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
941	2025-10-05	Motor imagery decoding using source optimized transfer learning based on multi-loss fusion CNN 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10100-5 PMID:39555257	研究论文	提出基于多损失融合CNN的源优化迁移学习方法，用于解码运动想象任务	首次提出多损失融合卷积神经网络构建可优化源模型，并提出源优化迁移学习方法使源模型更符合目标域特征	NA	提高多类运动想象任务的解码性能	16名健康受试者和16名中风患者	机器学习	中风	运动想象解码	CNN	脑电信号	16名健康受试者训练源模型，16名中风患者作为目标域	NA	多损失融合CNN	分类准确率	NA
942	2025-10-05	Multiresolution feature fusion for smart diagnosis of schizophrenia in adolescents using EEG signals 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10120-1 PMID:39555262	研究论文	提出一种基于多分辨率特征融合和机器智能的自动化诊断模型，用于通过脑电图信号对青少年精神分裂症进行高效诊断	结合经验小波变换和经验模态分解两种多分辨率信号分析方法，提出CNN与集成装袋树的混合模型，融合深度学习和手工特征进行诊断	样本量相对有限（84名青少年），仅使用单一公开数据集	开发精神分裂症的自动化诊断系统	青少年精神分裂症患者	机器学习	精神分裂症	脑电图信号分析	CNN, 集成学习	脑电图信号	84名青少年（45名精神分裂症症状患者和39名健康对照）	NA	卷积神经网络, 集成装袋树	分类性能	NA
943	2025-10-05	Research progress of epileptic seizure prediction methods based on EEG 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10109-w PMID:39555266	综述	本文系统综述了基于脑电图的癫痫发作预测方法的研究进展	分别基于头皮脑电图和颅内脑电图，从五种常用特征分析方法全面评估癫痫发作预测研究现状，并比较深度学习与传统机器学习方法的优劣	当前算法尚无法应用于临床，存在一定局限性	为癫痫发作预测领域的后续研究提供改进方向和技术思路	癫痫患者脑电图数据	机器学习	癫痫	EEG	深度学习, 传统机器学习	脑电图信号	NA	NA	NA	NA	NA
944	2025-10-05	Attention-based cross-frequency graph convolutional network for driver fatigue estimation 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10141-w PMID:39555279	研究论文	提出一种基于注意力的跨频率图卷积网络，用于通过EEG信号估计驾驶员疲劳程度	首次将多头注意力机制与图卷积网络结合，用于捕捉EEG通道间的跨频率长程依赖关系	仅使用公开数据集进行验证，未提及实际道路测试的适用性	开发精确的驾驶员疲劳程度估计算法	驾驶员的脑电信号和反应时间	机器学习	NA	脑电图(EEG)	图卷积网络(GCN), Transformer	脑电信号	公开数据集（具体数量未提及）	NA	基于注意力的跨频率图卷积网络(ACF-GCN), Transformer编码器	反应时间估计精度	NA
945	2025-10-05	Quality Control in the Corneal Bank with Artificial Intelligence: Comparison of a New Deep Learning-based Approach with Conventional Endothelial Cell Counting by the "Rhine-Tec Endothelial Analysis System" 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2299-8117 PMID:38574759	研究论文	本研究开发了一种基于深度学习的角膜内皮细胞密度自动检测方法，并与传统Rhine-Tec系统进行比较	首次使用深度学习技术自动检测图像中所有可见的内皮细胞，相比传统方法提高了样本量和客观性	深度学习方法目前无法完全替代移植片内皮的全区域评估，这仍是角膜移植片放行的最重要依据	比较基于深度学习的新型内皮细胞计数方法与传统Rhine-Tec系统的性能差异	角膜移植片的内皮细胞密度测量	计算机视觉	眼科疾病	相位对比显微镜成像	深度学习	图像	9375张存档的相位对比显微镜图像	NA	NA	均值比较，Bland-Altman分析，相关系数	NA
