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
1	2025-07-18	Deep Learning Enhanced Label-Free Action Potential Detection Using Plasmonic-Based Electrochemical Impedance Microscopy 2024-07-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01179 PMID:38953225	研究论文	本文介绍了一种利用深度学习增强的无标记动作电位检测方法，通过基于等离子体的电化学阻抗显微镜（P-EIM）实现	利用深度学习方法显著提高了P-EIM在神经元电信号映射中的可用性，特别是LSTM网络成功检测单周期刺激的动作电位	尽管性能有所提升，但单周期动作电位检测的AUC仅为0.855，仍有改进空间	提高基于P-EIM的神经元电活动检测的灵敏度和效率	神经元细胞的动作电位	生物医学工程	NA	等离子体基电化学阻抗显微镜（P-EIM）	LSTM	视频信号	未明确提及具体样本数量
2	2025-07-12	Greater benefits of deep learning-based computer-aided detection systems for finding small signals in 3D volumetric medical images 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.045501 PMID:38988989	研究论文	本研究探讨了基于深度学习的计算机辅助检测系统在3D医学影像中检测小信号的优越性	研究发现CNN-CADe系统在3D搜索小信号时比2D搜索带来更大的性能提升，减少了因数据探索不足导致的错误	研究仅使用了数字乳腺断层合成(DBT)体模数据，未涉及真实患者数据	评估基于CNN的计算机辅助检测系统在3D和2D医学影像搜索中的性能差异	数字乳腺断层合成(DBT)体模中的微钙化小信号和大肿块信号	计算机视觉	乳腺癌	CNN-based CADe系统	CNN	3D/2D医学影像	16名非专业观察者
3	2025-07-11	Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044501 PMID:38993628	研究论文	本研究探讨了机器学习在医学影像中用于体内病变诊断的特征提取和分类模块的性能	比较了三种不同的特征提取方法（Haralick图像纹理特征、深度学习图像抽象特征和组织-能量特定特征），并发现组织-能量特定特征提取显著提高了诊断性能	研究仅针对肺部结节和结肠息肉的低剂量CT筛查检测病变，可能不适用于其他类型的病变或影像技术	评估特征提取和分类模块在机器学习辅助诊断中的性能	肺部结节和结肠息肉的病变影像	计算机视觉	肺癌和结肠癌	低剂量CT扫描	随机森林（RF）和卷积神经网络（CNN）	医学影像	三个病变影像数据集
4	2025-07-11	Projected pooling loss for red nucleus segmentation with soft topology constraints 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044002 PMID:38988992	research paper	提出一种基于投影池化的损失函数，用于在深度学习分割方法中引入软拓扑约束，以提高小训练集下的分割准确性和解剖学正确性	提出了一种新的损失函数，通过投影和最大池化操作引入软拓扑约束，减少分割过程中的拓扑错误和结构边界缺陷	未明确提及具体局限性，但可能在小样本训练集上的泛化能力仍需进一步验证	提高医学图像分割的准确性和解剖学正确性，特别是在小训练集情况下	红核（red nucleus）的分割，以及心脏、脾脏和海马体的分割	digital pathology	parkinsonian syndromes	quantitative susceptibility mapping (QSM)	deep learning	image	未明确提及具体样本数量，但涉及QSM数据和MSD挑战中的三个任务（心脏、脾脏和海马体）
5	2025-07-11	Lung vessel connectivity map as anatomical prior knowledge for deep learning-based lung lobe segmentation 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044001 PMID:38988990	研究论文	本研究探讨了将肺部血管系统的解剖学先验知识融入深度学习模型以提升胸部CT扫描中肺叶自动分割性能的潜在优势	提出利用肺部血管连接性（LVC）图谱作为解剖学先验知识，指导并增强深度学习模型在肺叶分割中的表现，特别是在呼气期CT扫描的边界区域	LVC信息带来的改进程度存在局限，其实际应用价值仍需进一步探索	提升胸部CT扫描中肺叶自动分割的准确性和泛化能力	胸部CT扫描图像中的肺叶结构	数字病理学	COVID-19	深度学习	U-Net, 多任务U-Net, 级联U-Net (基于nnU-Net框架)	CT图像	10例COVID-19病例数据
