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	2025-06-26	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	research paper	本文提出了一种名为Skin-CAD的可解释人工智能（XAI）系统，用于基于皮肤镜图像的皮肤癌分类	结合四种不同拓扑结构的CNN的双高层特征，并采用PCA降维和特征选择，提高了分类准确率和可解释性	仅使用了两个公开数据集进行验证，可能在实际临床应用中存在泛化性问题	开发一个可解释的AI系统，帮助皮肤科医生准确快速地检测和分类皮肤癌	皮肤镜图像	digital pathology	skin cancer	CNN, PCA, LIME	CNN	image	两个公开数据集（Skin Cancer: Malignant vs. Benign和HAM10000）
62	2025-06-26	AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108755 PMID:38897151	研究论文	本研究利用AI模型在全景X光片上检测所有阻生牙并根据Winter方法对第三磨牙进行分类	使用YOLOv8深度学习算法进行阻生牙检测和Winter分类，并设计了临床用户界面	样本量相对较小，仅来自单一牙科学院数据库	开发AI模型用于牙科影像中阻生牙的自动检测和分类	全景X光片中的阻生牙，特别是第三磨牙	数字病理	牙科疾病	深度学习	YOLOv8	图像	1197张全景X光片用于阻生牙检测，1000张用于Winter分类
63	2025-06-26	Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108794 PMID:38941903	研究论文	开发了一种从3D超声数据自动分割和对齐子宫形状的系统	使用深度学习技术自动分割3D超声扫描中的子宫，并结合标准几何方法对齐形状，填补了子宫形状大规模研究的空白	研究依赖于3D超声数据的质量，且初步结果需要进一步验证	建立正常子宫的形状，促进与不孕和反复流产相关的子宫形状异常研究	女性子宫	数字病理	妇科疾病	3D超声	nnU-Net	3D图像	来自多个医疗中心的3D超声图像综合数据集
64	2025-06-26	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	提出了一种新型的病灶感知跨阶段注意力网络（LACPANet），用于在多期CT扫描上准确分类肾脏肿瘤的病理亚型	首次引入3D跨阶段病灶感知注意力机制和多尺度注意力方案，有效捕捉肾脏病灶在不同CT阶段的时间依赖性	研究仅基于收集的数据集，未提及外部验证结果	提高肾脏肿瘤病理亚型的诊断准确性	多期CT扫描中的肾脏病灶	数字病理	肾癌	多期CT扫描	LACPANet（基于注意力机制的深度学习模型）	3D时间序列医学图像	收集的肾癌患者多期CT扫描数据集（具体数量未提及）
65	2025-06-26	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	综述	本文综述了计算机视觉在牙科影像中的最新技术、挑战和新兴趋势	详细总结了计算机视觉在牙科影像中的应用，包括传统图像处理技术与智能机器学习算法及深度学习技术的结合	未提及具体的技术实施细节和实验验证结果	探讨计算机视觉在牙科影像诊断中的应用及其未来发展方向	牙科影像（如X光、CT扫描、彩色图像等）	计算机视觉	牙科疾病	图像处理、机器学习、深度学习	NA	图像	NA
66	2025-06-26	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发并验证了一种基于知识的AI评估系统（MEKAS），用于耳鼻喉科临床核心医学知识（CCMK-OTO）的学习	采用知识型AI方法（如知识库技术和基于案例的推理）构建多专家知识聚合的自适应评估方案，促进CCMK-OTO学习	研究样本规模有限，且仅在单一三级转诊医院进行验证，需更大规模和多样化的机构进一步评估	开发并验证一种自适应评估系统，以促进耳鼻喉科临床核心医学知识的学习	医学实习生（包括研究生和本科生）和耳鼻喉科住院医师	医疗教育技术	耳鼻喉科疾病	知识库技术、基于案例的推理	知识型AI	问卷数据、测试成绩	实验组30人（22名UPGY实习生和8名ENT-R住院医师），对照组24名UPGY实习生
67	2025-06-26	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像（MPI）的空间分辨率	首次将MPI的点扩散函数（PSF）与深度学习范式无缝集成，显著提高了空间分辨率性能	未提及该方法在临床大规模应用中的验证情况	在不降低信噪比（SNR）的前提下提高磁粒子成像的空间分辨率	磁粒子成像（MPI）系统	医学影像处理	NA	深度学习	双通道端到端网络（DENPK-MPI）	医学影像数据	仿真、体模和体内MPI实验数据
68	2025-06-26	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	research paper	本研究利用3D U-Net模型从MRI扫描中自动检测和分割骨及创伤性骨髓病变（BML），以替代传统的手动评估方法	采用多任务学习方法和后处理算法提升分割精度，首次实现BML的自动化分割	模型在不同人群和采集条件下的泛化性需进一步验证	开发自动化工具以简化创伤性骨髓病变的临床评估流程	急性前交叉韧带（ACL）撕裂患者的MRI扫描图像	digital pathology	骨关节炎	T2脂肪抑制快速自旋回波（FS FSE）MRI序列	3D U-Net	MRI图像	采用五折交叉验证，具体样本量未明确说明
