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	2025-06-18	Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230318 PMID:38568095	研究论文	开发了一种用于数字乳腺断层合成（DBT）图像乳腺癌诊断的人工智能（AI）模型，并研究其是否能提高诊断准确性和减少放射科医生的阅读时间	AI模型在乳腺癌检测中显示出比放射科医生更高的诊断准确性，并显著减少了阅读时间	研究样本来自14个机构，但可能仍存在地域和人群代表性不足的问题	提高乳腺癌诊断的准确性和效率	数字乳腺断层合成（DBT）图像	数字病理学	乳腺癌	深度学习	深度学习AI算法	图像	258名女性（平均年龄56岁±13.41），包括65例癌症病例
22	2025-06-18	Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230077 PMID:38446043	research paper	开发并评估了一种半监督学习模型，用于在分布外的头部CT评估集上进行颅内出血检测和分割	利用半监督学习框架结合标记和未标记数据，提升了模型在分布外数据上的泛化能力	研究依赖于特定机构的标记数据和外部未标记数据，可能影响模型的广泛适用性	提高颅内出血检测和分割的泛化能力	头部CT扫描图像	digital pathology	Traumatic Brain Injury	semi-supervised learning	deep learning model	image	457标记样本和25,000未标记样本用于训练，481次扫描用于分类测试，23次扫描（529张图像）用于分割测试
23	2025-06-18	Evaluating the Robustness of a Deep Learning Bone Age Algorithm to Clinical Image Variation Using Computational Stress Testing 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230240 PMID:38477660	research paper	评估一种获奖的深度学习骨龄算法对临床图像变化的鲁棒性	通过计算应力测试评估深度学习模型对多种图像外观变化的鲁棒性	模型对经过简单变换的图像预测结果不一致	评估深度学习骨龄模型对图像变化的鲁棒性	儿科手部X光片	digital pathology	pediatric disease	deep learning	CNN	image	2627 pediatric hand radiographs (1425 from RSNA validation set and 1202 from DHA)
24	2025-06-18	Impact of Deep Learning Image Reconstruction Methods on MRI Throughput 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230181 PMID:38506618	研究论文	评估两种不同的商用深度学习重建（DLR）算法在大型多中心机构门诊环境中对MRI检查效率的影响	比较了DICOM基础和k空间基础的DLR方法在减少MRI扫描和房间时间方面的效果	研究结果因检查类型而异，潜在采用者需根据具体情况评估这些工具的影响	评估DLR算法对MRI检查效率的影响	7346例来自10台临床MRI扫描仪的检查	医学影像	NA	深度学习重建（DLR）	NA	MRI图像	7346例检查
25	2025-06-18	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	research paper	开发了一种基于深度学习的快速全自动方法，用于MRI平面测量分割和测量进行性核上性麻痹（PSP）患者中最受影响的脑干和脑室结构	提出了一种全自动的深度学习方法，用于分割和测量脑干和脑室结构，并在区分PSP和帕金森病（PD）患者中表现出色	研究为回顾性研究，可能受到数据选择和样本量的限制	开发一种自动化方法，支持PSP及其他与脑干和脑室改变相关疾病的诊断	健康对照组和PSP及PD患者的脑部MRI图像	digital pathology	geriatric disease	MRI	CNN	image	健康对照组84例，PSP患者71例，PD患者129例，测试数据集305例
26	2025-06-18	Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230375 PMID:38597784	research paper	评估商业AI系统在乳腺癌筛查中的独立检测性能	探索AI系统在不同风险评分阈值下的乳腺癌独立检测性能，并展示其在减少放射科医生工作量方面的潜力	研究为回顾性设计，可能影响结果的普遍性	评估AI系统在乳腺癌筛查中的检测性能	242,629名女性进行的661,695次数字乳腺X光检查，包括3,807例筛查检测到的癌症和1,110例间隔期乳腺癌	digital pathology	breast cancer	deep learning	CNN	image	661,695次数字乳腺X光检查（来自242,629名女性）
27	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
