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
11361	2025-02-28	Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos 2024-08-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.25124 PMID:39106068	研究论文	本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂	利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	开发一种AI模型，用于早期检测儿童眼病	儿童眼病（近视、斜视和上睑下垂）	计算机视觉	儿童眼病	深度学习	深度学习模型	图像	476名患者的1419张图像
11362	2024-10-24	Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.09.24308603 PMID:38946986	研究论文	本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例	本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例	本文未详细讨论模型的泛化能力和在其他数据集上的表现	开发一种更准确的方法来识别ANCA相关性血管炎病例	ANCA相关性血管炎病例的识别	机器学习	其他疾病	深度学习	深度学习算法	文本	三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本
11363	2025-02-28	Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning 2024-Mar-06, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c04815 PMID:38407030	研究论文	本文介绍了一种利用深度学习技术识别和结构表征扭曲原子薄双层材料的方法	使用语义分割卷积神经网络（CNN）快速准确地识别MoS薄片的厚度，并训练第二个CNN模型预测CVD生长的双层薄片的扭曲角度	NA	开发一种可扩展的方法，用于自动化检测扭曲原子薄CVD生长的双层材料	扭曲双层石墨烯和过渡金属二硫化物	计算机视觉	NA	光学显微镜、化学气相沉积（CVD）、二次谐波生成、拉曼光谱	CNN	图像	超过10,000张合成图像
11364	2025-02-28	Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1458374 PMID:39735601	研究论文	本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态	利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性	研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者	开发预测肺腺癌患者EGFR突变状态的深度学习模型	430名非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	Inception V3	图像	430名非小细胞肺癌患者
11365	2025-02-28	DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data 2023-12-15, Journal of visualized experiments : JoVE DOI:10.3791/65910 PMID:38163278	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11366	2025-02-28	Artificial Intelligence-based System for Detecting Attention Levels in Students 2023-12-15, Journal of visualized experiments : JoVE DOI:10.3791/65931 PMID:38163270	研究论文	本文提出了一种基于人工智能的系统，用于检测学生的注意力水平，通过分析学生的情绪、视线方向、身体姿势和生物特征数据来帮助教师优化教学过程	创新点在于整合多种数据源（如情绪、视线、姿势和生物特征数据）来训练AI系统，以自动识别学生的注意力水平，并提出创建标注数据集和注意力分类器的方案	整合不同类型的数据具有挑战性，需要创建标注数据集，且依赖专家输入和现有研究进行准确标注	研究目标是利用AI技术自动检测学生的注意力水平，以帮助教师调整教学策略，优化教学效果	研究对象是课堂中的学生	机器学习	NA	深度学习	NA	图像、生物特征数据	未明确提及样本数量
11367	2025-02-27	Brain analysis to approach human muscles synergy using deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10228-y PMID:39996071	研究论文	本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用	结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号	NA	改进康复方法和脑机接口	脑信号和肌肉运动	机器学习	NA	EEG, EMG	神经网络, 卷积网络	信号数据	NA
