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
1	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
2	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
3	2025-04-02	Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2023.12.013 PMID:38154150	研究论文	一项为期两年的前瞻性队列研究，利用智能手表、深度学习和可解释的人工智能模型预测恐慌发作及焦虑状态	首次结合智能手表数据、深度学习和可解释AI方法预测恐慌发作及焦虑状态，并识别关键影响因素	样本量中等且依赖自评问卷	预测恐慌发作(PA)、状态焦虑(SA)、特质焦虑(TA)和恐慌障碍严重程度(PDS)	114名恐慌障碍(PD)患者	机器学习	恐慌障碍	RNN, LSTM, GRU深度学习模型及SHAP可解释方法	LSTM	可穿戴设备记录的睡眠、体力活动和心率数据，以及临床问卷数据	114名PD患者，数据收集时间为2020年6月16日至2022年6月10日
4	2025-03-29	Taxonomy of hybridly polarized Stokes vortex beams 2024-Feb-26, Optics express IF:3.2Q2 DOI:10.1364/OE.512409 PMID:38439421	研究论文	本文提出了一种结合深度学习的广义衍射斯托克斯偏振法，用于高效识别斯托克斯奇异光束	利用深度学习框架结合衍射斯托克斯偏振法，解决了混合偏振斯托克斯涡旋光束的识别难题，分类准确率达到98.67%	实验中的噪声因素如相对相位、振幅和偏振差异以及光束波动增加了识别过程的复杂性	研究混合偏振斯托克斯涡旋光束的分类与识别方法	15类基于斯托克斯奇点类型及其相关模式指数的光束	光学	NA	深度学习辅助的斯托克斯偏振法	深度神经网络	光学衍射图像	15类光束
5	2025-03-22	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	本文开发并验证了一种基于深度学习的自动分割模型，用于肺癌放疗中的心脏亚结构分割，以减少辐射诱发心脏病的风险	使用nnU-Net模型对心脏亚结构进行自动分割，特别是包括冠状动脉的分割，这在以往的研究中较为少见	冠状动脉的分割效果相对较差（DSC为0.60），且样本量较小（100例训练数据，42例独立验证数据）	开发并验证一种深度学习模型，用于肺癌放疗中心脏亚结构的自动分割，以减少辐射诱发心脏病的风险	非小细胞肺癌患者的19个心脏亚结构（包括整个心脏、4个心腔、6个大血管、4个瓣膜和4条冠状动脉）	数字病理	肺癌	深度学习	nnU-Net	医学影像	100例患者用于训练和验证，42例患者用于独立评估
6	2025-03-18	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	本文开发了一种全自动深度学习软件，用于在无症状成年患者群体中检测和评估CT扫描中的腹主动脉瘤	使用全自动深度学习模型进行腹主动脉瘤的检测和评估，并在大规模无症状患者群体中进行了外部验证	研究仅基于CT结肠造影扫描数据，未涉及其他类型的CT扫描	开发并验证一种全自动深度学习软件，用于检测和评估腹主动脉瘤	无症状成年患者群体	数字病理学	心血管疾病	深度学习	深度学习模型	CT扫描图像	9172名无症状门诊患者
7	2025-03-14	A new computer-aided diagnosis tool based on deep learning methods for automatic detection of retinal disorders from OCT images 2024-Feb-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03033-9 PMID:38396074	研究论文	本文介绍了一种基于深度学习的计算机辅助诊断工具，用于从OCT图像中自动检测视网膜疾病	通过嵌入眼科医生的解释和医学描述中的丰富语义信息，提高了深度神经网络的解释性，克服了其模糊和黑箱性质	研究仅使用了UCSD数据集的一个小子集进行训练，可能限制了模型的泛化能力	开发一种可靠的计算机辅助诊断软件，用于早期检测视网膜疾病，防止视力丧失	视网膜疾病	计算机视觉	视网膜疾病	深度学习	深度神经网络	图像	29,800张OCT图像
8	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，用于识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	未提及具体样本数量
