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	2025-10-05	Invariant point message passing for protein side chain packing 2024-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26705 PMID:38790143	研究论文	提出一种基于几何图神经网络的新方法PIPPack，用于蛋白质侧链包装任务	采用几何感知的不变点消息传递(IPMP)机制和二面角分布预测来生成理想的侧链坐标	仅在约1400个高质量蛋白质链的测试集上验证，未在更大规模或更复杂数据集上测试	解决蛋白质侧链包装(PSCP)问题，预测氨基酸侧链的高置信度低能量构象	蛋白质侧链构象	生物信息学	NA	几何图神经网络	图神经网络	蛋白质结构数据	约1400个高质量蛋白质链	NA	不变点消息传递(IPMP)	旋转异构体恢复率, 每个残基RMSD	NA
102	2025-10-05	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	研究论文	提出一种针对先天性心脏病的心脏解剖结构生成建模方法，能够生成保留特定CHD类型拓扑特征的虚拟心脏解剖结构	提出类型和形状解耦的生成方法，能够捕获不同CHD类型的广泛解剖结构变化，并生成保留特定CHD类型独特拓扑结构的不同形状心脏解剖结构	训练数据集相对较小，仅包含67名患者，涵盖6种CHD类型和14种CHD类型组合	开发能够生成先天性心脏病心脏解剖结构的生成模型，用于改善诊断、治疗规划和计算模拟	先天性心脏病患者的心脏解剖结构	医学图像分析	先天性心脏病	深度学习，生成建模	生成模型	心脏解剖结构数据	67名患者，涵盖6种CHD类型和14种CHD类型组合	NA	基于符号距离场(SDF)的生成模型	CHD类型正确性，形状合理性，泛化性能，心脏分割准确性	NA
103	2025-10-05	Accurate Automated Quantification of Dopamine Transporter PET Without MRI Using Deep Learning-based Spatial Normalization 2024-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-024-00869-y PMID:39308485	研究论文	提出一种基于深度学习的空间归一化方法，用于无需MRI的18F-FP-CIT PET图像自动定量分析	开发了无需解剖图像（CT或MRI）的AI驱动PET空间归一化技术，通过循环训练策略实现从模板到个体空间的逆向形变	研究样本量有限（训练集213对，验证集89对，外部验证135例），未与其他PET定量方法进行广泛比较	开发无需MRI的自动化多巴胺转运体PET定量方法	帕金森病及相关帕金森综合征患者的18F-FP-CIT PET图像	医学影像分析	帕金森病	18F-FP-CIT PET成像，3D结构MRI	CNN	PET图像，MRI图像	训练集213对PET-MRI数据，验证集89对PET-MRI数据，外部验证135例数据	NA	卷积神经网络	R²，斜率	NA
104	2025-10-05	Comparative analysis of chronic progressive nephropathy (CPN) diagnosis in rat kidneys using an artificial intelligence deep learning model 2024-Oct, Toxicological research IF:1.6Q4 DOI:10.1007/s43188-024-00247-y PMID:39345736	研究论文	本研究使用深度学习分割模型比较分析大鼠肾脏慢性进行性肾病的三种代表性病变诊断	首次针对包含多种病变的复杂病变诊断模型进行研究，并比较了三种不同分割算法在肾脏病理图像分析中的性能	样本量相对有限（33个全切片图像），模型在某些病变上准确率仍有提升空间	开发适用于复杂病变诊断的AI深度学习模型	大鼠肾脏慢性进行性肾病病变	数字病理学	肾脏疾病	全切片图像分析	深度学习分割模型	病理图像	33个大鼠肾脏全切片图像，约2000张包含三种病变的图像	NA	YOLOv8, Mask R-CNN, SOLOv2	损失值, mAP50	NA
105	2025-10-05	Exploring the Impact of Model Complexity on Laryngeal Cancer Detection 2024-Oct, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-04776-8 PMID:39376269	研究论文	本研究探讨模型复杂度对喉癌检测效果的影响，通过比较逻辑回归、浅层神经网络和深度卷积网络在CT图像上的表现	首次系统比较不同复杂度机器学习模型在喉癌CT图像检测中的性能差异，揭示模型复杂度与诊断效果的关系	研究仅基于对比CT图像，未考虑其他影像模态；样本来源单一	评估模型复杂度对喉癌检测诊断效果的影响	喉癌患者的对比CT图像	计算机视觉	喉癌	计算机断层扫描(CT)	Logistic Regression, CNN	医学图像	NA	NA	4层神经网络, ResNet-50	准确率	NA
