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
41	2025-10-07	Deep Learning for Automated Measurement of Patellofemoral Anatomic Landmarks 2023-Jul-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10070815 PMID:37508842	研究论文	开发深度学习模型自动测量髌股解剖标志物	首个基于生理和病理CT影像的大规模深度学习回归模型，用于髌股自动标注	健康队列的滑车角测量存在统计学显著差异	通过自动测量膝关节解剖结构改善临床疗效	膝关节CT影像中的髌股解剖标志物	计算机视觉	膝关节疾病	CT成像	CNN	医学影像	483名患者，14,652张标注图像	PyTorch	ResNet50	平均绝对误差，Bland-Altman图，配对t检验	NA
42	2025-02-21	MTDN: Learning Multiple Temporal Dynamics Representation for Emotional Valence Classification with EEG 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340760 PMID:38083323	研究论文	本文提出了一种名为MTDN的深度学习框架，用于从脑电图（EEG）中识别情绪，特别是情感效价分类	MTDN框架通过并行长短期记忆（LSTM）嵌入和自注意力模块联合学习多种时间动态，有效捕捉了情绪反应的关键特征	本文仅在公开的DEAP数据集上进行了实验，未在其他数据集上验证其泛化能力	研究目的是提高从EEG信号中识别情感效价的准确性	研究对象是脑电图（EEG）信号	机器学习	NA	深度学习	LSTM, 自注意力机制	脑电图（EEG）信号	公开的DEAP数据集	NA	NA	NA	NA
43	2025-10-07	Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340987 PMID:38083160	研究论文	开发基于深度学习的多参数MRI模型预测三阴性乳腺癌新辅助系统治疗的病理完全缓解	首次结合治疗前和治疗中多个时间点的多参数MRI序列（DCE-MRI和DWI），利用深度学习早期预测TNBC患者对新辅助系统治疗的反应	NA	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应	三阴性乳腺癌患者	计算机视觉	乳腺癌	动态对比增强MRI, 扩散加权成像	深度学习	医学影像	NA	NA	NA	AUC	NA
44	2024-12-24	Label-Efficient Self-Supervised Federated Learning for Tackling Data Heterogeneity in Medical Imaging 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3233574 PMID:37018314	研究论文	本文提出了一种用于医学图像分析的鲁棒且高效的标签自监督联邦学习框架，通过Transformer和掩码图像建模来解决数据异质性问题	引入了一种基于Transformer的自监督预训练范式，直接在分散的目标任务数据集上进行预训练，以增强对异质数据的鲁棒表示学习和有效的知识迁移	未提及具体限制	解决联邦学习中由于数据异质性和缺乏高质量标签数据导致性能下降的问题	医学图像分类任务，包括视网膜、皮肤病和胸部X光分类	计算机视觉	NA	联邦学习 (FL)	Transformer	图像	模拟和真实世界的非独立同分布 (non-IID) 医学图像数据集	NA	NA	NA	NA
45	2024-12-24	Federated Active Learning for Multicenter Collaborative Disease Diagnosis 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3227563 PMID:37015520	研究论文	本文提出了两种联邦主动学习方法，用于多中心协作疾病诊断，以提高数据和客户端的效率	提出了Labeling Efficient Federated Active Learning (LEFAL)和Training Efficient Federated Active Learning (TEFAL)两种方法，分别通过任务无关的混合采样策略和客户端信息评估来提高数据和客户端的效率	未提及具体限制	解决多中心协作疾病诊断中的大规模标注负担、隐私保护和模型泛化问题	多中心协作疾病诊断	计算机视觉	胃肠道疾病, COVID-19	联邦主动学习	NA	图像	Hyper-Kvasir数据集（65%标注数据）, CC-CCII数据集（50次迭代）	NA	NA	NA	NA
46	2024-12-08	Deep learning-based vortex decomposition and switching based on fiber vector eigenmodes 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0202 PMID:39635056	研究论文	本文展示了基于深度学习的涡旋模式分解和切换技术，通过重建多视角投影强度分布图像来实现圆柱矢量（CV）和轨道角动量（OAM）模式的分解	首次实现了基于深度学习的CV和OAM模式分解，并展示了高效的模态系数和光场分布恢复	NA	实现对圆柱矢量和轨道角动量模式的智能生成和精确控制	圆柱矢量（CV）和轨道角动量（OAM）模式	光学	NA	深度学习	随机并行梯度下降（SPGD）算法	图像	NA	NA	NA	NA	NA
