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
361	2025-10-06	PulmoNet: a novel deep learning based pulmonary diseases detection model 2024-02-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01227-2 PMID:38418987	研究论文	提出一种基于深度卷积神经网络的肺部疾病检测模型PulmoNet，用于识别COVID-19、细菌性肺炎和病毒性肺炎	采用优化的图像增强技术，在肺部疾病检测中实现了高精度和快速检测	NA	开发高效的肺部疾病自动检测系统	肺部疾病患者（COVID-19、细菌性肺炎、病毒性肺炎）和健康人群	计算机视觉	肺部疾病	放射影像学（X射线和CT扫描）	深度卷积神经网络（DCNN）	医学影像	总样本16,435个（健康10,325例，COVID-19 3,749例，细菌性肺炎883例，病毒性肺炎1,478例）	NA	PulmoNet	准确率	NA
362	2025-10-06	Automated assessment of cardiac pathologies on cardiac MRI using T1-mapping and late gadolinium phase sensitive inversion recovery sequences with deep learning 2024-02-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01217-4 PMID:38350900	研究论文	开发基于深度学习的模型，使用心脏MRI的T1-mapping和晚期钆增强相位敏感反转恢复序列自动检测心脏病理	首次将深度学习应用于心脏MRI的T1-mapping和PSIR序列进行自动病理检测，无需对比剂的T1 mapping序列表现出潜在临床价值	样本量较小（共200例），模型特异性较低（PSIR序列38%，T1-mapping序列54%）	开发自动检测心脏病理的深度学习模型以简化诊断流程	心脏疾病患者（包括急慢性心肌梗死、心肌炎、扩张型心肌病、肥厚型心肌病）和正常对照者	医学影像分析	心血管疾病	心脏磁共振成像（MRI），T1-mapping序列，晚期钆增强相位敏感反转恢复（PSIR）序列	CNN	医学影像	200例（137例心脏病理患者，63例正常对照）	PyTorch, fastai	DenseNet-161	敏感度, 特异性, 准确率	NA
363	2025-10-06	Multimodal Biomedical Image Segmentation using Multi-Dimensional U-Convolutional Neural Network 2024-02-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01197-5 PMID:38331800	研究论文	提出了一种用于多模态生物医学图像分割的多维U卷积神经网络框架	对传统U-Net模型进行了多项改进，提出多维U卷积神经网络作为U-Net框架的潜在继任者	在完美图像情况下改进较小，主要提升体现在困难图像的分割效果上	提高多模态生物医学图像分割的准确性和全面性	多模态生物医学图像	医学影像分析	NA	深度学习图像分割	CNN	多模态医学图像	五个不同数据集	NA	U-Net, MDU-CNN	分割性能提升百分比	NA
364	2025-10-06	Artifact suppression for breast specimen imaging in micro CBCT using deep learning 2024-02-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01216-5 PMID:38321390	研究论文	提出基于深度学习的锥束CT乳腺标本成像中条纹伪影和金属伪影抑制方法	结合U-Net和ResU-Net的双网络架构，同时处理投影数据域和图像域的伪影问题	未提及方法在临床大规模应用中的验证情况	提升乳腺标本CBCT图像质量，抑制伪影干扰	乳腺标本的锥束CT图像	计算机视觉	乳腺癌	锥束CT成像	深度学习	CT投影数据（正弦图）和重建图像	NA	NA	U-Net, ResU-Net	对比噪声比, 峰值信噪比, 结构相似性指数	NA
365	2025-10-06	Deep learning in computed tomography to predict endotype in chronic rhinosinusitis with nasal polyps 2024-01-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01203-w PMID:38267881	研究论文	本研究开发了一种基于鼻窦CT影像的深度学习模型，用于预测慢性鼻窦炎伴鼻息肉的内型分类	首次使用深度学习技术通过鼻窦CT影像无创预测CRSwNP的内型分类	回顾性研究设计，样本量相对有限（251例患者）	构建深度学习模型预测慢性鼻窦炎伴鼻息肉的内型分类	慢性鼻窦炎伴鼻息肉患者	医学影像分析	慢性鼻窦炎	计算机断层扫描	CNN	CT影像	251例患者，29,993张CT图像	NA	ResNet-18	AUC,准确率,Kappa分数,混淆矩阵,ROC曲线	NA
