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	2025-06-18	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）
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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）
51	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
52	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
53	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
54	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
55	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
56	2025-06-01	Quantifying lung fissure integrity using a three-dimensional patch-based convolutional neural network on CT images for emphysema treatment planning 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034502 PMID:38817711	research paper	该研究提出了一种基于三维补丁的卷积神经网络（CNN）的深度学习方法，用于在CT图像上分割肺裂并定量评估肺裂完整性，以帮助肺气肿患者的治疗规划	使用三维补丁基础的CNN和nnU-Net配置来分割肺裂，并定量计算肺裂完整性评分（FIS），为肺气肿患者的EBV治疗提供辅助	测试集中不同肺裂的预测FIS与参考FIS之间的绝对百分比误差存在差异，尤其是右水平裂（RHF）的误差较大	评估肺气肿患者的肺裂完整性，以确定是否适合进行支气管内阀（EBV）治疗	严重肺气肿患者的CT扫描图像	digital pathology	lung cancer	CT扫描	CNN, nnU-Net	image	129例CT扫描（86例用于训练，43例用于测试）
57	2025-05-31	ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635299 PMID:39267982	研究论文	本文提出了一种基于域注意力的深度学习框架，用于在CT扫描中稳健量化肺气肿，解决了不同扫描仪类型带来的域偏移问题	设计了一种新颖的域注意力块，将图像视觉特征与定量扫描仪先验融合，显著提高了结果	需要进一步验证在大规模临床扫描中的适用性	开发一种稳健的肺气肿量化方法，适用于不同CT扫描仪的大规模研究	CT扫描图像中的肺气肿量化	数字病理	肺气肿	CT扫描	UNet, 域注意力块	CT图像	NA
58	2025-05-31	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	research paper	该研究提出了一种无监督深度学习流程，用于从3D气道分割投影中提取特征并进行聚类，以识别与疾病风险相关的气道亚型	首次使用无监督深度学习方法直接从3D气道分割投影中提取特征并进行聚类，识别出四种可重复且临床意义不同的气道亚型	对CT分割气道树变异的定量表征仍不完整，对这些变异的临床和发展影响的理解也有限	开发一种方法来定量表征CT扫描中气道树的变异，并探索其与疾病风险的关联	人类气道树	digital pathology	COPD	deep learning	unsupervised deep-learning pipeline	3D CT scans	MESA Lung CT cohort
59	2025-05-28	Deep learning-based prediction of coronary artery calcium scoring in hemodialysis patients using radial artery calcification 2024 May-Jun, Seminars in dialysis IF:1.4Q3 DOI:10.1111/sdi.13191 PMID:38178376	研究论文	本研究探讨了基于桡动脉钙化的随机森林模型在预测血液透析患者冠状动脉钙化评分中的可行性	使用随机森林模型结合桡动脉钙化指数预测冠状动脉钙化评分，为快速筛查提供潜在方法	样本量较小（118例患者），可能影响模型的泛化能力	探索桡动脉钙化在预测血液透析患者冠状动脉钙化中的可行性	血液透析患者	数字病理学	心血管疾病	超声检查、冠状动脉计算机断层扫描	随机森林模型、逻辑回归模型	临床变量、影像数据	118例血液透析患者
60	2025-05-25	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-May-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于深度学习的模型，用于预测肺鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	使用ResNet50模型在增强CT图像上训练，预测主要病理反应（MPR），并揭示了与免疫反应和抗原处理相关的基因突变和通路	样本量相对较小（309例患者），且仅针对肺鳞状细胞癌（LUSC）患者	预测肺鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	309例肺鳞状细胞癌（LUSC）患者	数字病理	肺癌	深度学习	ResNet50	图像	309例肺鳞状细胞癌患者