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
11841	2024-12-16	Automated segmentation of brain metastases with deep learning: A multi-center, randomized crossover, multi-reader evaluation study 2024-Nov-04, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae113 PMID:38991556	研究论文	本研究开发并评估了一种基于深度学习的脑转移瘤分割系统，通过多中心、随机交叉、多读者评估研究验证其在临床实践中的应用	首次通过多中心、随机交叉、多读者评估研究验证了基于深度学习的脑转移瘤分割系统的临床应用效果	研究样本量相对较小，且仅限于脑转移瘤的分割任务	开发并验证一种用于脑转移瘤分割的深度学习系统	脑转移瘤的分割任务	计算机视觉	脑转移瘤	深度学习	NA	图像	488名患者的数据用于系统开发，50名患者的数据用于评估
11842	2024-12-16	A pathway from surface to deep online language learning approach: The crucial role of online self-regulation 2024-Nov, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2024.104644 PMID:39652985	研究论文	研究探讨了伊朗高中EFL学习者在在线语言学习中的学习方法，特别是教学、技术和同伴支持以及在线自我调节的中介作用	提出了一个新的概念框架，即在线语言学习方法（OLLA），并引入了与语言学习者复杂动态系统相关的新心理学因素	研究仅限于伊朗高中EFL学习者，可能无法推广到其他群体或教育背景	填补在线语言学习领域中关于学习者方法的空白，特别是在计算机辅助语言学习和心理语言学领域	伊朗高中EFL学习者在在线语言学习中的学习方法	计算机辅助语言学习	NA	偏最小二乘结构方程建模（PLS-SEM）	偏最小二乘结构方程建模	文本	686名伊朗高中EFL学习者
11843	2024-12-16	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-Oct-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种半监督学习方法，用于推断分子进化和重建系统发育树	本文结合了基因组进化随机模拟与一种新的监督深度学习模型，直接分析多序列比对并估计每个位点的进化速率和分歧度，无需已知的系统发育树	本文的方法在复杂速率变化模式下表现优异，但在简单伽马分布下的准确性与基于似然的系统发育推断相当	开发一种新的半监督学习方法，用于更灵活和准确的系统发育分析	分子进化速率参数和系统发育树的重建	机器学习	NA	深度学习	深度学习模型	基因组数据	2600万核苷酸的基因组数据
11844	2024-12-16	TAWFN: a deep learning framework for protein function prediction 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae571 PMID:39312678	研究论文	本文提出了一种结合卷积神经网络（CNN）和图卷积网络（GCN）的深度学习框架TAWFN，用于蛋白质功能预测	本文的创新点在于提出了一种结合CNN和GCN的统一框架TAWFN，通过自适应权重融合网络来提高蛋白质功能预测的准确性	本文的局限性在于仅在PDBset和AFset数据集上进行了实验验证，未来需要在更多数据集上进行测试	本文的研究目的是提高蛋白质功能预测的准确性	本文的研究对象是蛋白质结构及其功能	机器学习	NA	卷积神经网络（CNN）、图卷积网络（GCN）	卷积神经网络（CNN）、图卷积网络（GCN）	蛋白质结构数据	实验使用了PDBset和AFset数据集
11845	2024-12-16	LEO navigation observables extraction using CLOCFC network 2024-Sep-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70846-0 PMID:39242654	研究论文	本文提出了一种轻量级深度学习模型CLOCFC，用于从低地球轨道卫星信号中提取导航观测值	提出了CLOCFC模型，采用双分支结构，并引入了CFC模块（一种液态神经网络），以增强数据序列中的时空信息获取能力	NA	减少航空用户对全球导航卫星系统的依赖，利用低地球轨道卫星的信号进行导航和定位	从低地球轨道卫星信号中提取导航观测值	机器学习	NA	深度学习	CLOCFC	信号	使用ORBCOMM星座信号作为模型输入，多普勒频率作为标签，进行了大量实验
11846	2024-12-16	Sitetack: A Deep Learning Model that Improves PTM Prediction by Using Known PTMs 2024-Jun-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596298 PMID:38895359	研究论文	本文提出了一种名为Sitetack的深度学习模型，通过使用已知的蛋白质翻译后修饰（PTM）位点来提高PTM预测的准确性	通过在模型中引入已知的PTM位点标签，显著提升了现有模型的预测性能，并展示了PTM位点对其他PTM预测的重要性	文章未明确提及具体的局限性	提高蛋白质翻译后修饰（PTM）位点的预测准确性	蛋白质翻译后修饰（PTM）位点	机器学习	NA	深度学习	卷积神经网络（CNN）	序列数据	未明确提及具体样本数量
11847	2024-12-16	Representing Part-Whole Hierarchies in Foundation Models by Learning Localizability, Composability, and Decomposability from Anatomy via Self-Supervision 2024-Jun, Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition DOI:10.1109/cvpr52733.2024.01071 PMID:39670210	研究论文	本文介绍了一种新的自监督学习框架Adam-v2，通过学习局部性、组合性和分解性来表示医学图像中的部分-整体层次结构	Adam-v2通过三个关键分支（局部性、组合性和分解性）显式地将部分-整体层次结构融入学习目标，从而提高了模型在医学图像处理中的通用性和鲁棒性	NA	克服深度学习在医学图像处理中缺乏显式部分-整体关系编码的局限性	医学图像中的解剖结构	计算机视觉	NA	自监督学习	Adam-v2	图像	未标注的医学图像
11848	2024-12-16	A generalization performance study on the boosting radiotherapy dose calculation engine based on super-resolution 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.10.006 PMID:36631314	研究论文	本研究开发了一种基于超分辨率的深度学习模型，用于在临床实践中快速准确地预测剂量分布	提出了多阶段剂量超分辨率网络（MDSR Net）架构，结合稀疏掩模模块和多阶段渐进剂量分布恢复方法，显著提高了剂量预测的准确性和泛化能力	未提及具体的局限性	开发一种高效准确的剂量计算方法，以促进在线自适应放射治疗技术（OLART）的广泛应用	不同疾病部位的VMAT计划中的剂量分布	机器学习	NA	深度学习	多阶段剂量超分辨率网络（MDSR Net）	图像	340个VMAT计划，其中240个用于模型训练，60个用于模型基准测试，40个用于模型泛化评估
