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
81	2025-07-02	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出了一种双自监督多操作变换网络（DSMT-Net），用于多源内镜超声（EUS）诊断，以提高胰腺癌和乳腺癌的诊断准确性	设计了基于transformer的双自监督网络，整合未标记的EUS图像进行预训练，并提出多操作变换方法标准化EUS图像中感兴趣区域的提取	未提及具体局限性	提高胰腺癌和乳腺癌的内镜超声诊断准确性	胰腺癌和乳腺癌的内镜超声图像	数字病理学	胰腺癌, 乳腺癌	深度学习	DSMT-Net, transformer	图像	3500张标记的EUS图像（胰腺癌和非胰腺癌）和8000张未标记的EUS图像
82	2025-06-26	Multi-modal deep learning from imaging genomic data for schizophrenia classification 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1384842 PMID:39006822	研究论文	提出了一种基于多模态深度学习的方法，结合结构磁共振成像、功能磁共振成像和遗传标记数据，用于精神分裂症分类	采用多模态数据融合和可解释AI技术，提高了分类准确性并识别了关键的功能网络连接和SNPs	实验数据集可能有限，未提及模型在其他独立数据集上的泛化能力	改进精神分裂症的检测方法	精神分裂症患者和健康对照者	机器学习	精神分裂症	sMRI, fMRI, SNP分析	DenseNet, 1D CNN, XGBoost	医学影像数据、基因组数据	未明确提及具体样本数量
83	2025-06-24	Neural network in food analytics 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2022.2139217 PMID:36322538	review	本文综述了神经网络在食品分析领域的应用，包括食品安全、食品识别和组学分析等方面	首次全面概述神经网络在食品分析中的应用，涵盖基础方法、最新进展及挑战	食品科学家友好型界面软件包的缺乏、模型行为难以理解、多源异构数据等问题阻碍了神经网络的扩展	探讨神经网络在食品分析领域的应用潜力及其面临的挑战	食品分析领域的各种应用场景，如食品识别、感官评价、光谱和色谱的模式识别	machine learning	NA	NN (Neural Network)	NA	multi-source heterogeneous data	NA
84	2025-06-21	Glenohumeral joint force prediction with deep learning 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111952 PMID:38228026	研究论文	本研究利用深度学习技术预测肩关节盂肱关节力的幅度和方向	使用深度学习模型替代传统的计算密集型优化技术，显著降低计算成本	研究基于虚拟受试者数据，未涉及真实临床患者验证	开发高效预测肩关节力的方法以改善关节功能和植入物耐久性评估	肩关节盂肱关节力	机器学习	骨科疾病	深度学习	DLM	生物力学参数	959名虚拟受试者
85	2025-06-20	Forward dynamics computational modelling of a cyclist fall with the inclusion of protective response using deep learning-based human pose estimation 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111959 PMID:38286096	研究论文	本研究通过视频分析和深度学习技术，研究自行车骑行者跌倒的运动学和动力学特性，并开发了一种新的重建流程用于计算建模	提出了一种结合深度学习人体姿态估计和逆向运动学优化的新流程，用于从真实跌倒视频中提取人体运动数据，并应用于前向动力学计算人体模型	研究仅针对自行车骑行者跌倒案例，可能不适用于其他类型的跌倒情况	研究自行车骑行者跌倒的运动学和动力学特性，以改进防护装备和安全措施	自行车骑行者的跌倒运动	计算机视觉	NA	深度学习人体姿态估计、逆向运动学优化、遗传算法	深度学习模型	视频	NA
86	2025-06-19	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	research paper	本文提出了一种使用深度学习技术增强MRI图像中脑肿瘤检测和分割的方法	采用二进制卷积神经网络（BCNN）进行分割，能够处理10种最常见的脑肿瘤类型，显著优于现有仅能分割4种类型的模型	NA	提高脑肿瘤的早期精确检测和分割，以支持有效治疗	脑肿瘤	digital pathology	brain tumor	deep learning	BCNN	MRI images	6,600张脑部MRI图像
87	2025-06-17	Application of ChatGPT in Routine Diagnostic Pathology: Promises, Pitfalls, and Potential Future Directions 2024-Jan-01, Advances in anatomic pathology IF:5.1Q1 DOI:10.1097/PAP.0000000000000406 PMID:37501529	文献综述	本文综述了ChatGPT在常规诊断病理学中的应用现状、前景、潜在问题及未来发展方向	探讨了ChatGPT这一新兴自然语言处理技术在病理诊断领域的应用潜力及其面临的挑战	目前关于ChatGPT在病理学领域应用的研究数据仍较为有限	评估ChatGPT在诊断病理学中的应用价值	ChatGPT及其在病理诊断中的应用	数字病理学	NA	自然语言处理	大型语言模型(LLM)	文本	NA