366	2025-10-06	Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory 2024-01-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01176-2 PMID:38238662	研究论文	提出基于深度神经网络和改进D-S证据理论的融合模型，用于多种眼部疾病的识别	提出改进的D-S证据理论(ID-SET)消除模型决策偏差，并应用于眼部疾病识别模型的决策融合	未具体说明研究的眼部疾病种类和数量限制	提高眼部疾病识别的准确性和鲁棒性	眼部疾病	计算机视觉	眼部疾病	深度学习	深度神经网络	图像	NA	NA	NA	准确率,Kappa系数,F1分数,精确率,召回率,AUC	NA
367	2025-10-06	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	开发用于肝细胞癌人工智能检测的CT标注平台和数据库HepatIA	创建了巴西首个整合MONAI Label预标注分割模型的肝脏CT标注平台和数据库	数据来源单一（仅来自一家医院），样本量相对有限	支持肝脏疾病特别是肝细胞癌的人工智能研究	肝细胞癌患者和健康个体的腹部CT扫描数据	医学影像分析	肝细胞癌	计算机断层扫描（CT）	深度学习分割模型	CT医学影像	656名患者的692个CT扫描体积	Django, Vue.js, MONAI	NA	NA	NA
368	2025-10-06	Early multi-cancer detection through deep learning: An anomaly detection approach using Variational Autoencoder 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104751 PMID:39571772	研究论文	本研究开发了一种基于变分自编码器的深度学习模型，用于通过转录组数据早期检测多种癌症	采用异常检测方法将癌症视为转录组数据中的异常模式，不局限于特定癌症类型	仅使用了六种癌症类型的数据进行训练和验证	开发能够早期检测多种癌症的深度学习模型	转录组数据中的癌症异常模式	机器学习	多癌种	转录组测序	VAE	转录组数据	TCGA和GTEx数据库中的六种癌症数据	NA	变分自编码器	准确率, 召回率	NA
369	2025-10-06	Structural analysis and intelligent classification of clinical trial eligibility criteria based on deep learning and medical text mining 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104753 PMID:39603550	研究论文	提出基于深度学习和医学文本挖掘的临床试验资格标准自动分类模型CTEC-AC	整合ClinicalBERT和MetaMap增强特征表达，构建可计算解释的临床试验资格标准分类体系	仅基于ClinicalTrials.gov的2500项临床试验数据，分类体系需专家验证	提升临床试验效率、质量和创新能力	临床试验资格标准文本	自然语言处理	NA	医学文本挖掘	ClinicalBERT, 层次聚类	文本	2500项临床试验生成的20000多条资格标准数据	NA	BERT	宏平均F1分数	NA
370	2025-10-06	How to identify patient perception of AI voice robots in the follow-up scenario? A multimodal identity perception method based on deep learning 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104757 PMID:39631488	研究论文	基于深度学习的多模态身份感知方法识别患者对AI语音机器人的感知	提出结合文本和音频特征的多模态身份感知模型，采用迁移学习方法融合BERT、TextCNN、AST和LSTM等多种深度学习技术	数据集仅包含2030个患者响应样本，需进一步扩大样本规模验证模型泛化能力	识别患者对AI语音机器人的感知状态以优化随访流程	医院患者的随访响应数据	自然语言处理, 语音识别	NA	深度学习, 迁移学习	BERT, TextCNN, AST, LSTM, 自注意力机制	音频, 文本	2030个患者响应录音及对应文本，另加144个跨科室验证样本	TensorFlow, PyTorch	BERT, TextCNN, AST, LSTM, 自注意力融合网络	精确率, AUC, 准确率	NA
