深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
161	2025-03-06	Preliminary Results: Comparison of Convolutional Neural Network Architectures as an Auxiliary Clinical Tool Applied to Screening Mammography in Mexican Women 2024-Jun, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-024-00868-6 PMID:40027073	研究论文	本研究开发了一种新型卷积神经网络（CNN）用于乳腺X光片的良恶性分类，并与使用迁移学习的预训练CNN模型进行比较	开发了一种新型CNN模型，并在墨西哥女性乳腺X光片数据集上进行了训练和验证，填补了该领域的数据和工具空白	研究样本量相对较小，且仅使用了两个数据库的数据	开发并验证一种新型CNN模型，用于乳腺X光片的良恶性分类	乳腺X光片	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN, DenseNet121, MobileNetV2, ResNet50, VGG16	图像	1,070张乳腺X光片（来自235名墨西哥患者）和MIAS数据库中的乳腺X光片	NA	NA	NA	NA
162	2025-03-06	From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR 2024-Jun, Proceedings of machine learning research PMID:40041452	研究论文	本文提出了一种名为HTP-Star的模型，利用超图结构和预训练-微调框架来建模电子健康记录（EHR）数据，并设计了两种技术以增强模型在微调过程中的鲁棒性	HTP-Star模型通过超图结构和预训练-微调框架，实现了对EHR数据的建模，并能够无缝整合额外特征，同时在微调过程中增强了模型的鲁棒性	未明确提及具体限制	研究目的是通过深度学习模型改进对电子健康记录（EHR）数据的处理，以实现更平衡的临床预测	电子健康记录（EHR）数据	机器学习	NA	超图结构、预训练-微调框架	HTP-Star	电子健康记录（EHR）数据	两个真实的EHR数据集	NA	NA	NA	NA
163	2025-03-05	Evaluation of deep learning algorithms in detecting moyamoya disease: a systematic review and single-arm meta-analysis 2024-Jun-29, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02537-3 PMID:38951288	系统综述与单臂荟萃分析	本研究评估了深度学习算法在诊断烟雾病（MMD）中的效果，通过分析敏感性、特异性和曲线下面积（AUC）与专家共识进行比较	首次系统评估深度学习算法在烟雾病诊断中的应用，并进行了单臂荟萃分析	仅包括英文文献，排除了使用传统机器学习方法的研究	评估深度学习算法在烟雾病诊断中的效果	烟雾病（MMD）患者	计算机视觉	烟雾病	深度学习	深度学习模型	图像	4,416名患者，其中1,358名患有烟雾病	NA	NA	NA	NA
164	2025-03-05	Text-to-video generative artificial intelligence: sora in neurosurgery 2024-Jun-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02514-w PMID:38867134	研究论文	本文探讨了生成式人工智能Sora在神经外科中的应用及其潜力	介绍了Sora这一新型生成式AI工具，结合自然语言处理、深度学习和计算机视觉技术，能够从文本提示生成视频，为神经外科领域带来创新应用	当前模型存在物理上不可能的运动生成、自发生成主题、不自然的物体变形、不准确的物理交互以及生成多个主题时表现异常等问题，同时涉及患者隐私、偏见和伦理问题	探讨生成式AI在神经外科中的应用潜力及其效果评估	神经外科领域	自然语言处理, 计算机视觉	NA	生成式AI, 自然语言处理, 深度学习, 计算机视觉	LLM, 生成式AI	文本, 视频	NA	NA	NA	NA	NA
