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
1001	2025-04-03	Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs : A Risk Prediction Study 2024-04, Annals of internal medicine IF:19.6Q1 DOI:10.7326/M23-1898 PMID:38527287	研究论文	开发并测试一种深度学习模型（CXR CVD-Risk），通过常规胸片（CXR）预测10年主要不良心血管事件（MACE）风险，并与传统ASCVD风险评分进行比较	利用深度学习模型从常规胸片中预测心血管风险，为无法计算ASCVD风险评分的患者提供补充评估方法	回顾性研究设计，使用电子病历数据	开发一种基于胸片的深度学习模型，用于预测10年心血管事件风险	门诊患者，包括未知ASCVD风险的患者和已知ASCVD风险的患者	数字病理	心血管疾病	深度学习	CXR CVD-Risk	图像	8869名未知ASCVD风险的门诊患者和2132名已知ASCVD风险的门诊患者
1002	2025-04-03	UNCERTAINTY-GUIDED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION VIA CYCLIC MEASUREMENT CONSISTENCY 2024-Apr, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference) DOI:10.1109/icassp48485.2024.10447594 PMID:39829965	研究论文	本文提出了一种基于不确定性引导的物理驱动深度学习重建方法，通过循环测量一致性提高MRI等计算成像的质量	提出了一种新的不确定性估计方法，专注于物理驱动深度学习的数据保真度组件，并通过循环一致性来指导模型训练	未明确说明方法在计算复杂度或实时性方面的表现	改进物理驱动深度学习在计算成像（特别是MRI）中的重建质量	MRI成像数据	计算成像	NA	物理驱动深度学习（PD-DL）	深度学习神经网络	医学影像数据	NA
1003	2025-04-03	Automatic Classification of Slit-Lamp Photographs by Imaging Illumination 2024-Apr-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003318 PMID:37267474	research paper	开发一种自动算法，基于照明技术对裂隙灯照片进行分类，以促进深度学习系统在角膜炎类型诊断中的图像注释	使用MobileNetV2等深度学习模型自动分类裂隙灯照片的照明技术，为临床决策支持系统提供关键步骤	裂隙光束和硬化散射是最常被错误分类的照明类型	促进深度学习系统在角膜炎诊断中的应用	裂隙灯照片（SLPs）	computer vision	keratitis	深度学习	MobileNetV2, ResNet50, LeNet, AlexNet, multilayer perceptron, k-nearest neighborhood	image	12,132张来自409名患者的图像
1004	2025-04-03	Reducing annotation burden in MR: A novel MR-contrast guided contrastive learning approach for image segmentation 2024-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.16820 PMID:37956263	研究论文	提出一种新型的MR对比引导对比学习策略，用于在标注数据有限的情况下提高MR图像分割任务的性能	提出了一种受约束的对比学习(CCL)策略，利用组织特异性信息通过约束图定义对比学习的正负局部邻域，在预训练中将这一信息嵌入表示空间	需要多对比MR图像集作为输入，可能在某些只有单一对比图像的情况下应用受限	提高在标注数据有限情况下的MR图像分割性能	MR图像	医学图像分析	脑肿瘤	对比学习	深度学习模型	MR图像	腹部T2加权图像(训练/测试=30/20)，公共Cartesian-T2数据集(训练/测试=6/12)，BraTS脑肿瘤分割数据集(训练/测试=40/50)
1005	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-Apr, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1006	2025-04-03	Endoscopic sleeve gastroplasty: stomach location and task classification for evaluation using artificial intelligence 2024-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03054-2 PMID:38212470	研究论文	本研究利用人工智能技术对胃内窥镜套筒胃成形术（ESG）中的胃部位置和任务进行分类评估	首次将深度学习与计算机视觉技术结合，用于自动化评估ESG手术中的胃部位置和任务分类，并采用数据增强和SMOTE技术优化数据集	研究基于离体猪标本数据，可能无法完全反映人体手术的复杂性	开发自动化评估ESG手术表现的AI系统	ESG手术过程中的胃部位置（切迹、前壁、大弯、后壁）和操作任务（抓取或缝合）	计算机视觉	肥胖症	深度学习、计算机视觉、SMOTE数据增强	CNN（根据计算机视觉任务推断）	图像和视频	专家在离体猪标本上进行的ESG手术截图和视频片段（具体数量未说明）
1007	2025-04-03	Topological Persistence Guided Knowledge Distillation for Wearable Sensor Data 2024-Apr, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2023.107719 PMID:38282698	研究论文	本文提出了一种基于拓扑持久性引导的知识蒸馏方法，用于整合拓扑数据分析和深度学习的优势，以提升可穿戴传感器数据的活动识别性能	使用双教师网络（分别基于原始时间序列数据和TDA生成的持久性图像）进行知识蒸馏，设计新的约束条件（如特征相关性图的正交性）和退火策略，以融合不同模态的信息并提升学生模型的鲁棒性	未明确说明方法在其他类型时间序列数据或更大规模数据集上的泛化能力	解决可穿戴传感器数据活动识别中深度学习方法对信号质量敏感、传感器特性差异和个体间变异性的问题	可穿戴传感器采集的时间序列数据	机器学习	NA	拓扑数据分析(TDA)、知识蒸馏(KD)	1D CNNs (WRN16-1)	时间序列数据、持久性图像	6000个测试样本（GENEActiv数据集）
