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
421	2025-12-10	Opportunistic screening for coronary artery calcium deposition using chest radiographs - a multi-objective models with multi-modal data fusion 2024-Jan-11, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.10.23299699 PMID:38260571	研究论文	本研究开发了一种基于多任务深度学习的融合模型，利用胸部X光片和电子健康记录数据进行冠状动脉钙化评分和心血管风险的预测	提出了一种结合多模态数据（CXR和EHR）的多任务深度学习模型，用于冠状动脉钙化的机会性筛查，并在多个外部数据集上验证了其稳健性	研究为回顾性设计，样本量相对有限（2,121名患者），且外部验证数据集的种族和民族差异可能影响模型泛化能力	开发一种基于胸部X光片和电子健康记录的机会性筛查策略，用于预测冠状动脉钙化评分和心血管风险	冠状动脉钙化沉积和心血管风险	数字病理学	心血管疾病	CT扫描，胸部X光成像	多任务深度学习模型	图像，文本	2,121名患者（内部数据集），外加多个外部数据集（EUH和VGHTPE）	NA	多任务深度学习融合模型	F1分数，AUCROC	NA
422	2025-12-09	Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning 2024-Dec-09, ArXiv PMID:39764408	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求	研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	肩部MRI扫描（包括标准MRI和MRA）	计算机视觉	骨科损伤（Bankart病变）	MRI成像	深度学习	医学图像（MRI）	586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA）	PyTorch（基于Swin Transformer的实现通常使用PyTorch）	Swin Transformer	AUC, 准确率, 敏感性, 特异性	NA
423	2025-12-08	Wireless Sensing-based Daily Activity Tracking System Deployment in Low-Income Senior Housing Environments 2024-Nov, Proceedings of the ... annual International Conference on Mobile Computing and Networking. International Conference on Mobile Computing and Networking DOI:10.1145/3636534.3698115 PMID:41346851	研究论文	本文介绍了一种基于无线传感的日常活动追踪系统，专为低收入老年住房环境设计，用于监测老年人的日常活动与移动能力	提出了一种非侵入式、低成本的无线传感解决方案，利用深度学习对周围WiFi信号进行细粒度分析，避免了摄像头或可穿戴设备带来的隐私、负担等问题	系统部署时间仅为一周，样本规模有限，且准确率最高为76.90%，仍有提升空间	开发并评估一种适用于低收入老年人的非侵入式日常活动监测系统，以早期发现功能衰退	低收入老年住房环境中的老年人及其日常活动	机器学习	老年疾病	无线传感技术，基于WiFi信号分析	深度学习模型	无线信号数据	在真实老年住房环境中部署一周，具体参与者数量未明确说明	NA	NA	准确率	NA
424	2025-12-07	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能	开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战	研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估	评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照组的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频	涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明	NA	EchoNet-LVH	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
425	2025-12-04	Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding 2024-07, Oncogene IF:6.9Q1 DOI:10.1038/s41388-024-03074-5 PMID:38834657	研究论文	提出了一种名为scRISE的深度聚类方法，用于单细胞RNA测序数据的聚类分析	结合了基于图自编码器的迭代平滑模块和具有自适应相似度阈值的自监督判别嵌入模块，以去噪数据并优化聚类	未明确提及方法在极大规模数据集上的计算效率或泛化能力	解决单细胞RNA测序数据聚类中相似度度量选择的挑战	单细胞RNA测序数据	机器学习	头颈鳞状细胞癌	单细胞转录组测序	图自编码器	基因表达数据	17个单细胞RNA测序数据集	NA	图自编码器	NA	NA