946	2025-10-05	Objective Analysis of Corneal Nerves and Dendritic Cells 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2307-0313 PMID:38941998	综述	本文综述了角膜神经和树突状细胞的图像分析方法，重点介绍了深度学习算法在自动模式识别中的应用	详细介绍了作者自主开发的深度学习算法，并与现有方法进行了比较分析	NA	分析角膜神经和树突状细胞的图像分析方法	角膜神经和树突状细胞	计算机视觉	眼表疾病	活体共聚焦显微镜	深度学习	图像	NA	NA	NA	NA	NA
947	2025-10-05	Automated segmentation of soft X-ray tomography: native cellular structure with sub-micron resolution at high throughput for whole-cell quantitative imaging in yeast 2024-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.31.621371 PMID:39554159	研究论文	开发基于深度学习的自动分割流程用于软X射线断层扫描数据中细胞结构的分割和标记	首次将深度学习自动分割应用于软X射线断层扫描，实现高通量全细胞定量成像分析	需要手动迭代优化来提高分割精度	实现酵母细胞亚微米分辨率下的高通量全细胞定量成像分析	三种酵母菌株（野生型、VPH1-GFP和另一菌株）的细胞结构	计算机视觉	NA	软X射线断层扫描(SXT)	深度学习	3D断层扫描图像	数百个细胞，涵盖三种酵母菌株	NA	NA	分割精度	NA
948	2025-10-05	Selective Classification Under Distribution Shifts 2024-Oct, Transactions on machine learning research PMID:41019465	研究论文	提出一种考虑分布偏移的选择性分类框架，适用于深度学习中标签偏移和协变量偏移场景	首次在选择性分类中系统考虑分布偏移问题，提出两种新的基于间隔的置信度评分函数	仅关注非基于训练的置信度评分函数，未涉及训练阶段的分布偏移适应方法	开发在数据分布偏移情况下仍能可靠工作的选择性分类系统	深度学习分类器在分布偏移下的选择性预测	机器学习	NA	深度学习	深度学习分类器	NA	NA	NA	NA	NA	NA
949	2025-10-05	SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides 2024-Aug, Journal of the Association for Research in Otolaryngology : JARO DOI:10.1007/s10162-024-00948-z PMID:38760547	研究论文	开发了一种名为SVPath的深度学习工具，用于从颞骨组织病理学切片中自动分析和提取血管纹及其相关毛细血管床	首次结合YOLOv8和nnUnet深度学习模型，实现了血管纹的自动检测和分割，并开发了专门的SV分析工具(SVAT)进行形态学测量	研究样本数量有限，仅使用了正常猕猴耳的切片数据，缺乏病理状态下的验证	开发自动化工具用于血管纹的组织病理学分析	猕猴颞骨组织切片中的血管纹和毛细血管床	数字病理学	耳科疾病	组织病理学染色(苏木精-伊红染色)	CNN	图像	内部数据集203张切片，外部验证集10张切片(均来自正常猕猴耳)	PyTorch	YOLOv8,nnUnet	准确率,DICE分数	NA
950	2025-10-05	Predicting the Tumor Microenvironment Composition and Immunotherapy Response in Non-Small Cell Lung Cancer from Digital Histopathology Images 2024-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.11.24308696 PMID:41030932	研究论文	提出一种名为HistoTME的弱监督深度学习方法，直接从非小细胞肺癌患者的组织病理学图像预测肿瘤微环境组成和免疫治疗反应	首次开发能够直接从组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法，无需额外分子检测	研究基于特定患者队列，需要在更广泛人群中验证	预测非小细胞肺癌肿瘤微环境组成和免疫治疗反应	非小细胞肺癌患者	数字病理学	肺癌	数字组织病理学成像	深度学习	全切片图像	外部临床队列652名患者	NA	NA	Pearson相关系数, AUROC	NA