6	2025-07-10	Unwrapping non-locality in the image transmission through turbid media 2024-Jul-15, Optics express IF:3.2Q2 DOI:10.1364/OE.521581 PMID:39538508	研究论文	本文提出了一种全局注意力机制，用于解决浑浊介质中高保真图像传输的挑战	通过研究重建图像中的非局部性，开发了一种全局注意力机制，显著提升了图像重建性能	未明确说明该方法在其他类型介质或更复杂场景中的适用性	提高浑浊介质中图像传输的保真度和重建精度	通过浑浊介质传输的图像	计算机视觉	NA	深度学习	全局注意力机制	图像	NA
7	2025-07-04	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型，用于从医疗记录中识别手术部位感染	结合注意力机制提升模型的可解释性，同时性能优于传统机器学习方法	研究数据仅来自单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工审查负担	手术病例的电子健康记录数据	自然语言处理	手术部位感染	深度学习	LSTM	结构化数据和临床文本	来自犹他大学医疗系统的9185例手术事件
8	2025-07-03	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于量化小鼠牙周炎模型中的牙槽骨	创新点在于使用U-Net AI深度学习引擎开发了一个3D深度学习模型，能够高精度地分割微CT数据中的牙槽骨，并自动排除牙齿部分	研究仅在小鼠模型中进行，尚未在人类样本中验证	开发一个无需机器学习背景知识即可使用的自动牙槽骨量化工具	小鼠牙周炎模型中的牙槽骨	数字病理学	牙周炎	微计算机断层扫描(µCT)	U-Net	3D图像	不同时间点(4、7、9、14天)的小鼠上颌骨样本
9	2025-07-03	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	research paper	本研究探讨了磁共振图像质量指标（IQMs）与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统评估了MR图像质量指标与深度学习分割性能之间的相关性，并提出了基于特定IQMs筛选训练图像以提升模型泛化能力的方法	研究仅针对特定类型的脑肿瘤和单一深度学习模型（3D DenseNet）进行验证	评估MR图像质量指标与深度学习分割准确性的关系，开发更具泛化能力的多机构数据模型	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	3D DenseNet	image	BraTS 2020和2021数据集的MRI扫描
10	2025-07-03	Neural network dose prediction for cervical brachytherapy: Overcoming data scarcity for applicator-specific models 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17230 PMID:38814165	research paper	该研究比较了三种神经网络训练方法，以确定宫颈近距离放射治疗剂量预测的最佳方法	通过结合所有应用器数据进行训练，克服了单一应用器数据稀缺的挑战，提高了剂量预测的准确性	研究仅针对四种特定的应用器类型，可能不适用于其他类型的应用器	比较不同神经网络训练方法在宫颈近距离放射治疗剂量预测中的性能	266名宫颈癌患者的859个治疗计划	digital pathology	cervical cancer	3D Cascade U-Net	CNN	image	859 treatment plans from 266 cervical cancer patients
11	2025-07-03	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	提出了一种新型全自动方法3D-svFMBV，用于通过超声评估组织灌注	结合图像处理、数值建模和深度学习，首次实现了全自动三维单血管分数移动血容量估计，无需背景信号数学校正	目前仅在合成图像和143例早孕期胎盘超声数据上进行了验证	开发更准确可靠的组织灌注评估方法	子宫动脉和胎盘组织	医学影像分析	先兆子痫	功率多普勒超声(PD-US)	深度学习	三维超声图像	143例早孕期胎盘超声数据
12	2025-07-03	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	research paper	提出一种基于深度学习的MRI图像方法，用于预测临床显著前列腺癌，通过混合监督提高分类性能	通过分布回归而非简单值回归，利用传统上被深度学习策略忽略的额外病理发现，提高分类性能	混合监督可能导致与基于图像的分割一致性降低	提高非侵入性前列腺癌分类的阳性预测值，改善患者护理	前列腺癌患者的多参数MRI检查数据	digital pathology	prostate cancer	MRI, deep learning	deep networks	image	973例多参数前列腺MRI检查（测试集n=198）