47	2024-12-08	Counting and mapping of subwavelength nanoparticles from a single shot scattering pattern 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0612 PMID:39635469	研究论文	本文介绍了一种基于深度学习的超分辨率单次光学方法，用于计数和映射表面上的亚波长颗粒	提出了一种基于深度学习的超分辨率单次光学方法，用于计数和映射亚波长颗粒的位置	NA	开发一种用于计数和映射亚波长颗粒的新型光学方法	亚波长颗粒的计数和位置映射	计算机视觉	NA	深度学习	NA	图像	4 × 4 网格上的颗粒集合	NA	NA	NA	NA
48	2024-12-06	Cross-Subject Tinnitus Diagnosis Based on Multi-Band EEG Contrastive Representation Learning 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3264521 PMID:37018100	研究论文	本文提出了一种基于多频带EEG对比表示学习的跨受试者耳鸣诊断方法	提出了一个名为多频带EEG对比表示学习（MECRL）的多任务学习框架，用于提高耳鸣诊断的鲁棒性和数据效率	NA	识别耳鸣并为其诊断和治疗提供理论指导	耳鸣患者和健康对照组的静息状态EEG数据	数字病理学	耳鸣	EEG	深度神经网络	EEG数据	187名耳鸣患者和80名健康受试者	NA	NA	NA	NA
49	2024-12-06	Psychotic Relapse Prediction in Schizophrenia Patients Using A Personalized Mobile Sensing-Based Supervised Deep Learning Model 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265684 PMID:37037254	研究论文	本文提出了一种基于个性化移动感知和监督深度学习的模型RelapsePredNet，用于预测精神分裂症患者的精神病复发	本文的创新点在于提出了一个个性化的长短期记忆网络模型RelapsePredNet，并通过融合模型进一步提高了预测性能	本文的局限性在于仅使用了63名患者的移动感知数据进行评估，样本量较小	本文的研究目的是开发一种能够预测精神分裂症患者精神病复发的个性化深度学习模型	本文的研究对象是精神分裂症患者及其精神病复发	机器学习	精神疾病	深度学习	LSTM	移动感知数据	63名精神分裂症患者，每人监测时间长达一年	NA	NA	NA	NA
50	2024-12-06	Deep Learning Identifies Intelligible Predictors of Poor Prognosis in Chronic Kidney Disease 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266587 PMID:37043318	研究论文	本研究探讨了机器学习和深度学习模型在慢性肾脏病（CKD）进展至终末期肾病（ESRD）预测中的可解释性	引入了四种先进的归因方法到深度学习模型中，提高了模型的可解释性，并发现了一些未被充分报告的CKD进展关键特征	LASSO模型的解释与临床知识不一致	早期诊断和预测慢性肾脏病的进展，以确保个性化治疗	慢性肾脏病患者及其进展至终末期肾病的预测	机器学习	肾脏病	深度学习	深度学习模型	临床和实验室数据	NA	NA	NA	NA	NA
51	2024-12-06	Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266576 PMID:37043317	研究论文	提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割	引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题	未提及	解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力	视盘和视杯的分割	计算机视觉	眼科疾病	无监督域适应	RDR-Net	图像	四个公开的眼底图像数据集	NA	NA	NA	NA
52	2024-12-06	One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266645 PMID:37043321	研究论文	本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法	本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力	NA	开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩	从母体腹部ECG信号中提取胎儿ECG信号	生物医学工程	NA	transformer	W-NETR	ECG信号	使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试	NA	NA	NA	NA
53	2024-12-06	SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267087 PMID:37058373	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件	本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性	本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低	本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍	本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号	机器学习	NA	深度学习	深度网络	信号	20名健康受试者	NA	NA	NA	NA
