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
1	2025-03-26	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究探讨了在有限数据集条件下，利用自监督对抗学习进行计算机断层扫描结肠成像中电子清洁的初步可行性	提出了一种新型的自监督对抗学习方案，能够在有限训练数据集上实现亚体素精度的电子清洁	研究为初步可行性研究，样本量较小（18例临床CTC病例），且仅在仿真模型上进行了预训练	评估在有限训练数据集条件下使用自监督对抗学习进行电子清洁的技术可行性	计算机断层扫描结肠成像（CTC）中的电子清洁	数字病理学	结肠癌	自监督对抗学习	3D GAN	3D医学影像	18例临床CTC病例
2	2025-03-22	Nuclear morphology is a deep learning biomarker of cellular senescence 2022-08, Nature aging IF:17.0Q1 DOI:10.1038/s43587-022-00263-3 PMID:37118134	研究论文	本文利用神经网络从人类成纤维细胞的核形态预测细胞衰老，准确率高达95%，并研究了小鼠星形胶质细胞、小鼠神经元和培养中的早衰成纤维细胞	首次证明核形态可以作为跨组织和物种的细胞衰老深度学习预测指标，并与人类健康结果相关联	研究主要基于体外培养细胞和小鼠组织，需要进一步验证在人类组织中的普适性	探索细胞衰老的深度学习预测指标及其与健康结果的关系	人类成纤维细胞、小鼠星形胶质细胞、小鼠神经元、早衰成纤维细胞、H&E染色的小鼠肝组织和人类皮肤活检样本	数字病理学	老年疾病	深度学习	神经网络	图像	未明确样本数量，涉及多种细胞类型和组织样本
3	2025-02-23	Deep learning on resting electrocardiogram to identify impaired heart rate recovery 2022-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.06.001 PMID:36046430	研究论文	本研究利用深度学习模型通过静息心电图预测心率恢复（HRR），并探讨其与心血管疾病风险的关系	首次使用深度学习模型从静息心电图中推断心率恢复，并验证其与未来临床结果（如糖尿病和全因死亡率）的独立关联	研究依赖于UK Biobank的数据，样本可能不具有普遍代表性，且未探讨模型在其他人群中的适用性	探索静息心电图通过深度学习预测心率恢复的可行性及其与心血管疾病风险的关联	UK Biobank参与者，共56,793人	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图波形	56,793人（平均年龄57岁，51%为女性）
4	2025-02-21	Non-Contact Heartbeat Detection Based on Ballistocardiogram Using UNet and Bidirectional Long Short-Term Memory 2022-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3162396 PMID:35333727	研究论文	本文提出了一种基于UNet和双向长短期记忆（Bi-LSTM）的深度学习模型，用于从心冲击图（BCG）信号中自动检测心跳	结合UNet和Bi-LSTM的深度学习模型，有效解决了低信噪比BCG信号中的心跳检测问题，尤其是在不同测量姿势和心率范围下的鲁棒性	研究样本量较小，仅包含43名受试者，且未涉及更多复杂环境下的验证	开发一种非接触式心跳检测方法，用于家庭护理中的心血管疾病风险预测和睡眠分期	心冲击图（BCG）信号	机器学习	心血管疾病	深度学习	UNet, Bi-LSTM	信号数据	43名受试者
5	2025-02-21	A novel deep learning model based on the ICA and Riemannian manifold for EEG-based emotion recognition 2022-08-01, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2022.109642 PMID:35690333	研究论文	本文提出了一种基于独立成分分析（ICA）、黎曼流形（RM）和长短期记忆网络（LSTM）的新型深度学习模型ICRM-LSTM，用于基于EEG的情绪识别	结合ICA、RM和LSTM，提出了一种新的EEG情绪识别模型ICRM-LSTM，并通过实验验证了其优越性能	未提及具体局限性	提高基于EEG的情绪识别准确率	EEG信号	机器学习	NA	独立成分分析（ICA）、黎曼流形（RM）	LSTM	EEG信号	SEED和MAHNOB-HCI数据集
6	2025-02-21	Unsupervised inter-frame motion correction for whole-body dynamic PET using convolutional long short-term memory in a convolutional neural network 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102524 PMID:35797734	研究论文	本文提出了一种基于卷积长短期记忆网络的非监督自动深度学习框架，用于校正全身动态PET中的帧间运动	首次在全身范围内考虑示踪剂分布变化，结合卷积长短期记忆层充分利用动态时间特征和空间信息	数据集仅包含27名受试者，样本量相对较小	开发一种快速准确的全身动态PET帧间运动校正方法	全身动态PET图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）与卷积长短期记忆（ConvLSTM）结合	图像	27名受试者，每人进行90分钟的FDG全身动态PET扫描
