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
41	2026-09-28	Diffusion models for medical image reconstruction 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae013 PMID:42064401	综述	本文综述了基于无监督扩散模型的医学图像重建方法，介绍了其原理、应用、优势与挑战	系统总结了无监督扩散模型在医学图像重建中的应用，并提出了使用该方法的指导方针	扩散模型存在幻觉问题，可能影响临床应用的可靠性	探讨扩散模型在医学图像重建中的潜力、方法及挑战	医学图像重建算法，包括MRI、CT、PET等模态	计算机视觉	NA	扩散模型	扩散模型	图像	NA	NA	NA	NA	NA
42	2025-07-25	Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue 2024-Oct, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2024.e71 PMID:40703983	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
43	2026-09-23	Scaling Up Bayesian Neural Networks with Neural Networks 2024-Oct, Transactions on machine learning research PMID:42376641	研究论文	本文提出了一种新颖的校准-仿真-采样策略，以提高贝叶斯神经网络的计算效率	提出了一种结合校准、仿真和采样的新框架，利用神经网络仿真器加速后验采样	未明确提及	提高贝叶斯神经网络的计算效率，同时保持预测准确性和不确定性量化性能	贝叶斯神经网络	机器学习	NA	NA	贝叶斯神经网络	模拟数据和真实数据	未明确提及	NA	NA	预测准确性, 不确定性量化	NA
44	2026-09-23	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	该研究提出了一种多模态图同构网络（MGIN），利用fMRI任务相关数据解释青少年神经发育中的性别差异，并通过GNNExplainer实现可解释性	提出多模态图同构网络（MGIN），融合同一个体多次扫描的脑网络数据，增强预测能力和特征识别，并结合GNNExplainer识别对性别分类贡献显著的子网络图结构	摘要中未明确提及研究局限性	利用fMRI任务相关数据，通过深度学习方法探索和解释青少年神经发育中的性别差异	青少年受试者的fMRI任务相关脑网络数据	机器学习	NA	fMRI	GNN	图像	NA	NA	多模态图同构网络（MGIN），GNNExplainer	分类准确率	NA
45	2026-09-23	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	本文提出了一种名为FENRI的新方法，用于从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以实现更准确的纤维束成像，并引入了一个扩展的模拟数据集来评估基于学习的纤维束成像模型	FENRI能够学习空间连续的纤维取向分布函数，克服了传统三线性插值在低质量数据中跟踪细微尺度变化的局限性，并且不依赖于固定空间网格的上采样，同时引入了专门用于评估学习型纤维束成像模型的扩展模拟数据集	摘要中未明确提及研究的局限性	解决从低分辨率扩散MRI中重建连续纤维方向场的问题，以改善纤维束成像的准确性	人类连接组的神经通路，具体为低分辨率扩散加权图像中的纤维取向分布	医学图像分析	NA	扩散磁共振成像，纤维束成像	深度学习模型（具体架构未指明）	扩散加权图像	未提及具体样本量，但使用了模拟数据集	NA	NA	纤维取向预测准确性，纤维束重建质量（具体指标未指明）	NA
46	2026-09-23	Towards tDCS Digital Twins using Deep Learning-based Direct Estimation of Personalized Electrical Field Maps from T1-Weighted MRI 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_44 PMID:42261487	研究论文	该研究提出了一种基于深度学习的直接从T1加权MRI生成经颅直流电刺激（tDCS）个性化电场图的方法，作为tDCS数字孪生的概念验证	利用深度学习直接从T1加权MRI生成个性化电场图，无需运行耗时的基于物理的仿真器；采用特殊损失正则化提高模型在不同个体扫描和电极蒙太奇下的泛化性和校准性；用户可输入所需电极蒙太奇以获得定制输出	仅为概念验证，尚未在临床应用中验证；数据集规模有限（442个头部）；未与基于物理的方法进行全面的准确性对比	实现tDCS的个性化电场估计，以改善tDCS干预效果	成年人的T1加权MRI扫描和电极蒙太奇	医学图像分析	抑郁症、物质使用障碍、焦虑症、疼痛	深度学习，T1加权MRI	深度学习模型	图像	442个独特的个体头部MRI	NA	NA	NA	NA