1008	2025-04-03	A transformer-based diffusion probabilistic model for heart rate and blood pressure forecasting in Intensive Care Unit 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108060 PMID:38350189	research paper	本研究提出了一种基于Transformer和扩散概率模型的新型深度学习方法，用于预测重症监护病房（ICU）中的心率、收缩压和舒张压	结合Transformer和扩散模型，提出TDSTF模型，用于稀疏时间序列预测，在预测ICU生命体征分布方面表现出色，计算效率更高	NA	开发一种准确预测ICU患者生命体征的深度学习系统	ICU患者的心率、收缩压和舒张压	machine learning	cardiovascular disease	deep learning	Transformer-based Diffusion Probabilistic Model (TDSTF)	time series data	24,886 ICU stays from over 46,000 patients in MIMIC-III database
1009	2025-04-03	Spectral analysis and Bi-LSTM deep network-based approach in detection of mild cognitive impairment from electroencephalography signals 2024-Apr, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10010-y PMID:38699612	研究论文	本研究开发了一种基于EEG信号和Bi-LSTM深度学习算法的新模型，用于高效检测轻度认知障碍（MCI）患者	结合多锥度谱分析方法和Bi-LSTM深度学习算法，提出了一种新的EEG信号分析模型，显著提高了MCI检测的准确率	样本量较小（34名受试者），年龄范围较宽（40-77岁）可能影响模型的泛化能力	开发一种准确、高效的MCI早期诊断方法	轻度认知障碍（MCI）患者和健康对照组	机器学习	老年性疾病	EEG信号分析、多尺度主成分分析（MSPCA）、数据增强（DA）	Bi-LSTM、决策树（DT）、支持向量机（SVM）、K近邻（KNN）	EEG信号	34名受试者（18名MCI患者和16名健康对照组）
1010	2025-04-03	A real-time constellation image classification method of wireless communication signals based on the lightweight network MobileViT 2024-Apr, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10015-7 PMID:38699610	研究论文	提出了一种基于轻量级网络MobileViT的无线通信信号星座图实时分类方法	首次尝试在边缘计算平台上部署深度学习模型完成接收信号调制方案的实时分类	仅在一个公开数据集RadioML 2016.10a上进行了验证	实现自动调制分类(AMC)以支持认知无线电发展	无线通信信号的星座图	机器学习	NA	深度学习	MobileViT	图像	公开数据集RadioML 2016.10a
1011	2025-04-03	Variability of the femoral mechanical-anatomical axis angle and its implications in primary and revision total knee arthroplasty 2024-Feb-06, Bone & joint open IF:2.8Q1 DOI:10.1302/2633-1462.52.BJO-2023-0056.R1 PMID:38316146	研究论文	利用深度学习测量股骨机械-解剖轴角度（FMAA）及其在全膝关节置换术中的影响	开发了一种快速准确的深度学习工具来量化FMAA，揭示了不同测量方法间的显著差异	研究仅基于骨关节炎倡议（Osteoarthritis Initiative）的放射影像数据，可能无法代表所有人群	探究股骨机械-解剖轴角度（FMAA）的变异性及其对全膝关节置换术（TKA）的影响	来自骨关节炎倡议的1,078例全肢放射影像	医学影像分析	骨关节炎	深度学习	DL（深度学习）	放射影像	1,078例全肢放射影像
1012	2025-04-03	Intraoperative margin assessment for basal cell carcinoma with deep learning and histologic tumor mapping to surgical site 2024-Jan-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00477-7 PMID:38172524	研究论文	开发了一种基于深度学习的术中边缘评估平台，用于基底细胞癌的快速和完整切除	利用人工智能平台自动化肿瘤定位和边缘评估，显著减少组织预处理和组织学评估时间	未提及样本量或具体技术细节，可能限制了结果的广泛适用性	提高基底细胞癌术中边缘评估的效率和准确性	基底细胞癌的手术标本	数字病理	基底细胞癌	深度学习	NA	组织图像	NA
1013	2025-04-03	Classification of Alzheimer disease using DenseNet-201 based on deep transfer learning technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304995 PMID:39240975	research paper	使用基于DenseNet-201的深度迁移学习技术对阿尔茨海默病进行分类	提出了一种基于DenseNet-201的迁移学习方法，用于诊断阿尔茨海默病的不同阶段，并实现了高分类准确率	未提及数据集的具体来源和样本多样性，可能影响模型的泛化能力	通过深度学习技术提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者的不同阶段（非痴呆、中度痴呆、轻度痴呆、极轻度痴呆、重度痴呆）	digital pathology	geriatric disease	MRI	DenseNet-201	image	NA
