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
1141	2025-10-07	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	研究论文	提出DeepSPT深度学习框架，用于自动分析细胞内颗粒的扩散行为与功能关联	首个能够仅通过扩散行为自动提取亚细胞功能信息的深度学习框架	NA	开发自动化工具来关联亚细胞颗粒扩散行为与生物学功能	病毒感染的早期事件、内体细胞器、网格蛋白包被小窝和囊泡	计算机视觉	病毒感染	光学显微镜，单颗粒追踪	深度学习	2D/3D时间序列图像	NA	NA	NA	准确率	NA
1142	2025-10-07	Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing 2024-Dec, AI (Basel, Switzerland) DOI:10.3390/ai5040131 PMID:40351335	研究论文	通过Fitbit生物信号监测物质使用行为，探索使用自监督学习增强的个性化CNN模型在物质使用检测中的可行性	采用参与者特定的卷积神经网络结合自监督学习来解决个体间数据异质性问题，在有限标签条件下改进个性化特征提取	样本量较小（仅9名参与者），限制了研究结果在不同人群中的普适性	开发基于可穿戴设备生物信号的物质使用检测数字健康解决方案	物质使用障碍患者	机器学习	物质使用障碍	被动传感，生态瞬时评估	CNN	生物信号数据	9名参与者	NA	1D-CNN	AUC, 敏感度, 特异度	NA
1143	2025-10-07	Early Multimodal Data Integration for Data-Driven Medical Research - A Scoping Review 2024-08-30, Studies in health technology and informatics DOI:10.3233/SHTI240837 PMID:39234706	综述	本文通过范围综述分析了2019-2024年间21篇关于早期多模态数据整合方法的文献	将早期多模态数据整合方法分为四类并总结了各类特征，提出了方法选择的关键考量因素	仅关注结构整合方法，未系统比较早期与晚期整合方法	探索数据驱动医学研究中早期多模态数据整合方法的应用现状	21篇关于早期多模态数据整合方法的综述文献	机器学习	NA	多模态数据整合	深度学习	多模态医学数据	21篇综述文献	NA	NA	NA	NA
1144	2025-10-07	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Jun-23, ArXiv PMID:39398214	研究论文	开发用于腹水自动分割和体积量化的深度学习模型	首次提出基于深度学习的腹水自动分割和体积量化方法，并在多中心数据上验证其性能	回顾性研究，数据来源于特定患者群体（肝硬化和卵巢癌患者）	评估深度学习模型在检测腹水并量化其体积方面的性能	肝硬化腹水患者和卵巢癌患者	医学影像分析	肝硬化和卵巢癌	CT扫描	深度学习分割模型	腹部盆腔CT图像	训练集：143名女性患者（TCGA卵巢癌数据集）；测试集：NIH-LC（25例）、NIH-OV（166例）、UofW-LC（124例）	NA	NA	Dice系数, 体积估计误差, 决定系数(r²)	NA
1145	2025-10-07	DEEP IMAGE PRIOR WITH STRUCTURED SPARSITY (DISCUS) FOR DYNAMIC MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635579 PMID:40352104	研究论文	提出一种基于结构化稀疏深度图像先验的自监督动态MRI重建方法DISCUS	在深度图像先验基础上引入帧特定代码向量的组稀疏约束，无需预先指定流形维度即可发现描述时间变化的低维流形	未提及方法在大规模临床数据上的验证结果	解决动态MRI中高质量训练数据不足时的图像重建问题	动态MRI图像序列	医学影像处理	心血管疾病	动态MRI，晚期钆增强(LGE)	深度学习	医学影像	5例患者的回顾性欠采样单次激发LGE数据	NA	深度图像先验(DIP)	NA	NA
1146	2025-10-07	Lossless compression-based detection of osteoporosis using bone X-ray imaging 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230238 PMID:38393881	研究论文	提出一种基于深度学习和无损压缩的骨质疏松检测方法，通过骨X射线图像区分骨质疏松患者与健康个体	通过分离感兴趣区域和非感兴趣区域减少数据冗余，并增强空间和统计特征	NA	改进基于骨X射线图像的骨质疏松诊断方法	骨质疏松患者和健康个体的骨X射线图像	计算机视觉	骨质疏松症	X射线成像	SVM	图像	NA	NA	NA	AUC	NA
1147	2025-10-07	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出一种结合Transformer和CNN的双并行编码器神经网络DUNETR，用于冠状动脉CTA图像分割	首次将Transformer和CNN作为双并行编码器集成到分割网络中，通过NRFF模块融合全局和局部特征	NA	提高冠状动脉CTA图像分割的准确性和效率	冠状动脉CTA图像	计算机视觉	心血管疾病	计算机断层扫描血管成像(CTA)	CNN, Transformer	三维医学图像	NA	NA	U-Net, Transformer, DUNETR	Dice相似系数, 召回率	NA
