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
101	2025-10-06	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	提出一种结合图像处理、数值建模和深度学习的全自动三维单血管分数移动血容量方法，用于超声组织灌注评估	首次实现完全自动化的3D-svFMBV计算，通过将PD信号映射到单一大血管内的特征强度剖面来定义标准化值，无需数学校正背景信号	仅在合成图像和143例早期胎盘超声数据上进行了验证，需要更多临床数据进一步验证	开发准确稳健的组织灌注评估方法	胎盘组织灌注	医学影像分析	先兆子痫	功率多普勒超声	深度学习	三维超声图像	143例早期胎盘超声体积数据	NA	NA	标准化值预测准确性，先兆子痫预测能力	NA
102	2025-10-06	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	研究论文	提出一种基于混合监督学习的深度学习方法来从MRI图像预测临床显著性前列腺癌	采用基于分布的回归而非基于值的回归，能够利用传统深度学习方法忽略的病理学发现	与基于图像的分割方法的一致性有所降低	提高从MRI图像进行前列腺癌分类的准确性	前列腺癌患者	数字病理学	前列腺癌	多参数前列腺MRI	深度学习	医学影像	973例多参数前列腺MRI检查（测试集198例）	NA	深度网络	平衡准确率, AUC	NA
103	2025-10-06	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	本研究通过深度学习分析基线胸部CT图像，揭示不同严重程度COVID-19患者的肺部形态差异	首次在大规模多中心数据集上结合机器学习与统计图谱方法，发现COVID-19严重程度与肺部特定区域形态变化的关联	回顾性研究设计，未包含纵向随访数据	探索COVID-19患者肺部形态变化与疾病严重程度的关联	COVID-19患者（轻症与重症）及健康对照人群	医学影像分析	COVID-19	胸部CT成像	3D CNN	3D医学影像（胸部CT）	3443例多机构样本（健康组、轻症COVID-19组、重症COVID-19组）	NA	3D ResNet	NA	NA
104	2025-10-06	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	本研究通过自监督学习提高基于IMU的地面反作用力估计的准确性和数据效率	首次将自监督学习技术应用于IMU数据预训练，显著减少对标记GRF数据的需求	研究仅针对三种特定运动任务（平地行走、跑步机行走和落地动作）进行验证	提高惯性测量单元(IMU)驱动动力学评估的准确性和数据效率	基于IMU的地面反作用力(GRF)估计	机器学习	NA	自监督学习	Transformer	IMU传感器数据	三个预训练数据集（真实IMU数据、合成IMU数据及其组合）	NA	Transformer	3轴GRF估计准确度	NA
105	2025-10-06	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	研究论文	系统评估深度学习模型在组织病理学分析中的可信度与欺骗性学习策略	首次系统分析深度学习模型在组织病理学中的视觉策略可信度，提出模型评估与解释框架	仅使用221张全切片图像，模型在激光捕获显微切割挑战测试集上泛化能力不足	评估深度学习模型在组织病理学分析中的可信度和学习策略	肺腺癌患者的全切片图像	数字病理	肺癌	全切片成像，激光捕获显微切割	深度神经网络	图像	221张全切片图像	NA	NA	NA	NA
106	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	NA	NA	NA	NA
107	2025-10-06	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	研究论文	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，并提出基于熵的样本评分方法去除冗余数据	首次提出基于熵的样本评分方法识别和去除医学影像中的语义冗余训练数据，证明精选训练子集能显著提升模型性能	研究仅使用公开的NIH胸部X射线数据集，未在其他医学影像数据集上验证方法的普适性	研究语义冗余训练数据对深度学习分类器性能的影响，并开发数据选择方法优化模型训练	胸部X射线影像	医学影像分析	胸部疾病	深度学习	CNN	医学影像	NIH胸部X射线公开数据集	NA	NA	召回率	NA
