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
10181	2025-01-07	Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction 2024-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00180 PMID:39292984	研究论文	本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测	研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量	研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显	探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用	前列腺癌患者	数字病理学	前列腺癌	深度学习	自编码器	图像	2,244次实验，基于13种不同模型
10182	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0464 PMID:39313232	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10183	2025-01-07	Using Domain Adaptation and Inductive Transfer Learning to Improve Patient Outcome Prediction in the Intensive Care Unit: Retrospective Observational Study 2024-Aug-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52730 PMID:39167442	研究论文	本研究探讨了在数据稀缺情况下，使用领域适应和归纳迁移学习改进基于电子健康记录的ICU患者结果预测	首次在基于电子健康记录的ICU患者结果预测中深入研究了领域适应和归纳迁移学习	研究仅使用了两个ICU数据集，可能限制了结果的普适性	改进ICU患者结果预测，特别是在数据稀缺的情况下	ICU患者	机器学习	重症监护	迁移学习，领域适应，归纳迁移学习	全连接神经网络，逻辑回归，Lasso回归	电子健康记录	eCritical数据集包含55,689次入院记录，48,672名患者；MIMIC-III数据集包含61,532次入院记录，46,476名患者
10184	2025-01-07	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning 2024-Jul, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2023.0033 PMID:38685670	研究论文	本研究旨在利用长短期记忆（LSTM）神经网络开发糖尿病肾病（DKD）预测模型，并通过准确率、精确率、召回率和ROC曲线下面积（AUC）评估其性能	使用LSTM神经网络构建DKD预测模型，并评估了糖化血红蛋白（HbA1c）、收缩压（SBP）和脉压（PP）变异性对模型性能的影响	研究仅基于6,040名2型糖尿病患者的数据，可能无法完全代表所有糖尿病患者群体	开发并评估糖尿病肾病（DKD）风险预测模型	6,040名2型糖尿病患者	机器学习	糖尿病肾病	LSTM神经网络	LSTM	临床数据	6,040名2型糖尿病患者
10185	2025-01-07	Deep Learning-Based Dynamic Risk Prediction of Venous Thromboembolism for Patients With Ovarian Cancer in Real-World Settings From Electronic Health Records 2024-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00192 PMID:38996199	研究论文	本文开发了一种基于深度学习的动态风险预测模型，用于从电子健康记录中预测卵巢癌患者的静脉血栓栓塞风险	首次在真实临床环境中应用深度学习算法，结合动态临床特征和竞争风险，开发了高精度的静脉血栓栓塞风险预测模型	研究数据仅来自单一医疗中心，可能限制了模型的泛化能力	开发一种能够利用电子健康记录中的丰富信息，包括动态临床特征和竞争风险，来预测卵巢癌患者静脉血栓栓塞风险的深度学习模型	卵巢癌患者	机器学习	卵巢癌	深度学习	全连接层、时间注意力机制和循环神经网络	电子健康记录	1,268名患者（2007-2017年）用于模型开发，423名患者（2018-2019年）用于验证
10186	2025-01-07	Displacement Tracking Techniques in Ultrasound Elastography: From Cross Correlation to Deep Learning 2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3410671 PMID:38843058	综述	本文全面回顾了应用于超声弹性成像中的位移跟踪技术，从传统的互相关方法到深度学习方法	本文不仅回顾了传统的位移跟踪算法，还涵盖了基于深度学习的最新进展，并讨论了模拟模型、临床转化和验证、性能评估指标以及公开的代码和数据	当前弹性成像跟踪技术仍存在一些局限性，未来的研究需要进一步解决这些问题	回顾和总结超声弹性成像中的位移跟踪技术，以提升位移估计的准确性	超声弹性成像中的位移跟踪算法	医学影像	NA	超声弹性成像	深度学习	图像	NA
10187	2025-01-07	Intelligent Bladder Volume Monitoring for Wearable Ultrasound Devices: Enhancing Accuracy Through Deep Learning-Based Coarse-to-Fine Shape Estimation 2024-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3350033 PMID:38190679	研究论文	本文提出了一种新的管道，通过结合传统特征提取和深度学习，实现高效连续的膀胱体积监测	提出了一种新的管道，结合传统特征提取和深度学习，通过粗到细的形状估计提高膀胱体积监测的准确性	需要外部服务器进行精细形状估计，可能增加延迟和依赖外部计算资源	提高可穿戴超声设备在膀胱体积监测中的准确性和效率	膀胱体积监测	计算机视觉	泌尿系统疾病	深度学习	扩散模型	超声图像和射频信号	250名患者的膀胱超声图像和射频信号
