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
21	2025-05-02	Fetal Ultrasound Segmentation and Measurements Using Appearance and Shape Prior Based Density Regression with Deep CNN and Robust Ellipse Fitting 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00908-8 PMID:38343234	研究论文	本文提出了一种基于深度学习和鲁棒椭圆拟合的自动密度回归方法，用于胎儿超声图像的分割和测量	结合外观和形状先验的深度学习方法（DR-ASPnet）以及鲁棒椭圆拟合技术，提高了分割和测量的准确性	未提及具体的数据集规模限制或模型在其他数据集上的泛化能力	提高胎儿超声图像中头部结构的分割和头围测量的准确性	胎儿头部结构（FH）和头围（HC）	计算机视觉	胎儿生长异常	深度学习、鲁棒椭圆拟合	CNN、HDR-DCNN	超声图像	HC18数据集
22	2025-05-02	Pulmonary Nodule Classification Using a Multiview Residual Selective Kernel Network 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00928-4 PMID:38343233	研究论文	本研究提出了一种基于多视角残差选择性核网络（MRSKNet）的肺结节分类方法，旨在提高计算机辅助诊断（CAD）系统对恶性肺结节的预测准确性	结合残差学习和选择性核，设计了一种高效的残差选择性核（RSK）块来处理肺结节形状和结构的多样性，并提出了多视角RSK网络（MRSKNet）	研究仅基于公开数据库LIDC-IDRI进行验证，未涉及其他独立数据集的外部验证	开发一种新的计算机辅助诊断（CAD）方案，用于预测CT图像中肺结节的恶性可能性	CT图像中的肺结节	数字病理	肺癌	深度学习	MRSKNet（基于RSK块的多视角网络）	CT图像	LIDC-IDRI公共挑战数据库（具体样本数量未明确说明）
23	2025-05-02	Deep Learning Detection of Aneurysm Clips for Magnetic Resonance Imaging Safety 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00932-8 PMID:38343241	research paper	该研究开发了一种基于深度学习的自动化系统，用于在MRI扫描前检测CT图像中的动脉瘤夹	首次利用深度学习模型对CT图像中的动脉瘤夹进行分类，以提高MRI扫描前的安全性检查	三维CT头扫描模型的敏感性未超过定位器模型	开发自动化系统以检测动脉瘤夹，提高MRI扫描的安全性	CT头部扫描图像	computer vision	cardiovascular disease	CT扫描	CNN	image	280例CT头部扫描（140例含动脉瘤夹，140例不含）
24	2025-05-02	Intra- and Inter-expert Validation of an Automatic Segmentation Method for Fluid Regions Associated with Central Serous Chorioretinopathy in OCT Images 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00926-6 PMID:38343245	research paper	该研究开发并验证了一种基于深度学习的自动分割方法，用于在OCT图像中分割与中心性浆液性脉络膜视网膜病变（CSC）相关的液体区域	提出并比较了六种不同复杂度的深度学习架构配置，用于自动分割CSC相关病变，并通过内外专家验证展示了模型性能	未提及具体样本量大小及模型在更广泛人群中的泛化能力	开发自动分割OCT图像中CSC相关液体区域的方法，以替代耗时且主观的人工检测	中心性浆液性脉络膜视网膜病变（CSC）患者的OCT图像	digital pathology	retinal disorder	OCT成像	深度学习模型（具体架构未说明）	image	NA
25	2025-05-02	Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00901-1 PMID:38343265	research paper	研究自适应统计迭代重建-V（ASIR-V）和深度学习图像重建（DLIR）算法对CT放射组学特征鲁棒性的影响	首次评估了ASIR-V和DLIR算法在不同剂量水平下对CT放射组学特征重现性的影响，并发现高强度DLIR算法可减少剂量降低带来的放射组学变异性	研究使用的是标准化体模，未涉及真实患者数据，可能影响结果的临床适用性	评估不同图像重建算法对CT放射组学特征稳定性的影响	标准化体模在不同剂量水平和重建算法下的CT图像	digital pathology	NA	单能CT（SECT）、双能CT（DECT）、滤波反投影（FBP）、ASIR-V、DLIR	DLIR	CT图像	标准化体模在标准剂量（20 mGy）和低剂量（10 mGy）水平下的扫描数据
26	2025-05-02	The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations 2024-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00931-9 PMID:38343259	research paper	本研究开发了一种仅使用图像级标签的弱监督模型，用于在磁共振图像上自动分割四种类型的子宫病变和三种类型的正常组织	提出了一种两阶段模型，包含像素相关模块、类重激活图模块、像素间关系网络模块和Deeplab v3+模块，仅需图像级标注即可实现分割	研究仅使用了单一机构的回顾性数据，可能影响模型的泛化能力	开发弱监督医学图像分割方法以减少对像素级标注的依赖	四种子宫病变（子宫内膜癌、子宫肌瘤、子宫内膜息肉和非典型子宫内膜增生）和三种正常组织	digital pathology	uterine lesions	MRI T2-weighted序列成像	sequential deep learning model (Deeplab v3+)	medical images	85,730张图像来自316名患者（训练196人，验证57人，测试63人）