47	2026-09-21	Deep learning for predicting rehospitalization in acute heart failure: Model foundation and external validation 2024-12, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14918 PMID:38981003	研究论文	本研究利用真实世界数据开发了一种基于深度学习的预测模型，用于预测急性心力衰竭患者出院后30天、90天和365天内的再入院风险	首次使用深度学习方法结合真实世界数据构建心力衰竭再入院预测模型，并应用Shapley值识别对再入院有贡献的特征，发现随访期间的特征对再入院的贡献相对更高	模型在30天再入院预测中的AUC仅为0.63，区分度一般；研究数据来自单中心三级医院，样本代表性有限；未与其他深度学习或传统机器学习模型进行充分对比	开发和验证基于深度学习的急性心力衰竭患者出院后再入院风险预测模型，以指导适当的干预或护理策略	2014年1月至2019年1月期间在某三级医院因急性心力衰竭入院的患者	机器学习	心血管疾病	NA	GRU	文本（电子健康记录/临床数据）	NA	NA	门控循环单元（GRU），使用双曲正切激活层	AUC，精确率，召回率，特异性，F1值	NA
48	2026-09-21	High-speed in vivo calcium recording using structured illumination with self-supervised denoising 2024-Nov-15, Optics continuum IF:1.1Q4 DOI:10.1364/optcon.532996 PMID:41550202	研究论文	本文提出了一种结合周期结构照明和自监督去噪的高速活体钙成像方法，用于改善神经元活动记录的信号质量	提出了一种名为pseudo-HiLo（pHiLo）的新型重建方法，将伪宽场重建与单个结构照明帧结合进行HiLo重建，并首次将自监督深度学习去噪方法DeepCAD-RT整合到结构照明成像的预处理流程中	未明确说明	实现高速活体钙成像中背景和散粒噪声的抑制，提高神经活动记录的信号质量	CA1锥体神经元的超快遗传编码钙指示剂GCaMP8f	计算机视觉	NA	周期结构照明、光学切片结构照明显微镜、钙成像	自监督深度学习	图像	NA	NA	DeepCAD-RT	对比度、瞬态峰值信噪比、成对相关系数、相关系数	NA
49	2026-09-21	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-05-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	该文章提出一种结合Barlow Twins损失和相异性损失的自监督学习方法，用于提升基于键盘动力学的帕金森病检测的泛化能力	提出一种新的自监督损失函数，结合Barlow Twins损失与相异性损失，在无标签非受控数据上预训练编码器，再使用临床验证数据微调，从而减少对标注数据的依赖并提升模型泛化能力	缺乏标准化的数据采集协议，且标注数据集有限，这可能影响模型的泛化性；研究仅在两个独立数据集上验证，样本量可能有限	验证自监督学习方法在减少标签依赖方面的有效性，并评估其在帕金森病检测中的泛化能力	触摸屏交互产生的键盘动力学信号，涉及对照组和帕金森病患者	机器学习	帕金森病	NA	NA	键盘动力学信号	NA	NA	NA	NA	NA
50	2026-09-20	Natural Language Processing for Depression Prediction on Sina Weibo: Method Study and Analysis 2024-09-04, JMIR mental health IF:4.8Q1 DOI:10.2196/58259 PMID:39233477	研究论文	本研究开发了一种基于自然语言处理的在线抑郁症风险检测方法，利用分层Transformer网络在中文社交媒体平台新浪微博上识别抑郁症风险用户	提出了一种新颖的分层Transformer网络用于学习用户级语义表示，并设计了基于检索的采样策略来显著提升抑郁症检测性能	未明确提及研究的局限性	开发一种基于自然语言处理技术的在线抑郁症风险检测方法，用于在新浪微博平台上识别抑郁症风险个体	新浪微博平台上的1600名抑郁症用户和1600名非抑郁症用户	自然语言处理	抑郁症	自然语言处理，中文语言探究与词频统计	Transformer	文本	约527333条公开帖子，来自1600名抑郁症用户和1600名非抑郁症用户；训练集2000人（各1000人），验证集600人（各300人），测试集600人（各300人）	NA	分层Transformer网络，包含词级编码器、帖子级编码器和语义聚合编码器	准确率，精确率，召回率，F1分数	NA
51	2026-09-20	Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review 2024-08-21, JMIR mental health IF:4.8Q1 DOI:10.2196/53714 PMID:39167782	综述	本文是一篇范围综述，系统梳理了用于检测、预测和分析心理压力及其相关精神障碍的机器学习方法、数据预处理技术和数据类型	采用PRISMA-ScR指南进行严格的范围综述，全面分析了98篇同行评审文献中使用的ML算法、预处理技术和数据类型，并识别了该领域的研究空白和未来方向	未进行定量荟萃分析，仅进行了范围综述；纳入文献可能存在异质性；未对算法性能进行直接比较	调查用于检测、预测和分析心理压力及其相关精神障碍的机器学习方法的范围	心理压力及其相关精神障碍	机器学习	精神障碍	机器学习	支持向量机, 神经网络, 随机森林	生理参数（心率、皮肤反应等）	98篇同行评审文献	NA	NA	准确率, 鲁棒性	NA