426	2025-12-04	A visual-language foundation model for computational pathology 2024-03, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02856-4 PMID:38504017	研究论文	本文介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过任务无关的预训练处理多样化的病理图像和文本数据	开发了首个利用超过117万图像-标题对进行视觉-语言对比学习的病理学基础模型，支持多任务迁移且无需额外监督微调	未明确讨论模型在特定疾病或小样本场景下的泛化能力限制	构建一个能够处理病理学图像和文本的多任务基础模型，以解决医学领域标签稀缺和任务局限性问题	多样化的病理学图像、生物医学文本及图像-标题对	计算病理学	NA	深度学习，视觉-语言对比学习	视觉-语言基础模型	图像，文本	超过117万图像-标题对	NA	CONCH	图像分类，分割，标题生成，文本到图像检索，图像到文本检索的先进性能	NA
427	2025-12-03	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-Dec-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本研究开发并验证了深度学习算法，用于在急性缺血性卒中患者中自动分割白质高信号病变，使用了来自9个中心的8421名患者的多中心数据集	首次在急性缺血性卒中患者中，利用大规模多中心MRI数据集（8421名患者）开发深度学习算法进行白质高信号自动分割，并引入了基于Kullback-Leibler散度的不确定性指数来识别分割不准确的病例	研究中使用的2D UNet和SE-UNet模型在内部测试和外部验证中的Dice相似系数略低于人工分割的可靠性（DSC=0.744），表明算法性能仍有提升空间，且不确定性指数在部分患者中较高，可能需要人工复核	开发并验证深度学习算法，以在急性缺血性卒中患者中准确分割白质高信号病变，解决因卒中相关病变模糊白质高信号边界而导致的复杂分割问题	8421名急性缺血性卒中患者，来自韩国的9个医疗中心	数字病理学	心血管疾病	MRI, FLAIR序列	CNN	图像	8421名患者的FLAIR MRI图像，其中2408张来自3家医院用于训练，6013张来自6家医院用于验证	NA	UNet, SE-UNet	Dice相似系数, 相关系数, 一致性相关系数	NA
428	2025-12-03	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种结合混沌元启发式算法与SE-ResNet模型的高效喉癌检测方法	通过混沌自适应麻雀搜索算法优化SE-ResNet超参数，并结合极限学习机进行分类，提升了喉癌检测的准确性和效率	未提及方法在更大规模或多样化数据集上的泛化能力，以及计算资源消耗的具体分析	提高喉癌的早期检测准确率，减少计算复杂性和筛查时间	喉部区域图像	计算机视觉	喉癌	深度学习	CNN	图像	基准喉部区域图像数据库（具体数量未提及）	NA	Squeeze-and-Excitation ResNet, 极限学习机	准确性	NA
429	2025-12-03	A transfer learning enabled approach for ocular disease detection and classification 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00293-8 PMID:38868156	研究论文	本研究提出了一种名为Ocular Net的新型深度学习模型，用于从眼部图像中检测和分类白内障、糖尿病性视网膜病变、葡萄膜炎和青光眼等眼部疾病	提出了一种结合迁移学习、平均池化层、Clipped ReLU和Leaky ReLU等多种层结构的新型Ocular Net模型，并在大型眼部图像数据集上实现了高精度疾病分类	未明确说明模型在外部验证集或临床环境中的泛化能力，以及数据集中各类别样本的具体分布情况	开发一种高精度的深度学习模型，用于眼部疾病的自动检测和分类	眼部疾病图像（白内障、糖尿病性视网膜病变、葡萄膜炎、青光眼）及正常眼部图像	计算机视觉	眼部疾病	深度学习，数据增强	CNN	图像	6200张患者双眼图像（4000张训练，2200张测试）	未明确说明	Ocular Net（自定义架构）	准确率，损失值	NA
430	2025-12-03	Predicting Therapeutic Response to Hypoglossal Nerve Stimulation Using Deep Learning 2024-Dec, The Laryngoscope DOI:10.1002/lary.31609 PMID:38934474	研究论文	本研究开发并验证了基于药物诱导睡眠内窥镜图像的机器学习和深度学习模型，用于预测舌下神经刺激器植入的治疗效果	首次利用深度学习模型从药物诱导睡眠内窥镜图像中预测舌下神经刺激器的治疗效果，特别是发现腭咽部图像具有更高的预测准确性	研究为单中心数据，样本量相对有限，需要多机构数据来开发更具泛化性的预测模型	预测舌下神经刺激器植入的治疗效果，以改善患者选择	接受药物诱导睡眠内窥镜检查和舌下神经刺激器植入的患者	数字病理学	睡眠呼吸暂停	药物诱导睡眠内窥镜	深度学习, 机器学习	图像	127名患者的25,040张图像	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