69	2025-06-23	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	该研究结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的深度学习流程，用于快速术中检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他CNS肿瘤区分	首次将SRH与深度学习结合，实现了在3分钟内完成PCNSL的检测与鉴别，且准确率优于传统冰冻切片分析	研究样本主要来自四个国际医疗中心，可能存在一定的选择偏差	开发一种快速准确的术中诊断方法，以区分PCNSL和其他CNS肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）及其他CNS肿瘤/非肿瘤病变	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习（具体架构未明确说明）	图像	训练集：54,000个SRH图像块；测试集：三个独立队列（n=160, n=420, n=59）
70	2025-06-23	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	research paper	本研究利用卷积神经网络（CNN）从平衡放射性核素心血管造影数据集中生成深度学习驱动的感兴趣区域（ROIs），用于左心室射血分数（LVEF）测量	采用2D U-Net卷积神经网络架构自动生成ROIs，减少了观察者间的变异性，提高了LVEF测量的便利性和可重复性	研究依赖于手动绘制的ROIs作为预处理基础，可能存在初始偏差；样本量虽大但未说明是否涵盖多样化的临床场景	开发基于深度学习的自动化方法以提升LVEF测量的准确性和效率	平衡放射性核素心血管造影数据集中的左心室ROIs	digital pathology	cardiovascular disease	equilibrium radionuclide angiography	2D U-Net CNN	medical imaging	41,462次扫描（来自19,309名患者）
71	2025-06-21	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	本研究开发了一种基于深度学习和多期增强CT的自动诊断系统LiLNet，用于诊断肝脏病变	开发了Liver Lesion Network (LiLNet)系统，能够自动识别多种肝脏病变，并在多个外部中心验证了其高准确率	未提及系统在非典型病例或罕见肝脏病变中的表现	开发自动诊断系统以辅助肝脏病变的临床诊断	肝脏病变（包括HCC、ICC、MET、FNH、HEM和CYST）	数字病理	肝癌	多期增强CT成像	深度学习模型（LiLNet）	CT图像	4039名患者来自六个数据中心，并在四个外部中心和两家医院进行验证
72	2025-06-20	The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36067 PMID:39224395	研究论文	本研究利用卷积神经网络（CNN）和深度学习方法，全面分析和评估大学体育舞蹈教育的质量	创新性地应用深度学习技术，通过一维CNN模型定量评估体育舞蹈教育质量，解决了传统评估方法中的主观性和评价标准不一致问题	NA	全面分析和评估大学体育舞蹈教育的质量	大学体育舞蹈教育	机器学习	NA	深度学习	CNN	一维评估数据	NA
73	2025-06-15	Discrete Representation Learning for Multivariate Time Series 2024-Aug, Proceedings of the ... European Signal Processing Conference (EUSIPCO). EUSIPCO (Conference) DOI:10.23919/eusipco63174.2024.10715138 PMID:40510730	research paper	本文提出了一种基于高斯过程的多元时间序列离散表示学习方法	使用Gumbel-softmax重参数化技巧解决离散潜在变量在深度学习模型中的不可微问题，实现联合聚类和嵌入	NA	开发多元时间序列的离散表示学习方法以提高可解释性	多元时间序列数据	machine learning	NA	Gumbel-softmax reparameterization	Gaussian processes	multivariate time series	合成数据和真实fMRI数据
74	2025-06-13	Active Learning Pipeline to Identify Candidate Terms for a CDSS Ontology 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240660 PMID:39176629	research paper	本文探讨了一种主动学习方法，用于从出版物中自动识别候选术语，以支持临床决策支持系统（CDSS）本体的构建	采用主动学习方法自动识别候选术语，并结合人工验证作为深度学习模型训练的一部分	初步结果展示，尚未进行大规模验证和应用	探索自动化方法以辅助构建和维护生物医学领域的本体	出版物中的候选术语	natural language processing	NA	active learning, deep learning	NA	text	NA
