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
61	2025-05-01	Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug-in modules 2024-Aug-13, Knee surgery & related research IF:4.1Q1 DOI:10.1186/s43019-024-00228-3 PMID:39138550	研究论文	开发了一种基于深度学习的自动膝关节骨关节炎严重程度分类模型	使用插件模块（PIM）提升细粒度分类任务的性能，优于之前的深度学习模型	未来仍需改进，模型在KL等级1的分类准确率较低（43%）	开发自动膝关节骨关节炎严重程度分类模型	膝关节骨关节炎的X光片	计算机视觉	骨关节炎	深度学习	CNN或transformer-based网络与PIM模块集成	图像	训练集：Osteoarthritis Initiative数据集；测试集：17,040例（Multicenter Osteoarthritis Study）
62	2025-04-26	Quantitative Three-Dimensional Imaging Analysis of HfO2 Nanoparticles in Single Cells via Deep Learning Aided X-ray Nano-Computed Tomography 2024-08-20, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c06953 PMID:39115329	研究论文	本研究开发了一种基于深度学习的X射线纳米计算机断层扫描方法，用于定量分析单细胞内HfO2纳米颗粒的三维分布	提出了一种模块化和自动化的深度学习方法，用于高灵敏度分析单细胞内的超小金属纳米颗粒，并构建了定位定量分析方法	方法可能仍受限于X射线纳米计算机断层扫描的时间消耗和需要专业知识	开发一种定量分析单细胞内纳米药物三维分布的方法，以理解药物作用机制	人乳腺癌细胞系(MCF-7)和HfO2纳米颗粒	数字病理学	乳腺癌	X射线纳米计算机断层扫描(Nano-CT)	深度学习	3D图像	未明确提及具体样本数量，但研究对象为单细胞和3D肿瘤球体
63	2025-04-26	Sága, a Deep Learning Spectral Analysis Tool for Fungal Detection in Grains-A Case Study to Detect Fusarium in Winter Wheat 2024-08-13, Toxins IF:3.9Q1 DOI:10.3390/toxins16080354 PMID:39195764	研究论文	开发了一种名为Sága的深度学习光谱分析工具，用于检测谷物中的真菌感染，特别是冬小麦中的镰刀菌	结合成像光谱和深度学习技术，开发了用于现场检测小麦赤霉病的预测模型Sága，实现了高精度的感染区域检测	研究仅基于2021年的实验田数据，未涉及更广泛的地理区域和不同年份的数据验证	开发一种可靠的现场特异性镰刀菌感染早期预警模型，以确保食品和饲料安全	冬小麦中的镰刀菌感染	数字病理	植物病害	成像光谱	YOLOv5, DeepMAC, XGBoost	高光谱图像	实验田（52.5米×3米）和对照田（52.5米×3米）
64	2025-04-25	PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications 2024-Aug-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.02.24311385 PMID:39211887	research paper	介绍了一种名为PixelPrint的3D打印方法，用于制造患者特异性可变形CT体模，以模拟呼吸运动	提出了一种能够精确复制患者肺部结构、纹理和衰减特性的3D打印方法，并展示了其在压缩下的非刚性变形、体积变化和衰减变化的准确性	未提及具体限制	开发更真实的呼吸运动体模（RMPs），以支持新型CT技术的测试	患者特异性可变形肺部体模	digital pathology	lung cancer	3D printing	NA	CT imaging	NA
65	2025-04-24	Automatic Segmentation for Analysis of Murine Cardiac Ultrasound and Photoacoustic Image Data Using Deep Learning 2024-08, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.05.001 PMID:38825556	研究论文	利用深度学习技术自动分割小鼠心脏超声和光声图像数据以进行分析	结合超声和光声成像，使用U-Net深度神经网络进行分割，提高了前壁左心室区域的分割效率和准确性	研究仅针对小鼠图像数据集，未涉及人类或其他动物模型	改进心脏超声和光声图像的分割方法，以量化应变和氧饱和度	小鼠心脏的超声和光声图像	计算机视觉	心血管疾病	超声成像（US）和光声成像（PA）	U-Net	图像	小鼠图像数据集（具体数量未提及）
66	2025-04-24	A Deep Learning Model for Automatically Quantifying the Anterior Segment in Ultrasound Biomicroscopy Images of Implantable Collamer Lens Candidates 2024-08, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.05.004 PMID:38777640	research paper	本研究开发并评估了一种基于深度学习的模型，用于自动测量植入式Collamer镜片（ICL）手术候选者术前超声生物显微镜（UBM）图像中的前段（AS）参数	利用UNet++网络自动分割AS组织，并结合图像处理技术和几何定位算法自动识别瞳孔直径（PD）、前房深度（ACD）、角到角距离（ATA）和沟到沟距离（STS）等解剖标志（ALs）	研究仅使用了来自两个医疗中心的UBM图像，可能限制了模型的泛化能力	开发一种能够自动测量ICL手术候选者前段参数的深度学习模型	植入式Collamer镜片（ICL）手术候选者的术前超声生物显微镜（UBM）图像	digital pathology	眼科疾病	超声生物显微镜（UBM）	UNet++	image	1164张全景UBM图像来自321名患者，外加294张来自外部数据集的图像
