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
1741	2025-05-12	Focused State Recognition Using EEG with Eye Movement-Assisted Annotation 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/EMBC53108.2024.10781939 PMID:40040215	研究论文	利用EEG和眼动信号通过深度学习模型识别和分析大脑活动，特别是专注状态	提出了一种结合眼动信号和EEG特征的专注状态标注方法，并通过Transformer模型实现了高准确率	未提及样本多样性或跨文化适用性，可能影响模型的泛化能力	通过EEG和眼动信号识别专注状态，提高大脑活动分类的准确性	EEG和眼动信号	机器学习	NA	EEG和眼动信号分析	Transformer	EEG信号和眼动信号	未明确提及具体样本数量，但进行了主体依赖和跨主体实验	NA	NA	NA	NA
1742	2025-05-12	Exploring Schizophrenia Classification in fMRI Data: A Common Spatial Patterns(CSP) Approach for Enhanced Feature Extraction and Classification 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/EMBC53108.2024.10782387 PMID:40040201	研究论文	本研究探讨了在静息态功能磁共振成像（rs-fMRI）数据中应用共同空间模式（CSP）方法进行精神分裂症分类的新方法	首次将主要用于脑电图（EEG）信号处理的CSP方法应用于fMRI数据集，并验证其在rs-fMRI中的有效性	仅比较了CSP与PCA等有限方法，未涉及更多先进的深度学习模型	探索CSP方法在rs-fMRI数据分析中的应用潜力，提高精神分裂症分类的准确性	精神分裂症患者和健康对照组的rs-fMRI数据	医学影像分析	精神分裂症	rs-fMRI, CSP, PCA	CSP, PCA	功能磁共振成像时间序列数据	包含患者和对照组两个主要类别的样本（具体数量未提及）	NA	NA	NA	NA
1743	2025-05-12	MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61869-8 PMID:38750148	研究论文	本研究开发了一种基于深度学习的MRI-only方法，用于质子治疗中的质量密度和相对阻止本领估计	首次提出结合深度学习的MRI-only方法，直接从MRI图像估计质量密度和相对阻止本领，避免了额外成像的需求	研究为初步研究，样本量有限，仅使用幻影和动物组织进行验证	开发质子治疗计划中直接从MRI图像估计质量密度和相对阻止本领的方法	五种组织替代幻影(皮肤、肌肉、脂肪组织、45%羟基磷灰石和海绵骨)和两种动物组织幻影(猪脑和猪肝)	医学影像分析	肿瘤治疗	深度学习、MRI成像(包括T1、T2和ZTE扫描)	深度学习模型	MRI图像	五种组织替代幻影和两种动物组织幻影	NA	NA	NA	NA
1744	2025-05-12	An Update on the Use of Artificial Intelligence in Digital Pathology for Oral Epithelial Dysplasia Research 2024-May-10, Head and neck pathology DOI:10.1007/s12105-024-01643-4 PMID:38727841	综述	本文回顾了人工智能在数字病理学中用于口腔上皮异型增生（OED）诊断的最新进展	总结了AI在OED诊断、分级和恶性转化预测中的应用，强调了深度学习卷积神经网络的使用	研究局限于常规光学显微镜图像，排除了其他成像方式，且需要更多关于泛化性、可解释决策和预后预测的支持性研究	探讨人工智能在数字病理学中用于OED诊断的当前进展	口腔上皮异型增生（OED）	数字病理学	口腔鳞状细胞癌（OSCC）	深度学习（DL）、机器学习（ML）	CNN	图像	24项研究	NA	NA	NA	NA
1745	2025-05-12	Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm 2024-Apr-26, Research square DOI:10.21203/rs.3.rs-4215086/v1 PMID:38746169	research paper	该论文提出了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性	Seq2Symm利用ESM2模型，在预测蛋白质同源寡聚体对称性方面优于现有的基于模板和深度学习方法	论文未明确提及具体局限性	开发能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	蛋白质同源寡聚体的对称性	machine learning	NA	ESM-MSA, ESM2, RoseTTAFold2	Seq2Symm (基于ESM2)	protein sequences	5个完整蛋白质组和约350万个未标记蛋白质序列	NA	NA	NA	NA