108	2025-10-06	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	研究论文	提出一种端到端深度学习模型，通过运动校正和超分辨率技术从2D心脏磁共振短轴切片重建高分辨率3D心脏体积	首次将运动校正和超分辨率两个关键任务整合到端到端深度学习框架中，通过特定组件分别处理切片错位和数据稀疏问题	在真实数据集中心肌分割的Dice系数相对较低(0.786±0.060)，模型在临床实际应用中的泛化能力需进一步验证	从心脏磁共振2D短轴切片重建高分辨率3D心脏体积，同时解决切片运动错位和数据稀疏问题	心脏磁共振成像数据，重点关注左心室和心肌组织	医学影像分析	心血管疾病	心脏磁共振成像(CMR)	深度学习模型	医学影像数据	模拟数据集和真实世界数据集	NA	端到端深度学习架构，包含运动校正和超分辨率两个专门组件	Dice系数, 位移误差(mm)	NA
109	2025-10-06	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	研究论文	提出一种分布式内存高效的物理引导深度学习方法来重建大规模3D非笛卡尔冠状动脉MRI	结合深度学习与MRI重建技术突破硬件限制，提出2.5D重建方法将3D体积作为2D图像批次处理，在有限训练数据下实现高质量重建	训练数据有限	实现大规模3D非笛卡尔冠状动脉MRI的高质量重建	冠状动脉MRI图像	医学影像处理	心血管疾病	MRI	CNN	3D医学影像	NA	NA	2D卷积神经网络	血管清晰度, 定性图像质量评估	分布式内存高效计算
110	2025-10-06	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	提出一种物理驱动的深度学习重建方法，用于改进频率调制拉比编码回波的磁共振成像重建质量并实现更高加速率	首次将物理驱动的深度学习重建方法应用于频率调制拉比编码回波，解决了传统重建中的非线性相位累积失真问题	仅使用单个接收线圈进行验证，未测试多线圈配置下的性能	开发更快速、更经济的磁共振成像重建方法	频率调制拉比编码回波的磁共振成像数据	医学影像处理	NA	磁共振成像，频率调制拉比编码回波	深度学习，展开网络	磁共振成像数据	NA	NA	展开网络架构	加速倍数	NA
111	2025-10-06	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	研究论文	提出一种名为RELAX-MORE的新型自监督学习框架，通过模型增强实现加速定量MRI重建	开发了无需参考数据的潜在图提取与模型增强方法，可将基于模型的迭代重建算法展开为深度学习框架	NA	改进定量MRI技术，实现快速MR参数映射	脑部、膝部和体模数据	医学影像分析	NA	定量MRI, T1映射	深度学习	MRI图像	单受试者数据	NA	NA	效率, 准确性, 鲁棒性, 泛化性	NA
112	2025-10-06	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	提出一种基于VGG卷积神经网络和Wasserstein生成对抗网络的免校准运动想象脑机接口方法	使用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现无需目标对象校准数据的跨被试分类	仅使用公开基准数据集进行验证，未在实际应用场景中测试	开发免校准的运动想象脑机接口系统，提高跨被试分类性能	运动想象脑机接口的脑电信号分类	脑机接口	NA	脑电图信号处理	CNN, GAN	脑电频谱图像	BCI competition IV-2B、IV-2A和IV-1基准数据集	NA	VGG, WGAN	跨被试分类准确率	NA
113	2025-10-06	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	首次将信号质量评估网络与麻醉深度估计网络结合，采用双注意力模块融合多通道多尺度信息，并引入门控多层感知机提取时序信息	NA	开发能够准确估计脑电图信号噪声并可靠评估麻醉深度的深度学习模型	手术中的脑电图信号	机器学习	麻醉监测	脑电图	CNN, 注意力机制, 多层感知机	脑电图信号	大型VitalDB数据库	NA	浅层卷积神经网络, 双注意力模块, 门控多层感知机	皮尔逊相关系数, 平均绝对误差	NA
114	2025-10-06	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	提出一种基于人工神经网络的神经活动塑形方法，用于改善视网膜假体的视觉感知效果	首次使用模型无关的深度学习方法实现神经活动塑形，不依赖特定视网膜模型假设	目前仅在视网膜响应模拟模型上进行验证，尚未进行真实人体实验	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经激活模式	计算机视觉	视网膜疾病	人工神经网络, 多极刺激	ANN	自然图像, 神经响应数据	NA	NA	测量预测网络, 刺激生成网络	视网膜激活锐度, 计算效率	比传统方法计算效率提高三个数量级