11368	2025-02-27	Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model 2025-Feb-26, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03327-9 PMID:40009142	研究论文	本研究提出了一种基于深度学习的框架，用于在CBCT图像中自动放置模拟牙种植体至最佳位置	采用两阶段深度学习框架，结合YOLOv11进行标记检测和种植体位置预测，提高了牙种植体放置的自动化程度和准确性	YOLOv11在标记检测阶段的F-score仅为59%，种植体位置预测的平均绝对误差在11.931到15.954之间，表明模型仍有改进空间	提高牙种植体放置的自动化程度和准确性，减少对牙医知识和经验的依赖	CBCT图像中的牙种植体	计算机视觉	NA	深度学习	YOLOv11	3D CBCT图像	NA
11369	2025-02-27	A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients 2025-Feb-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04849-4 PMID:40009155	研究论文	本文介绍了一种基于深度学习的psi CT网络，用于预测肝细胞癌（HCC）患者肝切除术后早期复发	结合DenseNet和注意力机制，模型能自动聚焦于对患者生存有显著影响的区域，并通过CAM技术可视化这些区域	研究为回顾性，且样本量相对有限，可能影响模型的泛化能力	开发一种可靠的方法来预测HCC患者肝切除术后早期复发	肝细胞癌（HCC）患者	数字病理	肝癌	深度学习	DenseNet	CT扫描图像	302例患者，来自五个中心
11370	2025-02-27	Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet 2025-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01436-3 PMID:40000546	研究论文	本文提出了一种基于DeepLabV3+与EfficientNet的超声甲状腺结节分割算法，旨在提高超声图像中甲状腺结节分割的准确性	首次将EfficientNet-B7作为DeepLabV3+架构的主干网络应用于甲状腺结节分割	NA	提高超声图像中甲状腺结节分割的准确性	超声图像中的甲状腺结节	计算机视觉	甲状腺疾病	深度学习	DeepLabV3+ with EfficientNet-B7	图像	来自郑州大学第一附属医院的数据集及两个公共数据集
11371	2025-02-27	The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis 2025-Feb-19, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002148 PMID:39998988	meta-analysis	本文通过系统回顾和荟萃分析评估了人工智能结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能	首次将基于计算机视觉的AI算法应用于胆道镜检查，以提高诊断准确性	研究数量有限，仅包含五项研究，且样本量相对较小	评估AI结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能	不确定性和恶性胆道狭窄	computer vision	biliary strictures	deep learning	CNN	image	675 lesions (2,685,674 cholangioscopic images)
11372	2025-02-27	Solubilization of Membrane Proteins using designed protein WRAPS 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636539 PMID:39975033	研究论文	本文介绍了一种基于深度学习的通用设计方法，用于溶解天然膜蛋白，同时保持其序列、折叠和功能	使用基因编码的蛋白WRAPs（水溶性RF扩散两亲蛋白）包围脂质相互作用的疏水表面，使其稳定且水溶性，无需使用去污剂	NA	开发针对膜蛋白的疗法和疫苗，解决其疏水表面导致的生成和结构表征困难	膜蛋白	机器学习	梅毒	深度学习	NA	蛋白质结构数据	四种外膜β桶蛋白
11373	2025-02-27	De novo design of Ras isoform selective binders 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610300 PMID:39975043	研究论文	本文利用深度学习方法设计了针对Ras异构体的特异性结合剂，以研究其在生物学和疾病中的不同作用	首次使用深度学习方法设计出针对Ras异构体的特异性结合剂，解决了传统方法难以针对Ras C端无序且高电荷区域产生抗体的难题	未提及具体样本量或实验验证的广泛性	研究Ras异构体在癌症中的不同作用，并开发特异性结合剂	Ras异构体（KRAS4A, KRAS4B, HRAS, NRAS）	机器学习	癌症	深度学习	NA	NA	NA
11374	2025-02-27	Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images 2025-Feb, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2024.110376 PMID:39675168	研究论文	开发了一种基于深度学习的移动应用程序，用于通过显微镜图像自动识别猪体内的Coccidia物种	采用深度学习技术开发移动应用程序，自动识别猪体内的Coccidia物种，减少对专家人员的依赖	研究仅限于印度东北山区常见的六种Coccidia物种，未涵盖所有可能的物种	开发一种能够自动识别猪体内Coccidia物种的移动应用程序，以减少经济损失和提高诊断效率	猪体内的Coccidia物种，特别是E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, 和 Isospora suis	计算机视觉	寄生虫病	卷积神经网络（CNN）	EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2	显微镜图像	未明确提及具体样本数量，但涉及印度东北山区的猪