13	2025-07-03	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究利用深度学习和统计图谱方法，探索COVID-19患者肺部形状变化及其与疾病严重程度的关系	首次使用3D残差卷积网络结合肺部浸润特征，揭示COVID-19不同严重程度患者的肺部形状差异	研究为回顾性多中心设计，可能存在选择偏倚	探究COVID-19患者肺部形状变化与疾病严重程度的关联	COVID-19患者（轻症与重症）及健康对照组的基线胸部CT影像	数字病理	COVID-19	深度学习	3D残差卷积网络	CT影像	3443例（健康组、轻症COVID-19组、重症COVID-19组）
14	2025-07-03	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本文提出使用自监督学习技术提高基于IMU的地面反作用力估计的准确性和数据效率	利用自监督学习预训练深度学习模型，减少对标记数据的需求，提高估计准确性和数据效率	未明确提及具体局限性	提高基于IMU的地面反作用力估计的准确性和数据效率	地面反作用力（GRF）估计	机器学习	NA	自监督学习（SSL）	transformer	IMU数据	包含真实IMU数据、合成IMU数据或两者组合的三个预训练数据集
15	2025-07-03	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	research paper	本文系统评估了在组织病理学分析中训练的深度神经网络（DNNs），以了解其学习策略是否可信或具有欺骗性	首次系统分析了DNNs在组织病理学分析中的视觉策略是否可信，提出了模型评估和解释的框架	DNNs在分子分析中利用了组织学亚型与突变之间的相关性，未能推广到通过激光捕获显微切割（LCM）获得的挑战性测试集	评估DNNs在组织病理学分析中的可信度和有效性	221张来自肺腺癌患者的全切片图像（WSIs）	digital pathology	lung cancer	deep learning, laser capture microdissection (LCM)	DNNs	image	221张全切片图像（WSIs）
16	2024-08-07	Development and External Validation of a Multidimensional Deep Learning Model to Dynamically Predict Kidney Outcomes in IgA Nephropathy 2024-Jul-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000000000471 PMID:38728096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2025-07-03	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	research paper	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法，用于识别和移除语义冗余的训练数据，从而提升模型性能	研究仅基于公开的NIH胸部X光数据集，未在其他医学影像数据上进行验证	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光影像数据	digital pathology	lung cancer	deep learning	CNN	image	公开的NIH胸部X-ray数据集
18	2025-07-03	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	research paper	提出一种端到端深度学习模型，用于心脏磁共振成像的运动校正和超分辨率重建	模型包含两个特定组件分别处理运动校正和超分辨率，以端到端方式训练	NA	从2D短轴切片重建高分辨率3D心脏体积	心脏磁共振成像数据	医学影像处理	心血管疾病	深度学习	端到端深度学习模型	医学影像	模拟数据集和真实世界数据集
19	2025-07-03	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	research paper	该研究提出了一种基于物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状动脉MRI重建方法，解决了硬件限制和训练数据不足的问题	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，利用2D卷积神经网络处理3D体积数据，以有限训练数据实现高质量重建	训练数据有限可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	医学影像处理	心血管疾病	MRI	CNN	3D MRI图像	NA
20	2025-07-03	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出了一种物理驱动的深度学习重建方法，用于解决频率调制拉比编码回波（FREE）MRI中的失真问题并提高成像速度	结合物理模型与深度学习，首次实现了FREE MRI的高加速率重建	目前仅在单接收线圈条件下验证了4倍加速的可行性	降低MRI成本并提高成像速度	MRI成像系统	医学影像	NA	频率调制拉比编码回波(FREE)	物理驱动深度学习(PD-DL)	MRI图像数据	未明确说明样本数量