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
81	2025-10-06	A week in the life of the human brain: stable states punctuated by chaotic transitions 2024-Jan-15, Research square DOI:10.21203/rs.3.rs-2752903/v3 PMID:37034705	研究论文	通过连续多电极颅内记录研究人类自然行为期间大脑网络的动态变化	结合深度学习与动力系统方法揭示大脑网络在自然行为中的稳定状态和混沌转换机制	样本量较小（20名人类受试者），记录时长有限（3-12天）	研究真实世界中大脑网络的动态变化与行为关系	人类大脑网络动态	计算神经科学	NA	多电极颅内记录	深度学习	颅内电生理信号	20名人类受试者，连续记录3-12天	NA	NA	NA	NA
82	2025-10-06	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	综述	本文综述了深度学习在无线胶囊内镜图像中用于胃肠道疾病分类的性能表现	重点关注迁移学习、注意力机制、多模态学习、自动病变检测、可解释性、数据增强和边缘计算等最新进展	当前深度学习方法存在挑战和局限性，如图像分辨率低、伪影多等问题	回顾深度学习在无线胶囊内镜图像分析中的现状和未来方向	无线胶囊内镜图像	计算机视觉	胃肠道疾病	无线胶囊内镜	NA	医学图像	NA	NA	NA	NA	边缘计算
83	2025-10-06	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.3 PMID:39911314	研究论文	评估乌干达医学教师对ChatGPT及其他人工智能工具的使用情况	首次在乌干达医学教师群体中调查AI工具使用现状及年龄差异影响	横断面研究设计无法确定因果关系，仅纳入四所公立大学可能存在选择偏倚	评估医学教师对AI工具的认知和使用模式	乌干达四所公立大学的医学教师	自然语言处理	NA	问卷调查	大型语言模型	调查数据	224名医学教师	NA	ChatGPT	患病率比，置信区间	Stata version 17.0
84	2025-10-06	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	提出一种名为TAVAC的新指标，用于评估Vision Transformer模型在图像数据集上的过拟合程度并量化解释的可重复性	首次提出TAVAC指标，能够定量评估ViT模型解释的可重复性，并在像素级别监控模型解释的稳定性	未明确说明样本量的具体数值和计算资源需求	解决Vision Transformer模型在有限标注生物医学图像数据集上容易过拟合导致解释不可靠的问题	Vision Transformer模型在图像分类任务中的解释可重复性	计算机视觉	乳腺癌	数字病理图像分析	Vision Transformer (ViT)	图像	四个公开图像分类数据集和两个独立乳腺癌组织学图像数据集	NA	Vision Transformer	TAVAC, 预测准确率	NA
85	2025-10-06	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	提出一种双自监督多操作变换网络(DSMT-Net)，用于多源内镜超声(EUS)图像的胰腺癌和乳腺癌诊断	设计了多操作变换方法标准化EUS图像感兴趣区域提取，并开发了基于Transformer的双自监督网络整合未标记数据进行预训练	未明确说明模型在更广泛疾病类型或数据源上的泛化能力	解决多源EUS图像数据分布差异大和标注数据有限的问题，提高癌症诊断准确性	胰腺癌和乳腺癌的内镜超声图像	计算机视觉	胰腺癌,乳腺癌	内镜超声(EUS)	Transformer,自监督学习	图像	3,500张病理证实的标记EUS图像(包含胰腺癌和非胰腺癌)和8,000张未标记EUS图像	NA	DSMT-Net,Transformer	准确率	NA
86	2025-10-06	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	提出一种基于多模态成像基因组数据的深度学习框架用于精神分裂症分类	首次结合结构MRI、功能MRI和遗传标记(SNP)三种模态数据，采用可解释AI技术识别关键特征	NA	开发改进的精神分裂症检测方法	精神分裂症患者和健康对照个体	机器学习	精神分裂症	sMRI, fMRI, SNP基因分型	CNN, DenseNet, XGBoost	图像, 基因组数据	NA	NA	DenseNet, 1D-CNN, XGBoost	准确率	NA
