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
21	2025-08-08	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究旨在建立一个基于常规MRI数据的深度学习模型，用于自动检测和分割脑膜瘤，并开发基于自动分割的放射组学模型以区分低级别和高级别脑膜瘤	开发了基于SegResNet的自动分割模型，并首次将自动分割的放射组学特征用于术前脑膜瘤分级	研究样本量相对有限（326例患者），且仅使用了T1加权增强MRI数据	建立自动分割脑膜瘤的深度学习模型并开发术前脑膜瘤分级的放射组学模型	326例经病理证实的脑膜瘤患者	数字病理	脑膜瘤	MRI	SegResNet	医学影像	326例脑膜瘤患者（训练集：验证集：测试集=6:2:2）
22	2025-08-08	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	介绍了一种基于迁移学习的三维卷积神经网络（3D CNN），用于融合PET/CT图像和临床数据以预测肺腺癌（LADC）中的EGFR突变状态	提出了一种三流迁移学习模型（TS_TL），整合了PET/CT图像和临床数据，显著提高了EGFR突变状态的预测性能	研究为回顾性设计，样本量相对有限，且未在外部验证集上测试模型性能	预测肺腺癌中的EGFR突变状态，辅助临床治疗决策	516名肺腺癌患者的术前PET/CT图像、临床信息和EGFR突变状态	数字病理	肺癌	PET/CT成像	3D CNN, 迁移学习, TS_TL	图像, 临床数据	516名患者（404名训练集，112名测试集）
23	2025-08-08	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	research paper	提出了一种基于深度学习的肺部疾病检测模型PulmoNet，用于检测COVID-19、细菌性肺炎和病毒性肺炎	创新性地使用深度卷积神经网络（DCNN）结合图像增强技术，提高了肺部疾病检测的准确性和效率	研究仅针对三种肺部疾病，未涵盖其他可能的肺部病变	开发一种高效准确的肺部疾病检测模型，以改善医疗诊断	肺部疾病（COVID-19、细菌性肺炎和病毒性肺炎）的X光和CT扫描图像	digital pathology	lung cancer	image augmentation	DCNN	image	16,435张图像（健康10,325，COVID-19 3,749，细菌性肺炎883，病毒性肺炎1,478）
24	2025-08-08	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	本研究开发了一种基于深度学习的模型，用于自动检测心脏MRI上的心脏病理	首次结合T1-mapping和PSIR序列，利用深度学习自动检测多种心脏病理	T1-mapping图像的敏感性和特异性相对较低，模型性能有待进一步提升	开发自动化心脏病理检测系统以优化诊断流程	心脏MRI图像（T1-mapping和PSIR序列）	数字病理	心血管疾病	心脏MRI（T1-mapping和PSIR序列）	DenseNet-161	医学影像	200例（137例心脏病理患者，63例正常对照）
25	2025-08-08	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	本文提出了一种名为多维度U卷积神经网络（MDU-CNN）的新框架，用于多模态生物医学图像分割，以提高准确性和全面性	提出了一种改进的U-Net框架MDU-CNN，在多模态医学图像分割中表现出更高的性能，特别是在处理困难图像时	在完美图像情况下改进较小，且仅在五个特定数据集上进行了测试	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	数字病理	NA	多维度U卷积神经网络（MDU-CNN）	CNN	图像	五个不同的数据集
26	2025-08-08	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	提出一种基于深度学习的微CBCT乳腺标本成像中的伪影抑制方法	使用改进的U-Net和ResU-Net神经网络模型，有效抑制CBCT重建图像中的条纹伪影和金属伪影	未提及具体样本量及临床验证结果	提升乳腺标本CBCT成像质量	乳腺标本CBCT图像	数字病理	乳腺癌	CBCT成像	U-Net, ResU-Net	医学影像	NA
27	2025-08-08	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	research paper	本研究构建了一种基于深度学习模型的鼻窦CT图像分析方法，用于预测慢性鼻窦炎伴鼻息肉(CRSwNP)患者的表型	首次使用深度学习模型通过鼻窦CT图像预测CRSwNP患者的表型，为非侵入性评估提供了新方法	研究样本量相对有限(251名患者)，且为回顾性研究	开发一种非侵入性方法来准确预测CRSwNP患者的表型，以指导精准治疗	慢性鼻窦炎伴鼻息肉(CRSwNP)患者	digital pathology	chronic rhinosinusitis	computed tomography	ResNet-18	image	251名患者(29,993张CT图像)
