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	2025-04-03	Reducing annotation burden in MR: A novel MR-contrast guided contrastive learning approach for image segmentation 2024-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.16820 PMID:37956263	研究论文	提出一种新型的MR对比引导对比学习策略，用于在标注数据有限的情况下提高MR图像分割任务的性能	提出了一种受约束的对比学习(CCL)策略，利用组织特异性信息通过约束图定义对比学习的正负局部邻域，在预训练中将这一信息嵌入表示空间	需要多对比MR图像集作为输入，可能在某些只有单一对比图像的情况下应用受限	提高在标注数据有限情况下的MR图像分割性能	MR图像	医学图像分析	脑肿瘤	对比学习	深度学习模型	MR图像	腹部T2加权图像(训练/测试=30/20)，公共Cartesian-T2数据集(训练/测试=6/12)，BraTS脑肿瘤分割数据集(训练/测试=40/50)
42	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-Apr, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
43	2025-04-03	Endoscopic sleeve gastroplasty: stomach location and task classification for evaluation using artificial intelligence 2024-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03054-2 PMID:38212470	研究论文	本研究利用人工智能技术对胃内窥镜套筒胃成形术（ESG）中的胃部位置和任务进行分类评估	首次将深度学习与计算机视觉技术结合，用于自动化评估ESG手术中的胃部位置和任务分类，并采用数据增强和SMOTE技术优化数据集	研究基于离体猪标本数据，可能无法完全反映人体手术的复杂性	开发自动化评估ESG手术表现的AI系统	ESG手术过程中的胃部位置（切迹、前壁、大弯、后壁）和操作任务（抓取或缝合）	计算机视觉	肥胖症	深度学习、计算机视觉、SMOTE数据增强	CNN（根据计算机视觉任务推断）	图像和视频	专家在离体猪标本上进行的ESG手术截图和视频片段（具体数量未说明）
44	2025-04-03	Topological Persistence Guided Knowledge Distillation for Wearable Sensor Data 2024-Apr, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2023.107719 PMID:38282698	研究论文	本文提出了一种基于拓扑持久性引导的知识蒸馏方法，用于整合拓扑数据分析和深度学习的优势，以提升可穿戴传感器数据的活动识别性能	使用双教师网络（分别基于原始时间序列数据和TDA生成的持久性图像）进行知识蒸馏，设计新的约束条件（如特征相关性图的正交性）和退火策略，以融合不同模态的信息并提升学生模型的鲁棒性	未明确说明方法在其他类型时间序列数据或更大规模数据集上的泛化能力	解决可穿戴传感器数据活动识别中深度学习方法对信号质量敏感、传感器特性差异和个体间变异性的问题	可穿戴传感器采集的时间序列数据	机器学习	NA	拓扑数据分析(TDA)、知识蒸馏(KD)	1D CNNs (WRN16-1)	时间序列数据、持久性图像	6000个测试样本（GENEActiv数据集）
45	2025-04-03	A transformer-based diffusion probabilistic model for heart rate and blood pressure forecasting in Intensive Care Unit 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108060 PMID:38350189	research paper	本研究提出了一种基于Transformer和扩散概率模型的新型深度学习方法，用于预测重症监护病房（ICU）中的心率、收缩压和舒张压	结合Transformer和扩散模型，提出TDSTF模型，用于稀疏时间序列预测，在预测ICU生命体征分布方面表现出色，计算效率更高	NA	开发一种准确预测ICU患者生命体征的深度学习系统	ICU患者的心率、收缩压和舒张压	machine learning	cardiovascular disease	deep learning	Transformer-based Diffusion Probabilistic Model (TDSTF)	time series data	24,886 ICU stays from over 46,000 patients in MIMIC-III database
46	2025-04-03	Spectral analysis and Bi-LSTM deep network-based approach in detection of mild cognitive impairment from electroencephalography signals 2024-Apr, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10010-y PMID:38699612	研究论文	本研究开发了一种基于EEG信号和Bi-LSTM深度学习算法的新模型，用于高效检测轻度认知障碍（MCI）患者	结合多锥度谱分析方法和Bi-LSTM深度学习算法，提出了一种新的EEG信号分析模型，显著提高了MCI检测的准确率	样本量较小（34名受试者），年龄范围较宽（40-77岁）可能影响模型的泛化能力	开发一种准确、高效的MCI早期诊断方法	轻度认知障碍（MCI）患者和健康对照组	机器学习	老年性疾病	EEG信号分析、多尺度主成分分析（MSPCA）、数据增强（DA）	Bi-LSTM、决策树（DT）、支持向量机（SVM）、K近邻（KNN）	EEG信号	34名受试者（18名MCI患者和16名健康对照组）
