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	2025-04-01	Automated segmentation of the median nerve in patients with carpal tunnel syndrome 2024-07-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65840-5 PMID:39033223	研究论文	本研究利用U-Net网络训练算法，自动分割腕管综合征患者的正中神经超声图像并测量其横截面积	采用深度学习技术自动分割正中神经并测量其横截面积，为腕管综合征的诊断提供新方法	样本量较小（25例患者和26例健康对照），且自动化测量与手动测量存在10.9%的差异	开发一种自动化技术用于腕管综合征的诊断验证	腕管综合征患者和健康对照的正中神经超声图像	医学影像	腕管综合征	超声成像	U-Net	图像	25例腕管综合征患者和26例健康对照的2355张手动分割图像
2	2025-04-01	Investigating the Robustness of Vision Transformers against Label Noise in Medical Image Classification 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/EMBC53108.2024.10782929 PMID:40039337	研究论文	本文研究了Vision Transformers（ViT）在医学图像分类中对抗标签噪声的鲁棒性，并与CNNs进行了比较	首次系统地研究了基于Transformer的架构在医学图像分类中处理标签噪声的能力	仅使用了两个医学图像分类数据集进行验证	探索ViT在医学图像分类中对标签噪声的鲁棒性	医学图像分类数据集	计算机视觉	NA	监督深度学习	Vision Transformer (ViT), CNN	医学图像	两个数据集：COVID-DU-Ex和NCT-CRC-HE-100K
3	2025-03-28	Using deep learning to improve the intelligibility of a target speaker in noisy multi-talker environments for people with normal hearing and hearing loss 2024-07-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0028007 PMID:39082692	研究论文	本研究开发了一种基于深度学习的算法，用于在嘈杂的多说话者环境中提取目标说话者的声音，以提高正常听力和听力损失人群的语音可懂度	提出了一种准因果深度学习算法，能够根据简短的注册话语从多个并发说话者和背景噪声中提取目标说话者的声音，且该算法能泛化到未见过的说话者、不同说话者数量和相对说话者水平以及不同的语音语料库	算法在更复杂或不同的噪声环境中的表现尚未验证	提高嘈杂多说话者环境中的语音可懂度	正常听力和听力损失人群	机器学习	听力损失	深度学习	NA	语音	正常听力和听力损失听众参与的双盲句子识别测试
4	2025-03-26	Calculating Protein-Ligand Residence Times through State Predictive Information Bottleneck Based Enhanced Sampling 2024-Jul-23, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00503 PMID:38991145	研究论文	本文提出了一种半自动化协议，用于计算跨越12个数量级时间尺度的配体停留时间，结合深度学习方法和增强采样技术	整合了基于深度学习的状态预测信息瓶颈（SPIB）方法来学习近似反应坐标，并用于指导增强采样方法metadynamics	仅应用于六种蛋白质-配体复合物，样本量有限	提高药物停留时间的计算准确性，以改善药物疗效和理解目标识别机制	蛋白质-配体复合物，包括抗癌药物伊马替尼（Gleevec）与野生型Abl激酶及耐药突变体的解离	计算生物学	癌症	分子动力学（MD）模拟，metadynamics增强采样	SPIB（状态预测信息瓶颈）	分子模拟数据	六种不同的蛋白质-配体复合物
5	2025-03-26	Mechanical evolution of metastatic cancer cells in three-dimensional microenvironment 2024-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.601015 PMID:39005477	research paper	该研究利用光学布里渊显微镜在三维微环境中纵向获取癌细胞的机械图像，并通过机器学习算法提高癌细胞分类的准确性	首次在三维生理环境中使用光学布里渊显微镜获取癌细胞的机械图像，并利用深度学习管道仅通过布里渊图像准确区分癌性球体和正常球体	研究仅针对癌性球体和正常球体，未涉及更复杂的肿瘤微环境或不同类型的癌细胞	探究癌细胞在三维微环境中的机械演化及其在癌症分类和检测中的潜在应用	癌细胞和正常细胞的三维球体	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	八天内生长的癌性球体
6	2025-03-26	Deep learning based detection of osteophytes in radiographs and magnetic resonance imagings of the knee using 2D and 3D morphology 2024-07, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25800 PMID:38323840	research paper	本研究探讨了基于深度学习的2D和3D形态学方法在X射线和MRI数据中自动检测膝关节骨赘的能力	开发了深度学习模型用于X射线和MRI数据的骨赘检测，并分析了软组织对检测结果的混杂效应	需要进一步开发骨赘评估标准，特别是针对早期骨赘变化	自动检测膝关节骨赘	膝关节X射线和MRI数据	digital pathology	geriatric disease	X-ray, MRI	DL	image	NA