106	2025-10-05	Patient-Specific Myocardial Infarction Risk Thresholds From AI-Enabled Coronary Plaque Analysis 2024-Oct, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.016958 PMID:39405390	研究论文	本研究通过AI技术分析冠状动脉斑块，建立患者特异性心肌梗死风险阈值	首次基于深度学习冠状动脉斑块量化分析，建立年龄和性别特异性的心肌梗死风险预测模型	研究样本量相对有限，需要更多前瞻性研究验证	评估基于深度学习的冠状动脉斑块量化分析对心肌梗死的预测价值	冠状动脉疾病患者	医学影像分析	心血管疾病	冠状动脉CT血管成像	深度学习	医学影像	2803名患者（956名用于建立分布，1847名用于外部验证）	NA	NA	风险比, P值, 置信区间	NA
107	2025-10-05	Automated Detection and Grading of Extraprostatic Extension of Prostate Cancer at MRI via Cascaded Deep Learning and Random Forest Classification 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.011 PMID:38670874	研究论文	开发基于级联深度学习和随机森林分类的AI工作流，用于从前列腺MRI自动检测和分级前列腺癌的包膜外侵犯	结合级联深度学习和随机森林分类器，利用多序列MRI数据实现前列腺癌包膜外侵犯的自动化分级	模型性能在某些EPE等级上的AUC相对较低（如等级3仅为0.55），样本量有限（634例患者）	开发自动化AI工作流用于前列腺癌包膜外侵犯的检测和分级	前列腺癌患者的MRI影像数据	医学影像分析	前列腺癌	T2W MRI, ADC map, High B DWI	深度学习, 随机森林	医学影像	634例患者（507例训练集，127例测试集）	NA	级联深度学习架构	平衡准确率, ROC AUC, 灵敏度, 特异性, 准确率	NA
108	2025-10-05	Short-length SSVEP data extension by a novel generative adversarial networks based framework 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10134-9 PMID:39555252	研究论文	提出一种基于生成对抗网络的端到端信号转换框架TEGAN，用于扩展短时长稳态视觉诱发电位信号的数据长度	首次提出用于SSVEP信号时间窗口长度扩展的GAN框架，引入两阶段训练策略和LeCam散度正则化项	仅在两个公开SSVEP数据集上验证，需要进一步在实际应用场景中测试	解决SSVEP脑机接口系统中数据长度和校准数据量限制性能的问题	稳态视觉诱发电位信号	脑机接口	NA	脑电图	GAN	脑电信号	两个公开SSVEP数据集（4类和12类）	NA	TEGAN	分类准确率	NA
109	2025-10-05	Motor imagery decoding using source optimized transfer learning based on multi-loss fusion CNN 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10100-5 PMID:39555257	研究论文	提出基于多损失融合CNN的源优化迁移学习方法，用于解码运动想象任务	首次提出多损失融合卷积神经网络构建可优化源模型，并提出源优化迁移学习方法使源模型更符合目标域特征	NA	提高多类运动想象任务的解码性能	16名健康受试者和16名中风患者	机器学习	中风	运动想象解码	CNN	脑电信号	16名健康受试者训练源模型，16名中风患者作为目标域	NA	多损失融合CNN	分类准确率	NA
110	2025-10-05	Multiresolution feature fusion for smart diagnosis of schizophrenia in adolescents using EEG signals 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10120-1 PMID:39555262	研究论文	提出一种基于多分辨率特征融合和机器智能的自动化诊断模型，用于通过脑电图信号对青少年精神分裂症进行高效诊断	结合经验小波变换和经验模态分解两种多分辨率信号分析方法，提出CNN与集成装袋树的混合模型，融合深度学习和手工特征进行诊断	样本量相对有限（84名青少年），仅使用单一公开数据集	开发精神分裂症的自动化诊断系统	青少年精神分裂症患者	机器学习	精神分裂症	脑电图信号分析	CNN, 集成学习	脑电图信号	84名青少年（45名精神分裂症症状患者和39名健康对照）	NA	卷积神经网络, 集成装袋树	分类性能	NA
