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
821	2025-10-06	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	研究论文	提出一种分布式内存高效的物理引导深度学习方法来重建大规模3D非笛卡尔冠状动脉MRI	结合深度学习与MRI重建技术突破硬件限制，提出2.5D重建方法将3D体积作为2D图像批次处理，在有限训练数据下实现高质量重建	训练数据有限	实现大规模3D非笛卡尔冠状动脉MRI的高质量重建	冠状动脉MRI图像	医学影像处理	心血管疾病	MRI	CNN	3D医学影像	NA	NA	2D卷积神经网络	血管清晰度, 定性图像质量评估	分布式内存高效计算
822	2025-10-06	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出一种物理驱动的深度学习重建方法，用于改进频率调制拉比编码回波的磁共振成像重建质量并实现更高加速率	首次将物理驱动的深度学习重建方法应用于频率调制拉比编码回波，解决了传统重建中的非线性相位累积失真问题	仅使用单个接收线圈进行验证，未测试多线圈配置下的性能	开发更快速、更经济的磁共振成像重建方法	频率调制拉比编码回波的磁共振成像数据	医学影像处理	NA	磁共振成像，频率调制拉比编码回波	深度学习，展开网络	磁共振成像数据	NA	NA	展开网络架构	加速倍数	NA
823	2025-10-06	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	研究论文	提出一种名为RELAX-MORE的新型自监督学习框架，通过模型增强实现加速定量MRI重建	开发了无需参考数据的潜在图提取与模型增强方法，可将基于模型的迭代重建算法展开为深度学习框架	NA	改进定量MRI技术，实现快速MR参数映射	脑部、膝部和体模数据	医学影像分析	NA	定量MRI, T1映射	深度学习	MRI图像	单受试者数据	NA	NA	效率, 准确性, 鲁棒性, 泛化性	NA
824	2025-10-06	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	系统综述医院环境中使用机器学习或深度学习模型检测不当处方的研究现状	首次系统评估AI在医院临床药学中检测不当处方的应用现状	纳入研究数量有限（13篇），其中12篇存在高偏倚风险	评估机器学习或深度学习模型在医院环境中检测不当药物处方的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习,深度学习	药物处方数据	分析31至5,804,192条处方订单，研究时长从2周到7年不等	NA	NA	NA	NA
825	2025-10-06	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	研究论文	使用深度学习技术通过前段光学相干断层扫描图像识别房角发育异常，并分析其与青光眼相关基因突变的关系	首次将深度学习应用于房角发育异常的自动识别，并建立了与青光眼基因突变的关联分析	样本量相对有限，仅包含特定类型的青光眼患者	开发基于深度学习的房角发育异常自动识别方法并验证其与青光眼基因的关联	青光眼患者和健康对照者的前段光学相干断层扫描图像	计算机视觉	青光眼	前段光学相干断层扫描(AS-OCT)	深度学习	图像	800张高清AS-OCT图像（340张用于建模，393张基因验证，320张健康对照）	NA	NA	准确率, 特异性, 敏感性	NA
826	2025-10-06	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	本研究提出了一种基于超声视频的胎儿生长分析方法，通过优化分割和混合分类器分析头围生物测量数据	提出混合鲸鱼优化与对立果蝇优化算法(WOFF)进行最优分割，改进U-Net用于特征提取，设计改进的Boosting算术优化算法(MBAO)进行特征选择，以及采用双向LSTM与CNN混合模型(B-LSTM-CNN)进行胎儿生长分析	研究中未明确说明样本数量和数据集的详细特征，可能影响方法的普适性验证	开发基于超声图像的胎儿生长监测和分析方法	胎儿头围生物测量数据	计算机视觉	胎儿发育异常	超声成像	U-Net, CNN, LSTM	超声图像, 视频帧	使用HC18和牛津大学研究档案(ORA-data)两个公开基准数据集	NA	改进U-Net, 双向LSTM-CNN混合架构	多种评估指标（文中未具体说明）	NA