10188	2025-01-07	A deep learning approach based on graphs to detect plantation lines 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31730 PMID:38841473	研究论文	本文提出了一种基于图的深度学习方法，用于检测无人机拍摄的RGB图像中的种植线	提出了一种新的基于图的深度学习方法，结合VGG16初始层提取特征图，并通过知识估计模块（KEM）进行植物位置、种植线和位移向量的检测	方法在复杂种植模式中可能仍存在挑战，且仅在玉米、橙子和桉树种植数据集中进行了验证	开发一种能够从无人机拍摄的RGB图像中检测种植线的深度学习方法	无人机拍摄的RGB图像中的种植线	计算机视觉	NA	深度学习	VGG16	图像	玉米、橙子和桉树种植数据集
10189	2025-01-07	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	本文提出了一种名为DIMOND的新框架，利用物理信息和自监督深度学习优化扩散磁共振成像模型参数估计	DIMOND框架结合了物理信息和自监督深度学习，提高了扩散张量成像的准确性和泛化能力，显著减少了复杂微结构模型的拟合时间	需要进一步验证在不同数据集和受试者中的泛化能力	优化扩散磁共振成像模型参数估计，提高微结构和连接性映射的实用性和效率	人体大脑的微结构和结构连接性	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA
10190	2025-01-07	Prostate Cancer Risk Stratification by Digital Histopathology and Deep Learning 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00184 PMID:38900978	研究论文	本研究探讨了基于深度学习的数字病理学图像分析在前列腺癌风险分层中的应用	提出了一种结合临床病理数据和染色病理图像的深度学习模型，用于前列腺癌的风险分层，相比传统方法表现出更优的性能	需要在大规模队列中进一步验证模型的泛化能力	评估机器学习驱动的病理图像分析在前列腺癌风险分层中的有效性	502名接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	深度学习	卷积神经网络（CNN）	图像	502名患者
10191	2025-01-07	Exploring the roles of ribosomal peptides in prokaryote-phage interactions through deep learning-enabled metagenome mining 2024-May-24, Microbiome IF:13.8Q1 DOI:10.1186/s40168-024-01807-y PMID:38790030	研究论文	本研究通过深度学习技术挖掘海洋宏基因组数据，探索核糖体合成及翻译后修饰肽（RiPPs）在微生物与病毒相互作用中的潜在角色	开发了TrRiPP方法，以标志基因独立的方式从高度碎片化的宏基因组数据中识别RiPP前体，克服了传统方法的局限性，并揭示了RiPP家族在海洋微生物组中的多样性和新颖性	研究主要依赖于宏基因组和宏转录组数据的相关性分析，未进行实验验证	探索RiPPs的生物合成潜力及其在原核生物与噬菌体相互作用中的生态功能	海洋微生物组中的核糖体合成及翻译后修饰肽（RiPPs）	机器学习	NA	深度学习、宏基因组挖掘、宏转录组分析	深度学习模型	宏基因组数据、宏转录组数据	全球海洋微生物组的宏基因组数据
10192	2025-01-07	Deep Learning for Nasopharyngeal Carcinoma Segmentation in Magnetic Resonance Imaging: A Systematic Review and Meta-Analysis 2024-May-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050504 PMID:38790370	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在磁共振成像中对鼻咽癌分割的准确性和应用潜力	首次系统评估了深度学习模型在鼻咽癌MRI分割中的表现，并提供了基于Dice得分的定量分析	研究存在显著的异质性和发表偏倚，且仅纳入了17项研究，样本量有限	评估深度学习模型在鼻咽癌MRI分割中的准确性和临床应用潜力	鼻咽癌患者的磁共振成像数据	计算机视觉	鼻咽癌	深度学习	卷积神经网络（CNN）	磁共振成像（MRI）图像	17项研究的数据
10193	2025-01-07	Improving the Generalizability of Deep Learning for T2-Lesion Segmentation of Gliomas in the Post-Treatment Setting 2024-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050497 PMID:38790363	研究论文	本文探讨了通过数据混合、迁移学习和空间正则化方法，提高深度学习模型在治疗后胶质瘤T2病变分割中的泛化能力	创新点在于将新诊断和治疗后的胶质瘤数据混合训练，应用迁移学习从预处理到后处理成像领域，并引入空间正则化，仅使用T2 FLAIR图像作为输入，以提高治疗后分割的泛化能力	研究样本量相对较小，仅评估了24名疑似进展的患者	提高治疗后胶质瘤T2病变分割的准确性，以更准确地跟踪治疗反应的变化	新诊断和治疗后的胶质瘤患者	数字病理学	胶质瘤	深度学习	NA	MRI图像	429名患者（208名新诊断，221名治疗后），评估了24名疑似进展的患者
10194	2025-01-07	Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead 2024-05-15, Genes IF:2.8Q2 DOI:10.3390/genes15050629 PMID:38790258	综述	本文综述了深度学习在RNA修饰和RNA结合蛋白研究中的应用，特别是mRNA-RBP结合问题	深度学习方法能够基于序列和二级结构等特征预测RNA修饰的存在与否，揭示了位点偏好的高度非线性序列模式和结构	文章未具体提及研究的局限性	探讨深度学习在RNA修饰和RNA结合蛋白研究中的应用，推动该领域的发展	RNA结合蛋白和RNA化学修饰	自然语言处理	NA	深度学习	NA	序列数据	NA