1746	2025-10-07	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	利用去噪扩散模型生成反事实MRI图像，用于阿尔茨海默病的可解释效应检测	首次将条件潜在扩散模型和去噪扩散概率模型应用于神经影像数据，生成个体水平的反事实MRI图像并创建个性化疾病图谱	训练数据集规模有限，计算时间和内存资源受限	开发可解释的AI方法检测阿尔茨海默病对大脑解剖结构的影响	阿尔茨海默病患者和健康受试者的大脑MRI扫描	医学影像分析	阿尔茨海默病	3D T1加权MRI扫描	LDM, DDPM, CNN	3D MRI图像	500个真实训练扫描	NA	潜在扩散模型, 去噪扩散概率模型, 3D CNN	真实性评估, 多样性评估, 分类准确率	NA
1747	2025-10-07	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	提出结合影像组学和深度学习的框架，用于术前自动识别肾脏结石类型	首次将三维卷积神经网络浅层提取的影像组学特征与深层特征融合，并采用LASSO正则化和LightGBM进行结石分类	准确率为84.5%仍有提升空间，未提及模型在其他数据集上的泛化能力	实现肾脏结石类型的术前自动高精度分类	感染性和非感染性肾脏结石	计算机视觉	肾脏疾病	影像组学分析	CNN, LightGBM	三维医学影像	NA	NA	三维卷积神经网络	准确率	NA
1748	2025-10-07	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	研究论文	提出一种轻量级扩张并行卷积U-Net和知识蒸馏策略用于心脏磁共振图像分割	提出轻量级DPU-Net网络结构和多尺度适应向量知识蒸馏策略，通过独特的卷积通道变化方式减少参数数量	NA	解决深度学习网络在心脏MRI图像分割中参数过多和计算量大的问题	心脏磁共振图像	医学图像分割	心血管疾病	心脏磁共振成像	U-Net, CNN	医学图像	自动心脏诊断挑战赛公共数据集	NA	DPU-Net, U-Net, 残差块, 扩张卷积	Dice系数	NA
1749	2025-10-07	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	综述	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用进展	系统总结了胃肿瘤相关的计算机辅助诊断系统和多模态算法，并指出了当前深度学习方法存在的问题	未涉及具体实验验证和性能对比分析	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	计算机视觉	胃癌	内镜检查	深度学习	内镜图像	NA	NA	NA	NA	NA
1750	2025-10-07	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	提出基于深度学习的多标签风险因素识别框架，用于自动识别建筑工地的材料和人为风险因素	开发了能够同时识别多种材料和人为风险因素的多标签识别框架，并分析了模型决策过程	模型在视觉模糊情况下识别困难，且存在对透视场景中邻近物体的过度关注倾向	开发自动识别建筑工地多种安全风险因素的深度学习模型，用于预防性安全管理	建筑工地的材料和人为安全风险因素	计算机视觉	NA	深度学习	CNN	图像	14,605个八类材料和人为风险因素实例	NA	NA	F1分数, 汉明损失	NA
1751	2025-10-07	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	综述	本文通过系统综述分析了人工智能在医学诊断中的应用挑战与可能性	系统分析了不同类型AI在医学诊断中的地理分布、实施挑战和发展趋势	仅纳入2019-2024年的24项研究，样本量有限	分析AI在医学诊断中的地理分布、实施挑战和潜在机会	医学诊断中的人工智能应用	机器学习	NA	系统综述	深度学习, 机器学习	多模态数据	24项研究	NA	NA	诊断准确性, 临床可预测性, 处理效率	NA
1752	2025-10-07	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本研究开发了首个基于深度学习的循环游离DNA胎儿基因分型框架，用于无创产前单基因病检测	首次将深度学习应用于cfDNA胎儿基因分型，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息	NA	开发基于深度学习的无创产前单基因病检测方法	孕妇血浆中的循环游离DNA	数字病理	单基因遗传病	超深度全基因组测序	深度学习	基因组测序数据	NA	NA	深度神经网络	突变检测准确性	NA
