深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
181	2025-02-21	Deep Learning vs Traditional Models for Predicting Hospital Readmission among Patients with Diabetes 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128461	研究论文	本文比较了深度学习模型与传统模型在预测糖尿病患者30天内非计划性全因再入院风险中的表现	使用LSTM深度学习模型预测糖尿病患者的再入院风险，并发现其性能显著优于传统模型	研究仅基于电子健康记录（EHR）数据，未考虑其他可能影响再入院风险的因素	开发并比较不同模型在预测糖尿病患者再入院风险中的表现	36,641名糖尿病患者的2,836,569次就诊记录	机器学习	糖尿病	深度学习	LSTM	电子健康记录（EHR）数据	36,641名糖尿病患者的2,836,569次就诊记录	NA	NA	NA	NA
182	2025-10-07	Prediction of lung malignancy progression and survival with machine learning based on pre-treatment FDG-PET/CT 2022-Aug, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2022.104127 PMID:35810561	研究论文	基于治疗前FDG-PET/CT扫描，利用机器学习预测肺部恶性肿瘤进展和总生存期	首次将卷积神经网络与随机生存森林结合，同时预测恶性肿瘤进展和生存期，并比较了PET+CT融合模型与单模态模型的性能	回顾性研究，样本来自三个机构但可能存在选择偏差	开发基于FDG-PET/CT的机器学习模型来预测肺部恶性肿瘤的疾病进展和患者生存期	肺部恶性肿瘤患者（包括腺癌和鳞状细胞癌）	医学影像分析	肺癌	FDG-PET/CT成像	CNN, RSF	医学影像（PET/CT扫描图像）	1168个结节（来自965名患者）	NA	卷积神经网络，随机生存森林	AUC, 准确率, 敏感度, 特异度, C-index, IBS	NA
183	2025-10-07	Automatic information extraction from childhood cancer pathology reports 2022-Jul, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac049 PMID:35721398	研究论文	开发基于深度学习的模型从儿童癌症病理报告中自动提取信息并进行ICCC分类	首次开发用于ICCC分类的机器学习模型，并提出直接ICCC分类方法优于ICD-O-3分类再利用的方法	仅使用6个州癌症登记处的数据，模型对14.8%的模糊病理报告无法分配代码	开发自动信息提取系统以辅助州癌症登记处的人工标注工作	儿童癌症病理报告	自然语言处理	儿童癌症	深度学习	深度学习模型	文本	29206份来自6个州癌症登记处的0-19岁患者病理报告	NA	NA	micro-F1分数	NA
184	2025-10-07	Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice 2022-03-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29236-1 PMID:35318318	研究论文	开发了一种结合深度学习算法的双光子光纤内窥镜技术，实现了自由行为小鼠大脑的高分辨率视频速率成像	通过高速扫描器和降采样方案提升成像速度，并引入深度学习算法恢复图像质量，实现了比传统技术快10倍的成像速度	未明确说明技术在不同脑区或长期实验中的适用性限制	开发高速双光子光纤内窥镜技术，用于自由行为小鼠的神经活动研究	自由行为小鼠初级运动皮层L2/3层锥体神经元群体	生物医学成像	神经科学	双光子光纤内窥镜成像，深度学习图像增强	深度学习	脑部显微图像	NA	NA	NA	信噪比，成像分辨率，帧速率(26 fps)	NA
185	2025-10-07	Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103154 PMID:35988342	研究论文	开发基于深度学习的自动分割算法用于癫痫手术后MRI中切除腔的分割	使用三个U-Net卷积神经网络分别训练轴位、冠状位和矢状位切片，并通过多数投票集成算法实现手术切除部位的自动分割	回顾性研究，样本量相对有限（62名患者），需要进一步验证在更大样本和不同手术类型中的性能	开发自动分割算法用于癫痫手术后MRI中切除腔的精确分割	62名接受切除手术的颞叶癫痫患者的术后T1加权MRI	医学影像分析	癫痫	MRI成像	CNN	医学影像	62名颞叶癫痫患者（训练集27例，测试集9例，验证集9例，独立测试集17例），40名对照受试者	NA	U-Net	Dice-Sørensen系数, Hausdorff距离, 体积估计, 相关系数, 平均绝对误差	NA
186	2025-10-07	Resting state network mapping in individuals using deep learning 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.1055437 PMID:36712434	研究论文	本研究开发了一种基于深度3D卷积神经网络的静息态网络映射方法，可用于个体水平的脑功能网络定位	首次使用深度3DCNN进行体素水平的静息态网络映射，相比传统方法对噪声和数据量要求更低	模型训练仅基于健康参与者数据，在临床患者群体中的适用性需要进一步验证	开发个体水平的静息态网络定位方法，满足临床应用的精准需求	静息态功能磁共振数据	医学影像分析	神经退行性疾病	静息态功能磁共振	3DCNN	功能磁共振图像	2010名健康参与者	NA	3D卷积神经网络	概率分布图, 均值, 标准差	NA