11375	2025-02-27	Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1366 PMID:39995698	研究论文	本研究探讨了基于深度学习重建的减法CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值	首次将深度学习重建技术应用于减法CT-FFR，提高了钙化相关狭窄和冠状动脉支架应用的诊断性能	样本量较小，仅包括30名患者，且未进行长期随访	探索减法CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断价值	钙化相关狭窄或支架植入患者	数字病理学	心血管疾病	CT-FFR, 深度学习重建 (DLR), 混合迭代重建 (HIR)	深度学习	CT图像	30名患者，52个钙化相关病变和14个冠状动脉支架
11376	2025-02-27	Development and evaluation of a deep learning model for multi-frequency Gibbs artifact elimination 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1344 PMID:39995704	研究论文	本文开发并评估了一种深度学习模型，用于消除多频率Gibbs伪影，以提高MRI图像质量并改善脊髓空洞症的诊断准确性	开发了一种深度学习模型，能够有效消除多频率Gibbs伪影，并在不同解剖区域、MRI序列和伪影严重程度下表现出色	研究样本主要来自回顾性数据，外部验证样本量较小（30人），可能影响模型的泛化能力	开发并评估一种深度学习模型，用于消除MRI图像中的Gibbs伪影，以提高图像质量和诊断准确性	MRI图像中的Gibbs伪影	计算机视觉	脊髓空洞症	深度学习	深度学习模型	图像	290,940张MRI图像（来自4,936次扫描），外部验证包括20名健康成人和10名脊髓空洞症患者
11377	2025-02-27	Automatic measurement of X-ray radiographic parameters based on cascaded HRNet model from the supraspinatus outlet radiographs 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1373 PMID:39995702	研究论文	本研究开发了一种基于级联HRNet模型的自动测量方法，用于从肩胛上出口X光片中测量形态参数，以辅助肩部疾病的早期筛查和治疗决策	首次报道了使用级联HRNet模型自动测量肩胛上出口X光片中的放射学参数，提高了测量的精确性和效率	研究仅基于单一医院的影像数据，可能限制了模型的泛化能力	开发一种自动测量肩胛上出口X光片中形态参数的方法，以辅助肩部疾病的早期筛查和治疗决策	肩胛上出口X光片	计算机视觉	肩袖损伤	深度学习算法	级联HRNet模型	图像	1,668张肩胛上出口X光片，其中1,147张用于模型训练和验证，521张用于测试
11378	2025-02-27	Rapid and automatic hemodynamic assessment: integration of deep learning-based image segmentation, vessel reconstruction, and CFD prediction 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1721 PMID:39995727	研究论文	本研究开发了一种基于深度学习的快速准确提取血管血流动力学特征数据的方法，通过自动化CT图像分割、血管重建和CFD预测过程	提出了一种改进的卷积神经网络（Res2Net-ConvFormer-Dilation-UNet）用于自动分割预处理后的血管CT图像，并结合MC算法和OpenFOAM进行3D重建和血流动力学模拟	NA	开发一种快速准确的血管血流动力学特征数据提取方法，以提高诊断效率	下肢和主动脉动脉数据集	计算机视觉	心血管疾病	CT图像分割、MC算法、OpenFOAM	Res2Net-ConvFormer-Dilation-UNet (Res2-CD-UNet)	CT图像	下肢和主动脉动脉数据集
11379	2025-02-27	Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1397 PMID:39995733	研究论文	本研究通过深度学习方法和回归模型，开发了一种自动测量膝关节间隙宽度（JSW）的模型，并预测了第六年JSW的变化	结合TransUNet和XGBoost模型，显著提高了JSW测量的准确性，并仅使用两年的X射线图像实现了高精度的预测	研究依赖于特定数据库的数据，可能限制了模型的泛化能力	开发自动测量膝关节间隙宽度的模型，并预测第六年JSW的变化	膝关节X射线图像和临床数据	计算机视觉	骨关节炎	深度学习	TransUNet, XGBoost	图像, 临床数据	1,947名参与者的膝关节X射线图像
11380	2025-02-27	Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1269 PMID:39995722	研究论文	本研究旨在开发一种基于T2加权成像（T2WI）的深度学习模型，用于检测烟雾病（MMA）	首次使用T2WI图像开发深度学习模型来检测MMA，并在多中心数据上验证了模型的性能	研究依赖于回顾性数据，可能存在选择偏差，且未考虑所有可能的混杂因素	开发并验证基于T2WI的深度学习模型，用于检测烟雾病（MMA）	烟雾病患者、正常MRA的对照组患者以及非MMA的脑血管疾病患者	计算机视觉	脑血管疾病	深度学习	SCNN, LeNet, VGG, ResNet, DenseNet	T2加权图像	1038名MMA患者、1211名正常MRA患者和271名非MMA的脑血管疾病患者