28	2025-06-15	Investigation on ultrasound images for detection of fetal congenital heart defects 2024-05-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f91 PMID:38781934	综述	本文综述了利用超声图像和深度学习技术检测胎儿先天性心脏缺陷（CHD）的前沿技术	结合胎儿超声图像评估（FUSI）和深度学习技术，提高CHD的检测率	当前筛查技术的检测率相对较低（约60%）	提高胎儿先天性心脏缺陷的早期检测率，降低死亡率和发病率	胎儿先天性心脏缺陷（CHD）	数字病理学	心血管疾病	深度学习技术，包括CNN、ANN等	CNN, ANN	超声图像	NA
29	2025-06-15	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了几种预训练的卷积神经网络（CNN）在癫痫脑电图（EEG）数据分类中的性能，并探讨了不同时频数据表示算法的影响	首次利用时频数据评估预训练框架中参数调整对EEG数据分类的影响，并比较了多种CNN模型和时频表示算法的组合效果	研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证，可能需要更多样化的数据集来进一步验证模型的泛化能力	探索预训练CNN和时频方法在癫痫EEG分类中的潜力，开发自动诊断癫痫的鲁棒系统	癫痫患者的EEG信号	机器学习	癫痫	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模式分解（EMD）、经验小波变换（EWT）、变分模式分解（VMD）	CNN（包括AlexNet、GoogLeNet、MobileNetV2、ResNet-18和SqueezeNet）	EEG信号（1D数据转换为2D scalograms）	Bern-Barcelona EEG数据集和Temple University数据库
30	2025-06-15	Segmentation and quantitative analysis of optical coherence tomography (OCT) images of laser burned skin based on deep learning 2024-05-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad488f PMID:38718764	研究论文	本研究基于深度学习对激光烧伤皮肤的光学相干断层扫描（OCT）图像进行分割和定量分析，以评估皮肤恢复情况	利用深度学习U-Net模型对OCT图像进行皮肤分层和烧伤区域分割，结合三维重建技术量化损伤组织体积	研究仅在小鼠模型中进行，尚未在人体皮肤上验证	开发一种快速准确评估烧伤皮肤恢复情况的方法	激光诱导的小鼠皮肤热损伤模型	数字病理	烧伤	光学相干断层扫描（OCT）	U-Net（同时验证了PSPNe和HRNet模型）	图像	30只昆明小鼠，生成7000张正常组织B扫描图像和1400张烧伤组织B扫描图像
31	2025-06-15	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	本文提出了一种集成学习模型，用于预测GAAFET的电学特性，包括直流特性、电容特性和电学参数	结合深度学习和机器学习的优势，提出了一种新的集成学习模型，用于快速准确地预测GAAFET的电学特性	未提及具体的数据集大小或实验条件的限制	解决传统方法在研究GAAFET电学特性时耗时且低效的问题	栅极全环绕场效应晶体管（GAAFET）	机器学习	NA	深度学习和机器学习	集成学习模型	电学特性数据	NA
32	2025-06-15	Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad464e PMID:38697026	研究论文	本文提出了一种名为GraspCNet的紧凑型CNN模型，专为假肢手的抓取分类设计，旨在通过视觉辅助技术提高假肢手与使用者之间的协调性	提出了一种紧凑型CNN模型GraspCNet，使用可分离卷积降低计算负担，适合嵌入式系统的实时应用，并能从物体形状中学习以分类未见过的物体	在未见过的物体类别上准确率为75.48%，计算机实时实验中的准确率为69%，仍有提升空间	开发一种能够准确识别和分类抓取模式的视觉辅助技术，以改善上肢截肢者使用假肢手的体验	上肢截肢者使用的假肢手	计算机视觉	NA	深度学习，特别是卷积神经网络(CNN)	CNN	图像	使用了各种标准物体数据集进行训练和测试
33	2025-06-15	FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification 2024-05-15, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4743 PMID:38701773	研究论文	提出了一种结合特征提取和时间-通道联合注意力的混合方法FetchEEG，用于基于EEG的情绪分类	结合传统特征提取和深度学习的优势，采用多头自注意力机制同时提取不同时间点和通道的表示	NA	提高基于EEG的情绪分类的准确性和泛化能力	EEG数据和情绪分类	神经工程	NA	EEG分析	Transformer	EEG信号	自建数据集和两个公共数据集
34	2025-06-15	Enhancing ECG signal classification through pre-trained stacked-CNN embeddings: a transfer learning approach 2024-May-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad40b0 PMID:38640904	研究论文	本研究提出了一种结合迁移学习和传统机器学习的创新计算框架，用于优化心电图（ECG）信号分类	使用预训练的堆叠卷积神经网络（SCNN）生成高维特征嵌入，并通过传统机器学习分类器进行评估，展示了数据多样性对分类器性能的重要性	未提及具体局限性	优化ECG信号分类，平衡高性能与计算效率	心电图（ECG）信号	机器学习	心血管疾病	迁移学习	SCNN, MLP	信号数据	CinC2017和CPSC2018数据集