115	2025-10-06	A deep learning approach to direct immunofluorescence pattern recognition in autoimmune bullous diseases 2024-Jul-16, The British journal of dermatology DOI:10.1093/bjd/ljae142 PMID:38581445	研究论文	本研究开发了一种基于深度学习的直接免疫荧光模式识别方法，用于自动分类自身免疫性大疱性皮肤病的免疫荧光图像	首次将深度学习技术应用于自身免疫性大疱性皮肤病的直接免疫荧光图像自动分类，特别是比较了六种CNN模型和Swin Transformer模型在该领域的表现	样本量相对有限（训练集436张，测试集93张图像），存在类别不平衡问题	开发AI算法来自动分类自身免疫性大疱性皮肤病的直接免疫荧光模式，提高诊断准确性和效率	疑似自身免疫性大疱性皮肤病患者的皮肤活检免疫荧光图像	计算机视觉	自身免疫性大疱性皮肤病	直接免疫荧光	CNN, Transformer	图像	训练集436张图像，测试集93张图像	PyTorch	Swin Transformer, 六种CNN架构	准确率, 敏感性, 特异性	NA
116	2025-10-06	Stepwise Transfer Learning for Expert-level Pediatric Brain Tumor MRI Segmentation in a Limited Data Scenario 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230254 PMID:38984985	研究论文	本研究开发了一种基于逐步迁移学习的深度学习模型，用于在有限数据场景下实现专家级别的儿童脑肿瘤MRI分割	采用逐步迁移学习方法在有限数据场景下优化模型性能，实现了专家级别的自动分割	回顾性研究，数据量有限（共284例样本）	开发、外部测试并评估儿童脑肿瘤MRI分割模型的临床可接受性	儿童低级别胶质瘤患者	医学影像分析	脑肿瘤	T2加权MRI	深度学习神经网络	MRI图像	284例儿童脑肿瘤患者（184例来自国家脑肿瘤联盟，100例来自儿科癌症中心）	NA	NA	Dice系数, Likert评分, 准确率, Turing测试	NA
117	2025-10-06	Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230383 PMID:38717291	研究论文	评估纽约大学开发的乳腺筛查深度学习系统在澳大利亚本地数据集上的性能表现	研究迁移学习使用本地数据对深度学习模型在乳腺筛查中性能的影响	回顾性研究，样本量相对有限，仅包含单一澳大利亚地区数据	探讨深度学习模型在医学影像中的泛化性和可复制性问题	乳腺筛查影像数据	计算机视觉	乳腺癌	乳腺X线摄影	CNN	医学影像	959名个体（425例恶性肿瘤，490例无恶性肿瘤，44例良性病变）	NA	NA	AUC	NA
118	2025-10-06	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本研究探索基于U-Net的伪影减少技术如何改善稀疏视图颅脑CT扫描中的自动化出血检测性能	首次将U-Net伪影减少技术与EfficientNet出血检测模型结合，证明在显著减少CT扫描视图数量的情况下仍能保持高检测性能	回顾性研究，使用模拟稀疏视图数据，需要进一步临床验证	提高稀疏视图颅脑CT扫描中自动化出血检测的准确性和鲁棒性	颅脑CT扫描图像	计算机视觉	脑出血	CT扫描	CNN	医学图像	伪影减少训练：3000名患者；出血检测训练：17545名患者	NA	U-Net, EfficientNet-B2	AUC, 结构相似性指数	NA
119	2025-10-06	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发一种基于深度学习的人工智能工具，用于从当前阴性筛查乳腺X线检查中预测未来乳腺癌风险	首次在英国国家医疗服务体系乳腺筛查项目的大规模代表性队列中开发并验证了基于深度学习的乳腺癌风险预测工具	研究仅限于英国特定人群，未包含植入物患者和已确诊癌症病例	开发能够从阴性筛查乳腺X线检查预测未来乳腺癌风险的人工智能工具	英国国家医疗服务体系乳腺筛查项目中50-70岁女性的筛查数据	计算机视觉	乳腺癌	乳腺X线摄影筛查	深度学习	乳腺X线图像	5264个风险阳性检查和191488个风险阴性检查，总计训练集89285例、验证集2106例、测试集39351例	NA	NA	AUC, 95%置信区间	NA
120	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA