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	2025-06-03	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	本研究开发了一种名为ARD-Net的深度学习架构，用于从低计数PET图像生成标准计数PET图像，并通过多种评估指标验证其性能	提出了一种新颖的深度学习架构ARD-Net，用于从低计数PET图像生成高质量的标准计数PET图像，并在多个评估指标上显著优于现有方法	研究仅在小鼠模型上进行验证，尚未在人体临床试验中测试	开发并评估一种能够从低计数PET图像生成高质量标准计数PET图像的深度学习方法	小鼠模型中的乳腺脂肪垫肿瘤	医学影像处理	肿瘤	FDG-PET/CT成像	ARD-Net（基于注意力机制的残差扩张网络）	PET图像	48个临床前FDG-PET数据集用于训练和优化，16个数据集用于性能评估
42	2025-06-03	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	research paper	该研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	采用三种重排方案优化脑网络评估性能，并使用Grad-CAM可视化不同脑区连接对分类的贡献	未提及样本量是否足够大以覆盖不同类型的意识障碍患者	开发一种有效检测意识障碍患者意识水平的深度学习方法	意识障碍(DOC)患者	digital pathology	geriatric disease	EEG	CNN	EEG信号	NA
43	2025-06-03	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本文介绍了一种基于深度学习的无标记肺部肿瘤实时跟踪新方法，用于放射治疗中的肿瘤定位	提出使用条件生成对抗网络(cGAN)生成合成分解目标图像(sDTI)，显著提高了kV投影图像中肿瘤的可见性	目前仅验证了2D跟踪，需要进一步开发3D跟踪方法	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放射治疗精度	肺部肿瘤患者	数字病理	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	医学影像	9名植入信标标记的肺癌患者数据集
44	2025-06-03	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	research paper	评估深度学习加速腰椎MRI在诊断质量和扫描时间上的表现	首次全面评估基于深度学习的MRI协议对常规腰椎MRI扫描时间和诊断质量的影响	DL加速协议显示出降低的信噪比和增加的伪影感知	比较深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能上的差异	36名连续门诊患者的非增强腰椎MRI图像	digital pathology	spinal disease	MRI	DL	image	36名门诊患者
45	2025-06-03	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨了基于深度学习的T2加权MR图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估T2加权图像质量，并分析其对前列腺癌检测率的影响	研究为回顾性设计，且仅使用单一放射科医师的PI-RADSv2.1评估	评估前列腺MRI图像质量对癌症检测率的影响	615名血清PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI、高b值回波平面扩散加权成像和梯度回波动态对比增强	AI算法	MRI图像	615名患者
46	2025-06-03	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	本文提出了一种结合深度学习和模型的方法，用于预测前列腺癌微创手术中柔性斜面针的轨迹	首次提出结合深度学习和Lie群理论模型的混合方法，用于术中针形预测，并引入了一种新颖的自监督学习方法	实验仅在单层和双层均匀模型组织中进行，未涉及真实人体组织的复杂性	提高前列腺癌微创手术中针头插入的准确性	柔性斜面针的轨迹预测	机器学习	前列腺癌	深度学习	Lie群理论模型	针形轨迹数据	约3,000个预测样本
47	2025-06-03	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	research paper	提出一种基于视觉刺激的对抗学习EEG分类方法	使用双路径深度学习架构和梯度反转层(GRL)学习主体不变特征，并采用引导反向传播选择信息量更大的EEG通道	NA	基于图像类别对视觉刺激诱发的EEG信号进行分类	由外部视觉刺激(图像)诱发的EEG信号	脑机接口	NA	对抗学习	CNN, GRL	EEG信号	NA