371	2025-10-06	Sleep apnea test prediction based on Electronic Health Records 2024-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104737 PMID:39489457	研究论文	基于电子健康记录开发预测模型，预测个体50岁后是否会接受睡眠呼吸暂停测试	引入RankLi方法进行时序变量选择，并研究按EHR记录数量进行亚组建模的有效性	未明确说明研究样本的具体来源和数据集规模	开发早期预测睡眠呼吸暂停测试需求的模型	潜在保险会员的电子健康记录数据	机器学习	睡眠呼吸暂停	电子健康记录分析	CNN, LSTM, Random Forest, Logistic Regression	时序医疗记录	NA	NA	1-CNN	平衡准确率, AUC	NA
372	2025-10-06	Improving tabular data extraction in scanned laboratory reports using deep learning models 2024-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104735 PMID:39393477	研究论文	开发基于深度学习的OCR方法从扫描实验室报告中提取表格数据	提出专门针对临床文档的OCR流程，结合最先进的深度学习模型进行感兴趣区域检测和表格识别	仅使用650个标注表格进行训练和评估，样本规模有限	开发先进技术从扫描实验室报告中准确提取实验室检测信息	扫描实验室报告中的表格数据	计算机视觉	NA	光学字符识别(OCR)	DETR, YOLO, EDD	扫描文档图像	632份实验室检测报告中的650个表格	NA	DETR R18, YOLOv8s, PaddleOCR, 编码器-双解码器(EDD)	平均精度(AP), 平均召回率(AR), AP50, AP75, 树编辑距离(TEDS)	NA
373	2025-10-06	Demonstration-based learning for few-shot biomedical named entity recognition under machine reading comprehension 2024-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104739 PMID:39490610	研究论文	提出一种基于演示学习的机器阅读理解方法来解决生物医学命名实体识别中的少样本学习问题	将生物医学命名实体识别重新定义为机器阅读理解问题，并引入演示学习方法	仅在25-shot和50-shot的少样本场景下验证，未涉及更极端的少样本情况	提升模型在少样本场景下识别生物医学实体的能力	生物医学命名实体识别	自然语言处理	NA	机器阅读理解	基于MRC的语言模型	文本	六个基准数据集：BC4CHEMD、BC5CDR-Chemical、BC5CDR-Disease、NCBI-Disease、BC2GM、JNLPBA	NA	MRC语言模型	F1分数	NA
374	2025-10-06	Downgrading Breast Imaging Reporting and Data System categories in ultrasound using strain elastography and computer-aided diagnosis system: a multicenter, prospective study 2024-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqae136 PMID:39102827	研究论文	通过结合应变弹性成像和深度学习辅助诊断系统，对乳腺超声BI-RADS分类进行降级评估的前瞻性多中心研究	首次将应变弹性成像比值与深度学习CAD系统联合应用于乳腺超声BI-RADS分类的重新评估	研究仅针对BI-RADS 3和4a-c类别，未包含其他类别；样本来源限于特定时间段的多中心数据	评估结合弹性成像和CAD系统是否能减少乳腺病变的不必要活检	1049个乳腺肿块（691个良性，358个恶性）	医学影像分析	乳腺癌	超声成像，应变弹性成像，深度学习	深度学习	超声图像	1049个肿块（来自2020-2022年多中心研究）	NA	NA	不必要活检减少率，恶性肿瘤漏诊率	NA
375	2025-10-06	Prediction of hypertension risk based on multiple feature fusion 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104701 PMID:39047932	研究论文	提出基于多特征融合的高血压风险预测模型，结合问诊和脉诊数据提高分类精度	提出基于动态权重集成欠采样模型处理类别不平衡，构建混合注意力机制的深度学习模型提取脉象深度特征，并采用动态D-S理论进行多特征融合	样本仅来自两家医院，样本量相对有限（409例）	提高高血压预测的分类准确率和泛化性能	高血压患者	机器学习	心血管疾病	脉波分析，特征重要性排序	集成学习，深度学习	脉波信号，临床特征	409例高血压样本（来自上海中医药大学附属龙华医院和中西医结合医院）	NA	混合注意力机制	准确率，灵敏度，特异度，F1分数，G-mean	NA