431	2025-12-03	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	本文提出了一种结合像素级采样和深度学习的高动态范围视频合成方法，用于高速视频采集	采用像素级可变曝光和相位偏移采样模式，而非传统的帧级多曝光方法，结合端到端深度学习权重转换，实现高时空分辨率且减少运动模糊	NA	解决高速高动态范围视频采集中的动态范围和运动模糊问题	动态场景中的视频数据	计算机视觉	NA	像素级可编程图像传感器采样	深度神经网络	视频	NA	NA	NA	NA	NA
432	2025-12-03	Harbor seal whiskers optimization algorithm with deep learning-based medical imaging analysis for gastrointestinal cancer detection 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00294-7 PMID:38764569	研究论文	本文提出了一种基于海豹胡须优化算法与深度学习的医学影像分析技术，用于胃肠道癌症检测	结合了海豹胡须优化算法（HSWOA）与Xception模型进行特征提取，并采用飞蛾火焰优化算法（MFO）优化XGBoost模型的参数，形成了一种新的混合优化框架	实验仅在Kvasir数据库上进行验证，缺乏多中心、大规模的外部验证，且未详细讨论模型的计算复杂度和实时性	开发一种高效的医学影像分析技术，以实现胃肠道癌症的早期检测与诊断	胃肠道医学影像（如CT、内镜、MRI、超声、PET等图像）	计算机视觉	胃肠道癌症	医学影像分析（包括CT、内镜、MRI、超声、PET）	CNN, XGBoost	图像	使用Kvasir数据库，具体样本数量未明确说明	未明确指定，但涉及深度学习与机器学习优化算法	Xception	未明确列出具体指标，但提及了最佳可能解决方案的比较	NA
433	2025-12-03	DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30239 PMID:39129209	研究论文	本文提出了一种基于深度学习的方法DeepEMC-T2 mapping，用于从多回波自旋回波图像中高效估计准确的T2图	开发了基于改进U-Net的深度学习版本EMC-T2映射方法，无需繁琐的逐像素字典匹配步骤，并引入了多项新特征以提高T2和质子密度估计的准确性	研究主要基于特定采集参数和方向的MESE数据集，虽然评估了不同扫描参数和方向的泛化性，但可能仍需在更广泛的数据集和临床场景中进一步验证	开发一种高效、准确的T2量化方法，以简化多回波自旋回波成像中的T2弛豫时间估计	多回波自旋回波成像数据，用于估计T2弛豫时间和质子密度图	医学影像分析	NA	多回波自旋回波成像	深度学习	医学影像	124个MESE数据集（67个用于网络训练和评估，57个用于评估泛化性）	NA	改进的U-Net	T2估计误差, PD估计误差	NA
434	2025-12-03	New developments in the application of artificial intelligence to laryngology 2024-Dec-01, Current opinion in otolaryngology & head and neck surgery IF:1.9Q2 DOI:10.1097/MOO.0000000000000999 PMID:39146248	综述	本文综述了人工智能在喉科学中的应用，总结了最新进展并指出了当前实施中的障碍	强调了人工智能在喉科学中的新兴应用，如声学生物标志物用于疾病筛查、深度学习分析喉镜视频识别病变，以及自动分割视频荧光镜检测误吸	现有研究大多缺乏大规模和多样化的数据集、外部验证以及一致的参考标准，这限制了结果的普适性	总结人工智能技术在喉科学中的应用现状，并探讨其临床转化潜力	喉科学相关的诊断、筛查和数据分析	自然语言处理, 计算机视觉	喉部疾病	NA	深度学习	视频, 音频	NA	NA	NA	NA	NA
435	2025-12-03	Automated Field of Interest Determination for Quantitative Ultrasound Analyses of Cervical Tissues: Toward Real-time Clinical Translation in Spontaneous Preterm Birth Risk Assessment 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.011 PMID:39271408	研究论文	本研究开发了一种自动确定宫颈超声感兴趣区域的方法，以替代手动绘制，促进定量超声技术在早产风险评估中的临床转化	首次提出使用深度学习模型自动确定宫颈超声的感兴趣区域，替代传统的手动绘制方法，提高了处理效率并减少了人为误差	研究基于特定数据集，可能未涵盖所有临床变异情况，且自动方法的泛化能力需进一步验证	评估自动与手动感兴趣区域在定量超声分析中的一致性，推动实时临床应用的实现	527名孕妇的宫颈超声数据	医学影像分析	早产	定量超声	深度学习模型	B模式超声图像	527名孕妇	NA	NA	像素准确率, Dice系数, 皮尔逊相关系数	NA