7	2025-02-19	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	本研究利用机器学习分析治疗前的FDG-PET/CT扫描，预测肺癌的进展和总体生存率	结合卷积神经网络（CNN）和随机生存森林（RSF）模型，利用FDG-PET/CT数据进行肺癌进展和生存率预测，并与传统放射组学方法进行比较	研究为回顾性分析，可能存在选择偏差，且样本量有限	预测肺癌的进展和总体生存率，以指导治疗决策和改善患者护理	肺癌患者	数字病理学	肺癌	FDG-PET/CT扫描	CNN, RSF	图像	1168个结节（来自965名患者）
8	2024-12-01	JSE: Joint Semantic Encoder for zero-shot gesture learning 2022-Aug, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-021-00992-y PMID:39588314	研究论文	本文研究了三种不同的特征提取技术对零样本手势学习性能的影响，并提出了一种名为联合语义编码器（JSE）的双线性自编码器方法	本文首次研究了特征选择对零样本手势学习的影响，并提出了联合语义编码器（JSE）方法，该方法在零样本手势识别中表现优异	本文未详细讨论JSE方法在其他领域的适用性及其泛化能力	研究特征提取技术对零样本手势学习性能的影响，并提出一种新的方法来提高零样本手势识别的准确性	零样本手势学习中的特征提取技术和识别性能	机器学习	NA	深度学习	自编码器	图像	未明确提及具体样本数量
9	2024-12-01	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	研究论文	比较了使用集中数据和联邦学习（FL）两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变（ROP）诊断中的表现	证明了联邦学习模型在多机构协作中的有效性，特别是在资源较少的机构中	NA	比较集中数据和联邦学习两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变诊断中的表现	早产儿视网膜病变（ROP）的诊断	计算机视觉	眼科疾病	联邦学习（FL）	深度学习分类器	图像	5255张广角视网膜图像，来自7个机构的儿科重症监护室
10	2024-11-19	DeePVP: Identification and classification of phage virion proteins using deep learning 2022-08-11, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac076 PMID:35950840	研究论文	本文介绍了一种基于深度学习的噬菌体病毒颗粒蛋白（PVPs）识别与分类工具DeePVP	DeePVP在PVP识别任务中的F1分数比现有最先进工具高出9.05%，在PVP分类任务中的整体准确率比PhANNs高出约3.72%	NA	开发一种能够有效识别和分类噬菌体病毒颗粒蛋白的工具	噬菌体病毒颗粒蛋白（PVPs）	机器学习	NA	深度学习	NA	序列	NA
11	2024-10-18	Radiation Dose Reduction for 80-kVp Pediatric CT Using Deep Learning-Based Reconstruction: A Clinical and Phantom Study 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27255 PMID:35195431	研究论文	本研究评估了基于深度学习的重建（DLR）在降低低管电压儿童CT辐射剂量同时保持诊断图像质量方面的效果	首次比较了低剂量DLR图像与标准剂量迭代重建（IR）图像，并探索了DLR在低管电压扫描中的应用	本研究为回顾性研究，样本量有限，且仅限于6岁及以下的儿童	评估DLR在降低低管电压儿童CT辐射剂量同时保持图像质量方面的效果	6岁及以下的儿童	计算机视觉	NA	基于深度学习的重建（DLR）	深度学习模型	图像	65名儿童（平均年龄25.0 ± 25.2个月）
12	2024-10-18	Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27239 PMID:35234481	研究论文	使用自动化深度学习管道在儿童腹部CT图像上定义骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	首次使用自动化深度学习管道在儿童群体中定义骨骼肌面积和骨骼肌指数的正常范围	研究仅限于特定医院的数据，样本选择标准严格，可能影响结果的普适性	确定儿童骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	儿童的骨骼肌面积和骨骼肌指数	计算机视觉	NA	深度学习	DL	图像	2168名儿童，年龄范围2.00-18.99岁，包括1125名女性和1043名男性
13	2024-10-18	Editorial Comment: Doing More With Less-Deep Learning Iterative Reconstruction Can Improve Diagnostic Image Quality in Pediatric Low-Dose Body CT 2022-Aug, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27613 PMID:35261283	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