951	2025-10-05	Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373703 PMID:38507374	研究论文	提出一种结合浅层神经网络和对抗性攻击的框架，用于预测轻度认知障碍向阿尔茨海默病痴呆的转化	使用单步梯度对抗性攻击寻找输入空间中的对抗性进展方向，通过到决策边界的距离预测疾病转化	阿尔茨海默病研究可用数据集规模不足以学习复杂模型	预测轻度认知障碍向阿尔茨海默病痴呆的转化	轻度认知障碍患者	机器学习	阿尔茨海默病	对抗性攻击	神经网络	患者数据	两个公开可用数据集	NA	浅层神经网络	NA	NA
952	2025-10-05	CONUNETR: A CONDITIONAL TRANSFORMER NETWORK FOR 3D MICRO-CT EMBRYONIC CARTILAGE SEGMENTATION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635851 PMID:41018045	研究论文	提出一种基于Transformer的条件网络CONUNETR，用于3D显微CT胚胎软骨分割	引入改进的生物先验知识和条件机制，能够通过单一模型准确预测多个年龄组的软骨形态	NA	解决胚胎软骨快速结构变化导致的深度学习模型泛化问题	小鼠胚胎软骨	计算机视觉	骨骼发育异常	显微CT	Transformer	3D图像	NA	NA	CONUNETR	NA	NA
953	2025-10-05	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2024-Nov-19, ArXiv PMID:39606716	研究论文	提出一种AlphaFold 3辅助的多任务拓扑拉普拉斯策略，用于快速预测病毒突变对蛋白质相互作用和结合自由能的影响	首次将AlphaFold 3与拓扑深度学习结合，通过拓扑数据分析提取蛋白质相互作用的几何特征，实现无需实验结构的深度突变扫描预测	与实验结构相比，性能存在轻微下降（PCC平均降低1.1%，RMSE平均增加9.3%）	开发高效计算方法以快速响应SARS-CoV-2等病毒的快速进化	SARS-CoV-2刺突蛋白受体结合域与人类ACE2复合物	机器学习	传染病	深度突变扫描，蛋白质-蛋白质相互作用分析	拓扑深度学习，多任务学习	蛋白质三维结构，突变数据	4个实验DMS数据集，包括SARS-CoV-2 HK.3变体数据	NA	多任务拓扑拉普拉斯	皮尔逊相关系数，均方根误差	NA
954	2025-10-05	High-resolution in vivo 4D-OCT fish-eye imaging using 3D-UNet with multi-level residue decoder 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.532258 PMID:39296392	研究论文	本研究开发了一种基于深度学习的实时4D-OCT系统，用于重建无失真的高分辨率体积图像	采用集成多级信息的3D-UNet架构，通过16位浮点精度优化网络参数，实现实时4D-OCT成像	未明确说明训练数据的具体规模和多样性	解决3D-OCT成像中的运动伪影问题，实现高分辨率实时4D成像	生物组织的体积成像	计算机视觉	NA	光学相干断层扫描(OCT)	CNN	3D体积图像	NA	NA	3D-UNet, 双2D-UNet	均方根误差(RMSE)	GPU
955	2025-10-05	FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology 2024-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.09.602778 PMID:39026885	研究论文	开发了一个基于Web的多组学数据与明场组织学深度探索应用FUSION	将分子数据与组织病理学特征整合到单一工作空间，提供基于深度学习的空间组学数据分析工具	NA	开发用于空间多组学数据与组织病理学联合分析的工具	福尔马林固定石蜡包埋和冷冻制备的健康与疾病组织样本	数字病理学	NA	空间转录组学	深度学习	全切片图像,分子数据	NA	NA	NA	NA	基于Web的应用
956	2025-10-05	MRI Deep Learning-Based Automatic Segmentation of Interventricular Septum for Black-Blood Myocardial T2* Measurement in Thalassemia 2024-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29113 PMID:37941460	研究论文	开发基于深度学习的自动分割方法，用于地中海贫血患者黑血MR图像中心室间隔的自动分割和心肌T2*测量	提出改进的注意力U-Net模型用于心室间隔自动分割，减少了分析时间和观察者间变异性	回顾性研究，样本量相对有限（146例患者），外部验证集规模较小	开发自动分割方法以替代传统手动分割，提高心肌铁负荷评估的效率和一致性	146例输血依赖型地中海贫血患者的心脏MR检查数据	医学影像分析	地中海贫血	多回波梯度回波序列MR成像	深度学习	MR图像	146例患者（训练集100例，内部测试20例，外部测试26例）	NA	改进的注意力U-Net	Dice系数, Bland-Altman图, 变异系数	NA
