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	2025-05-11	GEOMETRIC CONSTRAINED DEEP LEARNING FOR MOTION CORRECTION OF FETAL BRAIN MR IMAGES 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230423 PMID:40337452	研究论文	本文提出了一种基于几何约束的深度学习模型，用于胎儿脑部MRI图像的运动校正	该方法结合了全局运动估计网络和相对运动估计网络，利用几何约束和权重可学习策略处理复杂和大范围的运动	需要构建大规模的模拟胎儿脑部数据集以训练模型，可能在实际应用中存在数据获取的挑战	提高胎儿脑部MRI图像的运动校正能力，以支持3D脑部体积重建	胎儿脑部MRI图像	医学影像处理	胎儿脑部发育	MRI	深度学习模型（包含全局运动估计网络和相对运动估计网络）	图像	大量胎儿脑部MRI图像堆栈
2	2025-05-02	External Validation of SpineNet, an Open-Source Deep Learning Model for Grading Lumbar Disk Degeneration MRI Features, Using the Northern Finland Birth Cohort 1966 2023-Apr-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000004572 PMID:36728678	研究论文	本研究通过外部验证开源深度学习模型SpineNet在腰椎间盘退变MRI特征分级中的应用	首次在独立数据集上验证SpineNet模型对腰椎间盘退变分类的可靠性	研究数据仅来自单一出生队列，可能影响模型在其他人群中的泛化能力	验证深度学习模型在医学影像分析中的可靠性	腰椎间盘退变的MRI影像	数字病理	脊柱退行性疾病	MRI影像分析	深度学习图像分类模型(SpineNet)	医学影像	1331名NFBC1966队列参与者的腰椎MRI数据
3	2025-04-06	MSHT: Multi-Stage Hybrid Transformer for the ROSE Image Analysis of Pancreatic Cancer 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234289 PMID:37018254	研究论文	提出了一种多阶段混合Transformer（MSHT）方法，用于胰腺癌ROSE图像的自动分类	结合CNN和Transformer的优势，CNN提取多尺度局部特征作为注意力引导，Transformer进行全局建模，提高了分类准确性和注意力区域的准确性	未提及具体局限性	开发一种深度学习方法，用于自动分类胰腺癌ROSE图像，以解决经验丰富的病理学家短缺的问题	胰腺癌ROSE图像	数字病理学	胰腺癌	ROSE技术	MSHT（多阶段混合Transformer）	图像	4240张ROSE图像
4	2025-04-06	A Transfer Learning Based Cross-Subject Generic Model for Continuous Estimation of Finger Joint Angles From a New User 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234989 PMID:37018609	研究论文	本研究提出了一种基于迁移学习的跨被试通用模型（CSG），用于从新用户的表面肌电信号（sEMG）连续估计手指关节角度	提出了跨被试通用模型（CSG），结合LSTA-Conv网络和对抗知识迁移学习策略（SAK），显著提升了新用户手指关节角度估计的准确性	模型性能依赖于训练集中被试数量的增加，且未探讨不同手势复杂度对模型性能的影响	开发一种能够适应新用户的、基于sEMG信号的手指关节角度连续估计方法	人类手指关节运动	人机交互	NA	表面肌电信号（sEMG）采集	LSTA-Conv网络（结合长短期特征聚合模块和对抗知识迁移学习策略）	生理信号数据（sEMG）与运动学数据（手指关节角度）	三个公开Ninapro数据集中的多被试数据
5	2025-04-06	Annotation Cost Minimization for Ultrasound Image Segmentation Using Cross-Domain Transfer Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3236989 PMID:37021897	研究论文	本研究提出了一种名为SegMix的新框架，通过跨域迁移学习最小化超声图像分割中的标注成本	提出SegMix方法，利用片段-粘贴-混合概念生成大量标注样本，并引入超声特异性增强策略，显著降低标注成本	仅在左心室和胎儿头部两个超声分割任务上验证了框架可行性，未在其他医学图像任务上测试	降低医学图像分析中的标注成本	超声图像（左心室和胎儿头部）	数字病理	心血管疾病	深度学习	NA	图像	仅需10张手动标注图像
6	2025-04-06	Knowledge Distillation in Histology Landscape by Multi-Layer Features Supervision 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237749 PMID:37021915	研究论文	提出了一种新颖的知识蒸馏算法KDTP，用于提高浅层网络在组织表型分析中的性能	通过多层特征蒸馏，使学生网络的单个层能从教师网络的多个层获得监督，并使用可学习的多层感知器和基于注意力的参数优化特征图匹配	未提及具体计算资源消耗或模型泛化能力的详细评估	提升计算病理学中组织分类任务的性能	组织表型分析	数字病理学	NA	知识蒸馏	CNN	图像	五个公开可用的组织学图像分类数据集