47	2025-04-03	A real-time constellation image classification method of wireless communication signals based on the lightweight network MobileViT 2024-Apr, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10015-7 PMID:38699610	研究论文	提出了一种基于轻量级网络MobileViT的无线通信信号星座图实时分类方法	首次尝试在边缘计算平台上部署深度学习模型完成接收信号调制方案的实时分类	仅在一个公开数据集RadioML 2016.10a上进行了验证	实现自动调制分类(AMC)以支持认知无线电发展	无线通信信号的星座图	机器学习	NA	深度学习	MobileViT	图像	公开数据集RadioML 2016.10a
48	2025-04-01	Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.234 PMID:38290587	研究论文	通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感，探讨患者和公众对这些药物的态度和信念	利用社交媒体数据（Twitter）和AI技术（机器学习和深度学习）分析患者对精神疾病药物的态度和情感，揭示了不同语言和文化背景下的讨论差异	Twitter数据的简短性可能无法完全捕捉讨论的细微差别，且研究药物的广泛治疗用途使得难以隔离特定疾病的讨论，仅分析了英语和西班牙语的推文，限制了文化广度的发现	理解患者和公众对精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）治疗药物的态度和信念	Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感	自然语言处理	精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）	机器学习, 深度学习, 自然语言处理	NA	文本	893,289条推文（2008年至2022年）
49	2025-04-01	Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone 2024-04-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.02.023 PMID:38341156	研究论文	本研究探讨了慢性失眠症患者与健康对照组在下丘脑及其亚区体积上的差异，并分析了这些差异与失眠症状严重程度及HPA轴相关血液生物标志物的关系	首次使用基于深度学习的自动分割工具研究慢性失眠症患者下丘脑亚区体积变化，并揭示前部下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用	研究样本量相对有限，且为横断面研究无法确定因果关系	探究慢性失眠症患者下丘脑亚区体积变化及其与HPA轴功能的关系	150名慢性失眠症患者和155名人口统计学匹配的健康对照	数字病理学	睡眠障碍	T1加权结构磁共振扫描，深度学习自动分割	深度学习	MRI图像	305人（150名患者和155名对照）
50	2025-04-01	Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice 2024-04, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2024.101897 PMID:38306788	综述	本文全面回顾了基于深度学习的睡眠分期技术的最新方法，包括数据处理、建模、验证及临床应用	深入探讨了深度学习在睡眠分期中的应用，特别是在大规模数据集、跨学科合作和人机交互方面的创新	未提及具体实验数据或模型性能的详细比较	提高睡眠分期的效率和准确性，促进其在临床实践和日常生活中的应用	睡眠分期的自动化系统	机器学习	睡眠障碍	深度学习	NA	信号数据	NA
51	2025-03-30	Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels 2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference) DOI:10.1109/dcoss-iot61029.2024.00097 PMID:40134901	研究论文	本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性	评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性	研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型	提高癫痫发作预测模型在真实世界条件下的准确性和适用性	癫痫患者的EEG数据	机器学习	癫痫	EEG	DL(SPERTL模型)	EEG信号数据	NA
52	2025-03-29	MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism 2024-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4966 PMID:38532681	研究论文	介绍了一种新型抗癌肽预测框架MA-PEP，该框架基于注意力机制进行多模态特征融合以提高预测性能	利用多种注意力机制进行特征增强和融合，整合分子级化学特征和序列信息，提升抗癌肽预测性能	未明确提及具体局限性	开发高效的抗癌肽预测方法	抗癌肽（ACPs）	机器学习	癌症	注意力机制	MA-PEP（基于注意力机制的深度学习框架）	分子级化学特征和序列信息	多个基准数据集（未明确提及具体样本数量）