9	2025-03-12	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	本文利用去噪扩散模型生成反事实MRI图像，以检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型（LDM）和去噪扩散概率模型（DDPM）应用于生成合成MRI图像，并通过反事实图像生成个性化疾病图谱	训练数据集大小、计算时间和内存资源的限制	研究阿尔茨海默病对大脑解剖结构的影响，并生成可解释的AI图谱	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	去噪扩散模型	条件潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）、3D CNN	3D T1加权MRI图像	500个真实训练扫描
10	2025-03-11	A novel deep learning model for diabetic retinopathy detection in retinal fundus images using pre-trained CNN and HWBLSTM 2024-Feb-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2314269 PMID:38373067	研究论文	本文提出了一种新的深度学习模型，用于通过视网膜眼底图像检测糖尿病视网膜病变，结合了预训练的CNN和HWBLSTM	创新点在于结合了He加权双向长短期记忆网络（HWBLSTM）和有效的迁移学习技术，用于从视网膜眼底图像中检测糖尿病视网膜病变	未明确提及研究的局限性	研究目的是开发一种深度学习方法来准确检测和分类糖尿病视网膜病变	研究对象是糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习、迁移学习、图像预处理、图像分割、特征提取、降维	CNN、HWBLSTM	图像	使用了APTOS和MESSIDOR数据集
11	2025-03-09	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本文提出了一种基于肿瘤掩码条件的3D多对比脑肿瘤MRI合成方法，以解决医学图像数据稀缺和不平衡的问题	将2D潜在扩散模型调整为生成3D多对比脑肿瘤MRI数据，并引入肿瘤掩码作为条件，生成高质量且多样化的样本	未提及模型在临床环境中的实际应用效果或生成样本的临床验证	解决脑肿瘤MRI数据稀缺问题，提升深度学习模型的训练数据可用性	脑肿瘤MRI数据	计算机视觉	脑肿瘤	3D潜在扩散模型	3D自编码器、条件3D扩散概率模型（DPM）	3D多对比MRI图像	两个数据集：TCGA公共数据集和UTSW内部数据集
12	2025-03-08	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	本文提出了一种新的集成深度学习网络模型（EDLNet），用于自动脑肿瘤分类和分割	提出了一种新的集成深度学习网络模型（EDLNet），结合了改进的Faster RCNN方法和深度循环卷积神经网络（DRCNN），用于脑肿瘤的早期分类和分割	未提及具体局限性	开发一种高效的深度学习模型，用于脑肿瘤的自动分类和分割	脑MRI扫描图像	数字病理学	脑肿瘤	深度学习	EDLNet（集成深度学习网络模型），改进的Faster RCNN，DRCNN（深度循环卷积神经网络）	图像（MRI扫描图像）	两个公开数据集（D1和D2），具体样本数量未提及
13	2025-03-08	Intelligent deep learning-based disease monitoring system in 5G network using multi-disease big data 2024-Feb-09, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2310785 PMID:38334127	研究论文	本文提出了一种基于深度学习的智能疾病监测系统，利用5G网络和多疾病大数据进行疾病预测和分类	提出了一种改进的基于捕食者存在概率的松鼠搜索-萤火虫群优化算法（MPPP-SSGSO）来优化模型参数，并采用集成增强模型和模糊分类器进行疾病预测和分类	未提及具体的数据来源和样本多样性，可能限制了模型的泛化能力	开发一种高效的疾病监测系统，以降低死亡率并提高疾病预测的准确性	患者的多疾病大数据	机器学习	多疾病	1D-CNN, AdaBoost, XGBoost, CatBoost, 模糊分类器	1D-CNN, 集成增强模型, 模糊分类器	多疾病大数据	未明确提及样本数量
14	2025-03-05	Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan 2024-Feb-29, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00525-9 PMID:38424598	研究论文	本文提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并报告了性能指标和成年期内的变化	提出了三种深度学习模型，用于从常见的解剖MRI数据中分割脉络丛，并提供了跨成年期的脉络丛体积变化示例	样本量相对较小（n=50），且主要关注成年期内的变化，未涵盖更广泛的人群	改进和验证脉络丛体积的量化方法，以更好地研究其在神经退行性疾病中的作用	成年期内的控制组和神经退行性疾病参与者的脉络丛	医学影像分析	神经退行性疾病	深度学习	全卷积神经网络（FCN）	3D T1加权、3D T2加权和2D T2加权FLAIR MRI图像	50名参与者（年龄21-85岁）用于训练和验证，98名成年控制组（年龄21-89岁）用于扩展队列