7	2025-04-06	Reconstruction of Quantitative Susceptibility Mapping From Total Field Maps With Local Field Maps Guided UU-Net 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238714 PMID:37022058	研究论文	提出了一种基于局部场图引导的UU-Net与自交叉引导Transformer相结合的LGUU-SCT-Net方法，用于直接从总场图重建定量磁化率映射(QSM)	首次提出直接从总场图重建QSM的方法，通过局部场图辅助监督和自交叉引导Transformer增强特征融合与非线性映射能力	仅在体内数据集上进行验证，未涉及更广泛的临床数据测试	改进定量磁化率映射(QSM)的重建精度和效率	磁共振成像(MRI)相位信号	医学影像分析	NA	MRI相位信号处理	LGUU-SCT-Net（改进的U-Net与Transformer结合模型）	磁共振图像	体内数据集（具体数量未说明）
8	2025-04-06	Asymmetric Effects of Different Training-Testing Mismatch Types on Myoelectric Regression via Deep Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238966 PMID:37022060	研究论文	本文研究了卷积神经网络（CNN）在肌电同步比例控制（SPC）中预测性能受训练和测试条件差异影响的情况	揭示了训练-测试条件不匹配对CNN预测性能的不对称影响，并探讨了可能的机制	研究仅基于特定任务（画星星）的数据，可能无法推广到其他肌电控制场景	探究训练-测试条件不匹配对肌电SPC设备性能的影响	肌电信号（EMG）和关节角加速度数据	机器学习	NA	肌电信号采集	CNN	时间序列信号	志愿者数据（具体人数未明确说明）
9	2025-04-06	Generalizable Deep Learning-Based Sleep Staging Approach for Ambulatory Textile Electrode Headband Recordings 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3240437 PMID:37022272	研究论文	提出一种基于深度学习的通用睡眠分期方法，适用于使用纺织电极头带记录的移动睡眠数据	开发了一种能够从标准PSG数据泛化到纺织电极前额EEG移动记录的自动神经网络睡眠分期方法	研究仅涉及10名健康志愿者，样本量较小	开发适用于家庭环境的可靠、自动化和用户友好的睡眠分期解决方案	睡眠分期	机器学习	NA	EEG信号分析	CNN	EEG信号	临床PSG数据集876例，10名健康志愿者家庭记录
10	2025-04-06	Development of Prognostic Biomarkers by TMB-Guided WSI Analysis: A Two-Step Approach 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3249354 PMID:37027578	研究论文	开发了一种基于TMB引导的WSI分析的两步法框架，用于预后预测	提出了一个结合TMB和WSI的两步法框架，提高了预后预测的准确性和可解释性	研究依赖于特定数据集，可能在其他癌症类型中的泛化性有待验证	开发预后生物标志物，改善癌症患者的生存预测	透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	全切片图像（WSI）分析	深度残差网络	图像	295个内部数据集WSI和304个TCGA-KIRC项目WSI
11	2025-04-06	LncDLSM: Identification of Long Non-Coding RNAs With Deep Learning-Based Sequence Model 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3247805 PMID:37027676	research paper	介绍了一种基于深度学习的序列模型lncDLSM，用于识别长非编码RNA（LncRNAs）	提出了一种不依赖先验生物学知识的深度学习框架lncDLSM，用于区分lncRNA和其他蛋白质编码转录本	未明确提及具体局限性	开发一种高效识别lncRNA的方法，以帮助研究其形成机制及与疾病相关的下游调控	长非编码RNA（LncRNAs）和蛋白质编码转录本	machine learning	NA	deep learning	deep learning-based sequence model	sequence data	NA
12	2025-03-27	MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230782 PMID:40124116	研究论文	本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性	引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能	NA	提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下	心脏的晚期机械激活（LMA）区域	医学影像分析	心血管疾病	cine位移编码与受激回波（DENSE）磁共振成像（MRI）	多任务深度学习框架	心脏MR图像	NA