1148	2025-10-07	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	研究论文	开发了一种基于深度学习的全自动方法，用于量化胸主动脉的三维几何结构参数	首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动的主动脉几何表型提取方法	研究主要基于两个生物银行的数据，可能受到数据来源的限制	量化胸主动脉的三维几何结构，研究主动脉结构与心血管健康的关系	英国生物银行54,241名参与者和宾夕法尼亚医学生物银行8,456名参与者的影像扫描数据	医学影像分析	心血管疾病	医学影像分割，形态学图像处理	深度学习架构	医学影像扫描数据	英国生物银行54,241人，宾夕法尼亚医学生物银行8,456人	NA	NA	NA	NA
1149	2025-10-07	Leveraging Large Language Models for Knowledge-free Weak Supervision in Clinical Natural Language Processing 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4559971/v1 PMID:38978609	研究论文	提出一种利用大语言模型进行无领域知识弱监督的方法，用于临床自然语言处理任务	通过微调LLM生成弱标注数据训练下游BERT模型，在几乎无需领域知识的情况下实现优越性能	LLM推理计算量较大	解决临床自然语言处理中标注数据稀缺的问题	临床文本数据	自然语言处理	NA	弱监督学习, 上下文学习	LLM, BERT	文本	三个n2c2数据集，不超过10-50个黄金标注病历	NA	Llama2-13B, PubMedBERT, BERT	F1分数	NA
1150	2025-10-07	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	评估超分辨率深度学习重建在冠状动脉CT血管造影中对图像质量和支架锐度的改善效果	首次将超分辨率深度学习重建技术应用于冠状动脉CT血管造影，显著提升支架锐度评估	回顾性研究，样本量有限（66例患者），单中心数据	比较不同图像重建算法对冠状动脉CT血管造影图像质量和支架锐度的影响	冠状动脉CT血管造影图像和冠状动脉支架	医学影像分析	心血管疾病	冠状动脉CT血管造影	深度学习	医学影像	66例冠状动脉CT血管造影患者	NA	超分辨率深度学习重建	图像噪声, 信噪比, 对比噪声比, 边缘上升斜率, 边缘上升距离, 5分制定性评分	NA
1151	2025-05-13	Leverage Weakly Annotation to Pixel-wise Annotation via Zero-shot Segment Anything Model for Molecular-empowered Learning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006577 PMID:40343078	research paper	该研究探讨了利用零样本学习的Segment Anything Model（SAM）从弱标注生成像素级标注，以降低病理图像分割的标注成本	提出SAM辅助的分子赋能学习（SAM-L），仅需弱框标注即可训练分割模型，减少非专业标注者的工作量	未明确说明SAM在不同细胞类型上的泛化能力及对IF图像依赖程度的影响	开发无需像素级标注的病理图像分割方法	高分辨率千兆像素全切片图像（WSI）中的多类细胞	digital pathology	NA	immunofluorescence（IF）成像，零样本学习	Segment Anything Model（SAM）	病理图像	NA	NA	NA	NA	NA
1152	2025-05-13	High-performance Data Management for Whole Slide Image Analysis in Digital Pathology 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006273 PMID:40343079	研究论文	本文介绍了一种针对数字病理学中全切片图像分析的高性能数据管理方法，使用ADIOS2系统优化数据访问和处理	首次在数字病理学领域应用ADIOS2系统，并开发了针对性的数据管理流程，显著提升了数据处理效率	仅针对特定两种场景(CPU和GPU)进行了性能评估，未涵盖更多可能的计算环境	解决数字病理学中全切片图像分析时的数据输入输出瓶颈问题	全切片图像(WSI)的数据管理流程	数字病理学	NA	ADIOS2数据管理系统	NA	图像	NA	NA	NA	NA	NA
1153	2025-05-12	EEG Emotion Recognition Based on 3D-CTransNet 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/EMBC53108.2024.10782401 PMID:40031451	research paper	提出了一种基于3D-CTransNet的EEG情绪识别方法，用于解决传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题	采用混合CNN-Transformer结构（3D-CTransNet），引入自注意力机制和平行模式，提高了识别精度和处理速度	未提及具体局限性	改进脑机接口深度学习模型，提升EEG信号中复杂特征的识别能力	EEG信号	脑机接口	NA	EEG信号处理	CNN-Transformer混合结构（3D-CTransNet）	3D数据	公共数据集DEAP	NA	NA	NA	NA
1154	2025-05-12	An Attention-Based Hybrid Deep Learning Approach for Patient-Specific, Cross-Patient, and Patient-Independent Seizure Detection 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/EMBC53108.2024.10782346 PMID:40031456	研究论文	提出了一种基于注意力机制的混合深度学习方法，用于患者特异性、跨患者和患者独立的癫痫发作检测	结合1D CNN、MLSTM和多注意力层（MAT）的混合深度学习框架，能够同时提取空间和时间特征，并进行特征融合	方法在临床应用中可能面临新患者数据适应性的挑战	开发一种适用于不同患者群体的自动癫痫发作检测方法	癫痫患者的EEG数据	机器学习	癫痫	EEG信号分析	1D CNN, MLSTM, 多注意力层（MAT）	EEG信号数据	CHB-MIT EEG数据集	NA	NA	NA	NA