88	2025-06-15	Integrative analysis of noncoding mutations identifies the druggable genome in preterm birth 2024-01-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk1057 PMID:38241369	research paper	通过整合非编码突变分析，识别早产的可药物基因组	利用深度学习和图形模型在碱基分辨率上评估突变效应，整合孕妇子宫肌层表观基因组和大规模患者基因组数据，发现新的早产相关基因	研究主要基于欧洲和非裔美国人队列，可能不适用于其他人群	识别早产的可药物基因组并研究复杂疾病的通用框架	孕妇子宫肌层表观基因组和大规模患者基因组数据	machine learning	preterm birth	deep learning, graphical models	NA	genomic data	大规模患者基因组数据（欧洲和非裔美国人队列）及招募的孕妇
89	2025-06-15	Deep learning-based video-analysis of instrument motion in microvascular anastomosis training 2024-01-12, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05896-4 PMID:38214753	研究论文	本研究开发了一种基于深度学习的自动化手术器械尖端检测算法，用于微血管吻合训练中的运动学分析	利用YOLOv2开发了自动化器械尖端追踪算法，并通过运动经济性和平滑性参数评估手术熟练度	研究仅针对微血管吻合训练，未涉及其他手术场景	开发并验证深度学习算法在微血管吻合训练中的性能评估能力	神经外科培训中的微血管吻合手术器械运动	计算机视觉	NA	深度学习视频分析	YOLOv2	视频	包含新手、中级和专家外科医生的微血管吻合训练视频
90	2025-06-14	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	research paper	提出了一种基于深度学习的虚拟H&E染色方法，从无标记的自发荧光寿命图像中生成临床级虚拟H&E染色图像	结合先进的深度学习模型和当代图像质量度量，利用荧光寿命信息（而不仅仅是强度）实现更准确的虚拟染色重建	未提及具体样本量的限制或模型在更广泛组织类型上的泛化能力	解决FLIM图像快速精确解释的难题，实现无标记组织样本的即时准确细胞级分析	肿瘤微环境中常见的七种不同细胞类型	digital pathology	multiple cancer types	fluorescence lifetime imaging microscopy (FLIM)	DL (unspecified architecture)	autofluorescence lifetime images	NA (未明确提及具体样本数量)
91	2025-06-14	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本文通过文献调查和专家评估，探讨了深度学习算法在脑肿瘤分割中的评估实践及专家对分割质量的感知	揭示了专家对脑肿瘤分割质量感知的低一致性，并指出现有定量指标与临床感知之间的低相关性	专家评估样本量较小（60例），且专家间评分一致性较低（Krippendorff α=0.34）	评估深度学习算法在脑肿瘤分割中的性能及专家对分割质量的感知差异	脑肿瘤分割算法及医学专家对分割质量的评价	数字病理	脑肿瘤	深度学习算法	NA	医学影像	60例脑肿瘤分割案例（由医学专家评估），180篇文献调查
92	2025-06-14	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	research paper	开发了一个端到端的深度学习管道，用于自动分割来自多中心Fontan循环患者的心脏MRI数据	提出了一个包含三个深度学习模型的管道，用于识别短轴电影堆栈、图像裁剪和分割，实现了对单心室生理患者心脏MRI数据的快速标准化分割	在475例未见过的检查中，有26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发一个自动化深度学习管道，用于评估单心室生理患者的心脏MRI心室容积	来自13个机构的250例心脏MRI检查	digital pathology	cardiovascular disease	cardiac MRI	U-Net 3+	image	250例心脏MRI检查（训练、验证和测试），并在475例未见过的检查中进一步评估
93	2025-06-14	Revisiting the Trustworthiness of Saliency Methods in Radiology AI 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220221 PMID:38166328	research paper	评估放射学AI中显著性方法的可信度，特别是其对输入微小扰动的敏感性和鲁棒性	提出预测-显著性相关性(PSC)系数作为评估显著性方法敏感性和鲁棒性的新指标	研究仅基于胸部X光片和脑部MR图像数据集，可能无法推广到其他医学影像领域	验证医学AI解释方法的可信度	胸部X光片和脑部MR图像	digital pathology	lung cancer	deep learning	CNN	image	191229张胸部X光片和7022张脑部MR图像