52	2026-09-20	Uncertainty estimation and evaluation of deformation image registration based convolutional neural networks 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c4f PMID:38749468	研究论文	本文提出一种基于卷积神经网络的新型概率多分辨率图像配准模型，用于估计多模态图像配准中的多元正态分布稠密位移场，并基于KL散度提出新指标评估不确定性质量	1. 提出了一种新颖的概率多分辨率图像配准模型，能够估计多元正态分布的稠密位移场；2. 提出了一种基于KL散度的新指标来评估预测的DDF分布质量；3. 解决了DIR不确定性估计和评估中的挑战，并进行了超参数优化	超参数调优显示估计不确定性的可靠性与变形精度之间存在权衡，未提及在其他解剖部位或更大数据集上的泛化能力	开发并评估一个能够在数秒内完成快速可变形图像配准并预测其不确定性的模型，以实现安全可靠的临床部署	治疗计划CT到随访锥形束CT的配准，用于每日自适应放疗	医学图像分析	NA	可变形图像配准、锥形束CT、治疗计划CT	CNN	图像	NA	NA	NA	Dice相似系数、KL散度	NA
53	2026-09-20	Test Retest Reproducibility of Organ Volume Measurements in ADPKD Using 3D Multimodality Deep Learning 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.09.009 PMID:37798206	研究论文	本研究开发了一种基于nnU-net的3D多模态多类别分割模型，利用五种MRI序列和CT图像测量ADPKD患者的器官体积，并通过异常值分析和平均降低测量变异性	利用所有脉冲序列进行多次测量，通过异常值分析和平均来减少器官体积测量变异性，实现了优于所有专家观察者的1.3%重测重现性	样本量相对较小，重测重现性评估仅涉及19名ADPKD患者，外部验证集为37例	通过利用所有脉冲序列获得多次测量，进行异常值分析和平均，以降低ADPKD患者MRI器官体积测量的变异性	ADPKD患者的MRI和CT图像	医学图像分割	常染色体显性多囊肾病	MRI和CT成像	3D nnU-net	医学图像	413名受试者用于训练/验证，19名ADPKD患者进行重测重现性评估，内部验证25例，外部验证37例	NA	nnU-net	Dice相似系数, Jaccard指数, 平均表面距离, 平均Hausdorff距离, 绝对百分比差异, 曲线下面积	NA
54	2026-09-20	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工特征和深度学习特征，识别肝转移瘤的原发肿瘤来源部位	将计算机提取的手工组织形态学特征与深度学习分类器相结合，并采用决策融合策略预测肝转移瘤的原发来源，同时利用注意力图识别原发肿瘤中转移的空间起源区域	作为初步研究，样本量较小（114例患者，175张切片），需要更大规模的多中心验证	识别肝转移瘤的原发肿瘤来源部位，以指导治疗选择	肝转移瘤患者及其原发肿瘤组织切片	数字病理学	肝癌	全切片图像分析	随机森林, 深度学习	图像	175张切片，114例患者（训练集：60例患者，121张全切片图像；验证集：54例患者，54张全切片图像）	NA	随机森林, 深度学习网络	AUC	NA
55	2026-09-20	Design of image segmentation model based on residual connection and feature fusion 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309434 PMID:39361568	研究论文	该文提出了一种基于残差连接和特征融合的图像分割模型FRes-MFDNN，并在ISPRS Vaihingen和Caltech UCSD Birds200数据集上验证了其分割性能	综合利用残差连接的深层特征提取能力和特征融合的多尺度特征整合能力，构建了FRes-MFDNN模型，有效解决了传统图像分割中背景复杂和信息丢失的问题	仅在两个公开数据集上进行了验证，未提及模型参数量、训练时间等计算成本方面的详细分析，也未与其他最新方法进行全面的对比实验	针对复杂场景和多尺度目标图像，设计一种高效的图像分割模型以提升分割精度和细节完整性	复杂场景图像和多尺度目标图像，包括ISPRS Vaihingen数据集中的遥感图像和Caltech UCSD Birds200数据集中的鸟类图像	计算机视觉	NA	深度学习图像分割	CNN	图像	两个公开数据集：ISPRS Vaihingen数据集和Caltech UCSD Birds200数据集	NA	残差网络, 特征融合网络	平均准确率, F1值, 分割准确率	NA