75	2025-06-13	[Automatic segmentation of dental cone-beam computed tomography scans using a deep learning framework] 2024-08-11, Orvosi hetilap IF:0.8Q3 DOI:10.1556/650.2024.33098 PMID:39127997	研究论文	本文提出了一种基于深度学习的自动分割方法，用于牙科锥形束计算机断层扫描（CBCT）图像的三维重建	使用基于SegResNet架构的深度学习模型在MONAI框架内开发，实现了与半自动分割相当的准确度	研究样本量较小，仅包含70名部分无牙患者的CBCT图像	开发并评估一种用于牙科CBCT图像自动分割的深度学习模型	牙科CBCT图像	数字病理	牙科疾病	深度学习	SegResNet	图像	70名部分无牙患者的CBCT图像
76	2025-06-10	Multi-scale self-attention approach for analysing motor imagery signals in brain-computer interfaces 2024-08, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110182 PMID:38795979	research paper	提出了一种基于多尺度时空自注意力网络的模型，用于四类运动想象EEG信号的分类	采用多尺度时空自注意力网络和并行多尺度TCN层，有效提取EEG信号特征并提高分类准确率	未提及模型在其他数据集上的泛化能力	提高运动想象EEG信号的分类准确率	运动想象EEG信号	brain-computer interface	NA	自注意力机制、Temporal Convolutional Network (TCN)	多尺度时空自注意力网络	EEG信号	BCI Competition IV-2b数据集和HGD数据集的IV-2a、IV-2b数据集
77	2025-06-08	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	research paper	该研究通过单细胞多组学图谱和深度学习模型，揭示了脊椎动物胚胎发生过程中基因调控的逻辑，特别是即时分化的调控机制	发现了Nanog在增强子可及性中的新功能，并描述了即时分化这一新的分化模式	研究主要基于斑马鱼胚胎，可能在其他脊椎动物中的普适性有待验证	解析脊椎动物胚胎发生过程中细胞类型多样化的基因调控逻辑	斑马鱼早期胚胎	发育生物学	NA	单细胞多组学测序、深度学习	深度学习模型	RNA表达数据、染色质可及性数据	斑马鱼早期胚胎单细胞数据
78	2025-06-06	DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION 2024-08-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004106 PMID:38489765	research paper	本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管成像（OCTA）的深度学习分类器，用于预测年龄相关性黄斑变性患者中非渗出性黄斑新生血管的早期渗出风险	首次结合OCT和OCTA图像分析，使用多种CNN模型（ResNet-101、Inception-ResNet-v2和DenseNet-201）进行预测，并通过多数投票和软投票技术提升性能	样本量相对较小（89例患者），且为回顾性研究	开发AI工具预测非渗出性黄斑新生血管的早期渗出风险	年龄相关性黄斑变性患者的非渗出性黄斑新生血管	digital pathology	age-related macular degeneration	OCT, OCTA	CNN (ResNet-101, Inception-ResNet-v2, DenseNet-201)	image	89例患者（35例渗出组，54例非渗出组）
79	2025-05-31	AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Nucleocapsid Protein Variants 2024-08-25, Viruses DOI:10.3390/v16091358 PMID:39339835	研究论文	利用AlphaFold2揭示SARS-CoV-2核衣壳蛋白变体的季节性单倍型多样化结构模式	首次将AlphaFold2应用于SARS-CoV-2核衣壳蛋白变体的结构模式分析，揭示了内在无序区域在病毒进化中的重要性	研究依赖于计算模型预测的蛋白质结构，而非实验验证的实际结构	探究SARS-CoV-2变体的起源和进化机制	SARS-CoV-2核衣壳蛋白(N蛋白)的22种单倍型	计算生物学	COVID-19	AlphaFold2, 从头计算方法, 数据挖掘	AlphaFold2	蛋白质序列和结构数据	22种单倍型(来自GISAID数据库截至2023年7月23日的数据)
80	2025-05-31	Accurate prediction of protein function using statistics-informed graph networks 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50955-0 PMID:39097570	研究论文	提出了一种利用统计信息图网络仅从蛋白质序列预测蛋白质功能的方法	该方法无需结构信息即可预测蛋白质功能，并通过进化特征量化评估执行特定功能的残基重要性	NA	预测蛋白质功能以支持医学、生物技术和药物开发领域的研究	蛋白质序列	生物信息学	NA	统计信息图网络	图网络	序列数据	超过2亿个未表征的蛋白质