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	2025-06-15	A systematic evaluation of Euclidean alignment with deep learning for EEG decoding 2024-06-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4f18 PMID:38776898	研究论文	本文系统地评估了欧几里得对齐与深度学习结合在脑电图解码中的效果	首次系统地评估了欧几里得对齐（EA）对共享和个体深度学习模型训练性能的影响，并展示了其在提高解码准确性和减少收敛时间方面的优势	研究仅针对脑机接口（BCI）任务，未探讨EA在其他领域的适用性	评估欧几里得对齐与深度学习结合在脑电图信号解码中的效果	脑电图信号和深度学习模型	机器学习	NA	深度学习	DL	脑电图信号	多个受试者的数据
22	2025-06-15	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-06-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出两种新方法来识别和减轻困难试验对运动想象脑机接口模型性能的影响	提出基于模型预测分数和可解释人工智能（XAI）的定量方法来识别困难试验，并通过移除这些试验来优化模型性能	实验仅在Open BMI数据集上进行，未在其他数据集上验证方法的普适性	优化运动想象脑机接口（BCI）模型的分类性能	运动想象BCI系统中的困难试验	机器学习	NA	定量可解释人工智能（XAI）	深度CNN	脑电图（EEG）数据	Open BMI数据集中的样本
23	2025-06-10	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文提出了一种使用可解释深度学习技术moETM进行高维单细胞多模态数据整合分析的协议	开发了一种名为moETM的可解释深度学习技术，用于整合单细胞多组学数据，并结合先验通路知识进行跨组学插补	协议的具体执行细节需要参考原始研究，可能对数据预处理要求较高	开发单细胞多组学数据整合分析方法	单细胞多组学数据	机器学习	NA	单细胞多组学测序技术	moETM	单细胞多组学数据	骨髓单核细胞数据(GSE194122)
24	2025-06-10	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度学习框架，用于去噪单细胞RNA测序（scRNA-seq）数据集	采用动态批处理对抗自编码器（DB-AAE）进行scRNA-seq数据的去噪和排序	未提及具体的数据集规模或实验结果的广泛验证	解决scRNA-seq数据中的技术噪声问题，提高数据质量	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	scRNA-seq	对抗自编码器（AAE）	基因表达数据	NA
25	2025-06-07	Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3364911 PMID:38335079	research paper	提出一种用于欠采样MRI重建的扫描特异性自监督贝叶斯深度非线性反演方法	无需自动校准扫描区域，采用深度图像先验型生成建模方法和近似贝叶斯推理来正则化深度卷积神经网络	需要进一步验证在不同解剖结构、对比度和采样模式下的广泛适用性	提高欠采样MRI重建的效率和准确性	欠采样的MRI数据	医学影像处理	NA	深度卷积神经网络，贝叶斯推理	CNN	MRI图像	多种解剖结构、对比度和采样模式的MRI数据
26	2025-06-06	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎	首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级	六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能	评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能	葡萄膜炎患者的超广角眼底视网膜照片	数字病理	葡萄膜炎	超广角眼底成像	DenseNet121 CNN	图像	1181张图像
27	2025-06-06	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-06, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	研究论文	本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用	首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比	需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求	评估深度学习算法在膝关节积液量化中的有效性	53名OAI受试者的膝关节MRI数据	数字病理学	骨关节炎	深度学习	DL算法	MRI图像	53名受试者
28	2025-06-05	Spach Transformer: Spatial and Channel-Wise Transformer Based on Local and Global Self-Attentions for PET Image Denoising 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3336237 PMID:37995174	research paper	提出了一种名为Spach Transformer的空间和通道编码器-解码器变换器，用于PET图像去噪	结合局部和全局多头自注意力机制（MSA），有效利用空间和通道信息，同时降低计算成本	未提及具体计算成本降低的量化数据或与其他方法的详细比较	提高PET图像的信噪比（SNR）	PET图像	computer vision	NA	深度学习	Transformer, CNN	image	使用不同PET示踪剂（18F-FDG、18F-ACBC、18F-DCFPyL和68Ga-DOTATATE）的数据集进行实验
29	2025-06-05	Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250490 PMID:37028335	研究论文	提出了一种名为ME-Mixer的新型特征探索网络，结合监督和非监督特征用于疾病诊断	利用流形嵌入多层感知器（MLP）混合器（ME-Mixer）进行特征探索，结合监督和非监督特征提升诊断性能	仅在两个医学数据集上进行了评估，可能需要更多数据验证其泛化能力	优化深度神经网络设计以实现高性能疾病诊断	医学图像数据	数字病理	NA	深度学习	CNN, MLP-Mixer	图像	两个医学数据集（未明确样本数量）
30	2025-06-04	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性分类	该模型能够自动准确分类脑部PET扫描，无需依赖经验丰富的读者或结构MRI	研究为回顾性研究，可能受到数据选择和时间的限制	开发并评估一个深度学习模型，用于脑部PET扫描的淀粉样蛋白阳性或阴性分类	脑部PET扫描	digital pathology	Alzheimer's Disease	PET imaging	CNN	image	8476 PET scans (6722 patients)
31	2025-06-04	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	本文提出了一种基于深度学习的骨微结构图像协调方法，用于处理低分辨率和高分辨率CT扫描仪获取的图像数据	提出了3D版本的GAN-CIRCLE方法，通过两个生成对抗网络同时学习低分辨率CT到高分辨率CT的映射及其反向映射，实现了图像数据的协调	样本量较小，仅招募了20名志愿者，且仅对胫骨远端进行了扫描	开发一种深度学习方法，用于协调不同分辨率CT扫描仪获取的骨微结构图像数据	骨微结构图像数据，特别是胫骨远端的低分辨率和高分辨率CT图像	医学影像处理	骨质疏松症	CT扫描	GAN-CIRCLE	3D图像	20名志愿者，500对64×64×64体素的图像块用于训练，8名志愿者的数据用于评估
32	2025-06-03	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	使用光学相干断层扫描血管成像（OCTA）研究糖尿病患者和健康对照者视网膜浅层和深层血管复合体中不同直径血管的密度变化	首次通过OCTA技术分层分析不同直径血管在糖尿病视网膜病变（DR）不同严重程度下的变化	样本量在不同DR严重程度组间分布不均，可能影响结果的普遍性	探究糖尿病视网膜病变中不同直径血管的脆弱性差异	糖尿病患者和健康对照者的视网膜血管	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习分割和血管图提取工具	图像	854名受试者的854只眼（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）
33	2025-06-03	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文对源自由无监督领域自适应（SFUDA）方法进行了系统性的文献综述	首次对SFUDA方法进行分类，并详细讨论了白盒和黑盒SFUDA方法的优缺点	未涉及具体实验验证，主要基于文献分析	解决跨领域分布差异导致的领域适应问题	无监督领域自适应方法	机器学习	NA	NA	NA	NA	NA
34	2025-06-03	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	使用卷积神经网络（CNNs）分析对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注数据，以区分外周动脉疾病（PAD）患者与匹配对照组	首次应用CNNs分析CE-MRI的骨骼小腿肌肉灌注模式来区分PAD患者与对照组	样本量较小（56例），且模型准确率最高仅75%	探索深度学习在外周动脉疾病诊断中的应用	外周动脉疾病患者及匹配对照组的骨骼小腿肌肉	数字病理学	心血管疾病	对比增强磁共振成像（CE-MRI）	CNN（包括resNet和divNet）	3D医学影像	56例（36例PAD患者和20例匹配对照组）
35	2025-06-03	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	本研究开发了一种深度学习算法，利用基线和纵向结构测量数据预测青光眼患者的视野进展	首次使用Siamese Neural Network结合ResNet-152预训练模型，通过连续视盘照片和基线视网膜神经纤维层厚度预测视野进展	需要进一步验证才能在临床实践中实施	开发能够预测青光眼患者视野进展的深度学习工具	青光眼患者	数字病理	青光眼	深度学习	Siamese Neural Network with ResNet-152 backbone	图像	3,079只眼（1,765名患者）用于训练，427只眼用于测试
36	2025-06-03	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	research paper	开发了一种基于深度学习的AI模型，用于在前列腺癌分期CT上检测和分类骨病变	开发了两种自动化的深度学习AI模型，分别用于骨病变检测与分割以及良性与转移性病变分类，并与放射科医生的性能进行了比较	研究为回顾性研究，样本量相对较小，且仅针对前列腺癌患者	提高前列腺癌分期CT上骨病变的检测和分类效率	前列腺癌患者的骨病变	digital pathology	prostate cancer	deep learning	3DAISeg, 3DAIClass	CT scans	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变
37	2025-06-03	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	本研究应用自然语言处理（NLP）技术自动化从临床记录中提取抗癌治疗和RECIST定义的响应信息，以减少人工数据收集的工作量并提高结果的一致性和可靠性	提出了一种复杂的混合NLP系统，结合机器学习和深度学习模块，用于从叙述性临床文本中自动提取、链接和总结抗癌治疗及相关的RECIST响应	系统在链接治疗和RECIST响应提及方面的最佳得分仅为0.66，端到端性能峰值为0.74，显示仍有改进空间	自动化从电子健康记录中提取抗癌治疗和响应信息，以支持癌症研究和治疗效果评估	临床记录中的抗癌治疗信息和RECIST定义的响应信息	自然语言处理	癌症	自然语言处理（NLP）	BioBERT, BioClinicalBERT	文本	来自不同机构的两个独立测试集
38	2025-06-03	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	research paper	本研究提出了一种基于U-Net的深度学习框架，用于增强基于LED的光声成像系统的图像质量	使用U-Net框架显著提高了低帧平均光声图像的信噪比和对比度，为低成本、低能量光源的光声成像系统提供了实时图像增强平台	网络存在模糊输出和无法减少椒盐噪声的缺点	提高基于LED的光声成像系统的图像质量和帧率	光声成像系统及其获得的图像	computer vision	NA	deep learning	U-Net	image	in vitro phantoms和in vivo models
39	2025-06-03	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	research paper	该研究通过腹部CT扫描的生物标志物评估组织年龄，探讨其与慢性疾病和死亡率的关系	利用深度学习模型从腹部CT扫描中提取生物标志物，构建组织年龄评估模型，并发现组织年龄与慢性疾病和死亡率的关联	研究样本仅来自美国特定地区，可能限制结果的普遍性	评估基于医学影像的身体成分是否可用于评估组织水平的生物年龄	20至89岁的普通人群，共4900人	digital pathology	geriatric disease	腹部CT扫描	deep learning	image	4900人
40	2025-06-03	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本文开发了一种多任务深度学习模型，用于预测放射治疗中不同模式的剂量分布	提出了一种多任务学习框架，能够同时预测多种放射治疗模式的剂量分布，提高了预测效率和准确性	样本量较小（28名患者），且训练时间较长	开发一种高效且个性化的方法，用于确定加速部分乳房照射（APBI）的最佳放射治疗模式	28名APBI患者及其92个治疗计划	数字病理	乳腺癌	深度学习	CNN	CT扫描图像	28名患者，92个治疗计划