48	2025-06-03	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络(CNN)的深度学习模型，用于自动检测血管超声中的自发回声对比(SEC)	使用多序列CNN结合软注意力机制，能够自动识别SEC，无需专家干预或额外临床报告时间	模型的AUC为0.74，敏感性和特异性分别为0.73和0.68，仍有提升空间	开发自动检测SEC的深度学习模型，以克服当前SEC识别需要专家判断和临床报告时间的障碍	股静脉的血管超声图像	医学影像分析	血栓栓塞性疾病	深度学习	多序列CNN(ResNetv2)结合软注意力机制	超声图像	201名患者的801份股静脉超声影像数据
49	2025-06-03	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出了一种加速联合T1和T2*映射的技术，结合并行成像、模型基础和深度学习方法来加速参数映射	提出了Joint MAPLE框架，结合并行成像、信号建模和数据一致性块，通过扫描特定的自监督重建提高参数估计的准确性	未提及具体样本量或临床验证结果	加速MRI参数映射，提高定量MRI的效率和准确性	MRI参数映射技术	医学影像处理	NA	并行成像、模型基础参数映射、深度学习	自监督网络	多回波、多翻转角梯度回波采集的多对比数据	NA
50	2025-06-03	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本文提出了一种使用无监督深度学习和CNN来设计静态并行传输脉冲的方法，以减少7T多通道传输阵列中的B1+不均匀性	引入了无监督训练方法，利用CNN处理多通道B1+图，避免了监督训练中参考传输RF权重的计算	研究仅针对健康人脑的B1+图，未涉及病态情况	减少7T多通道传输阵列中的B1+不均匀性	健康人脑的多通道B1+图	医学影像处理	NA	无监督深度学习	CNN	医学影像	143名受试者的3824张2D矢状面多通道B1+图
51	2025-06-03	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于域适应的深度学习模型GDA，用于青光眼的预测和诊断	GDA模型通过域不变和域特定表示学习提取通用和特定特征，并采用渐进加权机制和低秩编码技术	未明确提及具体局限性	青光眼的早期预测和诊断	青光眼患者	数字病理学	青光眼	深度学习	GDA	眼底照片	1636名受试者的3272只眼睛的66,742张眼底照片
52	2025-06-03	Examining a punishment-related brain circuit with miniature fluorescence microscopes and deep learning 2024-Jun, Addiction neuroscience DOI:10.1016/j.addicn.2024.100154 PMID:38680653	research paper	研究通过微型荧光显微镜和深度学习算法分析惩罚学习的生物行为机制	结合微型荧光显微镜和深度学习算法，研究惩罚学习中的神经回路变化	未提及具体实验样本量或数据规模	理解惩罚学习的生物行为机制及其在药物使用障碍中的作用	啮齿类动物（用于实验模型）	machine learning	substance use disorder	miniature fluorescence microscopes, deep learning	deep learning	image	NA
53	2025-06-03	NeighBERT: Medical Entity Linking Using Relation-Induced Dense Retrieval 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00136-3 PMID:38681752	研究论文	本文提出了一种名为NeighBERT的新型预训练技术，用于解决临床自然语言处理中的医学实体链接问题	NeighBERT通过编码知识图谱中实体间的关系，扩展了BERT模型，增加了传统BERT中缺失的关系上下文，从而帮助解决临床文本中的歧义问题	NA	提高医学实体链接（MEL）的准确性和性能	临床文本中的医学实体	自然语言处理	NA	预训练技术	BERT扩展模型	文本	两个广泛使用的临床数据集
54	2025-06-03	Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00160-x PMID:38681760	研究论文	本文探讨了使用监督和无监督深度学习方法进行EEG癫痫发作预测的可行性	开发了新颖的无监督深度学习方法，仅使用正常EEG数据进行训练，将癫痫发作前EEG检测为异常事件	不同患者、方法和架构下的性能表现存在差异	预测癫痫发作以降低患者风险	癫痫患者的EEG数据	机器学习	癫痫	深度学习	监督学习和无监督学习模型	EEG信号数据	两个大型EEG癫痫数据集（具体数量未提及）
55	2025-06-01	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-06-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	综述	本文回顾了深度学习在颌骨囊性病变诊断中的最新进展	总结了深度学习在颌骨囊性病变诊断中的应用及其优于临床医生的判别性能	模型可解释性不足、缺乏多中心数据验证等问题限制了其临床应用	研究深度学习在颌骨囊性病变诊断中的性能	颌骨囊性病变	数字病理学	颌骨囊性病变	深度学习	DL	牙科放射影像	44项研究（初始搜索1862篇）