11849	2024-12-16	Automated quantification of vacuole fusion and lipophagy in Saccharomyces cerevisiae from fluorescence and cryo-soft X-ray microscopy data using deep learning 2024-04, Autophagy IF:14.6Q1 DOI:10.1080/15548627.2023.2270378 PMID:37908116	研究论文	本文开发了一种基于深度学习的计算方法，结合软X射线断层扫描（SXT）和荧光显微镜，用于自动量化酵母细胞中的液泡融合和脂噬过程	本文首次开发了Deep Yeast Fusion Network（DYFNet）卷积神经网络模型，用于分类完全融合和部分融合的液泡，并实现了LipoSeg管道来自动化实例分割脂滴和液泡	NA	开发一种新方法，用于高分辨率和高通量地定量分析酵母细胞中的液泡融合和脂噬过程	酵母细胞中的液泡融合和脂噬过程，特别是NPC1和NPC2蛋白的功能	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
11850	2024-12-16	Open-top Bessel beam two-photon light sheet microscopy for three-dimensional pathology 2024-Mar-15, eLife IF:6.4Q1 DOI:10.7554/eLife.92614 PMID:38488831	研究论文	本文开发了一种开放式双光子光片显微镜（OT-TP-LSM）用于术中三维病理学研究	首次采用开放式双光子光片显微镜结合贝塞尔光束进行深层组织的三维成像，并利用深度学习网络将OT-TP-LSM图像转换为虚拟H&E图像	NA	开发一种新型的三维光学显微镜技术，以补充传统的破坏性H&E染色病理学方法	人体癌症组织样本，包括皮肤、胰腺和前列腺	数字病理学	癌症	双光子光片显微镜（TP-LSM）	深度学习网络	图像	多种人体癌症组织样本
11851	2024-12-16	AutoTransOP: translating omics signatures without orthologue requirements using deep learning 2024-Jan-29, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00341-9 PMID:38287079	研究论文	本文开发了一种名为AutoTransOP的神经网络自编码器框架，用于将指定物种或细胞环境的组学数据映射到全局潜在空间，从而在不要求匹配直系同源物的情况下识别相关信息	创新点在于提出了AutoTransOP框架，能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间，并识别相关信息	NA	开发一种能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间的方法	不同物种或细胞环境的组学数据	机器学习	NA	深度学习	神经网络自编码器	组学数据	NA
11852	2024-12-16	OCTOPUS - Optical coherence tomography plaque and stent analysis software 2023-Feb, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13396 PMID:36816277	研究论文	本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析	开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法	目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划	开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件	冠状动脉斑块和支架	数字病理学	心血管疾病	光学相干断层扫描（IVOCT）	深度学习模型和机器学习模型	图像	34个新的pullbacks样本
11853	2024-12-15	Automated Detection of Central Retinal Artery Occlusion Using OCT Imaging via Explainable Deep Learning 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100630 PMID:39669299	研究论文	本文展示了使用深度学习模型通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）的能力	本文提出了一种可解释的深度学习模型，用于在OCT数据上检测CRAO，并展示了其在多分类任务中的高准确性	本文仅进行了回顾性外部验证研究，未来需要进一步的前瞻性研究来验证模型的临床应用	开发和验证一种深度学习模型，用于通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）	视网膜中央动脉阻塞（CRAO）及其鉴别诊断	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	来自德国蒂宾根大学医学中心和汉堡-埃彭多夫大学医学中心的患者的OCT数据
11854	2024-08-07	Editorial for "Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging" 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29457 PMID:38804734	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11855	2024-12-15	A deep-learning system for diagnosing ectopic eruption 2025-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105399 PMID:39424256	研究论文	构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发	该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性	NA	开发一种用于诊断异位萌发的深度学习系统	儿童的混合牙列和恒牙的异位萌发	机器学习	NA	深度学习	多阶段深度学习网络	图像	1576张儿童全景X光片，年龄范围为6-12岁
11856	2024-12-15	Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01355-9 PMID:39673008	研究论文	研究利用卷积神经网络（CNN）对胸部X光片进行分类，以诊断多种肺部疾病	提出了基于VGG19的模型，在肺部疾病分类任务中表现优于其他架构，平均准确率高达0.995和0.996	未提及具体的研究局限性	提高发展中国家医疗资源有限情况下的肺部疾病诊断准确性	胸部X光片中的肺部疾病分类	计算机视觉	肺部疾病	卷积神经网络（CNN）	VGG19	图像	8000张胸部X光片（包含四种肺部疾病）和2000张健康胸部X光片
11857	2024-12-15	Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01344-y PMID:39673011	研究论文	本文提出了一种用于自动解释肺部超声视频的半监督集成学习深度学习框架	引入了一种基于残差(2+1)D架构的半监督学习方法，并采用集成建模策略来聚合不同标签集的预测结果，利用了肺部超声发现的分层特性	多标签模型的平均F1分数为70.5%，仍有提升空间	开发一种能够自动解释肺部超声视频的深度学习框架，以辅助临床诊断	肺部超声视频及其中的发现（如A线、B线或实变）	计算机视觉	肺部疾病	深度学习	残差(2+1)D架构	视频	NA
11858	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集
11859	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集
11860	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究