111	2025-10-05	Research progress of epileptic seizure prediction methods based on EEG 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10109-w PMID:39555266	综述	本文系统综述了基于脑电图的癫痫发作预测方法的研究进展	分别基于头皮脑电图和颅内脑电图，从五种常用特征分析方法全面评估癫痫发作预测研究现状，并比较深度学习与传统机器学习方法的优劣	当前算法尚无法应用于临床，存在一定局限性	为癫痫发作预测领域的后续研究提供改进方向和技术思路	癫痫患者脑电图数据	机器学习	癫痫	EEG	深度学习, 传统机器学习	脑电图信号	NA	NA	NA	NA	NA
112	2025-10-05	Attention-based cross-frequency graph convolutional network for driver fatigue estimation 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10141-w PMID:39555279	研究论文	提出一种基于注意力的跨频率图卷积网络，用于通过EEG信号估计驾驶员疲劳程度	首次将多头注意力机制与图卷积网络结合，用于捕捉EEG通道间的跨频率长程依赖关系	仅使用公开数据集进行验证，未提及实际道路测试的适用性	开发精确的驾驶员疲劳程度估计算法	驾驶员的脑电信号和反应时间	机器学习	NA	脑电图(EEG)	图卷积网络(GCN), Transformer	脑电信号	公开数据集（具体数量未提及）	NA	基于注意力的跨频率图卷积网络(ACF-GCN), Transformer编码器	反应时间估计精度	NA
113	2025-10-05	Selective Classification Under Distribution Shifts 2024-Oct, Transactions on machine learning research PMID:41019465	研究论文	提出一种考虑分布偏移的选择性分类框架，适用于深度学习中标签偏移和协变量偏移场景	首次在选择性分类中系统考虑分布偏移问题，提出两种新的基于间隔的置信度评分函数	仅关注非基于训练的置信度评分函数，未涉及训练阶段的分布偏移适应方法	开发在数据分布偏移情况下仍能可靠工作的选择性分类系统	深度学习分类器在分布偏移下的选择性预测	机器学习	NA	深度学习	深度学习分类器	NA	NA	NA	NA	NA	NA
114	2025-10-05	Research trends of computational toxicology: a bibliometric analysis 2024-Oct, Toxicology research IF:2.2Q3 DOI:10.1093/toxres/tfae147 PMID:39309752	文献计量分析	通过文献计量分析探讨计算毒理学的研究趋势和发展历程	首次对计算毒理学领域进行系统性文献计量分析，揭示该领域从传统方法向机器学习、分子对接和深度学习等先进计算方法的发展轨迹	分析仅限于Web of Science数据库收录的文献，时间跨度为1977年至2024年2月12日	评估计算毒理学领域的研究影响力和发展趋势	计算毒理学领域的科学文献	计算毒理学	NA	文献计量分析	机器学习,深度学习	文献数据	Web of Science数据库中1977-2024年间的相关文献	NA	NA	NA	NA
115	2025-10-06	Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model 2024-Oct-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.440801 PMID:39992333	研究论文	基于DeepLabV3+模型实现钝性颅脑损伤CT图像的智能识别与分割	首次将DeepLabV3+模型应用于法医学领域钝性颅脑损伤的自动诊断，并探索了活体CT图像训练模型在尸体CT图像上的应用价值	直接使用活体颅脑损伤模型进行尸体损伤识别存在一定局限性，在尸体CT图像上的分割性能相对较差	探索深度学习在法医学钝性颅脑损伤自动诊断中的应用价值	钝性颅脑损伤CT图像，包括活体和尸体来源	计算机视觉	颅脑损伤	CT成像	CNN	医学图像	活体CT图像5486张（训练/验证/测试集），活体盲测集255张损伤图像+156张正常图像，尸体盲测集340张损伤图像+120张正常图像	NA	DeepLabV3+	Dice系数,准确率,精确率,F1值	NA