56	2025-06-01	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	scoping review	本文对深度学习在医学预测问题中处理噪声标签的研究进行了全面的范围综述	全面综述了医学预测问题中噪声标签的管理方法，包括噪声检测、处理及评估	仅涵盖了2016年至2023年的60篇论文，可能未完全覆盖所有相关研究	探讨医学研究中噪声标签的来源、影响、检测及处理方法	医学预测问题中的噪声标签	machine learning	NA	深度学习	NA	NA	60篇论文
57	2025-05-31	Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography 2024-Jun-14, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.13.24308898 PMID:38947008	research paper	开发并评估了一种基于深度学习的心动图视频算法，用于慢性肝病的机遇性筛查	利用深度学习技术从常规心动图视频中自动识别高质量图像并检测肝硬化或脂肪性肝病（SLD），实现了慢性肝病的机遇性筛查	研究为回顾性观察队列，可能存在选择偏差；外部测试队列样本量较小（106例患者）	开发慢性肝病的机遇性筛查方法	接受心动图和腹部影像检查的成年患者	digital pathology	chronic liver disease	deep learning computer vision pipeline	CNN（推测）	video	1,596,640个心动图视频（来自24,276名患者）
58	2025-05-27	Physician Assistant Educators' Production Blueprint for Video Pedagogy 2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association DOI:10.1097/JPA.0000000000000592 PMID:38684095	研究论文	本文提出了一个基于验证教学实践的医师助理(PA)教育视频制作蓝图，旨在改进视频制作实践并提高学生学习效果	结合认知负荷理论和专门为PA教育设计的视频制作蓝图，提出改进视频教学效果的新方法	NA	改进医师助理教育中的视频教学方法	医师助理教育中的视频教学	教育技术	NA	视频制作技术	NA	视频	NA
59	2025-05-20	Rapid Detection of SARS-CoV-2 Variants Using an Angiotensin-Converting Enzyme 2-Based Surface-Enhanced Raman Spectroscopy Sensor Enhanced by CoVari Deep Learning Algorithms 2024-06-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00488 PMID:38843447	研究论文	开发了一种结合表面增强拉曼光谱(SERS)和深度学习算法CoVari的方法，用于快速准确检测和量化SARS-CoV-2变种	使用ACE2功能化的AgNR@SiO阵列SERS传感器和CoVari深度学习算法，实现了对病毒变种的高精度检测和浓度定量	在未知样本测试中，浓度低于781 PFU/mL时分类准确率可能下降	开发快速定量检测病毒变种的诊断平台	SARS-CoV-2及其变种病毒	机器学习	COVID-19	表面增强拉曼光谱(SERS)	CoVari深度学习算法	光谱数据	三种病毒(SARS-CoV-2、SARS-CoV-2 B1和CoV-NL63)的SERS光谱数据
60	2025-05-20	Two-Dimensional Deep Learning Frameworks for Drug-Induced Cardiotoxicity Detection 2024-06-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00654 PMID:38842187	research paper	本研究提出了两种基于深度学习的框架STFT-CNN和SST-CNN，用于显著提高药物诱导心脏毒性的检测准确性和可靠性	利用诱导多能干细胞衍生的心肌细胞(iPSC-CMs)作为更接近人类的细胞模型，并通过先进的转换技术将时间信号转化为二维表示，显著提高了检测的准确性	NA	开发更准确、可靠的药物诱导心脏毒性检测方法	药物诱导的心脏毒性	machine learning	cardiovascular disease	impedance measurements, short-time Fourier transform (STFT), synchro-squeezing transform (SST)	CNN	temporal signals converted into two-dimensional representations	NA