35	2025-06-15	Development and external validation of a multimodal integrated feature neural network (MIFNN) for the diagnosis of malignancy in small pulmonary nodules (≤10 mm) 2024-May-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad449a PMID:38684143	research paper	开发并外部验证了一种多模态集成特征神经网络（MIFNN），用于诊断小肺结节（≤10 mm）的恶性风险	结合深度学习算法与结节形态特征，显著提升诊断准确性，且网络架构简单，易于整合到现有肺癌筛查流程中	研究依赖于回顾性数据，可能影响模型的泛化能力	优化小肺结节（≤10 mm）的恶性风险评估与管理	小肺结节（≤10 mm）患者	digital pathology	lung cancer	CT成像	MIFNN	image, clinical data	LUNA16数据集中的382个小肺结节（85恶性）和北京四个专科中心的101个小肺结节（33恶性）
36	2025-06-15	Ultrasound imaging based recognition of prenatal anomalies: a systematic clinical engineering review 2024-05-07, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ad3a4b PMID:39655845	review	本文综述了基于超声成像的产前异常识别技术及其临床工程应用	介绍了基于人工智能的超声图像处理和可解释AI技术，以提高筛查效率和准确性	诊断可靠性受操作者专业知识和设备限制影响，且新技术在临床中的整合和接受度仍需验证	提高产前筛查的效率和准确性，改善产前护理	产前超声成像及异常识别	数字病理	产前异常	AI-based US image processing, multimodal data fusion, XAI	deep learning	image, video	NA
37	2025-06-14	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	research paper	评估半自主人工智能模型在筛查乳腺X光片中识别非乳腺癌可疑病例并减少假阳性检查的能力	开发了一种半自主深度学习系统，显著减少乳腺癌筛查中的假阳性率和不必要的医疗程序	研究基于回顾性数据，需要在更多前瞻性研究中验证其效果	降低乳腺癌筛查中的假阳性率和相关医疗负担	乳腺X光筛查图像	digital pathology	breast cancer	deep learning	AI	image	123,248张训练用乳腺X光片（含6,161例癌症）和14,831例筛查检查（含1,026例癌症）的回顾性研究
38	2025-06-05	Deep learning-based workflow for automatic extraction of atria and epicardial adipose tissue on cardiac computed tomography in atrial fibrillation 2024-May-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001076 PMID:38380919	research paper	本文提出了一种基于深度学习的自动化工作流程，用于在心脏计算机断层扫描中自动提取心房和心外膜脂肪组织	使用3D U-Net模型开发了一个自动化分割流程，用于心房、心包和心外膜脂肪组织的分割，这在心房颤动管理中具有潜在应用价值	研究样本仅来自单一医疗中心，且样本量相对较小（157名患者）	设计一个可靠的自动化分割工作流程，用于心房颤动患者的心房和心外膜脂肪组织的分割	心房颤动患者的心脏计算机断层扫描图像	digital pathology	cardiovascular disease	CT成像	3D U-Net	3D医学影像	157名心房颤动患者
39	2025-06-01	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	research paper	本研究探讨了大鼠粗野游戏中运动和社交方面对发育的不同影响	通过选择性减少大鼠粗野游戏中的运动或社交方面，揭示了不同游戏方面对发育影响的特异性	研究仅针对雄性大鼠，结果可能不适用于雌性或其他物种	理解动物游戏中不同方面对发育的具体贡献	发育中的雄性大鼠	动物行为学	NA	深度学习框架	NA	超声波发声(USVs)	NA
40	2025-06-01	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	research paper	该论文提出了一种名为SAIM的模型，专门用于超声图像中子宫内膜结构的自动分割	SAIM模型是对segment anything模型的专门改进，通过增强图像编码器结构和集成点提示来引导分割过程	NA	提高超声图像中子宫内膜分割的准确性和效率，以支持妇科诊断和治疗计划	超声图像中的子宫内膜结构	computer vision	妇科疾病	深度学习	SAIM (Segment Anything with Inception Module)	超声图像	接受宫腔镜手术的妇科患者的超声图像