87	2025-10-06	Neural network in food analytics 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2022.2139217 PMID:36322538	综述	首次全面概述神经网络在食品分析领域的应用，包括基础方法、最新进展及挑战	首次系统综述神经网络在食品分析中的跨领域应用，强调食品专家与技术社区的合作潜力	存在食品科学家友好型软件接口缺失、模型行为难以解释、多源异构数据整合等挑战	系统梳理神经网络在食品分析中的应用现状与发展前景	食品识别、食品安全供应链、组学分析等食品科学领域	机器学习	NA	光谱分析、色谱分析、组学分析	神经网络	多源异构数据	NA	NA	NA	模式识别准确率	NA
88	2025-10-06	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	本研究使用深度学习技术预测肩关节盂肱关节力的幅度和方向	首次将深度学习模型应用于盂肱关节力预测，替代传统计算密集型优化方法	基于959名虚拟受试者数据，未使用真实患者数据进行验证	开发能够准确预测盂肱关节力的深度学习模型，降低计算成本	全肩关节置换术(TSA)领域的盂肱关节力预测	机器学习	骨科疾病	深度学习，马尔可夫链蒙特卡洛方法	深度学习模型	虚拟患者参数数据	959名虚拟受试者	NA	NA	决定系数，平均绝对误差	NA
89	2025-10-06	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结合深度学习姿态估计和正向动力学计算模型，研究自行车骑行者跌倒的运动学特征和防护响应机制	开发了结合深度学习姿态估计和逆向运动学优化的新型重建流程，用于从真实跌倒视频中提取人体运动数据，并首次在自行车跌倒模型中优化包含支撑性主动响应	研究仅针对单个自行车跌倒案例进行研究，样本量有限	研究自行车骑行者跌倒的运动学和动力学特征，开发计算模型以改进防护装备和安全措施	自行车骑行者的跌倒过程	计算机视觉, 生物力学	创伤性损伤	视频分析, 深度学习姿态估计, 逆向运动学优化, 正向动力学计算模型	深度学习姿态估计模型	视频	单个自行车跌倒案例研究	遗传算法	NA	NA	NA
90	2025-10-06	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	研究论文	提出一种基于二元卷积神经网络的深度学习方法来增强脑部MRI图像中肿瘤的检测和分割	能够分割10种最常见的脑肿瘤类型，相比现有模型仅能分割4种类型有显著改进	NA	提高脑肿瘤在MRI图像中的检测和分割精度	脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	6,600张脑部MRI图像	NA	二元卷积神经网络(BCNN)	准确率,精确率,召回率,F-Measure	NA
91	2025-10-06	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前景、潜在问题和未来发展方向	首次系统探讨大型语言模型在病理学诊断领域的应用潜力，并通过模拟实际病理诊断场景进行对话测试	目前关于ChatGPT在病理学领域的研究信息有限，需要更多研究验证其准确性、有效性和伦理问题	评估ChatGPT在常规诊断病理学中的应用价值和局限性	ChatGPT及其他聊天机器人技术在病理诊断中的应用	自然语言处理	NA	自然语言处理，深度学习	大型语言模型	文本数据	NA	NA	Transformer	NA	NA
92	2025-10-06	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	研究论文	通过整合非编码突变分析揭示早产的药物靶向基因组	首次结合深度学习与图模型在碱基分辨率评估突变效应，整合子宫肌层表观基因组与大规模患者基因组数据	研究队列主要基于欧洲和非裔美国人群体，可能限制结果的普适性	识别早产的遗传风险位点和药物靶点	自发性早产患者队列（欧洲和非裔美国人）及接受孕激素预防治疗的孕妇	机器学习	早产	全基因组测序，表观基因组分析	深度学习，图模型	基因组数据，表观遗传数据	大规模患者队列（具体数量未明确说明）	NA	NA	突变负荷预测能力	NA
93	2025-10-06	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	开发基于深度学习的自动器械尖端检测算法，用于微血管吻合训练中的手术器械运动分析	首次将YOLOv2深度学习模型应用于微血管吻合训练视频的器械尖端跟踪和运动学分析	研究主要基于训练视频，临床实际应用验证尚需进一步研究	开发自动化手术器械运动分析系统以客观评估微血管吻合技能	神经外科培训学员（新手、中级和专家级外科医生）	计算机视觉	NA	视频分析	CNN	视频	临床微血管手术视频和训练视频	YOLOv2	YOLOv2	Dice相似系数, ROC分析	NA
