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
41	2025-04-12	Artificial Intelligence Detection and Segmentation Models: A Systematic Review and Meta-Analysis of Brain Tumors in Magnetic Resonance Imaging 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.002 PMID:40206681	系统综述与荟萃分析	本文通过系统综述和荟萃分析，深入探讨了深度学习算法在脑肿瘤检测和分割模型中的泛化能力影响因素	研究揭示了MRI硬件制造商对数据集多样性的影响，并发现3D模型在检测性能上优于2D和集成模型	需要进一步研究开发全面的多样性指数，并利用生成对抗网络进行数据多样化	分析影响深度学习算法在脑肿瘤检测和分割模型中泛化能力的因素	脑肿瘤患者的MRI数据	数字病理学	脑肿瘤	MRI	3D模型、2D模型、集成模型	图像	19项研究，涉及12,000名患者
42	2025-04-12	Differences Between Patient and Clinician-Taken Images: Implications for Virtual Care of Skin Conditions 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.005 PMID:40206682	research paper	比较患者自拍和临床拍摄的皮肤状况图像在临床、人口统计学和图像质量特征上的差异	首次系统性地分析了患者自拍和临床拍摄皮肤图像的多维度差异，并识别出与拍摄来源相关的关键因素	研究为回顾性设计，仅基于单一医疗系统的数据，且排除了无法诊断或多重病症的病例	探究不同来源皮肤图像的特征差异及其对虚拟皮肤科护理的启示	2500例斯坦福医疗保健系统eConsult中的皮肤病例图像（628例患者自拍和1719例临床拍摄）	digital pathology	skin conditions	deep learning	NA	image	2347例有效病例（628 PAT + 1719 CLIN）
43	2025-04-12	An Automated Approach for Diagnosing Allergic Contact Dermatitis Using Deep Learning to Support Democratization of Patch Testing 2024-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.01.006 PMID:40206684	research paper	开发一种深度学习算法用于分析斑贴试验结果，以支持过敏性接触性皮炎的自动化诊断	利用深度学习模型从照片中分类斑贴试验结果，实现过敏性接触性皮炎的自动化检测	样本量较小（37名患者），模型性能仍有提升空间	开发一种自动化方法来诊断过敏性接触性皮炎，支持斑贴试验的普及	斑贴试验的照片结果	digital pathology	allergic contact dermatitis	deep learning	CNN	image	5070个测试部位（来自37名患者）
44	2025-04-10	Cascaded cross-attention transformers and convolutional neural networks for multi-organ segmentation in male pelvic computed tomography 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024009 PMID:38595327	research paper	提出了一种基于深度学习的自动两步分割流程，用于男性盆腔CT图像中多器官的分割	采用混合卷积-Transformer模型进行初始多器官分割，并通过图像增强模块和器官特定精细分割提高分割精度	仅在30张测试图像上验证，样本量较小	提高男性盆腔CT图像中多器官分割的准确性，以支持放射治疗计划	前列腺、膀胱、直肠、精囊和股骨头	digital pathology	prostate cancer	computed tomography (CT)	axial cross-attention UNet (混合卷积-Transformer模型)	image	30张男性盆腔CT图像
45	2025-04-06	A Comprehensive Framework for Long-Tailed Learning via Pretraining and Normalization 2024-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3192475 PMID:35895650	research paper	提出了一种通过对比预训练和特征归一化来改进长尾学习特征提取器和分类器的综合框架	提出了一种新的平衡对比损失和快速对比初始化方案，以及一种新颖的广义归一化分类器，包括广义归一化和分组可学习缩放	未明确提及具体局限性	改进长尾识别中的特征提取器和分类器	长尾分布数据	computer vision	NA	对比预训练, 特征归一化	NA	image	多个长尾识别基准数据集
46	2025-03-29	Deep learning from latent spatiotemporal information of the heart: Identifying advanced bioimaging markers from echocardiograms 2024-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0176850 PMID:38559589	research paper	该研究利用深度学习技术从超声心动图的潜在时空信息中提取高级生物成像标记，以改进心脏病的诊断和管理	提出了新颖的时空深度学习模型，能够基于未标记的像素超声心动图数据整合时间臂信息，构建个性化的4D心脏网格，评估心脏功能，检测早期瓣膜病变，并区分罕见心血管疾病	依赖于手动和主观的人类追踪，可能导致工作流程和协议标准化以及最终解释准确性的挑战	开发先进的生物成像标记，改进心脏病的早期诊断和个性化治疗策略	超声心动图数据	digital pathology	cardiovascular disease	spatiotemporal deep learning	DL	image	NA