53	2025-03-28	Developing deep learning-based strategies to predict the risk of hepatocellular carcinoma among patients with nonalcoholic fatty liver disease from electronic health records 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104626 PMID:38521180	研究论文	本研究开发了基于深度学习的策略，利用电子健康记录数据预测非酒精性脂肪肝患者患肝细胞癌的风险	提出了一种新颖的后向掩蔽方案来处理延迟诊断问题，并评估了纵向信息长度对疾病预测的影响，同时探讨了时间变化协变量建模和迁移学习对算法性能的提升	研究可能受到数据中性别偏差的影响，且模型在跨性别评估时表现下降	研究上述问题对深度学习性能的影响程度，并开发策略来应对这些挑战，以提高非酒精性脂肪肝患者肝细胞癌风险的预测	非酒精性脂肪肝患者	机器学习	肝细胞癌	深度学习	深度学习模型	电子健康记录	220,838名患者
54	2025-03-25	A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders 2024-04-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.134 PMID:38244796	研究论文	本研究利用深度学习模型评估患者对话的具体性对互联网认知行为疗法(CBT)治疗常见心理健康障碍的效果和疗程完成率的影响	首次使用深度学习量化患者对话具体性，并分析其与CBT治疗效果和疗程完成率的关系	无法从数据中推断因果关系	评估患者对话具体性对CBT治疗效果和疗程完成率的预测作用	接受互联网CBT治疗的常见心理健康障碍患者	自然语言处理	常见心理健康障碍	深度学习	深度学习模型	文本(治疗对话记录)	65,030名参与者(353,614次治疗会话)
55	2025-03-22	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	本文提出了一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现特定受试者的脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提高了计算效率	NA	提高肌肉水T2映射的处理速度和准确性，以便在临床和研究中更有效地利用定量水T2图	肌肉水T2映射	医学影像处理	NA	多自旋回波采集	全连接神经网络	MRI图像	使用了两家不同MRI供应商的体内实验数据
56	2025-03-21	DeepLabCut-based daily behavioural and posture analysis in a cricket 2024-04-15, Biology open IF:1.8Q3 DOI:10.1242/bio.060237 PMID:38533608	研究论文	本文介绍了一种基于DeepLabCut的系统，用于长期量化蟋蟀的多种行为，如运动活动、进食和类似睡眠状态	使用DeepLabCut软件进行蟋蟀行为和姿态的自动分析，避免了人类偏见且无需物理标记个体动物	NA	研究蟋蟀的昼夜节律行为	蟋蟀	计算机视觉	NA	DeepLabCut	监督机器学习	视频	单个蟋蟀
57	2025-03-21	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本文研究了从ESM-2模型中提取的不同维度嵌入在抗菌肽分类中的应用，并开发了一个KNIME工作流以确保实验的公平性	首次将ESM-2模型的不同维度嵌入应用于抗菌肽分类，并通过KNIME工作流确保实验的公平性	研究中发现只有部分ESM-2嵌入对建模任务有价值，43%至66%的特征从未被使用	研究ESM-2模型的不同维度嵌入在抗菌肽分类中的有效性	抗菌肽（AMPs）	生物信息学	NA	ESM-2模型，KNIME工作流	QSAR模型	分子特征	NA
58	2025-03-20	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的模型，利用黄斑光学相干断层扫描（OCT）图像来预测和检测青光眼视野进展	创新点在于使用自监督预训练的视觉变换器（ViT）模型在大规模未标记的OCT图像数据集上进行训练，以检测和预测青光眼的功能性进展	研究为回顾性队列研究，可能存在选择偏差，且样本量虽大但主要集中在特定患者群体	研究目的是利用黄斑OCT成像预测未来的青光眼视野进展并检测当前的进展	研究对象包括151,389个黄斑OCT研究中的7,702,201张B扫描图像，以及828名青光眼患者的1534只眼睛的3902个黄斑OCT成像研究	计算机视觉	青光眼	光学相干断层扫描（OCT）	视觉变换器（ViT）	图像	预训练数据集包含151,389个黄斑OCT研究中的7,702,201张B扫描图像，进展检测任务包括828名患者的1534只眼睛的3902个黄斑OCT成像研究，进展预测任务包括784名患者的1205只眼睛的1346个黄斑OCT成像研究
59	2025-03-15	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了使用深度学习从超声心动图视频中预测心血管磁共振成像（CMR）结果的可能性	首次尝试使用深度学习从超声心动图视频中预测CMR的组织特征，如壁运动异常（WMA）、晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者，包括2,556次配对的超声心动图研究	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	视频	1,453名成年患者，2,556次配对的超声心动图研究
60	2025-03-14	A new intelligent system based deep learning to detect DME and AMD in OCT images 2024-Apr-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03115-8 PMID:38653842	研究论文	本文介绍了一种基于卷积神经网络（CNN）的新型计算机辅助诊断（CAD）系统，用于在OCT图像中检测和分类年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）	提出了一种结合Inception_V3模型和自定义CNN提取特征的混合方法，在DUKE数据集上达到了99.53%的最高准确率	NA	开发一种自动化的OCT图像分析系统，用于早期检测和分类AMD和DME	OCT视网膜图像	计算机视觉	糖尿病性视网膜病变	OCT	CNN, VGG16, VGG19, Inception_V3, BCNN	图像	DUKE公共数据集和突尼斯私人数据集