187	2025-10-07	DL 101: Basic introduction to deep learning with its application in biomedical related fields 2022-11-20, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9564 PMID:36041380	教程文章	本文提供深度学习的基础介绍及其在生物医学领域的应用	为生物医学领域研究者提供直观的前馈神经网络解释和超参数选择指导	仅提供基础入门内容，未涉及深度学习的完整能力探索	推广深度学习在生物医学领域的应用	深度学习基础理论和应用方法	机器学习	NA	深度学习	前馈神经网络(FNN)	NA	NA	NA	前馈神经网络	NA	NA
188	2025-10-07	Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16452-1_28 PMID:39911317	研究论文	提出一种结合上下文编码的单阶段颅骨标记与标志点定位方法	设计新型上下文编码模块并引入标志点空间关系建模作为辅助任务	仅在274例儿科CT数据集上验证，未说明泛化能力	医学图像中颅骨自动分割与解剖标志点定位	儿科患者颅骨CT图像	数字病理	颅面疾病	CT成像	CNN	3D医学图像	274例儿科3D CT图像	NA	U-Net	NA	NA
189	2025-02-07	Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022) 2022-09, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01613-8 PMID:35681080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
190	2025-10-07	Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport 2022-10, Sports medicine (Auckland, N.Z.) DOI:10.1007/s40279-022-01698-9 PMID:35689749	系统性综述	对运动肌肉骨骼损伤预测模型的方法学质量和报告完整性进行系统性评价	首次系统评估运动损伤预测模型的方法学质量和报告完整性，涵盖回归、机器学习和深度学习方法	仅纳入截至2021年6月的研究，未进行模型外部验证，仅评估现有研究的报告质量	评估运动肌肉骨骼损伤预测模型的方法学实施和报告完整性	运动肌肉骨骼损伤预测模型研究	机器学习	肌肉骨骼损伤	回归分析, 机器学习, 深度学习	回归模型, 机器学习模型	NA	30项研究(包含204个模型)	NA	NA	区分度, 校准度	NA
191	2025-10-07	Deep Learning Image Analysis of Optical Coherence Tomography Angiography Measured Vessel Density Improves Classification of Healthy and Glaucoma Eyes 2022-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2021.11.008 PMID:34780803	研究论文	本研究比较了基于深度学习的光学相干断层扫描血管成像图像分析与传统特征分类方法在青光眼诊断中的性能	首次使用VGG16卷积神经网络直接分析en face血管密度图像，相比传统梯度提升分类器的特征分析方法显著提升了青光眼分类准确率	样本量相对有限（405只眼睛），仅针对视神经头区域成像，未包含其他眼部区域	改进青光眼与健康眼睛的分类诊断方法	80名健康个体的130只眼睛和185名青光眼患者的275只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	CNN, GBC	图像	405只眼睛（130只健康眼，275只青光眼）	NA	VGG16	AUPRC（精确召回曲线下面积）	NA
192	2025-10-07	The Emerging Potential of Advanced Targeted Mass Spectrometry to Become a Routine Tool for Protein Quantification in Biomedical Research 2022-Feb-23, Chimia IF:1.1Q3 DOI:10.2533/chimia.2022.81 PMID:38069753	综述	本文探讨了靶向质谱技术在生物医学研究中作为蛋白质定量常规工具的潜力与发展前景	提出深度学习光谱预测技术将显著改善靶向质谱的自动化检测开发流程	靶向质谱目前在学术界和工业界普及较慢，主要受限于检测方法开发和数据验证的额外工作负担	推动靶向质谱技术在系统生物学研究和临床转化中的应用	蛋白质、多肽及翻译后修饰	生物医学研究	NA	靶向质谱技术	深度学习	质谱数据	NA	NA	NA	NA	NA
193	2025-10-07	Estimating time-to-total knee replacement on radiographs and MRI: a multimodal approach using self-supervised deep learning 2022-Jan-01, Radiology advances DOI:10.1093/radadv/umae030 PMID:39744045	研究论文	本研究开发了一种结合自监督深度学习和多模态数据的生存分析模型，用于预测膝关节置换手术的时间	首次将自监督深度学习特征与临床变量和多模态影像评估相结合，用于精确预测膝关节置换时间	研究数据主要来自特定队列研究，外部验证样本量相对有限，且部分病例在9年随访期后状态未知	开发精确预测膝关节置换时间的模型以改善患者管理和医疗资源分配	膝关节骨关节炎患者	医学影像分析	骨关节炎	MRI扫描、X射线摄影、定量和半定量影像评估	自监督深度学习、生存分析模型	医学影像（X光片、MRI）、临床测量数据	训练集：895例接受TKR的膝关节和786例对照膝关节；外部测试集：518例（多中心研究）和164例（医院数据）	NA	NA	AUC（曲线下面积）	NA
