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	2025-05-08	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-05-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	开发并验证了一个名为PyHFO的端到端软件平台，用于简化深度学习在癫痫研究中检测神经生理生物标志物的应用	PyHFO整合了深度学习模型，用于伪影和高频振荡（HFO）与尖峰分类，设计为在标准计算机硬件上高效运行，速度比传统HFO检测应用快50倍	未提及具体限制	开发一个用户友好且计算高效的平台，以促进高级EEG数据分析工具在临床实践中的广泛应用	EEG记录中的神经生理生物标志物	数字病理	癫痫	深度学习	DL模型	EEG记录	三个独立数据集：第一个仅包含网格/带状电极，第二个是网格/带状和深度电极的组合，第三个来自啮齿动物研究，使用深度电极采样新皮层和海马体
22	2025-05-08	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-05-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的快速听觉注意力解码方法，用于听力受损者的脑电图分析	使用深度卷积神经网络模型处理听力受损者的脑电图数据，实现了三种分类任务，并探讨了数据分割策略对结果的影响	研究仅针对听力受损人群，且样本量有限（31名参与者）	探索听力技术如何影响听力受损人群的听觉处理过程	听力受损者的脑电图数据	机器学习	听力障碍	EEG	DCNN	脑电图数据	31名听力受损参与者
23	2025-05-08	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	未明确提及具体局限性	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
24	2025-05-08	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-05-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	提出了一种名为EEGminer的系统，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了可学习滤波器，通过广义高斯函数参数化，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，用于从持续EEG活动的多通道记录中学习信息丰富的潜在表示	脑电活动模式	机器学习	NA	EEG信号处理	可学习滤波器和预定义特征提取模块	EEG信号	721名受试者的新EEG数据集，以及SEED数据集和同时任务EEG工作负荷数据集
25	2025-05-06	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本文提出了一种利用扩散概率模型（DPM）增强深度紫外荧光（DUV）图像数据集的方法，以提高乳腺癌分类的准确性	首次将扩散概率模型（DPM）应用于深度紫外荧光（DUV）图像数据增强，显著提高了乳腺癌检测的准确率	研究依赖于有限的数据集，可能影响模型的泛化能力	提高乳腺癌在深度紫外荧光图像中的自动检测性能	深度紫外荧光（DUV）图像	计算机视觉	乳腺癌	扩散概率模型（DPM）	ResNet, XGBoost	图像	未明确提及具体样本数量
26	2025-05-03	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	开发并验证了一种深度学习模型，用于从超广角眼底图像预测中高度近视患者的眼轴长度	首次利用深度学习模型从超广角眼底图像预测眼轴长度，并验证了其可行性	模型预测偏差与真实眼轴长度值呈强负相关，且在男女之间存在显著差异	验证利用深度学习模型从超广角眼底图像预测中高度近视患者眼轴长度的可行性	3134名近视患者的6174张超广角眼底图像	计算机视觉	近视	深度学习	深度学习模型	图像	6174张超广角眼底图像（来自3134名患者）
27	2025-05-03	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	系统综述	本文系统综述了使用深度学习技术分析眼底图像预测系统性疾病的文献，评估了研究质量并提出了临床转化建议	首次对深度学习在眼底图像预测系统性疾病领域的文献进行全面系统评价，并采用TRIPOD和PROBAST标准评估报告透明度和偏倚风险	仅纳入31篇文献，大多数研究存在高偏倚风险，临床可用性数据不足	评估深度学习在眼底图像预测系统性疾病中的应用现状和研究质量	使用深度学习和眼底图像预测系统性参数的文献	数字病理学	糖尿病及相关疾病、心血管疾病等	深度学习	NA	眼底图像	31篇研究文献（涉及4969篇初步筛选文献）
28	2025-05-03	AI-guided histopathology predicts brain metastasis in lung cancer patients 2024-05, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6263 PMID:38433721	研究论文	使用深度学习技术分析常规H&E染色组织切片，预测非小细胞肺癌患者脑转移风险	首次将深度学习应用于常规H&E染色切片预测脑转移风险，准确率显著高于病理专家	样本量相对较小（158例），需要更大规模验证	开发AI模型预测非小细胞肺癌患者的脑转移风险	I-III期非小细胞肺癌患者的H&E染色组织切片	数字病理学	肺癌	深度学习	DL算法	病理图像	158例I-III期NSCLC患者（65例发生脑转移，93例未进展）