56	2026-09-20	A Multi-level ensemble approach for skin lesion classification using Customized Transfer Learning with Triple Attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309430 PMID:39446759	研究论文	本文提出了一种基于卷积神经网络（CNN）的多级集成方法，采用定制迁移学习（CTL）和三重注意力（TA）模块，用于皮肤病变分类	提出了信息增益比例平均（IGPA）和多级信息增益比例平均（ML-IGPA）方法，用于确定集成模型中各模型预测的最优权重分配	未明确说明	提高皮肤病变分类的准确性和可解释性，促进早期诊断	皮肤病变图像	计算机视觉	皮肤癌	定制迁移学习（CTL）	卷积神经网络（CNN）	图像	HAM1000数据集	NA	NA	准确率	NA
57	2026-09-20	Navigating urban congestion: A Comprehensive strategy based on an efficient smart IoT wireless communication for PV powered smart traffic management system 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310002 PMID:39453902	研究论文	本文提出了一种基于高效智能物联网无线通信的综合策略，结合光伏供电的智能交通管理系统来缓解埃及城市交通拥堵问题	将深度学习方法和优化算法与物联网赋能的5G框架相结合，并采用光伏模块和电池为交通控制系统供电以确保电网停电时的服务连续性	摘要中未明确提及研究的局限性	现代化埃及的交通管理系统，使其符合智能交通网络的全球准则，减少燃料消耗、提高道路安全性和交通效率	埃及城市交通拥堵问题及智能交通管理系统	机器学习	NA	物联网、5G通信、深度学习、优化算法、光伏供电	深度学习	图像	NA	NA	NA	NA	Raspberry Pi 3微控制器、云连接、检测摄像头
58	2026-09-19	Prediction of incident atrial fibrillation using deep learning, clinical models, and polygenic scores 2024-12-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae595 PMID:39217446	研究论文	该研究开发并验证了一种基于心电图的人工智能模型，用于预测5年内新发房颤，并与临床模型和多基因风险评分进行了比较。	在三级心脏中心开发并外部验证了心电图人工智能模型，证明其预测新发房颤的性能优于临床模型和多基因风险评分。	未明确提及	预测新发房颤	心电图数据、患者	机器学习	心血管疾病	心电图人工智能	深度学习	心电图	669,782份心电图来自145,323名患者；外部验证队列样本量未明确	NA	NA	AUC-ROC	NA
59	2026-09-19	Cardiovascular care with digital twin technology in the era of generative artificial intelligence 2024-12-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae619 PMID:39322420	综述	本文综述了心血管医学中数字孪生技术的应用，并探讨了生成式人工智能如何推动其发展，实现个性化心血管护理	探讨了生成式人工智能与数字孪生技术的融合，通过整合多模态个性化数据来扩展数字孪生的范围和预测能力	未提及具体的实验验证或临床数据，主要关注技术前景和挑战，缺乏实证研究	总结心血管医学中数字孪生的应用，并探讨其未来通过与生成式人工智能结合实现个性化护理的潜力	心血管数字孪生技术及其在个性化医疗中的应用	机器学习	心血管疾病	数字孪生技术，生成式人工智能，深度学习	生成模型	多模态数据	NA	NA	NA	NA	NA
60	2026-09-19	MRI-based deep learning for differentiating between bipolar and major depressive disorders 2024-12, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111907 PMID:39357171	研究论文	本文提出了一种基于ResNet的SE-ResNet框架，利用结构MRI数据区分双相障碍、重性抑郁障碍和健康对照	扩展了传统的SE层，增加了用于生成空间注意力图的专用分支，该分支配备软池化、7×7卷积和sigmoid函数；通过逐元素相加融合通道和空间注意力图；使用软池化替代最大池化进行下采样，以保留更丰富的特征表示并减少数据丢失	未明确说明	利用结构MRI数据区分双相障碍、重性抑郁障碍和健康对照	双相障碍患者、重性抑郁障碍患者和健康对照	医学图像分析	双相障碍, 重性抑郁障碍	结构磁共振成像	CNN	图像	303名受试者	NA	SE-ResNet	准确率85.8%, 召回率85.7%, 精确率85.9%, F1分数85.8%	NA