47	2025-03-25	Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling 2024-03-19, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.123.067750 PMID:38314583	research paper	本研究利用深度学习技术分析儿童心电图，预测左心室功能障碍和重构	首次将人工智能增强的心电图分析应用于儿科人群，预测左心室功能障碍和重构	研究未包括患有重大先天性心脏病的儿童，可能限制了模型的普适性	开发一种经济有效的筛查工具，用于儿童左心室功能障碍和重构的早期检测	年龄≤18岁且无重大先天性心脏病的儿童	digital pathology	cardiovascular disease	ECG-echocardiogram配对分析	CNN	ECG和超声心动图数据	训练队列包括92,377对ECG-超声心动图数据（46,261名患者），测试组包括内部测试（12,631名患者）、急诊科（2,830名患者）和外部验证（5,088名患者）队列
48	2025-03-25	ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics 2024-Mar-18, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2326671 PMID:38497749	研究论文	本文开发了一种基于人工神经网络的多层感知器模型，用于预测能够穿透血脑屏障的化合物，以促进中枢神经系统药物的早期筛选	使用大型数据集开发了一个高精度的ANN模型，用于预测BBB渗透性，其准确率、特异性、敏感性和AUC均表现优异	仅基于化学结构预测BBB渗透性可能存在一定难度，未提及模型在其他独立数据集上的验证情况	开发机器学习模型以预测化合物的血脑屏障渗透性，促进中枢神经系统药物的发现	潜在的能够穿透血脑屏障的化合物	机器学习	中枢神经系统疾病	机器学习	ANN多层感知器	化学结构数据	大型数据集（具体数量未提及）
49	2025-03-25	Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network 2024-Mar-07, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2323144 PMID:38450715	research paper	该研究提出了一种名为Deep-VEGF的深度学习集成模型，用于预测血管内皮生长因子（VEGF）	提出了一种新的特征描述符KSTS-BPSSM，并采用GRU、GAN和CNN的深度学习技术进行模型训练，通过堆叠学习方法集成GRU和CNN	实验识别VEGF昂贵且耗时，该方法可能依赖于特定数据集的质量和规模	开发一种计算模型以准确预测VEGF，加速相关研究和药物发现	血管内皮生长因子（VEGF）及其在多种疾病中的作用	machine learning	cancer, diabetic retinopathy, macular degeneration, arthritis	deep learning	GRU, GAN, CNN	primary sequences	NA
50	2025-03-25	CMNet: deep learning model for colon polyp segmentation based on dual-branch structure 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024004 PMID:38525292	research paper	提出了一种基于双分支结构的深度学习模型CMNet，用于结肠息肉分割	采用双分支结构结合CNN与transformer，引入深度可分离卷积和条纹池化模块，提出聚合注意力模块(AAM)进行高维语义信息融合	NA	开发深度学习模型辅助结肠息肉的医学诊断和手术	结肠息肉	digital pathology	colon cancer	deep learning	CNN, transformer	medical images	Kvasir-SEG数据集上的五折交叉验证
51	2025-03-23	Hessian Regularized L 2 , 1 -Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction 2024-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00594-8 PMID:38099958	研究论文	本文提出了一种结合Hessian正则化非负矩阵分解和深度学习的模型，用于预测miRNA与疾病之间的关联	引入了一种新的迭代融合方法，有效减少了初始miRNA-疾病关联矩阵的稀疏性，并设计了一个混合模型框架，结合深度学习、矩阵分解和奇异值分解来捕捉和描述miRNA与疾病的复杂非线性特征	NA	预测miRNA与疾病之间的潜在关联，为医学研究者提供初步见解	miRNA与疾病的关联	机器学习	肺癌、膀胱癌、乳腺癌	深度学习、矩阵分解、奇异值分解	Hessian正则化非负矩阵分解与深度学习结合的混合模型	miRNA-疾病关联矩阵	NA
52	2025-03-17	DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications 2024-Mar-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.122094 PMID:38646063	研究论文	本文提出了一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构估计种子，用于经典的种子区域生长分割	DeepSeeded方法通过级联深度学习架构增强细胞内部和边界信息，并使用欧几里得距离变换进行体素级分类，从而在密集且强度不均匀的显微镜图像体积中分割接触的细胞实例	尽管在密集细胞群的分割上表现出色，但该方法在低信噪比和高细胞密度的显微镜图像上可能仍存在挑战	开发一种能够准确分割密集细胞群的3D显微镜图像的方法，以量化细胞属性并促进生物医学研究的新发现	细菌生物膜中的密集细胞群	计算机视觉	NA	深度学习	级联深度神经网络	3D显微镜图像	合成数据集和两个真实生物膜数据集
53	2025-03-14	Deep learning for water quality 2024-Mar-12, Nature water DOI:10.1038/s44221-024-00202-z PMID:38846520	review	本文探讨了深度学习在内陆水质预测中的应用及其潜力	提出深度学习作为一种未充分利用但有前景的方法，能够揭示高维数据中的复杂结构和关系，并帮助填补时空数据缺口	深度学习方法的局限性相对于传统方法进行了讨论，但其具体局限性未详细说明	研究目的是探讨深度学习在水质科学中的潜力，以克服传统方法在预测水质方面的不足	内陆水质	machine learning	NA	深度学习	NA	高维数据	NA