15	2025-03-05	Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan 2024-Feb-13, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00516-w PMID:38350930	研究论文	本文提出了一种深度学习架构，用于自动分割脑周窦结构，如蛛网膜颗粒和旁矢状硬膜空间，通过3D T2加权非对比MRI图像进行验证，并提供了这些结构在成人生命周期中的规范范围	开发了一种新的深度学习架构，首次实现了对脑周窦结构的自动分割，无需外源性对比剂和手动描绘	研究依赖于特定类型的MRI图像（3D T2加权非对比MRI），可能限制了方法的广泛应用	开发并验证一种自动化工具，用于量化脑周窦结构的体积，以研究神经流体循环功能障碍	脑周窦结构，包括蛛网膜颗粒和旁矢状硬膜空间	数字病理学	NA	3D T2加权非对比MRI	3D全卷积神经网络	图像	80例用于验证，1,872例健康参与者用于提供生命周期中的规范范围
16	2025-03-05	Enhancing Hierarchical Transformers for Whole Brain Segmentation with Intracranial Measurements Integration 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009084 PMID:39220623	研究论文	本文提出了一种增强的分层Transformer模型UNesT，用于全脑分割，并整合颅内测量，以提高脑结构分析的全面性	通过增强现有的分层Transformer模型UNesT，实现了同时分割133个全脑类别和颅内测量（TICV/PFV），解决了数据稀缺问题	数据可用性受限，手动注释的全脑和TICV/PFV标签的图谱有限	提高全脑分割的全面性，整合颅内测量	全脑分割和颅内测量（TICV/PFV）	计算机视觉	NA	磁共振成像（MRI）	分层Transformer UNesT	3D T1加权（T1w）图像	预训练使用4859个T1w 3D体积，微调使用45个T1w 3D体积
17	2025-03-04	Spatiotemporal profiling defines persistence and resistance dynamics during targeted treatment of melanoma 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.02.577085 PMID:38370717	研究论文	本文通过空间转录组学和深度学习技术，研究了BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性动态	利用空间转录组学捕捉克隆谱系演化，结合深度学习分析组织病理学切片，揭示了黑色素瘤治疗中的状态变化和谱系选择	研究主要基于患者来源的异种移植模型，可能无法完全反映人体内的复杂环境	研究BRAF突变黑色素瘤在靶向治疗中的持久性和耐药性机制	BRAF突变黑色素瘤细胞	数字病理学	黑色素瘤	空间转录组学，深度学习	深度学习	转录组数据，组织病理学图像	患者来源的异种移植模型
18	2025-02-24	NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans 2024-Feb-20, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05973-8 PMID:38376564	研究论文	本研究评估了nnU-Net在对比增强T1（T1CE）图像中分割大脑、皮肤、肿瘤和脑室的性能，并与现有的网格生长算法（MGA）进行了对比	nnU-Net在分割大脑、皮肤、肿瘤和脑室方面显著优于MGA，且速度更快，减少了手动调整和迭代的需求	训练集规模较小，可能影响模型的泛化能力	评估nnU-Net在神经外科3D图像分割中的性能	对比增强T1（T1CE）图像中的大脑、皮肤、肿瘤和脑室	计算机视觉	神经外科疾病	对比增强T1 MRI扫描	nnU-Net	3D图像	67个用于训练的T1CE脑部扫描和32个用于测试的扫描
19	2025-02-24	Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients 2024-Feb-07, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05940-3 PMID:38321344	研究论文	本研究评估了AI辅助的脑脊液分流阀检测系统在神经外科中的可行性	使用深度学习模型自动识别X射线或CT图像中的不同分流阀模型，提高识别速度和准确性	数据集仅包含2070张图像，可能不足以涵盖所有分流阀类型	评估AI辅助分流阀检测系统在神经外科中的可行性	脑脊液分流阀	计算机视觉	脑积水	深度学习	CNN	图像	2070张X射线或CT图像，涵盖10种不同的分流阀类型
20	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像