13	2025-03-10	Computed Tomography-Based Deep Learning Nomogram Can Accurately Predict Lymph Node Metastasis in Gastric Cancer 2023-04, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-022-07640-3 PMID:35909203	研究论文	本文评估并验证了基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	结合深度学习特征和临床预测因子建立了一个nomogram，显著提高了淋巴结转移预测的准确性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	评估和验证基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	胃癌患者	计算机视觉	胃癌	计算机断层扫描（CT）	ResNet50, 随机森林（RF）	图像	347名患者（训练队列：242，测试队列：105）
14	2025-02-21	Intelligent Eye-Controlled Electric Wheelchair Based on Estimating Visual Intentions Using One-Dimensional Convolutional Neural Network and Long Short-Term Memory 2023-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s23084028 PMID:37112369	研究论文	本文开发了一种基于1DCNN-LSTM的深度学习模型，用于实时估计用户的视觉意图，并结合注视停留时间方法开发了电动轮椅控制系统	提出了一种结合1DCNN和LSTM的深度学习模型，用于从眼动、头部运动和注视点距离等10个变量的特征向量中估计视觉意图，解决了电动轮椅操作中的“Midas触摸问题”	未提及模型在不同环境或用户群体中的泛化能力	开发一种能够准确估计用户视觉意图的电动轮椅控制系统，以提高轮椅的操作性和减少用户的操作负担	电动轮椅用户	计算机视觉	NA	深度学习	1DCNN-LSTM	时间序列数据（眼动、头部运动等）	未明确提及样本数量
15	2025-02-04	Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad191 PMID:37067486	研究论文	本文提出了一种自监督语义分割方法（S4），用于视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割，以支持RPE衰老研究中的大规模细胞形态分析	开发了一种自监督学习策略，结合重建和成对表示损失以及形态学损失，用于训练具有编码器-解码器架构的语义分割网络，并提出了一种新的图像增强算法（AugCut）以提高网络训练性能	尽管方法表现出色，但仍依赖于高质量的图像数据，且自监督学习策略的泛化能力需要进一步验证	提高视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割精度，以支持RPE衰老研究	视网膜色素上皮（RPE）细胞	计算机视觉	老年疾病	自监督学习	编码器-解码器架构	图像	大量荧光显微镜图像
16	2025-01-22	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究旨在发现主动脉扩张性的流行病学相关因素和遗传决定因素，并利用深度学习模型从心脏磁共振图像中量化胸主动脉面积	首次利用深度学习模型在大规模人群（42,342名UK Biobank参与者）中量化主动脉扩张性，并识别出多个新的遗传位点	研究结果主要基于UK Biobank数据，可能无法完全推广到其他人群	发现主动脉扩张性的流行病学相关因素和遗传决定因素	42,342名UK Biobank参与者	机器学习	心血管疾病	心脏磁共振成像	深度学习模型	图像	42,342名UK Biobank参与者
17	2025-01-19	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	本文提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域	RDA结合了DeepAtrophy的时间推断方法、可变形配准神经网络和注意力机制，能够突出显示MRI图像中与时间推断相关的纵向变化区域，提高了模型的可解释性	尽管RDA在预测准确性上与DeepAtrophy相似，但其在临床环境中的应用仍需进一步验证	开发一种能够自动识别与阿尔茨海默病进展相关的MRI区域的方法，以提高疾病监测的敏感性和临床应用的接受度	阿尔茨海默病患者的纵向MRI扫描数据	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	MRI图像	NA
18	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
19	2024-12-20	Deformable Spherical Transformer for Cerebellar Surface Parcellation 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230447 PMID:39698481	研究论文	本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制	本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域	NA	开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面	小脑皮质表面的自动分割	计算机视觉	NA	深度学习	Transformer	图像	NA
20	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集