1014	2025-04-03	Multi feature fusion network for schizophrenia classification and abnormal brain network recognition 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110848 PMID:38104673	research paper	提出了一种多特征融合网络（MFFN）用于精神分裂症分类和异常脑网络识别	利用功能网络连接（FNC）和时间序列（TC）的多特征互补信息，结合DNN和C-RNN骨干网络学习特征图，并应用Deep SHAP获取最具判别性的脑网络	研究仅基于两个公开数据集，样本量和多样性可能有限	开发一种有效的方法来区分精神分裂症患者和健康对照组，并识别异常脑网络	精神分裂症患者和健康对照组的脑功能网络数据	machine learning	精神分裂症	独立成分分析（ICA），Deep SHAP	DNN, C-RNN	功能磁共振成像（fMRI）数据	两个公开数据集（具体样本量未提及）
1015	2025-04-03	Discriminative analysis of schizophrenia patients using an integrated model combining 3D CNN with 2D CNN: A multimodal MR image and connectomics analysis 2024-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110846 PMID:38104672	research paper	该研究提出了一种结合3D CNN和2D CNN的集成模型，用于通过多模态MRI数据对精神分裂症患者进行分类	首次将3D CNN与2D CNN结合用于精神分裂症患者的分类，并引入了SE-blocks和SVM分类器以提高性能	样本量相对较小（140名患者和205名正常对照），且仅使用了两种MRI模态数据	提高精神分裂症患者的分类性能，探索其在精神疾病临床诊断中的潜力	精神分裂症患者和正常对照	digital pathology	schizophrenia	structural MRI (sMRI), resting-state functional MRI (rs-fMRI)	3D CNN, 2D CNN, SVM	MRI图像（3D和2D矩阵）	140名精神分裂症患者和205名正常对照
1016	2025-04-02	State-of-the-Art Deep Learning CT Reconstruction Algorithms in Abdominal Imaging 2024-12, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240095 PMID:39612283	review	本文综述了深度学习CT重建算法在腹部成像中的最新进展及其临床应用	深度学习重建（DLR）算法能够有效减少低辐射剂量协议下的图像噪声，并提高重建速度，解决了传统CT图像重建算法在低辐射剂量下无法保持图像纹理和诊断性能的问题	文章概述了DLR算法在CT中的当前局限性，并展望了未来的发展方向	探讨深度学习CT重建算法的技术细节及其在腹部成像中的临床应用	深度学习CT重建算法及其在腹部CT成像中的应用	digital pathology	NA	deep learning reconstruction (DLR)	deep neural networks	image	NA
1017	2025-04-02	Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models 2024-10-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75748-9 PMID:39455655	研究论文	本研究提出了一种新型深度学习集成模型YoCNET，结合Yolov5的目标检测能力和ConvNeXt的图像分类能力，用于根尖周X光片中牙齿的自动分割和多颗牙齿根尖周病变的并发检测	提出YoCNET集成模型，首次将Yolov5的目标检测能力与ConvNeXt的图像分类能力相结合，实现牙齿自动分割和多颗牙齿根尖周病变的并发检测	乳牙被排除在数据集之外，可能影响模型在乳牙病变检测上的表现	开发一种能够同时识别根尖周X光片中多个病变目标的深度学习模型	根尖周X光片中的牙齿和根尖周病变	数字病理学	牙科疾病	深度学习	YoCNET (Yolov5 + ConvNeXt), YoRNET (Yolov5 + ResNet34)	X光图像	1305张根尖周X光片用于训练和验证，另外从200张X光片中提取717颗单独牙齿图像用于集成模型验证
1018	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0490 PMID:39313234	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1019	2025-04-02	Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach 2024-Feb-15, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2023.111126 PMID:39155966	研究论文	本研究结合深度学习和机器学习技术，探讨被动设计指标在降低住宅建筑能源负担中的作用	采用深度学习驱动的计算机视觉与机器学习相结合的方法，解决被动设计特征数据稀缺的问题	研究仅基于芝加哥大都市区的数据，可能无法推广到其他地区	评估被动设计特征对住宅能源负担的影响，为智能和可持续城市建设提供见解	芝加哥大都市区的住宅建筑	计算机视觉	NA	深度学习、机器学习	CNN、决策树回归、随机森林回归、支持向量回归	图像、人口统计数据	基于Google街景图像的芝加哥大都市区住宅建筑
1020	2025-04-02	Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.01.015 PMID:38232604	研究论文	本研究评估了一种结合鼻呼吸流量、外周血氧饱和度和心电图信号的深度学习方法，用于改进睡眠呼吸暂停/低通气事件的检测和阻塞性睡眠呼吸暂停的严重程度筛查	提出了一种结合多种生理信号和人口统计数据的Xception网络，显著提高了睡眠呼吸暂停/低通气事件的检测准确率和阻塞性睡眠呼吸暂停的严重程度分类性能	在低通气事件为主的参与者中分类错误较多	开发一种自动检测睡眠呼吸暂停/低通气事件并确定阻塞性睡眠呼吸暂停临床严重程度的方法	睡眠呼吸暂停/低通气事件和阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图(PSG)	Xception网络	生理信号(呼吸流量、血氧饱和度、心电图)和人口统计数据	NA