67	2025-04-21	Recent Advances in Predictive Modeling with Electronic Health Records 2024-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2024/914 PMID:40248670	综述	本文系统回顾了基于电子健康记录（EHR）数据的深度学习预测模型的最新进展	总结了深度学习在EHR数据预测建模中的多种应用视角，并提出了未来的研究方向	未提及具体模型的性能比较或实际应用中的具体限制	探讨如何利用EHR数据进行预测建模	电子健康记录（EHR）数据	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA
68	2025-04-12	Detailed delineation of the fetal brain in diffusion MRI via multi-task learning 2024-Aug-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.609697 PMID:39257731	研究论文	本文开发了一个多任务深度学习框架，用于胎儿大脑扩散MRI数据的自动分割和分区	提出了一个统一的计算框架，能够同时完成胎儿大脑组织的分割、白质束的分割以及大脑皮层的分区，这在胎儿神经影像学领域是一个创新	研究仅基于97个胎儿大脑的标注数据，样本量相对较小，可能影响模型的泛化能力	开发自动化方法以提高胎儿大脑扩散MRI数据的分析效率和准确性	胎儿大脑的扩散MRI数据	数字病理学	NA	扩散加权MRI (dMRI)	多任务深度学习	MRI图像	97个胎儿大脑
69	2025-04-06	Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3263866 PMID:37030701	research paper	提出了一种新颖的深度学习方法，用于联合估计点云法线和滤波点云	引入了基于3D块的对比学习框架，将噪声作为增强手段，训练能够生成鲁棒点云块表示的特征编码器，并通过联合损失同时估计点法线和位移	NA	解决点云滤波和法线估计这两个3D领域的基础研究问题	点云数据	computer vision	NA	对比学习	深度学习	3D点云	NA
70	2024-08-07	Trend Identification and Prediction of Worker Stress Rate Using Deep Learning Algorithm in Indonesia 2024-08, Workplace health & safety IF:2.3Q1 DOI:10.1177/21650799241263623 PMID:38907692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
71	2025-04-06	Neural Network Layer Algebra: A Framework to Measure Capacity and Compression in Deep Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3241100 PMID:37027551	research paper	提出了一种新的框架来测量深度神经网络的固有特性，特别是容量和压缩性	引入了层代数的概念，并提出了两个新的度量指标：层复杂度和层内在能力，这些指标仅依赖于网络结构而非参数	虽然框架可以推广到任何网络架构，但研究主要集中在卷积网络上	测量深度神经网络的固有特性，即容量和压缩性	深度神经网络，特别是卷积网络	machine learning	NA	NA	CNN	image	NA
72	2025-04-06	Probabilistic Attention Based on Gaussian Processes for Deep Multiple Instance Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3245329 PMID:37027623	research paper	提出了一种基于高斯过程的概率注意力机制（AGP），用于深度多实例学习（MIL），以提供预测的不确定性估计	首次将高斯过程引入MIL中的注意力机制，提供实例级可解释性和预测不确定性	未明确提及具体限制，但可能面临高斯过程计算复杂度高的问题	开发一种能够提供预测不确定性的深度MIL方法，特别适用于医学领域	多实例学习模型及其在医学图像分析中的应用	machine learning	cancer	Gaussian processes	AGP (Attention Gaussian Process)	image	小于100个标签的小型数据集以及MNIST和CIFAR-10合成数据
73	2025-04-06	Artificial Intelligence (AI)-Based Computer-Assisted Detection and Diagnosis for Mammography: An Evidence-Based Review of Food and Drug Administration (FDA)-Cleared Tools for Screening Digital Breast Tomosynthesis (DBT) 2024-Aug, AI in precision oncology DOI:10.1089/aipo.2024.0022 PMID:40182614	综述	本文回顾了基于人工智能的计算机辅助检测和诊断工具在数字乳腺断层合成摄影筛查中的应用及其FDA批准情况	总结了新一代深度学习AI工具在乳腺筛查中的潜力，并评估了FDA批准的六种AI工具的性能	现有证据有限，仅包括两项小规模的实施后临床研究，需要更多前瞻性研究来全面评估影响	评估AI在数字乳腺断层合成摄影筛查中的应用效果	FDA批准的六种基于AI的计算机辅助检测/诊断工具	数字病理学	乳腺癌	深度学习	NA	医学影像	多项多读者多病例研究、回顾性分析和两项真实世界评估