15	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及
16	2024-10-02	Can Generative Adversarial Networks help to overcome the limited data problem in segmentation? 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.006 PMID:34930685	研究论文	研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题	研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比	实验结果显示，在分割任务中引入GAN并未显著提升性能	探讨GAN在分割任务中是否能提升小数据集的性能	男性骨盆的CT数据分割	计算机视觉	NA	生成对抗网络（GAN）	U-Net	图像	1到100名患者的数据集
17	2024-09-29	Vascular Implications of COVID-19: Role of Radiological Imaging, Artificial Intelligence, and Tissue Characterization: A Special Report 2022-Aug-15, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd9080268 PMID:36005433	研究论文	本文探讨了COVID-19对血管系统的深层次损害，并分析了放射影像学、人工智能和组织特征化在其中的作用	本文提出了四种假设来解释COVID-19在放射影像中引起的血管损伤，并使用了三种AI模型（机器学习、深度学习和迁移学习）进行组织特征化	本文主要基于文献回顾和理论分析，缺乏大规模的临床实验数据支持	研究COVID-19对血管系统的病理生理影响，并探讨放射影像学和人工智能在诊断和治疗中的应用	COVID-19引起的肺部、肾脏、冠状动脉和颈动脉的血管损伤	计算机视觉	传染病	MRI、CT、超声	机器学习、深度学习、迁移学习	影像	296项研究
18	2024-09-25	Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01464-9 PMID:35229231	研究论文	本文介绍了PRECICECAP研究的方案和信息学方法，旨在通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	开发了一个免费的开源软件平台，用于标准化重症监护病房数据的整理，并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析	NA	通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	从院外心脏骤停复苏的患者中收集的高分辨率多模态数据	机器学习	心血管疾病	自编码器神经网络、监督深度学习神经网络算法	自编码器神经网络、监督深度学习神经网络	多模态数据（包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件）	12个ICECAP站点将收集数据，研究预计在2025年底完成
19	2024-09-23	Deep learning predicts DNA methylation regulatory variants in the human brain and elucidates the genetics of psychiatric disorders 2022-08-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206069119 PMID:35969790	研究论文	本文介绍了一种名为INTERACT的深度学习模型，用于预测人类大脑中DNA甲基化调控变异，并阐明精神疾病的遗传基础	本文提出了INTERACT模型，结合卷积神经网络和transformer，能够有效预测DNA甲基化水平，并识别出不受连锁不平衡影响的调控变异	NA	研究目的是通过深度学习方法识别功能性调控变异，以阐明复杂性状的遗传基础	研究对象是人类大脑中的DNA甲基化调控变异及其在精神疾病中的作用	机器学习	精神疾病	深度学习	卷积神经网络和transformer	DNA甲基化数据	涉及多种祖先样本的多样性数据
20	2024-09-23	Learned iterative segmentation of highly variable anatomy from limited data: Applications to whole heart segmentation for congenital heart disease 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102469 PMID:35640385	研究论文	本文提出了一种用于先天性心脏病患者全心脏分割的迭代分割模型，并展示了该模型可以从一个小数据集中准确学习	本文提出了一种新的损失函数，用于评估输出分割序列，并使用它来学习模型参数	NA	开发一种能够从有限数据中学习并应用于先天性心脏病患者全心脏分割的迭代分割模型	先天性心脏病患者的3D心脏MR扫描图像	计算机视觉	先天性心脏病	NA	递归神经网络	图像	NA