28	2025-08-08	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	该论文提出了一种基于深度神经网络和改进D-S证据理论的模型，用于识别眼部疾病	通过迁移学习提高模型学习效率，并改进D-S证据理论以减少决策偏差和提高决策可信度	D-S理论本身存在不完整性和冲突性，虽然进行了改进但仍可能存在未解决的悖论	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, 改进D-S证据理论(ID-SET)	图像	NA
29	2025-08-08	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	本文详细介绍了在巴西一家三级教学医院开发的HepatIA平台和数据库，用于支持肝癌检测的人工智能训练	开发了一个综合性的医学影像注释平台和数据库，支持肝脏疾病AI研究，并集成了预注释分割模型	数据来源仅限于一家医院，可能影响模型的泛化能力	创建并详细描述一个用于肝癌检测AI训练的医学影像注释平台和数据库	656名患者的692个CT扫描数据，包括健康个体和肝脏疾病患者	数字病理	肝癌	CT扫描	深度学习算法	医学影像	656名患者的692个CT扫描数据
30	2025-08-07	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	该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	提出了一种不局限于特定癌症类型的异常检测方法，利用变分自编码器处理未标记的大规模转录组数据	模型仅在六种癌症类型上进行了测试，可能需要更多数据验证其泛化能力	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检测	机器学习	癌症	转录组数据分析	变分自编码器（VAE）	转录组数据	使用了TCGA和GTEx数据库的数据，涉及六种癌症类型
31	2025-08-07	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	本文介绍了一种名为CTEC-AC的新模型，旨在将临床试验的资格标准结构化，以提高临床试验的效率、质量和创新能力	结合了ClinicalBERT和MetaMap两种强大方法增强资格标准的表达力，并采用层次聚类算法进行自动分类	未提及具体局限性	提高临床试验的效率、质量和创新能力	临床试验的资格标准	自然语言处理	NA	ClinicalBERT, MetaMap, 层次聚类算法	CTEC-AC	文本	2500项临床试验，生成超过20000条资格标准数据
32	2025-08-07	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	本研究构建了一个基于深度学习的多模态身份感知模型，用于识别患者对AI语音机器人的感知	提出了一种结合BERT、TextCNN、AST和LSTM的多模态特征提取与融合方法，用于识别患者对AI语音机器人的感知	研究样本仅限于2030条患者响应音频和文本数据，可能无法涵盖所有患者群体	提高AI语音机器人在出院后随访中的效果，优化随访流程并改善患者合作	患者对AI语音机器人的感知	自然语言处理	NA	深度学习	BERT, TextCNN, AST, LSTM	音频, 文本	2030条患者响应音频和文本数据
33	2025-08-07	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（EHR）开发预测模型，用于预测个体是否会在50岁后接受睡眠呼吸暂停测试	引入RankLi方法进行时间变量选择，并探讨了根据EHR记录数量进行控制匹配和子群建模的有效性	研究未提及模型在更广泛人群中的泛化能力或实际临床应用的可行性	提前识别可能需要进行睡眠呼吸暂停测试的个体	潜在需要进行睡眠呼吸暂停测试的保险成员	机器学习	阻塞性睡眠呼吸暂停（OSA）	RankLi方法、t检验	1-CNN、LSTM、随机森林、逻辑回归	电子健康记录（EHR）	未明确提及具体样本数量，但涉及男性和女性群体
34	2025-08-07	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	本研究开发了一种基于深度学习的OCR方法，用于从扫描的实验室报告中准确提取表格数据	采用DETR R18和EDD模型构建OCR流程，显著提高了表格检测和识别的性能	研究仅基于650个标注表格，样本量可能不足以覆盖所有临床实验室报告类型	开发新技术以从扫描的实验室报告中准确提取实验室测试信息	扫描的实验室报告中的表格数据	自然语言处理	NA	OCR	DETR R18, YOLOv8s, PaddleOCR, EDD	图像	632份实验室测试报告中的650个表格