74	2025-03-29	Multiplex Detection of Foodborne Pathogens using 3D Nanostructure Swab and Deep Learning-Based Classification of Raman Spectra 2024-08, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202308317 PMID:38564785	研究论文	本文提出了一种利用3D纳米结构拭子和基于深度学习的拉曼光谱分类技术检测多种食源性病原体的方法	结合3D纳米结构拭子高效捕获病原体和便携式拉曼仪器直接采集信号，以及基于1D CNN的深度学习算法实现高精度分类	未明确提及方法在极端环境或低浓度病原体情况下的检测性能	开发快速、灵敏的食源性病原体检测技术以保障食品安全	食源性细菌	机器学习	食源性疾病	拉曼光谱技术	1D CNN	光谱数据	受污染的厨房用具和食品样本（具体数量未说明）
75	2025-03-28	Deep learning for the harmonization of structural MRI scans: a survey 2024-Aug-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01280-6 PMID:39217355	综述	本文综述了深度学习在结构MRI扫描协调中的应用，分析了该领域的最新技术及其优缺点	深入分析了基于深度学习的图像协调方法，包括U-Net、GANs、VAEs等多种网络架构，并探讨了解缠表示学习在协调中的关键作用	缺乏对不同方法之间全面定量比较的研究	探讨深度学习在医学图像协调中的应用，为研究人员和从业者提供选择合适架构的指南	结构MRI扫描	数字病理	NA	深度学习	U-Net, GANs, VAEs, transformer-based approaches	MRI图像	NA
76	2025-03-27	Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images 2024-Aug-30, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.24036 PMID:39085139	研究论文	本文提出了一种基于深度学习的亚细胞器在高分辨率相位对比图像中的分割方法	利用荧光标记作为真实掩码的起源，开发了机器学习分割模型，实现了无标记活细胞中亚细胞器的精确分割	NA	开发一种精确分割亚细胞器的方法，以研究无标记活细胞中的细胞动力学	亚细胞器	计算机视觉	NA	深度学习	NA	图像	NA
77	2025-03-26	An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping 2024-Aug-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a64 PMID:39094595	研究论文	提出一种端到端的深度学习流程，用于通过部分体积校正自动生成脑PET参数映射的血流输入函数	利用非侵入性深度学习方法从颈内动脉计算患者特异性血流输入函数，无需侵入性动脉采血	研究仅基于50例人脑FDG PET扫描进行训练和验证，样本量有限	开发非侵入性方法用于定量分析动态FDG-PET脑成像	人脑动态FDG-PET成像数据	数字病理	神经系统疾病	dFDG-PET	3D U-Net, RNN	医学影像	50例人脑FDG PET扫描
78	2025-03-26	Lung CT harmonization of paired reconstruction kernel images using generative adversarial networks 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17028 PMID:38530135	research paper	该研究使用生成对抗网络（GAN）对肺部CT图像的重建核进行协调，以减少定量CT评估中的测量变异	采用pix2pix架构的GAN模型，首次在多厂商低剂量CT肺癌筛查队列中实现了重建核的协调转换	研究仅基于NLST数据集，样本量有限（1000对图像），且仅评估了五种核类型	减少CT重建核差异导致的定量测量偏差，提高CT图像分析的一致性	肺部CT图像	digital pathology	lung cancer	CT imaging	GAN (pix2pix)	medical image	1000对来自NLST的CT图像（5种核类型各200对）
79	2025-03-25	Community assessment of methods to deconvolve cellular composition from bulk gene expression 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50618-0 PMID:39191725	research paper	评估从批量基因表达数据中解卷积细胞组成的方法，通过社区范围的DREAM挑战进行	评估了多种解卷积方法，包括深度学习方法的强表现，确立了该范式在解卷积中的适用性	部分方法未针对所有功能性CD8+ T细胞状态进行训练或准确度较低	评估解卷积方法在推断肿瘤样本中免疫浸润水平的效果	体外和计算机模拟的癌症与健康免疫细胞的混合转录谱	machine learning	cancer	bulk gene expression analysis	deep learning	gene expression data	NA
80	2025-03-25	Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients 2024-08, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.054 PMID:38796387	research paper	该研究探讨了深度学习模型在预测术后需要阿片类药物补充的患者中的应用	首次将深度学习模型应用于预测术后阿片类药物补充需求，并通过多机构队列验证其高准确性	研究为回顾性设计，且仅纳入单一医疗中心的患者数据	优化术后阿片类药物处方策略，平衡药物滥用风险与患者疼痛控制需求	接受择期手术的成年患者	machine learning	NA	deep learning, random forest, eXtreme Gradient Boosting	深度学习、随机森林、XGBoost	临床医疗记录	9,731例择期手术患者（平均年龄62.1岁，51.4%为女性）