网络、图卷积网络、随机森林、支持向量机、XGBoost	真实世界数据	22种口服降糖药物
10173	2024-12-24	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2024-Dec-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本文提出了一种基于4D张量特征的多维卷积神经网络模型，用于准确预测蛋白质-配体结合亲和力	引入了新的4D张量特征来捕捉结合口袋内的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	NA	开发一种高效的蛋白质-配体结合亲和力预测模型	蛋白质-配体结合亲和力	机器学习	NA	卷积神经网络（CNN）	多维卷积神经网络	结构数据	使用了PDBbind v.2020数据集，并进行了十折交叉验证
10174	2024-12-24	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2024-Dec-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出了一种基于深度学习和机器学习的多视角可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合了机器学习算法（SVM和CatBoost）与卷积神经网络（CNN和TextCNN），并使用Transformer架构的ProtT5和ESM-2特征进行预测	NA	开发一种计算方法来预测潜在的细胞穿透肽，以加速其在治疗中的应用	细胞穿透肽（CPPs）	机器学习	NA	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、Transformer架构（ProtT5和ESM-2）	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、逻辑回归（LR）	序列数据	合并了三个先前的CPP基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）
10175	2024-12-24	[Effect of Training Data Differences on Accuracy in MR Image Generation Using Pix2pix] 2024-Dec-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1487 PMID:39477465	研究论文	本文研究了不同训练数据模式对使用Pix2pix生成MR图像准确性的影响	本文首次探讨了不同训练数据模式对MR图像生成准确性的影响	本文仅在头部MR图像上进行了实验，未涵盖其他类型的MR图像	研究不同训练数据模式对MR图像生成准确性的影响	头部MR图像的T1加权图像生成	计算机视觉	NA	深度学习	Pix2pix	图像	300例头部MR图像，每种模型有四种训练数据模式
10176	2024-12-24	Transferable deep learning with coati optimization algorithm based mitotic nuclei segmentation and classification model 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80002-3 PMID:39702593	研究论文	本文提出了一种基于Coati优化算法和深度学习的分裂期细胞分割与分类模型，用于癌症分级	本文创新性地结合了Coati优化算法与深度学习技术，提出了COADL-MNSC方法，通过混合注意力融合U-Net模型进行分裂期细胞分割，并使用胶囊网络进行特征提取，最后通过双向长短期记忆模型进行分类	本文未提及具体的局限性	开发一种高效的分裂期细胞分割与分类方法，以辅助癌症分级	分裂期细胞的分割与分类	数字病理学	NA	深度学习	混合注意力融合U-Net模型、胶囊网络、双向长短期记忆模型	图像	分裂期细胞图像数据集
10177	2024-12-24	Artificial intelligence in risk prediction and diagnosis of vertebral fractures 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75628-2 PMID:39702597	meta-analysis	本研究通过系统综述和meta分析评估了人工智能在诊断和预测椎体骨折中的有效性	人工智能在诊断和预测椎体骨折方面表现出高准确性，深度学习模型在诊断所有骨折类型方面表现出色	研究中存在高异质性和研究偏倚，需要进一步研究以标准化AI模型并在不同数据集上进行验证	评估人工智能在椎体骨折诊断和预测中的有效性	椎体骨折的诊断和预测	machine learning	骨科疾病	NA	深度学习模型	NA	共纳入79项研究，其中40项进行了meta分析
10178	2024-12-24	Decoding skin cancer classification: perspectives, insights, and advances through researchers' lens 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81961-3 PMID:39695157	综述	本文分析了过去18年中发表的107篇研究论文，全面评估了皮肤癌分类技术的进展，重点介绍了计算机视觉和人工智能在提高诊断准确性和可靠性方面的集成	本文探讨了深度学习方法，包括卷积神经网络、迁移学习、注意力机制、集成技术、生成对抗网络、视觉变换器和分割引导的分类策略，并详细介绍了各种架构	本文指出了传统机器学习方法和手工特征的局限性，并强调了现有深度学习方法的不足	旨在通过分析最新的进展、趋势和差距，为皮肤癌分类领域的研究人员和临床医生提供有价值的见解	皮肤癌分类技术及其在临床诊断中的应用	计算机视觉	皮肤癌	计算机视觉和人工智能	卷积神经网络、生成对抗网络、视觉变换器等	图像	包括HAM10000和ISIC档案在内的多个数据集
10179	2024-12-24	Ensemble deep learning and EfficientNet for accurate diagnosis of diabetic retinopathy 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81132-4 PMID:39695310	研究论文	本研究提出了一种基于EfficientNetB0架构的深度学习框架，用于糖尿病视网膜病变（DR）的准确诊断	创新点在于结合了集成深度学习和EfficientNet技术，显著提高了糖尿病视网膜病变的诊断准确性和泛化能力	研究依赖于特定的数据集和训练资源，未来需要更多先进的数据集和训练资源以进一步提升诊断效果	旨在通过创新的深度学习框架提高糖尿病视网膜病变的诊断准确性	研究对象为糖尿病视网膜病变，具体包括五种严重程度：无DR、轻度DR、中度DR、重度DR和增殖性DR	计算机视觉	糖尿病视网膜病变	EfficientNet	CNN	图像	35,108张视网膜图像
10180	2024-12-24	Efficient multi-phenotype genome-wide analysis identifies genetic associations for unsupervised deep-learning-derived high-dimensional brain imaging phenotypes 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318618 PMID:39677479	研究论文	本文介绍了一种新的多性状全基因组关联分析工具JAGWAS，用于高效计算多性状关联统计量，并应用于高维无监督深度学习衍生的脑成像表型	提出了JAGWAS工具，能够高效计算多性状关联统计量，并显著增加了基因座识别数量	NA	探索使用高维无监督深度学习衍生的脑成像表型进行基因发现的新方法	T1和T2脑磁共振成像的无监督深度学习衍生的128维成像表型	数字病理学	NA	全基因组关联研究（GWAS）	无监督深度学习	图像	来自UK Biobank的发现和验证队列