7	2025-03-25	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LSTM网络用于从医疗记录中识别手术部位感染	使用带有注意力层的LSTM网络提高模型性能的同时增加可解释性	数据仅来自单一医疗系统，可能影响模型泛化能力	开发自动识别手术部位感染的深度学习模型	手术患者的医疗记录数据	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	9,185例手术事件
8	2025-03-23	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	研究论文	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	首次系统性地评估了MR图像质量指标与深度学习模型分割性能之间的相关性，并提出了基于特定IQMs选择训练图像以提升模型准确性和泛化能力的方法	研究仅基于BraTS数据集，未在其他数据集上验证结果的普适性	评估输入训练图像的IQMs与基于深度学习的脑肿瘤分割准确性之间的关系，以开发更具泛化能力的模型	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	3D DenseNet	MRI图像	BraTS 2020和2021训练队列的多模态MRI扫描
9	2025-03-21	A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.035 PMID:38182443	研究论文	本研究探讨了使用深度学习模型基于超声图像非侵入性诊断子宫内膜癌患者肌层浸润程度的可行性，并与放射科医生的诊断效果进行了比较	首次将深度学习模型应用于子宫内膜癌肌层浸润程度的非侵入性诊断，并证明其性能显著优于放射科医生	研究样本主要来自特定医疗中心，可能限制了结果的普遍适用性	评估深度学习模型在诊断子宫内膜癌肌层浸润程度中的应用效果	子宫内膜癌患者的超声图像	计算机视觉	子宫内膜癌	深度学习	EfficientNet-B6	图像	604名患者的1289张超声图像
10	2025-03-21	nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.004 PMID:38350812	研究论文	本研究开发并验证了一种基于深度学习的CT图像胰腺分割和胰腺体积自动测量方法，用于胰腺癌患者	使用3D nnU-net架构进行全自动胰腺分割，并通过自动和手动分割结果的比较验证了模型的有效性	研究为回顾性研究，样本量相对有限，且仅使用了一种深度学习模型	开发并验证一种基于深度学习的胰腺分割和体积测量方法	胰腺癌患者的CT图像	数字病理学	胰腺癌	CT成像	3D nnU-net	CT图像	851张门静脉期CT图像（499例胰腺癌和352例正常胰腺）
11	2025-03-21	Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.010 PMID:38429189	研究论文	本研究探讨了深度学习图像重建（DLIR）在超低剂量肺部CT条件下对图像质量和肺结节定量分析的影响	首次在超低剂量CT中使用高强度的深度学习图像重建（DLIR-H）技术，并与传统的自适应统计迭代重建（ASIR-V40%）进行比较	样本量相对较小，仅包括56名患者	研究DLIR在超低剂量肺部CT中对图像质量和肺结节定量分析的影响	56名疑似肺结节患者	计算机视觉	肺癌	深度学习图像重建（DLIR）	NA	图像	56名患者，共检测到104个肺结节
12	2024-08-07	Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2024-Jul, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-024-01460-w PMID:38787517	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13	2025-03-20	Automated Patient Registration in Magnetic Resonance Imaging Using Deep Learning-Based Height and Weight Estimation with 3D Camera: A Feasibility Study 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.029 PMID:38368163	研究论文	本研究探讨了使用基于深度学习的3D摄像头算法在磁共振成像（MRI）中自动估计患者身高和体重的可行性	首次将深度学习与3D摄像头技术结合，用于MRI患者注册中的身高和体重估计，提高了估计的准确性和效率	研究为回顾性研究，样本量相对较小（161名患者），且仅在低场强MRI扫描仪上验证	比较基于深度学习的3D摄像头算法与放射科技师（MTR）在估计患者身高和体重方面的准确性	161名成年患者	计算机视觉	NA	深度学习，3D摄像头	深度学习模型	深度图像	161名成年患者
14	2025-03-19	Artificial intelligence systems in dental shade-matching: A systematic review 2024-Jul, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.13805 PMID:37986239	系统综述	本文系统回顾和评估了人工智能在牙科颜色匹配中的应用及其准确性	首次系统性地回顾和评估了人工智能在牙科颜色匹配中的应用	仅包括2008年至2023年3月发表的英文研究，且排除了非AI基础和非牙科相关的研究	评估人工智能在修复牙科中预测牙齿颜色的准确性	牙科颜色匹配	人工智能	NA	NA	模糊逻辑、遗传算法与反向传播神经网络、卷积神经网络、人工神经网络、支持向量机、K近邻与决策树和随机森林、深度学习、YOLO、XG Boost	NA	15篇符合纳入标准的文章