165	2025-03-05	Breaking new ground: can artificial intelligence and machine learning transform papillary glioneuronal tumor diagnosis? 2024-Jun-07, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02504-y PMID:38844709	研究论文	本文探讨了人工智能和机器学习在乳头状胶质神经元肿瘤（PGNT）诊断中的潜在应用	首次提出将AI和ML技术应用于PGNT的诊断，以提高术前诊断的准确性	AI预测需要医学专业人员的验证，不能完全替代临床专业知识	研究AI和ML在PGNT诊断中的应用，以提高诊断准确性和患者治疗效果	乳头状胶质神经元肿瘤（PGNT）	数字病理学	脑肿瘤	深度学习	NA	影像数据	36例确诊的PGNT病例	NA	NA	NA	NA
166	2025-03-05	Using Wearable Sensors and Machine Learning to Assess Upper Limb Function in Huntington's Disease 2024-Jun-03, Research square DOI:10.21203/rs.3.rs-4355136/v1 PMID:38883736	研究论文	本研究利用可穿戴传感器和机器学习技术评估亨廷顿病患者的日常生活中的上肢功能	首次将可穿戴传感器和深度学习模型结合，用于监测亨廷顿病患者的日常上肢功能，并预测疾病组别和临床评分	样本量较小（HD=16，pHD=7，CTR=16），可能影响结果的普遍性	评估亨廷顿病患者的上肢功能，探索可穿戴传感器和机器学习在疾病监测和治疗评估中的应用	亨廷顿病患者（HD）、前驱期亨廷顿病患者（pHD）和健康对照组（CTR）	机器学习	亨廷顿病	深度学习模型	深度学习模型	传感器数据	HD=16，pHD=7，CTR=16	NA	NA	NA	NA
167	2025-10-07	Fluorescence excitation-scanning hyperspectral imaging with scalable 2D-3D deep learning framework for colorectal cancer detection 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64917-5 PMID:38926431	研究论文	开发用于结直肠癌检测的荧光激发扫描高光谱成像与可扩展深度学习框架	提出新型荧光激发扫描高光谱成像方法，结合可调节速度/性能权衡的端到端AI框架，提供AI决策过程的可解释性可视化	高维数据带来的处理、解释和分类挑战	提升结直肠癌病变检测的准确性和实时分析能力	结直肠癌组织样本	计算机视觉	结直肠癌	荧光激发扫描高光谱成像	深度学习	高光谱图像	NA	NA	NA	分类准确率	NA
168	2025-10-07	Deep Learning Phenotyping of Tricuspid Regurgitation for Automated High Throughput Assessment of Transthoracic Echocardiography 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.22.24309332 PMID:38978651	研究论文	开发用于经胸超声心动图自动高通量评估三尖瓣反流的深度学习表型分析流程	首个用于三尖瓣反流自动检测和分层的深度学习流程，在两个不同医疗系统中验证	研究数据来自特定医疗中心，需在更广泛人群中验证	开发自动化三尖瓣反流评估系统，实现高通量筛查	经胸超声心动图视频数据	计算机视觉	心血管疾病	超声心动图，彩色多普勒	深度学习	视频	训练集：47,312项研究（2,079,898个视频）；测试集：CSMC 2,462项研究（108,138个视频），SHC 5,549项研究（278,377个视频）	NA	NA	AUC, 敏感性, 特异性	NA
169	2025-10-07	Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.09.24308603 PMID:38946986	研究论文	本研究开发了一种基于深度学习的电子健康记录分析模型，用于准确识别ANCA相关性血管炎病例	首次将深度学习模型应用于电子健康记录中的临床文本分析，相比传统基于规则的方法能识别更多ANCA相关性血管炎病例	研究数据来源于单一医疗系统，模型性能需在更广泛人群中验证	开发更准确的ANCA相关性血管炎病例识别方法	电子健康记录中的临床文档	自然语言处理	ANCA相关性血管炎	电子健康记录分析	深度学习	文本	数据集I: 6,000个注释片段，数据集II: 3,008个注释片段，数据集III: 7,500个注释片段，测试队列: 2,000个样本	NA	NA	PPV, 敏感度, F分数, AUROC, AUPRC	NA
170	2025-02-25	CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04252-5 PMID:38557770	研究论文	本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发（ER）中的作用，并分层了ER的风险	首次使用CEUS结合DL放射组学复发评分来预测HCC的早期复发，并基于预测因子数量对患者进行风险分层	研究为回顾性观察研究，可能存在选择偏差	预测肝细胞癌根治性切除术后的早期复发并分层风险	556名在2011年1月至2018年12月期间接受根治性切除术的HCC患者	数字病理	肝细胞癌	对比增强超声（CEUS）	深度学习（DL）	图像	556名HCC患者	NA	NA	NA	NA
171	2025-02-25	Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04236-5 PMID:38512517	研究论文	本文评估了基于深度学习的图像重建技术在多动脉期磁共振成像（MA-MRI）中对小血管性肝肿瘤图像质量的提升效果	首次将深度学习技术应用于多动脉期磁共振成像的图像重建，显著提高了图像质量	研究样本量较小，且为回顾性研究，可能影响结果的普遍性	评估深度学习图像重建技术在多动脉期磁共振成像中的应用效果	55名患有小血管性肝肿瘤的成年患者	计算机视觉	肝肿瘤	深度学习图像重建	深度学习模型	图像	55名成年患者	NA	NA	NA	NA
172	2025-10-07	Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04225-8 PMID:38372765	综述	总结用于无创诊断肝硬化的定性和定量影像学生物标志物，以及评估肝功能与预后的方法	系统整合传统影像特征与新兴的影像组学和深度学习技术，提出多模态生物标志物联合诊断策略	部分定量影像技术（如MR弹性成像）临床应用受限，新兴技术尚未完全进入临床实践	探索无创诊断肝硬化的影像学生物标志物及其临床应用价值	慢性肝病患者及肝硬化患者	数字病理	肝硬化	超声、CT、MRI、弹性成像技术、影像组学	深度学习	医学影像	NA	NA	NA	诊断敏感性、诊断准确性	NA
173	2025-02-25	Detection of urinary tract stones on submillisievert abdominopelvic CT imaging with deep-learning image reconstruction algorithm (DLIR) 2024-06, Abdominal radiology (New York) DOI:10.1007/s00261-024-04223-w PMID:38470506	研究论文	本研究评估了使用深度学习图像重建算法（DLIR）在亚毫西弗腹部盆腔CT成像中检测尿路结石的诊断性能和图像质量	首次在亚毫西弗腹部盆腔CT成像中应用深度学习图像重建算法（DLIR），并评估其在尿路结石检测中的诊断性能和图像质量	样本量较小，仅57名患者参与研究	评估亚毫西弗腹部盆腔CT成像在尿路结石检测中的诊断性能和图像质量	57名疑似尿路结石患者	数字病理	尿路结石	CT成像	深度学习图像重建算法（DLIR）	图像	57名患者，共检测到266颗结石	NA	NA	NA	NA
174	2025-10-07	Automated vessel-specific coronary artery calcification quantification with deep learning in a large multi-centre registry 2024-Jun-28, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae045 PMID:38376471	研究论文	本研究开发了一种基于深度学习的自动化血管特异性冠状动脉钙化量化方法，并在大型多中心注册研究中验证了其准确性和预后价值	首次在大型多中心注册研究中验证深度学习模型在门控CT和非门控衰减校正CT上自动量化血管特异性冠状动脉钙化的能力	研究仅基于观察性数据，需要进一步前瞻性验证	评估深度学习模型在自动量化血管特异性冠状动脉钙化方面的准确性和预后意义	冠状动脉及其主要分支（左主干/左前降支、左回旋支、右冠状动脉）	数字病理	心血管疾病	心电图门控计算机断层扫描、衰减校正计算机断层扫描	深度学习	CT图像	训练集3000例门控CT，测试集2094例门控CT和5969例非门控AC CT	NA	NA	Cohen's Kappa系数, 风险比, 置信区间	NA
175	2025-02-21	Dual Stream Long Short-Term Memory Feature Fusion Classifier for Surface Electromyography Gesture Recognition 2024-Jun-04, Sensors (Basel, Switzerland) DOI:10.3390/s24113631 PMID:38894423	研究论文	本文提出了一种基于双流LSTM特征融合分类器的新型轻量级模型，用于表面肌电信号手势识别	提出了一种结合五种时域特征和原始数据的双流LSTM特征融合分类器，通过一维卷积神经网络和LSTM层进行分类，有效捕捉肌电信号的全局特征，计算成本低	模型在DB2数据集上仅对10名受试者进行了验证，样本量较小	提高表面肌电信号手势识别的准确性和实时性	表面肌电信号（sEMG）	机器学习	NA	NA	双流LSTM特征融合分类器	肌电信号	DB1数据集中的27名受试者，每名受试者重复52种手势各10次；DB2数据集中的10名受试者	NA	NA	NA	NA
176	2025-02-21	A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03033-y PMID:38374416	研究论文	本文提出了一种基于τ形卷积网络（τNet）和长短期记忆（LSTM）的新型深度学习模型，用于从EEG和EOG信号中检测生理疲劳	提出了τ形卷积网络（τNet），结合了上采样特征和连接高低级特征的操作，以充分利用有用信息，并提出了LSTM-τNet并行结构，用于疲劳检测	未明确提及具体局限性	开发一种高效的疲劳检测算法，以减少交通事故	EEG和EOG信号	机器学习	NA	深度学习	τ形卷积网络（τNet）和LSTM	EEG和EOG信号	基于两个数据集进行实验	NA	NA	NA	NA
177	2025-10-07	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	对六种基于深度学习的肽段碎片强度预测方法进行系统性评估	首次对六种主流深度学习肽段碎片强度预测方法进行大规模系统性比较，涵盖多种实验条件和肽段类型	仅评估了六种特定方法，未包含所有可能的预测方法	评估和比较深度学习方法在质谱数据预测中的性能	肽段碎片强度预测方法	机器学习	NA	质谱分析，MS/MS	深度学习	质谱数据，实验光谱	近170万个前体肽段，对应超过1800万实验光谱，来自PRIDE数据库40个独立提交	NA	Transformer	皮尔逊相关系数，归一化角度，预测速度	NA
178	2025-10-07	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一种酶命名实体识别标注流程和四种深度学习模型，用于从生物医学文献中自动识别酶实体	首次开发酶命名实体识别算法，结合词典匹配和基于规则的关键词搜索构建自动化标注流程	标注流程的召回率相对较低(0.76)，虽然精确度接近完美	开发酶命名实体识别模型以促进生物医学文献挖掘	酶实体在生物医学文献中的识别	自然语言处理	NA	命名实体识别	BiLSTM,Transformer	文本	4800多篇全文出版物用于自动标注，526篇手动标注全文出版物用于评估	NA	BioBERT,SciBERT,BiLSTM,Transformer	F1-score,精确度,召回率	标准笔记本电脑
179	2025-10-07	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本研究探索了在有限数据集条件下通过图像增强和预处理优化X射线分类的方法，以坏死性小肠结肠炎为案例进行研究	提出了两种基于颜色对比度和边缘增强的优化流程，首次展示了图像预处理在有限AXR数据集分类任务中的潜力	研究基于相对较小的数据集（1090张X射线图像），且仅针对单一疾病进行评估	开发在有限医学图像数据集上可靠的计算机辅助诊断模型	坏死性小肠结肠炎患者的腹部X射线图像	计算机视觉	坏死性小肠结肠炎	X射线成像	CNN	医学图像	1090张腹部X射线图像，来自364名患者	NA	ResNet-50	准确率	NA
180	2025-10-07	Deep Learning Evaluation of Glaucoma Detection Using Fundus Photographs in Highly Myopic Populations 2024-06-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071394 PMID:39061968	研究论文	本研究使用深度学习技术通过眼底照片识别高度近视人群中的青光眼	在高度近视人群中应用卷积注意力模块(CBAM)增强CNN性能进行青光眼检测	回顾性研究，排除了病理性近视患者，样本来源单一	开发基于深度学习的青光眼自动检测方法	高度近视人群的眼底照片	计算机视觉	青光眼	眼底摄影	CNN	图像	3088张眼底照片（青光眼组1540张，高度近视组1548张）	NA	ConvNeXt_Base+CBAM	AUC,准确率,灵敏度,特异性,F1分数	NA