94	2025-06-14	Deep Learning-based Identification of Brain MRI Sequences Using a Model Trained on Large Multicentric Study Cohorts 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230095 PMID:38166331	research paper	开发了一种基于深度学习的全自动设备无关和序列无关的卷积神经网络(CNN)，用于可靠且高通量地标记异质、非结构化的MRI数据	使用大规模多中心研究队列训练的模型，能够可靠地区分九种MRI序列类型，且在存在或不存在肿瘤的情况下均保持高准确率	NA	开发一个可靠且高通量的MRI序列自动标记系统	多中心脑MRI数据	computer vision	glioblastoma	MRI	CNN, ResNet-18	image	2179名胶质母细胞瘤患者，8544次检查，63327个序列，来自249家医院和29种扫描仪类型
95	2025-06-14	Examination-Level Supervision for Deep Learning-based Intracranial Hemorrhage Detection on Head CT Scans 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230159 PMID:38294324	research paper	比较弱监督（仅检查级别标签）和强监督（图像级别标签）在训练深度学习模型检测头CT扫描中的颅内出血（ICH）方面的效果	研究表明弱监督模型在特定条件下性能优于强监督模型，且能显著减少放射科医生的工作量	研究仅基于回顾性数据集，未在临床前瞻性环境中验证	评估不同监督级别对深度学习模型检测颅内出血性能的影响	头CT扫描中的颅内出血检测	digital pathology	intracranial hemorrhage	CT扫描	attention-based CNN	image	21,736次检查（内部数据集）和511次检查（外部数据集）
96	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
97	2025-06-07	Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy 2024, Theranostics IF:12.4Q1 DOI:10.7150/thno.100298 PMID:39479453	research paper	该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态	结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92%	未提及具体样本量或实验重复次数，可能影响结果的普遍性	开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性	树突状细胞（DC）	digital pathology	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA
98	2025-06-06	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	research paper	该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能	提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能	研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏分割	digital pathology	liver cancer	principal component analysis, uniform manifold approximation and projection	Swin UNETR, nnU-net	image	NA
99	2025-06-04	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	通过无标记跟踪和无监督多变量时间序列分析，研究成年斑马鱼自由游泳时的典型姿势	利用DeepLabCut和B-SOiD机器学习软件进行无标记姿势跟踪和无监督聚类分析，揭示了斑马鱼运动设计的效率	研究仅基于12只斑马鱼的数据，样本量较小	探究斑马鱼运动设计中最小化主动神经控制的效率	成年斑马鱼	计算机视觉	NA	DeepLabCut, B-SOiD	深度学习	视频	12只自由行为的斑马鱼，超过14,000帧序列记录
100	2025-06-04	Identifying keystone species in microbial communities using deep learning 2024-Jan, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02250-2 PMID:37974003	research paper	提出了一种基于深度学习的框架DKI，用于识别微生物群落中的关键物种	利用深度学习模型从特定生境的微生物组样本中学习群落的组装规则，并通过假想实验量化物种的关键性	未提及具体的数据集大小或模型验证的局限性	解决微生物群落中关键物种识别的系统性问题	微生物群落中的关键物种	machine learning	NA	deep learning	deep-learning model	microbiome samples	NA