827	2025-10-06	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	研究论文	提出了一种名为iGTP的可解释生成转录程序框架，用于从单细胞转录组数据中学习可解释的细胞嵌入表示	设计了结合转录程序空间和蛋白质-蛋白质相互作用的新型可解释深度学习框架，能够同时建模不同生物状态下的细胞响应机制	NA	开发能够推断单细胞转录组数据背后生物学机制的可解释深度学习模型	单细胞转录组数据	机器学习	NA	单细胞转录组测序	变分自编码器,图神经网络,潜在扩散模型	基因表达数据	NA	NA	iGTP框架	功能富集分析性能	NA
828	2025-10-06	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过开发TRPM家族相关评分系统，发现CCNE1作为跨癌种的重要生物标志物，具有预测免疫治疗反应和免疫调节功能	首次构建TRPM家族相关评分系统并发现CCNE1作为关键下游效应因子在泛癌分析中的重要作用	研究主要基于计算分析，仅通过体外实验初步验证功能，需要更多体内实验进一步确认	探索TRPM家族及其相关基因CCNE1在泛癌中的预测价值和免疫调节潜力	17种实体肿瘤的分子标志物	生物信息学	泛癌分析	机器学习、深度学习计算技术	NA	分子生物标志物数据	17种实体肿瘤的多组学数据	NA	NA	预测准确性、免疫治疗反应预测	NA
829	2025-10-06	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	研究论文	通过深度学习模型研究氨基酸二聚体基序对质谱MS1强度的影响	首次使用带有注意力机制的编码器-解码器深度学习模型系统分析氨基酸二聚体基序与质谱响应的关系	氨基酸二聚体序列表示相比单氨基酸表示未能提高预测能力	探索氨基酸局部环境与质谱MS1强度之间的潜在关系	质谱分析中的肽段序列	机器学习	NA	质谱分析，ESI-MS	RNN，编码器-解码器	肽段序列数据，质谱强度数据	约200,000个独特肽段的等摩尔肽池	NA	带有注意力机制的编码器-解码器架构	平均百分比误差，皮尔逊相关系数	NA
830	2025-10-06	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本研究通过mRNA展示技术结合深度学习模型评估了RiPP环化脱水酶LynD的底物广谱性	首次将mRNA展示高通量肽段展示技术与深度学习模型相结合，用于预测RiPP酶的底物处理能力	研究仅针对LynD单一酶进行，未验证其他RiPP酶的应用潜力	阐明核糖体合成后修饰肽天然产物酶的底物广谱性及其预测方法	RiPP环化脱水酶LynD及其肽底物	机器学习	NA	mRNA展示技术	深度学习	肽序列数据	通过mRNA展示技术构建的大规模肽库	NA	NA	NA	NA
831	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
832	2025-10-06	BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories 2024-08-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6a8c PMID:39094617	研究论文	介绍了一个名为BIDSAlign的标准化库，用于自动合并和预处理多个EEG数据集	开发了能够同时处理BIDS和非BIDS格式EEG数据集的标准化库，提供统一的数据处理流程和可视化功能	NA	解决数据驱动的脑电图数据分析中的挑战，为深度学习架构提供有效的训练数据	多源异构EEG数据集	生物医学工程	神经系统疾病	脑电图(EEG)	NA	EEG信号数据	NA	NA	NA	NA	NA
833	2025-10-06	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-08-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	提出一种结合Wasserstein生成对抗网络与卷积神经网络的运动想象脑电信号分类方法	采用带梯度惩罚的Wasserstein生成对抗网络进行数据增强，并设计简洁高效的深度学习分类模型	NA	提高运动想象脑电信号的解码性能	运动想象脑电信号	机器学习	NA	连续小波变换	GAN, CNN	时频图	BCI Competition IV 2a和2b数据集及实际采集数据集	NA	Wasserstein GAN with gradient penalty, CNN	准确率, Kappa值	NA