1753	2025-10-07	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	评估深度学习重建算法结合智能金属伪影减少技术对危重患者上腹部CT图像质量的改善效果	首次将深度学习重建算法与智能金属伪影减少技术结合应用于无法抬臂且需心电图监测的危重患者腹部CT成像	回顾性研究设计，样本量相对有限（102例患者），未评估对诊断准确性的影响	改善危重患者上腹部CT图像质量，特别是减少金属伪影和图像噪声	102例无法抬臂且需心电图监测的危重患者	医学影像处理	危重疾病	CT成像，智能金属伪影减少技术	深度学习重建算法	CT图像	102例危重患者	NA	NA	CT值，噪声，信噪比，对比噪声比，5分制定性评分	NA
1754	2025-10-07	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究通过优化ISDra2 TnpB系统并开发深度学习预测模型，实现了高效的基因组编辑	开发了增强型TnpBmax系统使编辑效率提高4.4倍，创建了K76突变变体扩展靶向范围，并建立了深度学习模型TEEP预测ωRNA活性	NA	开发更紧凑高效的基因组编辑工具用于研究和治疗	哺乳动物细胞、小鼠肝脏和大脑	机器学习	NA	基因组编辑、深度学习	深度学习模型	基因组编辑效率数据	10,211个靶位点的编辑效率数据集	NA	TEEP（TnpB编辑效率预测器）	相关系数r>0.8，编辑效率（小鼠肝脏75.3%，大脑65.9%）	NA
1755	2025-10-07	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	提出一种基于增强堆叠自编码器和优化深度神经网络的干眼病预测方法	将混沌映射融入特征选择，使用SLSTM-STSA提升分类精度，并采用增强量子细菌觅食优化算法的自适应量子旋转进行优化	NA	开发高效的干眼病早期诊断方法	干眼病患者数据	机器学习	干眼病	深度学习	堆叠自编码器,深度神经网络	医学特征数据	NA	NA	增强堆叠自编码器,优化深度神经网络	准确率	NA
1756	2025-10-07	Automated analysis of fetal heart rate baseline/acceleration/deceleration using MTU-Net3 + model 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00388-x PMID:39220035	研究论文	本研究提出MTU-Net3+深度学习模型，用于自动化分析胎儿心率信号的基线、加速和减速	在UNet3+架构基础上集成自注意力机制和双向LSTM层，实现多任务胎儿心率分析	模型在公开数据集和私有数据集上表现存在差异，私有数据集性能更优	提高胎儿心率分析的诊断准确性和效率	胎儿心率信号	医疗人工智能	胎儿健康评估	深度学习	UNet3+, LSTM	胎儿心率信号	公开数据库子集和私有数据库	NA	UNet3+ with self-attention and bidirectional LSTM	F1-score, RMSD, D15bpm, SI, MADI	NA
1757	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）	NA	NA	NA	NA
1758	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）	NA	NA	NA	NA
1759	2025-10-07	Unsupervised inter-domain transformation for virtually stained high-resolution mid-infrared photoacoustic microscopy using explainable deep learning 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55262-2 PMID:39738110	研究论文	提出一种基于可解释深度学习的无监督跨域转换方法，将低分辨率中红外光声显微镜图像转换为类共聚焦荧光染色的高分辨率图像	首次将可解释深度学习应用于中红外光声显微镜图像的无监督跨域转换，通过添加显著性约束提高转换过程的稳定性和可靠性	方法在培养的人类心脏成纤维细胞上验证，尚未在其他细胞类型或组织上测试	实现无需标记的高分辨率双工细胞成像	人类心脏成纤维细胞的细胞核和丝状肌动蛋白	计算机视觉	心血管疾病	中红外光声显微镜，共聚焦荧光显微镜	GAN	图像	NA	NA	生成对抗网络	显著性相似度	NA
1760	2025-10-07	The Theranostic Genome 2024-12-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55291-x PMID:39738156	研究论文	本文提出“诊疗基因组”概念，通过深度学习混合人机流程整合多源生物医学数据库，识别可用于癌症诊疗一体化的基因靶点和先导化合物	首次定义“诊疗基因组”概念，开发深度学习混合人机流程整合多源生物医学数据库，实现基因与诊疗化合物的系统关联	NA	克服诊疗药物开发中的瓶颈，促进精准医学发展	人类基因组中可用于诊疗应用的基因表达数据	生物信息学	癌症	RNA测序，深度学习	深度学习	基因组数据，文献数据，数据库记录	超过17,000个人类组织样本	NA	NA	NA	NA