957	2025-10-05	Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation 2024-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29081 PMID:37855257	研究论文	系统评估基于深度学习的加速心脏电影MRI重建技术在不同加速因子下的性能	首次系统评估深度学习重建技术在心脏电影bSSFP成像中从2到8倍加速范围内的性能表现	研究样本仅包括15名漏斗胸患者且具有正常心脏功能，样本量有限	评估深度学习重建技术在加速心脏MRI采集中的可行性和性能	15名漏斗胸患者（平均年龄16.8±5.4岁，20%女性）	医学影像分析	心脏疾病	心脏电影平衡稳态自由进动成像	深度学习	MRI图像	15名患者	NA	NA	结构相似性指数, 图像质量评分, 边缘定义评分, 双心室容积指标	NA
958	2025-10-05	Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification 2024-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29141 PMID:37982367	研究论文	本研究通过胎儿MRI量化身体和脂肪指标，用于小于胎龄儿围产期风险分层	首次使用深度学习自动分割胎儿身体和皮下脂肪，量化脂肪信号分数和脂肪-身体体积比用于SGA风险预测	样本量较小(40例)，单中心研究，需要更大规模验证	开发基于胎儿MRI的身体成分量化方法，改善小于胎龄儿的围产期风险分层	40例小于胎龄儿胎儿，孕周30+2至37+2	数字病理	胎儿生长受限	胎儿MRI，True Fast Imaging with Steady State Free Precession (TruFISP)，T1-weighted two-point Dixon (T1W Dixon)序列	深度学习	医学影像	40例SGA胎儿，其中26例女性(61.9%)	NA	NA	敏感性，特异性，阳性预测值，阴性预测值，准确率	NA
959	2025-10-05	Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection 2024-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29090 PMID:37855699	研究论文	本研究开发了一种基于前列腺MRI的衰老生物标志物——前列腺年龄差，用于评估临床显著前列腺癌的风险	首次从前列腺MRI中提取衰老生物标志物，提出前列腺年龄差概念作为前列腺癌检测的新型影像学生物标志物	回顾性研究设计，样本量相对有限（468名患者），需要进一步前瞻性验证	开发前列腺MRI衰老生物标志物并评估其与临床显著前列腺癌风险的关联	468名接受活检的男性患者，共7243个前列腺MRI切片	数字病理	前列腺癌	磁共振成像	深度学习模型	MRI图像	468名患者（65.97±6.91岁），7243个前列腺MRI切片；训练集：212名非临床显著前列腺癌患者（81例低级别前列腺癌+131例阴性）的3223个MRI切片；测试集：256名患者（90例阴性+52例低级别+114例临床显著前列腺癌）	NA	NA	AUC, OR, 置信区间, P值	NA
960	2025-10-05	Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization 2024-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29088 PMID:37877463	研究论文	提出一种基于深度学习的扩散MRI图像批效应消除方法，通过对比度调整和超分辨率技术减少不同磁场强度和成像参数导致的图像差异	使用深度学习驱动的变换方法超越传统标准化技术，结合对比度调整和超分辨率来减少扩散加权图像的多样性	模型基于单个个体的开放数据集构建，样本来源相对有限	开发深度学习模型以减少扩散加权图像在不同磁场强度和成像参数下的多样性	扩散加权MRI图像	医学影像分析	中风,肿瘤	扩散加权成像,自旋回波序列,T2-SPACE序列	深度学习,自编码器,CNN	MRI图像	1134名成年人(54%女性,46%男性)，包含21000张图像，其中1050名无DWI异常，84名有中风和肿瘤等病变	NA	ResNet-50,自编码器	准确率,精确率,召回率,F1分数,PSNR,SSIM,Dice系数	NA