834	2025-10-06	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-08-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	研究论文	提出一种名为MRGazer的深度学习框架，直接从个体空间的功能磁共振成像数据预测眼球注视点	跳过fMRI共配准步骤，在个体空间中直接处理数据，简化处理流程并实现端到端的眼球注视回归	NA	从功能磁共振成像数据解码眼球注视点	眼球运动和注视点	医学影像分析	NA	功能磁共振成像	残差网络	功能磁共振成像数据	NA	NA	残差网络	欧几里得误差	NA
835	2025-10-06	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	提出一种基于VGG卷积神经网络和Wasserstein生成对抗网络的免校准运动想象脑机接口方法	使用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现无需目标对象校准数据的跨被试分类	仅使用公开基准数据集进行验证，未在实际应用场景中测试	开发免校准的运动想象脑机接口系统，提高跨被试分类性能	运动想象脑机接口的脑电信号分类	脑机接口	NA	脑电图信号处理	CNN, GAN	脑电频谱图像	BCI competition IV-2B、IV-2A和IV-1基准数据集	NA	VGG, WGAN	跨被试分类准确率	NA
836	2025-10-06	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	首次将信号质量评估网络与麻醉深度估计网络结合，采用双注意力模块融合多通道多尺度信息，并引入门控多层感知机提取时序信息	NA	开发能够准确估计脑电图信号噪声并可靠评估麻醉深度的深度学习模型	手术中的脑电图信号	机器学习	麻醉监测	脑电图	CNN, 注意力机制, 多层感知机	脑电图信号	大型VitalDB数据库	NA	浅层卷积神经网络, 双注意力模块, 门控多层感知机	皮尔逊相关系数, 平均绝对误差	NA
837	2025-10-06	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	提出一种基于人工神经网络的神经活动塑形方法，用于改善视网膜假体的视觉感知效果	首次使用模型无关的深度学习方法实现神经活动塑形，不依赖特定视网膜模型假设	目前仅在视网膜响应模拟模型上进行验证，尚未进行真实人体实验	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经激活模式	计算机视觉	视网膜疾病	人工神经网络, 多极刺激	ANN	自然图像, 神经响应数据	NA	NA	测量预测网络, 刺激生成网络	视网膜激活锐度, 计算效率	比传统方法计算效率提高三个数量级
838	2025-10-06	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	提出一种基于语义和上下文相似性的脑解码新方法，通过fMRI数据检索和生成概念相似的图像	结合神经启发的脑解码模型和潜在扩散模型，将fMRI活动线性映射到神经网络潜在空间进行图像检索和生成	依赖于预训练神经网络和线性映射假设，可能无法完全捕捉大脑活动的复杂性	开发基于语义相似性的脑解码方法，从fMRI数据重建视觉刺激	人类大脑对自然图像刺激的fMRI响应	计算神经科学	NA	功能磁共振成像(fMRI)	潜在扩散模型,深度学习	fMRI数据,图像	三个fMRI数据集：Generic Object Decoding、BOLD5000和NSD	NA	预训练神经网络,潜在扩散模型	定量指标,人工评估实验,正确率超过80%	NA
839	2025-10-06	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究使用深度学习技术从超声心动图视频预测心脏磁共振成像结果	首次尝试使用基于视频的卷积神经网络从超声心动图视频中预测CMR组织特征	回顾性单中心研究，模型对LGE、T1、T2和ECV等组织特征的预测能力有限	探索深度学习是否能从超声心动图视频中预测心脏磁共振成像的组织特征	接受心脏磁共振和超声心动图检查的成年患者	计算机视觉	心血管疾病	超声心动图，心脏磁共振成像	CNN	视频	1,453名患者，2,556对配对检查	NA	基于视频的卷积神经网络	AUC	NA
840	2025-10-06	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究开发了一种基于U-Net深度学习模型的膝关节半月板自动分割方法	首次将U-Net模型应用于膝关节半月板的自动检测和分割，并通过渐进式训练策略提升分割精度	面临数据稀缺问题，且需要进行序列特异性优化	开发能够自动识别和分割膝关节MRI中半月板的深度学习模型	膝关节半月板	计算机视觉	骨科疾病	磁共振成像	CNN	图像	104张膝关节MRI图像用于初始训练，额外50张用于微调	NA	U-Net	准确率, Dice系数	NA