29	2025-05-03	Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111403 PMID:38452732	research paper	该研究开发了一种名为Deep-SHAP的可解释AI方法，用于探索轻度认知障碍(MCI)/阿尔茨海默病(AD)患者区域神经影像生物标志物与认知功能之间的多变量关系	结合深度学习和SHAP方法，首次提出Deep-SHAP方法来揭示MCI/AD中区域脑部特征与认知功能之间的复杂多变量关系	研究仅针对MCI/AD患者，结果可能不适用于其他神经退行性疾病	探索MCI/AD患者区域脑成像指标与认知功能之间的多变量关系	MCI/AD患者	digital pathology	geriatric disease	MRI, PET	深度学习神经网络	神经影像数据	MCI/AD患者的实验数据
30	2024-08-07	Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS) 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02877-2 PMID:38135772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
31	2024-08-07	Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)' 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02878-1 PMID:38135773	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
32	2025-05-03	Evaluation of a Cascaded Deep Learning-based Algorithm for Prostate Lesion Detection at Biparametric MRI 2024-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.230750 PMID:38713024	研究论文	评估一种基于级联深度学习的算法在双参数MRI中检测前列腺病变的性能，并与放射科医生的读取和活检结果进行比较	开发了一种用于双参数MRI的前列腺病变检测和分割的AI算法，其性能与经验丰富的放射科医生相当	算法在病变级别的检测灵敏度为55%，阳性预测值为57%，且每个参与者的平均假阳性病变数为0.61	评估AI算法在双参数MRI中检测前列腺病变的性能	疑似或已知前列腺癌的患者	数字病理学	前列腺癌	双参数MRI	级联深度学习算法	MRI图像	658名男性参与者，共1029个MRI可见病变
33	2025-05-03	NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions 2024-May-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.10.033 PMID:37972715	research paper	评估基于人工智能深度学习的自动分割在放射治疗中的当前发展、临床考虑和未来方向	探讨了AI深度学习神经网络在放射治疗自动分割中的应用，特别是在减少人工勾画工作量和缩短治疗计划时间方面的显著优势	商业AI分割模型在多样化临床场景中应用时面临挑战，特别是在非受控环境中	评估商业AI自动分割工具的临床应用和潜力	商业AI自动分割工具及其在放射治疗中的应用	digital pathology	NA	deep learning neural networks (DLNN)	AI-based models	medical imaging data	NA
34	2025-05-03	Image factory: A method for synthesizing novel CT images with anatomical guidance 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16864 PMID:38043097	research paper	提出了一种名为Image factory的方法，用于在解剖学指导下合成新的CT图像，以解决医学影像领域标记数据不足的问题	通过结合StyleGAN、U-Net和CycleGAN/P2P架构，能够从少量标记数据生成大量高质量的标记CT图像，并合成具有新解剖结构的图像	需要依赖初始的小规模标记数据集和大量非标记数据，且生成图像的解剖合理性可能存在轻微下降	解决医学影像领域深度学习训练数据不足的问题	CT图像	digital pathology	lung cancer	StyleGAN, U-Net, CycleGAN/P2P	GAN, CNN	image	30例标记的肺部CT数据（来自TCIA）和14k例未标记的高分辨率CT数据（来自NIH）
35	2025-05-03	RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108318 PMID:38522253	research paper	介绍了一种名为RAPHIA的深度学习流程，用于高效准确地对前列腺MRI和全切片组织病理学图像进行配准	RAPHIA自动化了现有方法中多个耗时的手动步骤，包括前列腺分割、组织病理学图像旋转角度和水平翻转的估计，以及MRI-组织病理学切片对应关系的估计，并通过深度学习配准网络大幅减少计算时间	未明确提及具体限制，但可能依赖于深度学习模型的性能和训练数据的质量	开发一种高效准确的MRI和组织病理学图像配准流程，以促进前列腺癌早期检测的机器学习方法的发展	前列腺MRI和全切片组织病理学图像	digital pathology	prostate cancer	deep learning registration networks	NA	image	未明确提及具体样本数量