15	2025-03-18	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	本文开发了一种新的深度学习模型，该模型在传统卷积神经网络（CNN）前端结合了光感受器适应的生物物理学，以改进对动态输入条件下视网膜神经节细胞（RGC）响应的预测	在传统CNN模型中嵌入神经适应机制，特别是光感受器适应层，以提高对动态自然刺激下RGC响应的预测能力	NA	探索在人工神经网络（ANN）中嵌入神经适应机制是否能提高其在动态输入条件下预测神经输出的能力	灵长类和鼠类的视网膜神经节细胞（RGC）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	自然刺激数据	NA
16	2025-03-15	Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma 2024-Jul-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01189-3 PMID:39075240	研究论文	本文开发了一种基于transformer的机器学习模型，用于多发性骨髓瘤患者的综合评估，包括预测无进展生存期、总生存期和不良事件，预测关键疾病生物标志物，以及评估不同治疗策略的效果	该模型首次联合预测多发性骨髓瘤患者的生存期、不良事件和生物标志物，并评估不同治疗策略的效果，提供了一种全面的患者疾病状态评估方法	模型仅在TOURMALINE试验数据上进行了训练和验证，可能在其他数据集上的表现尚不明确	开发一种能够全面评估多发性骨髓瘤患者疾病状态的机器学习模型，以辅助医生决策	新诊断和复发/难治性多发性骨髓瘤患者	机器学习	多发性骨髓瘤	transformer-based机器学习模型	transformer	临床试验数据	新诊断患者703例，复发/难治性患者720例
17	2025-03-15	Novel Domain Knowledge-Encoding Algorithm Enables Label-Efficient Deep Learning for Cardiac CT Segmentation to Guide Atrial Fibrillation Treatment in a Pilot Dataset 2024-Jul-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141538 PMID:39061675	研究论文	本文提出了一种新颖的领域知识编码算法（DOKEN），用于在少量训练数据的情况下实现高效的心脏CT分割，以指导心房颤动治疗	DOKEN算法通过编码心脏几何形状并自动标记训练集，减少了对大规模训练数据的依赖，从而在少量样本下实现了高性能的分割	研究仅在房颤消融的CT数据集上进行了验证，尚未在其他疾病或影像数据上测试其通用性	开发一种减少对大规模标注数据依赖的自动化心脏CT分割方法，以支持个性化心脏消融治疗	心脏CT影像中的左心房结构	医学影像分析	心血管疾病	CT影像分析	nnU-Net	CT影像	训练集20例患者，测试集100例患者
18	2025-03-15	Efficient deep learning-based automated diagnosis from echocardiography with contrastive self-supervised learning 2024-Jul-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00538-3 PMID:38971887	研究论文	本文提出了一种基于自监督对比学习的超声心动图视频自动诊断方法EchoCLR，旨在从小量标注数据中学习强表征以高效微调用于心脏疾病诊断	EchoCLR是首个针对超声心动图视频的自监督对比学习方法，通过对比学习和帧重排序任务学习视频表征，显著提高了小样本下的疾病分类性能	方法主要针对超声心动图视频，尚未验证在其他医学影像模态上的适用性	开发一种适用于超声心动图视频的自监督学习方法，提高小样本下的心脏疾病自动诊断性能	超声心动图视频	计算机视觉	心血管疾病	自监督对比学习	EchoCLR	视频	519项研究（10%训练数据）和53项研究（1%训练数据）
19	2025-03-15	Cough-DL: A Deep Learning Model for Ear-Worn Cough Detection 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/EMBC53108.2024.10782702 PMID:40039966	研究论文	本文介绍了一种名为Cough-DL的深度学习模型，用于通过耳戴设备检测咳嗽	通过信号处理增强、创新的数据增强技术和精细的建模方法，提高了模型在环境中的鲁棒性，特别是在降低误报率和背景噪声干扰方面	未提及具体的研究限制	开发一种能够在实际环境中准确检测咳嗽的自动检测系统	咳嗽检测	机器学习	肺部疾病	深度学习	深度学习模型	音频信号	未提及具体样本数量
20	2025-03-12	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	采用对比自监督学习方法训练深度卷积神经网络作为特征提取器，无需数据标签即可学习潜在表示，并在下游分类任务中表现出色	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型是否能够以可解释的方式区分不同的神经退行性疾病	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）	计算机视觉	神经退行性疾病	T1加权MRI扫描	深度卷积神经网络（CNN）	图像	2694个T1加权MRI扫描，来自四个数据队列：两个ADNI数据集、AIBL和FTLDNI