376	2025-10-06	A novel deep learning model based on transformer and cross modality attention for classification of sleep stages 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104689 PMID:39029770	研究论文	提出一种基于Transformer和跨模态注意力的深度学习模型用于睡眠阶段分类	首次将Transformer编码器-解码器架构与跨模态注意力机制相结合用于多生理通道的睡眠阶段分类	仅使用SHHS数据集进行验证，未在其他数据集上测试泛化能力	提高睡眠阶段分类的准确性和效率	睡眠阶段分类	机器学习	睡眠障碍	多生理信号分析	Transformer	时间序列生理信号数据	Sleep Heart Health Study Dataset (SHHS)数据集	NA	Transformer编码器-解码器,跨模态注意力	准确率	NA
377	2025-10-06	Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104685 PMID:39004109	研究论文	提出一种基于电子健康记录的半监督双重深度学习时序风险预测算法(SeDDLeR)	结合半监督学习和深度学习，利用大量未标记数据和少量金标准标签进行时序风险预测，引入时序核权重处理缺失发病时间和异质性随访	对事件发生时间的标注要求较低，但可能受到诊断代码假阳性和发病时间标注不准确的影响	开发时序风险预测模型用于临床事件预测	电子健康记录数据和2型糖尿病风险预测	机器学习	2型糖尿病	电子健康记录分析	GRU,深度学习	时序医疗数据	麻省总医院布里格姆生物样本库数据	NA	GRU	C-statistics,时间特异性AUC	NA
378	2025-10-06	Promoting smartphone-based keratitis screening using meta-learning: A multicenter study 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104722 PMID:39244181	研究论文	本研究提出了一种基于元学习的框架CNCML，用于在智能手机数据不足的情况下开发角膜炎筛查模型	提出余弦最近质心度量学习(CNCML)元学习框架，能够利用裂隙灯照片的先验知识在少量智能手机数据上实现高效学习	研究仅基于三个临床中心的数据，需要更多临床验证	开发基于智能手机的角膜炎筛查智能系统	角膜炎患者	计算机视觉	角膜炎	深度学习	元学习	图像	13,009张裂隙灯照片和4,075张智能手机照片，来自3个临床中心	NA	余弦最近质心度量学习(CNCML)	准确率, 宏平均曲线下面积(macro-AUC)	NA
379	2025-10-06	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	提出一种基于临床知识模板的方法来改进气胸分类中AI模型的事后解释	将气胸临床知识转化为模板，用于过滤XAI方法生成的多余解释区域	需要放射科医生手动勾画病变区域来生成模板	提高气胸分类中AI模型解释的准确性和临床相关性	气胸病变区域	计算机视觉	气胸	深度学习	CNN	胸部X光图像	两个真实世界数据集(SIIM-ACR和ChestX-Det)	NA	VGG-19, ResNet-50	IoU, Dice Similarity Coefficient	NA
380	2025-10-06	Utilizing Deep Learning and Computed Tomography to Determine Pulmonary Nodule Activity in Patients With Nontuberculous Mycobacterial-Lung Disease 2024-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000745 PMID:38640144	研究论文	开发并评估用于非结核分枝杆菌肺病患者肺部结节活动性分类的深度卷积神经网络模型	首次将深度卷积神经网络应用于非结核分枝杆菌肺病肺部结节活动性的自动分类，并与放射科医生表现进行对比验证	样本量相对有限（650个结节），仅使用2D CT图像而非3D体积数据	开发基于CT的深度学习模型用于非结核分枝杆菌肺病肺部结节活动性分类	非结核分枝杆菌肺病患者的肺部结节	计算机视觉	肺部疾病	计算机断层扫描	CNN	医学影像	110名患者的650个结节（316个急性，334个慢性）	NA	11层卷积神经网络	AUC, 敏感度, 特异度, 准确率	NA