36	2025-05-03	TractGeoNet: A geometric deep learning framework for pointwise analysis of tract microstructure to predict language assessment performance 2024-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103120 PMID:38458095	研究论文	提出了一种基于几何深度学习的框架TractGeoNet，用于利用扩散磁共振成像(dMRI)纤维束成像和相关的点状组织微结构测量进行回归分析	采用点云表示法直接利用纤维束内所有点的组织微结构和位置信息，无需沿流线平均或分箱数据；提出了一种新的损失函数Paired-Siamese Regression loss，以提高回归性能；提出了Critical Region Localization算法，用于识别白质纤维束中对预测结果贡献最大的解剖区域	研究仅基于806名受试者的20个关联白质纤维束数据集，样本量和区域范围可能有限	通过几何深度学习增强对大脑白质纤维束的研究，并将其结构与人类语言表现等特征联系起来	人脑白质纤维束及其与语言表现的关系	机器学习	NA	扩散磁共振成像(dMRI)纤维束成像	几何深度学习	图像	806名受试者的20个关联白质纤维束
37	2025-05-03	Utilizing Deep Learning and Computed Tomography to Determine Pulmonary Nodule Activity in Patients With Nontuberculous Mycobacterial-Lung Disease 2024-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000745 PMID:38640144	研究论文	开发并评估用于分类非结核分枝杆菌肺病(NTM-LD)患者CT图像中急性和慢性肺结节的深度卷积神经网络(DCNN)模型	首次使用DCNN模型对NTM-LD患者的肺结节活动性进行分类，并与放射科医生的诊断性能进行比较	样本量相对较小(650个结节)，且仅基于CT图像	提高非结核分枝杆菌肺病的诊断和管理效率	非结核分枝杆菌肺病患者的肺结节	计算机视觉	肺病	CT扫描	DCNN	图像	来自110名患者的650个结节(316个急性，334个慢性)
38	2025-05-02	Semiautomatic Assessment of Facet Tropism From Lumbar Spine MRI Using Deep Learning: A Northern Finland Birth Cohort Study 2024-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000004909 PMID:38105615	研究论文	本研究利用深度学习从腰椎MRI中半自动评估关节面取向，并在芬兰北部出生队列中研究关节面取向的流行情况	开发了一个基于深度学习的半自动框架来测量关节面角度，并在大规模人群队列中研究关节面取向	研究为回顾性设计，可能受到数据收集时的限制	引入半自动框架测量关节面角度并研究关节面取向的流行情况	芬兰北部出生队列中的1288名参与者的腰椎MRI图像	数字病理学	脊柱疾病	深度学习	DL模型	MRI图像	1288名参与者的腰椎MRI图像，其中430名用于模型训练，60名用于评估评分者间和评分者内可靠性
39	2025-05-01	Development and external validation of deep learning clinical prediction models using variable-length time series data 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae088 PMID:38679906	研究论文	比较和外部验证了用于可变长度时间序列数据的深度学习模型架构和数据转换方法在三个临床任务中的表现	比较了三种特征工程方法和三种深度学习架构在临床任务中的表现，发现LSTM/GRU架构与PLE-DT转换数据结合在所有任务中表现最佳	研究仅基于两个医疗中心的数据，可能缺乏更广泛的代表性	开发和外部验证深度学习临床预测模型，用于预测临床恶化、严重急性肾损伤和疑似感染	医院住院患者	机器学习	急性肾损伤、感染	深度学习	LSTM/GRU, TDW-CNN, 时间卷积网络	时间序列数据	训练集373,825例住院患者，测试集256,128例住院患者
40	2025-04-27	Fully Automated OCT-based Tissue Screening System 2024-May-15, ArXiv PMID:38800655	research paper	介绍了一种基于光学相干断层扫描（OCT）的全自动组织筛查系统，用于体外组织培养的高通量筛选应用	系统配备了定制设计的电动平台和组织检测能力，结合基于Transformer的深度学习分割算法，实现了自动化、连续成像和高效读取	目前仅在小鼠视网膜变性模型的视网膜外植体培养中进行了验证，尚未在其他组织或模型中测试	开发一种高效、可靠的全自动组织筛查系统，以推动药物发现及相关研究领域的发展	小鼠视网膜变性模型的视网膜外植体培养	digital pathology	retinal degeneration	optical coherence tomography (OCT)	Transformer-based deep learning segmentation algorithms	image	小鼠视网膜外植体培养样本（具体数量未提及）