194	2025-01-25	GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models 2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting DOI:10.18653/v1/2022.acl-long.131 PMID:39845531	研究论文	本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法	提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常	方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上	研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系	认知健康个体与阿尔茨海默病患者的语言数据	自然语言处理	阿尔茨海默病	Transformer深度学习模型	GPT-2, GPT-D	文本	NA	NA	NA	NA	NA
195	2025-10-07	A deep neural network for the classification of epileptic seizures using hierarchical attention mechanism 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-022-07122-8 PMID:35465467	研究论文	提出一种集成层次注意力机制的深度神经网络用于癫痫发作分类	将层次注意力机制与卷积架构相结合，在保证高精度的同时降低计算复杂度	未明确说明具体计算复杂度的量化指标和对比基线	开发计算复杂度低且分类精度高的癫痫发作分类算法	脑电图信号和癫痫发作患者	机器学习	癫痫	脑电图	CNN	脑电图信号	NA	NA	自定义卷积架构集成层次注意力机制	准确率, 计算时间	NA
196	2025-10-07	Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15578 PMID:35229344	研究论文	本研究提出一种级联深度学习工作流，用于从无对比剂增强的MR图像合成对比增强MR图像	提出结合视网膜U-Net和合成模块的级联网络架构，并在网络训练中融入肿瘤轮廓信息的局部监督机制	研究仅基于BraTS2020数据集，未在其他数据集验证泛化能力	开发无需钆基对比剂的MR图像对比增强合成方法	脑肿瘤患者的MR图像	医学影像分析	脑肿瘤	磁共振成像	深度学习	医学影像	369例患者（200例用于五折交叉验证，169例用于保留测试）	NA	Retina U-Net, 合成模块	标准化平均绝对误差, 结构相似性指数, 皮尔逊相关系数	NA
197	2025-10-07	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	开发基于可视化深度学习模型用于分类心室心律失常起源	首次将梯度加权类激活映射方法应用于12导联心电图心律失常起源分类，实现模型决策过程的可视化	研究样本量较小（仅80例患者），需进一步扩大验证	创建可准确分类心律失常起源的可视化深度学习模型	接受导管消融治疗的80例心律失常患者	医疗人工智能	心血管疾病	12导联心电图	CNN	心电图信号	80例患者	NA	卷积神经网络	准确率, 召回率	NA
198	2025-10-07	ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates 2022-May-28, Brain informatics DOI:10.1186/s40708-022-00161-9 PMID:35633447	研究论文	提出一种基于深度学习的婴儿脑部MRI分割框架ID-Seg，用于提高边缘结构分割精度	利用大型公共婴儿MRI数据集和迁移学习技术，首次在婴儿脑部边缘结构分割中应用深度卷积神经网络	需要多中心测试验证，且目前仅适用于杏仁核和海马体两个脑区	开发高精度的婴儿脑部边缘结构自动分割方法	婴儿脑部边缘结构（杏仁核和海马体）	医学影像分析	神经发育疾病	磁共振成像	CNN	医学影像	473名婴儿的MRI数据，并在两个独立数据集上验证	NA	深度卷积神经网络	Dice相似系数, 组内相关系数, 平均表面距离	NA
199	2025-10-07	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	提出基于3D残差压缩激励卷积神经网络的扩散MRI多类别伪影自动检测方法	首次实现扩散MRI数据的多类别（非二元）伪影自动分类，采用3D MECE子体积分割和投票机制	仅针对特定数据集（ABCD和HBN）进行验证，未在其他数据集测试泛化能力	开发自动化的扩散MRI多类别伪影检测方法以提高数据预处理效率	扩散MRI脑部扫描数据	医学影像分析	脑部疾病	扩散MRI	CNN	3D医学影像	ABCD数据集2,494个低质量dMRI体积，HBN数据集4,226个dMRI体积	NA	3D Residual Squeeze-and-Excitation CNN	准确率	NA
200	2025-01-06	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种使用并行循环一致性生成对抗网络（CycleGANs）从低分辨率磁共振成像（MR）图像生成高分辨率MR图像的新方法	采用自监督策略的并行CycleGANs方法，解决了临床环境中难以收集成对低分辨率和高分辨率MR图像的问题	NA	生成高分辨率MR图像以缩短MR扫描时间	MR图像	计算机视觉	脑肿瘤	并行循环一致性生成对抗网络（CycleGANs）	CycleGAN	图像	BraTS2020数据集和机构收集的MR图像	NA	NA	NA	NA