116	2024-09-15	Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.07.010 PMID:39271366	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
117	2025-10-06	Deep Learning for Automatic Knee Osteoarthritis Severity Grading and Classification 2024-Oct, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01259-4 PMID:39324090	研究论文	本研究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级和分类方法	采用迁移学习方法并比较14种不同深度学习模型在膝关节X射线图像分析中的性能，首次将像素比率计算与决策树模型相结合用于OA预测	测试准确率为67%，仍有提升空间，且仅使用单一数据集进行验证	开发深度学习方法来预测膝关节置换可能性和Kellgren-Lawrence分级	膝关节骨关节炎患者的X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	骨关节炎倡议(OAI)数据集	TensorFlow, Keras	Xception, VGG16, VGG19, ResNet50, ResNet101, ResNet152, ResNet50V2, ResNet101V2, ResNet152V2, Inception V3, Inception ResNetV2, DenseNet121, DenseNet169, DenseNet201	准确率	NA
118	2025-10-06	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本研究开发了一种结合电子健康记录、深度学习自动解读超声心动图和生物样本分析的人工智能系统，用于自动检测和分类心力衰竭患者	首次将电子健康记录关键词搜索、深度学习自动解读DICOM超声心动图像和生物标志物分析相结合，实现心力衰竭亚型的自动识别和分类	研究仅基于苏格兰Tayside和Fife地区数据，样本代表性可能受限；需要排除数据不匹配或严重瓣膜性心脏病患者	开发自动化心力衰竭检测和分类系统，改善患者护理和监测	心力衰竭患者，包括射血分数降低型心力衰竭(HFrEF)、射血分数保留型心力衰竭(HFpEF)和无心力衰竭对照组	医疗人工智能	心力衰竭	电子健康记录分析、DICOM图像处理、生物标志物检测、深度学习	深度学习模型	电子健康记录、DICOM超声心动图像、血浆样本生物标志物数据	从60,850例电子健康记录中筛选出578名患者（186名对照组，236名HFpEF，156名HFrEF）	NA	NA	准确性、一致性验证	NA
119	2025-10-06	Implications of Big Data Analytics, AI, Machine Learning, and Deep Learning in the Health Care System of Bangladesh: Scoping Review 2024-10-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54710 PMID:39466315	综述	本文通过范围综述方法，系统梳理了孟加拉国医疗保健系统中大数据分析、人工智能、机器学习和深度学习技术的应用现状与研究进展	首次对孟加拉国医疗系统中BDA、AI、ML和DL技术的应用进行全面范围综述，揭示了该国在数字健康技术整合方面的独特进展模式	仅纳入英文文献和同行评审出版物，可能遗漏本地语言文献；时间范围限定可能排除早期重要研究	系统梳理孟加拉国医疗系统中数字技术应用的研究现状、监管挑战和实际用例	孟加拉国医疗保健系统中的数字技术应用研究	医疗健康信息学	多种疾病（传染病、非传染性疾病、儿童健康、心理健康）	大数据分析、人工智能、机器学习、深度学习	机器学习模型为主	主要数据（52%）和次要数据（48%）	77项符合条件的研究（从1653项研究中筛选）	NA	NA	NA	NA
120	2025-10-06	Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning 2024-10, Surgical endoscopy DOI:10.1007/s00464-024-11117-x PMID:39093411	研究论文	本研究开发了一种基于深度学习的人工智能导航系统，用于在胃癌腹腔镜胃切除术中实时指示与术后胰瘘相关的解剖标志	首次定义了与术后胰瘘相关的凹陷线作为解剖标志，并开发了实时AI导航系统用于术中指示	样本量较小（50例用于系统开发，10例用于验证），需要进一步大样本验证	识别胃癌腹腔镜胃切除术中与术后胰瘘相关的解剖标志，并开发AI导航系统	胃癌患者接受腹腔镜胃切除术的手术视频	计算机视觉	胃癌	深度学习	语义分割模型	手术视频图像	50例腹腔镜胃切除术病例（45例训练，5例超参数调整），10例前瞻性注册病例用于验证	NA	语义分割模型	Dice系数, Likert量表评分	NA