436	2025-12-03	SELFNet: Denoising Shear Wave Elastography Using Spatial-temporal Fourier Feature Networks 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.004 PMID:39317627	研究论文	本文提出了一种基于物理信息深度学习的剪切波弹性成像去噪方法SELFNet，用于估计和去噪粒子位移信号	引入了空间-时间随机傅里叶特征在物理信息神经网络框架中，通过稀疏映射增强鲁棒性，并结合控制方程进行正则化，同时学习剪切模量的映射	方法在有限采集条件下评估，需成功转化才能扩展至临床应用	开发一种去噪剪切波弹性成像的方法，以提高组织刚度估计的准确性	组织模拟幻影中的病变和离体组织	医学影像处理	癌症或肝脏疾病	剪切波弹性成像	物理信息神经网络	粒子位移信号	NA	物理信息神经网络框架	SELFNet	相对ℓ2误差, 重建均方根误差	NA
437	2025-12-03	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	本研究开发了一种基于深度学习加速的T1映射框架，用于在单次屏气期间实现高效的腹部覆盖	结合快速T1恢复曲线采样、选择性反转、优化的切片交错以及基于CNN的T1估计，显著缩短了采样时间	NA	开发一种高效的腹部T1映射方法，以克服临床中屏气时间和T1恢复时间的限制	腹部器官的T1映射	医学影像分析	NA	T1映射，快速T1恢复曲线采样，切片选择性反转	CNN	医学影像数据	NA	NA	卷积神经网络	Pearson相关系数，重复性系数，变异系数	NA
438	2025-12-03	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	本研究提出了首个基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现高精度亚型鉴定	首次将深度学习应用于HIV-1 M群亚型分类，并采用人工分子进化技术生成适用于机器学习的合成数据集以克服样本量限制	未明确说明模型在其他HIV基因区域或病毒群组中的泛化能力	开发高精度的HIV-1 M群病毒亚型自动分类工具	HIV-1 M群病毒的env基因序列	生物信息学	HIV感染	基因测序	自编码器, 全连接神经网络	DNA序列数据	通过人工分子进化技术生成的合成数据集（具体数量未说明）	未明确说明	卷积自编码器（包含两个残差块和两个转置残差块）	精确度, 准确率, 召回率, F1分数	未明确说明
439	2025-12-03	Cardiac murmur grading and risk analysis of cardiac diseases based on adaptable heterogeneous-modality multi-task learning 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-023-00249-4 PMID:38045019	研究论文	本文提出了一种基于异构模态自适应多任务学习的心脏杂音分级与心脏疾病风险分析方法	提出了分层多任务学习方法以防止任务间负干扰，设计了异构多模态特征影响自适应机制以平衡非结构化与结构化模态，并引入了基于随机掩码的多任务可解释性学习模块	未明确说明方法在临床环境中的实际部署验证情况，也未讨论模型对不同人群或噪声环境的泛化能力	开发可靠的人工智能辅助诊断算法，用于心脏杂音的分级和心脏疾病的风险分析	心脏声音信号（心音图）和结构化人口统计学数据	机器学习	心血管疾病	心音分析，多模态学习	多任务学习模型	音频（心音），结构化数据（人口统计学）	大型真实世界CirCor DigiScope PCG数据集（具体样本数未在摘要中提供）	NA	分层多任务学习（HMT），异构多模态特征影响自适应（HMA）	NA	NA
440	2025-12-03	An anthropomorphic diagnosis system of pulmonary nodules using weak annotation-based deep learning 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102438 PMID:39426342	研究论文	本文开发了一种基于弱标注深度学习的肺结节拟人化诊断系统，用于CT扫描中肺结节的定位和良恶性分类	使用弱标注数据进行训练，无需耗时费力的人工标注，并结合手工形状特征增强分类网络，能区分不同类型的肺结节	未明确说明系统在更广泛数据集或实际临床环境中的泛化能力，且依赖于特定数据集进行验证	开发一种在资源有限环境下高效定位和鉴别诊断肺结节的深度学习系统	CT扫描中的肺结节，包括纯磨玻璃影、部分实性结节和实性结节	计算机视觉	肺癌	CT扫描	深度学习模型	图像	两个数据集：LIDC-IDRI数据集814个测试病例，内部数据集822个测试病例	NA	NA	AUC	NA