94	2025-10-06	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	本研究通过文献调查和专家评估，分析了脑肿瘤分割深度学习算法的评估实践与专家质量感知	首次系统调查脑肿瘤分割算法评估实践，并揭示专家质量感知与常用定量指标之间的差异	专家评估样本量有限，且存在评分者间一致性较低的问题	评估深度学习算法在脑肿瘤分割中的性能表现与临床专家质量感知的一致性	脑肿瘤分割算法和医学影像专家	医学影像分析	脑肿瘤	深度学习分割算法	NA	医学影像	180篇文献调查和60例脑肿瘤分割案例的专家评估	NA	NA	Dice分数, 敏感度, Hausdorff距离, Krippendorff α, Kendall tau	NA
95	2025-10-06	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	研究论文	开发用于单心室生理患者心脏MRI心室自动分割的端到端深度学习流程	提出包含三个深度学习模型的端到端流程，专门针对Fontan循环患者的多中心心脏MRI数据进行自动化心室分割	在475例未见过的检查中，26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发自动化的心室分割方法以评估单心室生理患者的心室容积	Fontan循环患者的心脏MRI数据	医学影像分析	先天性心脏病	心脏MRI	深度学习	医学影像	250例心脏MRI检查用于训练验证测试，475例未见过的检查用于进一步评估	NA	U-Net 3+	Dice分数, Bland-Altman分析, 组内相关系数	NA
96	2025-10-06	Revisiting the Trustworthiness of Saliency Methods in Radiology AI 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220221 PMID:38166328	研究论文	评估放射学AI中显著性方法对输入扰动的敏感性和鲁棒性	提出预测-显著性相关性(PSC)指标来量化显著性方法的敏感性和鲁棒性	仅针对胸部X光片和脑部MRI图像进行评估，未涵盖其他医学影像模态	验证放射学AI中显著性方法的可信度	胸部X光片和脑部肿瘤MRI图像	计算机视觉	胸部疾病,脑肿瘤	深度学习	深度学习模型	医学影像	191229张胸部X光片和7022张脑部MRI图像	NA	NA	PSC系数,AUC	NA
97	2025-10-06	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	研究论文	开发基于深度学习的全自动设备无关和序列无关卷积神经网络，用于可靠高效地标记异质非结构化脑部MRI数据	使用来自249家医院的大规模多中心脑部MRI数据训练模型，能够区分九种MRI序列类型，且模型性能不受肿瘤存在与否的影响	仅使用二维中间切片图像进行分析，未包含完整三维序列信息	开发可靠高效的脑部MRI序列自动识别系统	脑部MRI序列图像	计算机视觉	胶质母细胞瘤	MRI	CNN	图像	2179名患者，8544次检查，63327个序列，来自249家医院和29种扫描仪类型	NA	ResNet-18, ResNet-50	准确率, 置信区间	NA
98	2025-10-06	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	研究论文	比较弱监督（仅检查级别标签）和强监督（图像级别标签）在头部CT扫描颅内出血检测中的深度学习模型效果	首次系统比较弱监督与强监督在颅内出血检测中的性能差异，证明弱监督方法可显著减少标注工作量	回顾性研究，需在前瞻性数据集中进一步验证	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	头部CT扫描图像	计算机视觉	颅内出血	CT扫描	CNN	医学图像	21736次检查（RSNA数据集），436次检查（CQ500数据集），75次检查（CT-ICH数据集）	NA	基于注意力的卷积神经网络	AUC	NA
99	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	NA	NA	NA	NA
100	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	NA	NA	NA	NA