10195	2025-01-07	Enhancing Classification Accuracy with Integrated Contextual Gate Network: Deep Learning Approach for Functional Near-Infrared Spectroscopy Brain-Computer Interface Application 2024-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s24103040 PMID:38793895	研究论文	本研究提出了一种集成上下文门网络（ICGN）算法，用于提高功能性近红外光谱脑机接口（fNIRS-BCI）系统中的分类准确率	提出了一种新的ICGN算法，该算法能够从过滤后的数据中提取特征，并基于网络内前一个单元的信息生成模式，从而提高分类准确率	研究仅基于健康参与者的数据，未涉及患者数据，可能限制了算法的普适性	提高fNIRS-BCI系统中的分类准确率	健康参与者的手部抓握运动数据	脑机接口	NA	功能性近红外光谱（fNIRS）	集成上下文门网络（ICGN）、长短期记忆网络（LSTM）、双向长短期记忆网络（Bi-LSTM）	功能性近红外光谱数据	20名健康参与者的手部抓握运动数据和30名受试者的三类运动数据
10196	2025-01-07	MedKnee: A New Deep Learning-Based Software for Automated Prediction of Radiographic Knee Osteoarthritis 2024-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100993 PMID:38786291	研究论文	本文介绍了一种名为MedKnee的深度学习软件，用于自动化预测膝关节骨关节炎的X光影像	开发了新的深度学习软件MedKnee，用于辅助医生根据Kellgren和Lawrence (KL)评分诊断膝关节骨关节炎	在本地数据集上，MedKnee与风湿病学家的诊断一致率为74%，仍有提升空间	开发一种深度学习软件，辅助医生诊断膝关节骨关节炎	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	深度学习	Xception	图像	5000张膝关节X光影像，来自Osteoarthritis Initiative公共数据集
10197	2025-01-07	Preoperative Molecular Subtype Classification Prediction of Ovarian Cancer Based on Multi-Parametric Magnetic Resonance Imaging Multi-Sequence Feature Fusion Network 2024-May-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050472 PMID:38790338	研究论文	本研究提出了一种基于多参数磁共振成像（mpMRI）数据融合的深度学习方法，旨在提高术前卵巢癌亚型分类的准确性	通过构建一个新的深度学习网络架构，整合多种序列特征，实现了对高级别浆液性癌和透明细胞癌的高精度预测	目前的研究主要集中在高级别浆液性癌和透明细胞癌的分类，未涵盖所有卵巢癌亚型	提高术前卵巢癌亚型分类的准确性	卵巢癌（OC）的不同亚型，特别是高级别浆液性癌和透明细胞癌	计算机视觉	卵巢癌	多参数磁共振成像（mpMRI）	深度学习网络架构	图像	未提及具体样本数量
10198	2025-01-07	Human Activity Recognition Algorithm with Physiological and Inertial Signals Fusion: Photoplethysmography, Electrodermal Activity, and Accelerometry 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103005 PMID:38793858	研究论文	本研究探讨了通过融合生物信号和惯性信号来增强人类活动识别（HAR）模型的潜力	首次将光电容积描记图（BVP）和皮肤电活动（EDA）与加速度计数据融合，用于HAR分类	研究仅使用了手腕佩戴的传感器数据，未考虑其他身体部位的数据	提高人类活动识别的准确性	八种常见低、中、高强度活动	机器学习	NA	机器学习算法	随机森林（RF）、ResNet-18	加速度计（ACC）、血容量脉冲（BVP）、皮肤电活动（EDA）数据	NA
10199	2025-01-07	Lightweight Low-Rank Adaptation Vision Transformer Framework for Cervical Cancer Detection and Cervix Type Classification 2024-May-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050468 PMID:38790335	研究论文	本文提出了一种结合低秩适应（LoRA）和视觉Transformer（ViT）模型的新型数字病理分类方法，用于宫颈癌检测和宫颈类型分类	使用LoRA技术，使得模型能够在较小数据集上有效训练，充分利用ViT表示视觉信息的能力，相比传统CNN模型（如ResNets）在性能和泛化能力上表现更优	NA	提高宫颈癌早期检测方法的效率和准确性，改善患者治疗效果	宫颈癌和宫颈类型	数字病理	宫颈癌	低秩适应（LoRA）	视觉Transformer（ViT）	图像	不同大小的数据集
10200	2025-01-07	Electroencephalogram-Based ConvMixer Architecture for Recognizing Attention Deficit Hyperactivity Disorder in Children 2024-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050469 PMID:38790448	研究论文	本文提出了一种结合ConvMixer和高效通道注意力（ECA）模块的深度学习架构ConvMixer-ECA，用于通过脑电图（EEG）信号准确诊断儿童注意力缺陷多动障碍（ADHD）	ConvMixer-ECA架构结合了ConvMixer和ECA模块，显著提高了ADHD识别的准确性，并在实验中优于其他基于注意力的变体和现有的深度学习模型	样本量相对较小，仅包含121名儿童（60名健康儿童和61名ADHD儿童），可能影响模型的泛化能力	开发一种基于EEG信号的深度学习模型，用于儿童ADHD的早期诊断和干预	儿童（健康儿童和ADHD儿童）	机器学习	注意力缺陷多动障碍（ADHD）	脑电图（EEG）信号分析	ConvMixer-ECA	EEG信号	121名儿童（60名健康儿童和61名ADHD儿童）