54	2024-12-06	Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267857 PMID:37067963	研究论文	本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战	提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割	需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性	提高心脏MRI图像中右心室分割的准确性	右心室在心脏MRI图像中的分割	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪	NA	NA	NA	NA
55	2024-12-06	Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3270724 PMID:37099473	研究论文	本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析	首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K	现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡	评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法	窄带成像（NBI）结肠镜图像中的息肉分割	计算机视觉	NA	深度学习（DL）	NA	图像	2000张窄带成像（NBI）结肠镜图像	NA	NA	NA	NA
56	2024-12-06	Two-Stage Self-Supervised Cycle-Consistency Transformer Network for Reducing Slice Gap in MR Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3271815 PMID:37126622	研究论文	本文提出了一种两阶段自监督循环一致性Transformer网络（TSCTNet），用于减少MR图像中的切片间隙	设计了一种新颖的自监督学习策略，结合了Transformer和CNN结构，以探索局部和全局切片表示	需要进一步验证在更多数据集上的泛化能力	减少MR图像中的切片间隙，重建高分辨率图像	MR图像	计算机视觉	NA	深度学习	Transformer	图像	两个公开的MR图像数据集	NA	NA	NA	NA
57	2024-11-20	Deep learning-based pathology signature could reveal lymph node status and act as a novel prognostic marker across multiple cancer types 2023-07, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02262-6 PMID:37137998	研究论文	本文提出了一种基于深度学习的泛癌淋巴结转移预测模型，并验证了其在多种癌症类型中的泛化性能和作为独立预后因素的潜力	首次提出了一种基于自监督癌症不变特征的注意力机制弱监督神经网络，用于泛癌淋巴结转移状态的预测，并展示了其在多种癌症类型中的良好泛化性能	NA	开发一种能够预测多种癌症类型淋巴结转移状态的自动化模型，并验证其作为独立预后因素的潜力	11种癌症类型的4400张全切片图像	数字病理学	NA	深度学习	注意力机制弱监督神经网络	图像	4400张全切片图像	NA	NA	NA	NA
58	2024-10-26	Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study 2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.02.017 PMID:36933849	研究论文	本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性	提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性	仅在两个中心的数据集上进行了测试，样本量较小	评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较	左心室全局纵向应变	机器学习	心血管疾病	深度学习	NA	图像	两个数据集，分别包含40和32个样本	NA	NA	NA	NA
59	2024-10-21	Unsupervised Detection and Correction of Model Calibration Shift at Test-Time 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10341086 PMID:38083174	研究论文	本文提出了一种在测试时检测和校正模型校准偏移的方法	本文提出了一种名为CaDC的方法，专门设计用于仅利用目标医院的未标记数据进行模型校准检测和校正	NA	研究目的是提高临床预测模型在不同医院和时间上的泛化能力	研究对象是脓毒症早期预测模型	机器学习	脓毒症	深度学习	CaDC模型	未标记数据	545,089名成年患者	NA	NA	NA	NA
60	2024-10-21	Development & Deployment of a Real-time Healthcare Predictive Analytics Platform 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340351 PMID:38083765	研究论文	开发并部署了一个可扩展的、基于云的、容错的实时医疗预测分析平台	提出了一个能够安全无缝集成到现有医疗工作流程中的预测分析平台，并成功部署在UC San Diego Health系统中	NA	开发和部署一个能够实时处理电子健康记录数据并进行预测分析的平台	电子健康记录数据和实时预测分析	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA	NA	NA	NA	NA