35	2025-08-07	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	本文提出了一种基于示范的学习方法，用于在机器阅读理解框架下解决少样本生物医学命名实体识别问题	将生物医学命名实体识别重新定义为机器阅读理解问题，并采用示范学习方法提升少样本场景下的性能	实验仅在六个基准数据集上进行验证，可能需要更多样化的数据集来证明方法的普适性	提升少样本学习场景下生物医学命名实体识别的模型性能	生物医学文本中的命名实体	自然语言处理	NA	机器阅读理解(MRC)	MRC-based语言模型	文本	六个基准数据集(BC4CHEMD, BC5CDR-Chemical, BC5CDR-Disease, NCBI-Disease, BC2GM, JNLPBA)
36	2025-08-07	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	研究探讨了在乳腺超声检查中加入弹性成像应变比（SR）和基于深度学习的计算机辅助诊断（CAD）系统，以帮助重新分类BI-RADS 3和4a-c类别，从而避免不必要的活检	结合弹性成像应变比和深度学习CAD系统优化BI-RADS分类，显著减少不必要的活检	研究仅针对BI-RADS 3和4a-c类别的肿块，未涵盖所有BI-RADS类别	评估SR和CAD系统在乳腺超声检查中对BI-RADS分类的优化效果	1049个乳腺肿块（691个良性，358个恶性）	数字病理	乳腺癌	超声弹性成像和深度学习CAD系统	深度学习	超声图像	1049个乳腺肿块（691个良性，358个恶性）
37	2025-08-07	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	提出一种基于多特征融合的脉搏波分类模型，用于高血压风险的准确预测	提出基于动态权重的集成欠采样模型和混合注意力机制的深度学习模型，结合动态Dempster/Shafer理论构建多特征融合模型，提高分类准确性和泛化性能	研究样本仅来自两所医院，可能存在地域局限性	提高高血压预测的分类准确性和泛化性能	高血压患者	机器学习	心血管疾病	多特征融合、动态DS理论	集成欠采样模型、混合注意力机制深度学习模型	脉搏波、问诊数据	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）
38	2025-08-07	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	提出了一种基于transformer和跨模态注意力的新型深度学习模型，用于睡眠阶段分类	结合transformer编码器-解码器和跨模态注意力机制，有效整合多生理通道信息以提高分类准确性	仅使用SHHS数据集进行评估，未在其他数据集上验证模型泛化能力	提高睡眠阶段分类的准确性	睡眠阶段	机器学习	NA	深度学习	transformer + 跨模态注意力	时间序列生理信号数据	Sleep Heart Health Study Dataset (SHHS)数据
39	2025-08-07	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	本文提出了一种基于电子健康记录（EHR）的半监督双重深度学习时序风险预测算法（SeDDLeR），用于预测未来临床事件的风险	提出了一种结合半监督学习和深度学习的时序风险预测算法，能够处理未标记数据和复杂风险因素的时序效应	需要少量黄金标准标签数据，且算法性能依赖于初始代理变量的构建质量	开发一种能够利用大量未标记EHR数据进行时序风险预测的算法	电子健康记录（EHR）数据和2型糖尿病（T2D）风险预测	机器学习	2型糖尿病	半监督学习、深度学习	GRU	电子健康记录（EHR）	马萨诸塞州总医院布里格姆生物库（MGB Biobank）数据
40	2025-08-07	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	research paper	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	利用从裂隙灯照片中获取的先验知识，开发了CNCML框架，以解决智能手机数据有限的问题	研究依赖于有限的智能手机照片样本，可能影响模型的泛化能力	开发一种基于智能手机的角膜炎筛查模型，以解决专业设备不足的问题	角膜炎患者	digital pathology	keratitis	meta-learning	CNCML	image	13,009张裂隙灯照片和4,075张智能手机照片，来自3个独立临床中心