1155	2025-05-12	Multi-dataset Collaborative Learning for Liver Tumor Segmentation 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/EMBC53108.2024.10781844 PMID:40031465	研究论文	提出一种利用外部公开数据集进行MRI肝脏和肿瘤分割的多数据集协作学习方法	采用伪标签、非配对图像到图像转换和自集成学习技术，显著提升了肝脏和肿瘤分割的性能	依赖于外部数据集的可用性，且未明确说明数据集的规模和多样性	提高MRI肝脏和肿瘤自动分割的准确性和鲁棒性	MRI肝脏和肿瘤图像	数字病理	肝癌	伪标签、非配对图像到图像转换、自集成学习	nnU-Net	MRI图像	NA	NA	NA	NA	NA
1156	2025-05-12	EEG-Based Tension Recognition Annotated with Electrodermal Activity 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/EMBC53108.2024.10782145 PMID:40031475	research paper	提出了一种通过整合皮肤电活动（EDA）和脑电图（EEG）数据来精确标注情绪的新方法	利用EDA作为情绪唤醒的心理生理标记，为EEG数据提供高唤醒和低唤醒的精确标注	现有标注方法通常为整个视频分配统一标签，忽略了观看过程中受试者情绪唤醒的变化	提高情绪EEG数据集的标注精确度，增强情绪识别的准确性	情绪EEG数据集	machine learning	NA	electrodermal activity (EDA), EEG	machine learning, deep learning	EEG数据	初始训练集中的71.75%数据	NA	NA	NA	NA
1157	2025-05-12	Channel Stacking: A Rapid Classification Method for Parkinson's Disease Based on EEG Data 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/EMBC53108.2024.10782619 PMID:40031483	research paper	本文介绍了一种名为'通道堆叠'的技术，用于基于脑电图数据准确识别帕金森病	提出'通道堆叠'技术，结合多通道信息为模型准备输入信号，使深度学习架构能高效捕获跨通道信息	NA	开发一种快速分类方法，用于帕金森病的准确识别	帕金森病患者	machine learning	帕金森病	EEG	ResNet18	EEG信号	NA	NA	NA	NA	NA
1158	2025-05-12	RTA-Former: Reverse Transformer Attention for Polyp Segmentation 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/EMBC53108.2024.10782181 PMID:40031481	研究论文	本文提出了一种名为RTA-Former的新型网络，用于提高息肉分割的边缘准确性	创新性地在解码器中采用了反向注意力机制与Transformer阶段相结合的方法	未提及具体的局限性	提高基于Transformer的息肉分割准确性，以改善临床决策和患者结果	息肉分割	计算机视觉	结直肠癌	深度学习	Transformer, RTA-Former	图像	五个息肉分割数据集	NA	NA	NA	NA
1159	2025-05-12	Automated Basilar Artery Lumen Segmentation for High Resolution in Black Blood 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/EMBC53108.2024.10781514 PMID:40031485	研究论文	开发了一种自动图像分割技术，用于在基底动脉的黑血MR血管壁图像中检测管腔和壁边界	利用Detectron2/Mask RCNN深度学习模型实现基底动脉管腔和壁的自动分割，通过迁移学习有效标记薄血管结构	研究数据集较小，仅包含26个MRI扫描	开发自动化图像分割技术以评估基底动脉疾病的管腔形状和壁厚	基底动脉的管腔和壁	数字病理学	脑血管疾病	黑血MR血管壁成像	Detectron2/Mask RCNN	MRI图像	26个MRI扫描（20个用于训练，6个用于测试），169个基底动脉横截面图像	NA	NA	NA	NA
1160	2025-05-12	Via Multi-attention Guided UNet for Thyroid Nodule Segmentation of Ultrasound Images 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/EMBC53108.2024.10782780 PMID:40031497	research paper	提出了一种多注意力引导的UNet（MAUNet）用于甲状腺结节超声图像分割	引入了多尺度交叉注意力（MSCA）模块和双注意力（DA）模块，减少了结节形状和大小对分割结果的影响	未提及具体的数据集大小或多样性限制	提高甲状腺结节超声图像分割的准确性	甲状腺结节超声图像	computer vision	thyroid disease	deep learning	UNet with multi-attention modules	ultrasound images	多中心超声图像，来自17家医院	NA	NA	NA	NA