54	2025-03-09	Adaptive Tensor-Based Feature Extraction for Pupil Segmentation in Cataract Surgery 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3345837 PMID:38127596	研究论文	本文提出了一种名为自适应小波张量特征提取（AWTFE）的新方法，用于提高深度学习驱动的瞳孔识别系统的准确性	提出了一种新的自适应小波张量特征提取方法，通过构建三阶张量来表示空间信息、颜色通道和小波子带之间的相关性，并利用高阶奇异值分解自适应地消除冗余信息，从而提高瞳孔识别的准确性	NA	提高白内障手术视频中瞳孔分割的准确性，以帮助外科医生在手术并发症发生前检测瞳孔不稳定的风险因素	白内障手术视频中的瞳孔区域	计算机视觉	白内障	自适应小波张量特征提取（AWTFE）	深度学习分割模型	图像	5,700张来自190例白内障手术的标注术中图像（BigCat数据集）和一个公开的CaDIS数据集
55	2025-03-08	COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3339700 PMID:38051612	研究论文	本文介绍了一种基于深度学习的方法，通过分析咳嗽或呼吸声音的录音来区分COVID-19患者和健康对照组	提出了一种新颖的分层频谱图变换器（HST），利用自注意力机制在频谱图的局部窗口上操作，并逐步扩大窗口大小以捕捉从局部到全局的上下文	NA	开发一种远程监测方法，用于早期评估主要影响下呼吸道的COVID-19	COVID-19患者和健康对照组的呼吸声音录音	自然语言处理	COVID-19	深度学习	分层频谱图变换器（HST）	音频	多国众包数据集
56	2025-03-03	Synthesizing Contrast-Enhanced MR Images from Noncontrast MR Images Using Deep Learning 2024-03-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8107 PMID:38453408	研究论文	本研究利用深度学习从非对比多参数MR图像中合成虚拟钆对比增强T1加权MR图像，以评估原发性脑肿瘤	开发了一种名为T1c-ET的残差Inception DenseNet网络，能够同时合成虚拟对比增强T1加权图像并分割肿瘤的增强部分	研究中使用的数据集来自2019年脑肿瘤分割挑战赛，可能限制了模型的泛化能力	减少对钆对比剂的需求，提供替代成像方法	原发性脑肿瘤患者	计算机视觉	脑肿瘤	深度学习	残差Inception DenseNet网络	MR图像	335名受试者的MR图像用于训练和验证，125名受试者的MR图像用于测试
57	2025-03-03	A multitask approach for automated detection and segmentation of thyroid nodules in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107974 PMID:38244471	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	提出的多任务方法不仅检测可疑图像，还分割潜在结节，与甲状腺结节评估的工作流程相平行，提高了临床可翻译性	当前深度学习架构通常为半自动化，仅评估已知有结节的图像，未评估识别可疑图像的能力	提高甲状腺结节检测和风险分层的自动化水平，减少医疗成本、患者不适和不必要的侵入性操作	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	UNet	超声图像	280名患者的9888张图像
58	2025-03-03	Deep Learning and Geriatric Mental Health 2024-03, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2023.11.008 PMID:38142162	综述	本文旨在帮助临床医生掌握深度学习的基本术语，理解其基本原理及早期应用，并探讨其在老年精神病学中的相关性	提供了对深度学习工作原理的深入见解，并讨论了其在老年精神病学中的应用潜力	未具体提及研究的局限性	帮助临床医生理解深度学习的基本概念及其在老年精神病学中的应用	临床医生及老年精神病学领域的研究者	机器学习	老年疾病	NA	深度学习	NA	NA
59	2025-03-03	Test Retest Reproducibility of Organ Volume Measurements in ADPKD Using 3D Multimodality Deep Learning 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.09.009 PMID:37798206	研究论文	本研究利用3D多模态深度学习技术，通过多脉冲序列MRI测量ADPKD患者的器官体积，以减少测量变异性	采用基于nnU-net的3D多模态多类分割模型，结合所有脉冲序列进行多次测量，通过异常值分析和平均减少变异性	样本量较小（n=19），且仅在3周内进行重复测试	减少ADPKD患者MRI器官体积测量的变异性	ADPKD患者的肾脏、肝脏和脾脏	数字病理学	常染色体显性多囊肾病（ADPKD）	MRI（T1, T2, SSFP, DWI）和CT	nnU-net	3D图像	413名受试者用于训练/验证，19名ADPKD患者用于测试-重测评估
60	2025-03-03	Deformable lung 4DCT image registration via landmark-driven cycle network 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16738 PMID:37708440	研究论文	本文提出了一种基于标志点驱动的循环网络，用于肺部四维计算机断层扫描（4DCT）图像的自动变形配准	提出了一种新的弱监督深度学习方法，通过标志点驱动的损失函数和双向路径优化来提高变形向量场的生成精度	研究主要依赖于公开的DIR-Lab数据集和临床数据集，样本量相对较小，可能影响模型的泛化能力	开发一种自动、准确且高效的肺部4DCT图像配准方法，以量化呼吸运动并优化运动管理	肺部4DCT图像	计算机视觉	肺癌	4DCT	循环网络（包含生成器和判别器）	图像	10个4DCT数据集（来自DIR-Lab）和50个4DCT数据集（来自临床数据集）