27	2025-04-27	EvoAI enables extreme compression and reconstruction of the protein sequence space 2024-Feb-23, Research square DOI:10.21203/rs.3.rs-3930833/v1 PMID:38464127	研究论文	本文介绍了一种名为EvoAI的混合实验计算方法，用于极端压缩和重建蛋白质序列空间	提出了EvoScan方法全面分割和扫描高适应性序列空间以获取关键锚点，并结合深度学习和大型语言模型准确重建序列空间	方法仅适用于能够与转录输出耦合的生物分子功能	探索蛋白质序列与功能之间的关系，实现高效压缩序列空间并预测新型高适应性序列	蛋白质序列空间	机器学习	NA	深度学习和大型语言模型	NA	蛋白质序列数据	82个锚点
28	2025-04-26	Enabling late-stage drug diversification by high-throughput experimentation with geometric deep learning 2024-02, Nature chemistry IF:19.2Q1 DOI:10.1038/s41557-023-01360-5 PMID:37996732	研究论文	本文开发了一种基于几何深度学习和高通量反应筛选的晚期功能化平台，用于优化药物候选分子的性质	结合几何深度学习和高通量实验，开发了一个预测反应产率和区域选择性的平台，用于药物分子的晚期功能化	对于未知底物的反应性分类准确率较低（67%）	优化药物候选分子的晚期功能化过程	23种不同的商业药物分子	机器学习	NA	高通量反应筛选	几何深度学习	化学数据	23种商业药物分子
29	2025-04-20	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	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	使用nnU-Net模型实现了心脏亚结构的自动分割，包括冠状动脉，这在减少放射性心脏病风险方面具有创新性	冠状动脉的分割精度相对较低（DSC为0.60），且样本量有限（100名患者）	最小化肺癌放疗中放射性心脏病的风险	非小细胞肺癌患者的心脏亚结构	数字病理	肺癌	深度学习	nnU-Net	医学图像	100名非小细胞肺癌患者（训练集75例，验证集5例，测试集20例），外加42名患者用于主观评估
30	2025-04-17	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	研究论文	本研究开发并验证了一种基于深度学习的自动化分类系统，用于股骨头坏死（ONFH）的分类	采用深度学习中的卷积神经网络（CNN）模型对ONFH进行分类，并在多中心数据集上验证了其高准确性和泛化能力	研究仅使用了来自4家机构的回顾性数据，可能需要更多前瞻性数据进一步验证模型的普适性	开发高准确性的ONFH自动分类系统以辅助临床决策	股骨头坏死（ONFH）患者	数字病理学	骨科疾病	MRI成像	CNN	图像	1,806张MRI图像（来自1,337个髋关节），其中外部验证集包含334张图像（来自182个髋关节）
31	2025-04-12	Digital pathology-based artificial intelligence models for differential diagnosis and prognosis of sporadic odontogenic keratocysts 2024-02-26, International journal of oral science IF:10.8Q1 DOI:10.1038/s41368-024-00287-y PMID:38403665	研究论文	开发基于数字病理学的人工智能模型，用于散发性牙源性角化囊肿的鉴别诊断和预后	利用Inception_v3神经网络和深度学习生成的病理特征，结合多种机器学习算法，开发了全幻灯片图像级别的AI模型，展示了AI模型在病理学中的解释潜力	NA	开发用于牙源性角化囊肿诊断和预后的数字病理学AI模型	519例牙源性角化囊肿病例，共2157张苏木精和伊红染色图像	数字病理学	牙源性角化囊肿	深度学习，机器学习	Inception_v3	图像	519例病例，2157张图像
32	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
33	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
34	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
35	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
36	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
37	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
38	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
39	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
40	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