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
281	2025-10-07	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	提出一种基于深度学习的时序解卷积方法，用于从荧光寿命成像中恢复真实光子飞行时间分布	首次将深度学习模型专门应用于荧光寿命成像中的解卷积任务，无需复杂的计算策略和正则化项	模型训练和验证主要基于模拟数据，实际应用效果需进一步验证	开发准确高效的光子飞行时间分布恢复方法	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)、扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据、体外实验、临床前体内研究	NA	NA	准确性、鲁棒性、灵活性	NA
282	2025-10-07	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	提出一种结合深度学习和进化采样的新型框架，用于改进脑肿瘤生长逆建模	通过深度学习集成提供初始参数估计作为先验，显著约束采样参数空间，实现快速收敛和高精度	仅针对脑肿瘤细胞浓度估计进行验证，未提及其他疾病类型的适用性	解决生物物理建模中的逆问题，提高肿瘤生长建模的效率和精度	脑肿瘤细胞浓度	医学影像分析	脑肿瘤	磁共振成像	深度学习集成	医学影像	NA	NA	NA	Dice系数	NA
283	2025-03-13	Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior 2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3507873 PMID:40030332	研究论文	本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景	提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性	未提及具体的数据集或样本量，可能限制了方法的普适性验证	研究深度学习图像压缩模型的后门攻击方法及其防御策略	深度学习图像压缩模型	计算机视觉	NA	离散余弦变换（DCT）	深度学习模型	图像	NA	NA	NA	NA	NA
284	2025-03-13	Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models 2024-Nov-21, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3503761 PMID:40030404	综述	本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性	深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性	指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向	探索深度学习模型在癌症组学研究中的应用	癌症组学数据	机器学习	癌症	深度学习	深度学习模型	组学数据	NA	NA	NA	NA	NA
285	2025-03-13	a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition 2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3502624 PMID:40030229	研究论文	本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别	提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性	未明确提及具体局限性	提高基于sEMG的手势识别系统的实用性和实时应用性能	手腕sEMG信号	机器学习	NA	sEMG	CNN-LSTM, CNN, kNN	sEMG信号	每个手势平均33.6秒至48秒的sEMG数据	NA	NA	NA	NA
286	2025-03-13	DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network 2024-Nov-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3502636 PMID:40030219	研究论文	本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率	DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率	未提及模型在更大规模数据集上的表现或实际临床应用中的验证	提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划	肺癌和结肠癌的分类	计算机视觉	肺癌, 结肠癌	深度学习	DARNet（基于残差块和注意力模块的神经网络）	图像	基准肺癌和结肠癌数据集	NA	NA	NA	NA
287	2025-03-13	A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning 2024-Nov-14, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3498346 PMID:40030369	综述	本文全面调查了深度学习中的遗忘现象，超越了持续学习的范畴，探讨了遗忘在生成模型和联邦学习等领域中的表现及其挑战	本文创新性地提出遗忘是一把双刃剑，在某些情况下可能是有益的，如隐私保护场景，并通过对遗忘现象的广泛探讨，提供了更细致的理解	本文主要是一篇综述，未涉及具体实验或数据验证，可能缺乏实证支持	探讨深度学习中的遗忘现象，超越持续学习的范畴，提出新的理解和解决方案	深度学习中的遗忘现象	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
288	2025-10-07	Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients 2024-11, Abdominal radiology (New York) DOI:10.1007/s00261-024-04331-7 PMID:38796795	研究论文	开发并验证了一种基于深度学习放射组学的列线图模型，用于预测局部进展期胃癌患者新辅助化疗反应	结合手工放射组学特征、深度学习特征和临床特征构建多模态预测模型，并采用多中心数据进行验证	回顾性研究设计，样本量相对有限（322例患者）	预测局部进展期胃癌患者对新辅助化疗的治疗反应	局部进展期胃癌患者	数字病理	胃癌	多期相增强CT成像，放射组学分析	CNN	医学影像（CT图像），临床数据	322例胃癌患者，来自两个医院（2013年1月至2023年6月）	NA	EfficientNet V2	AUC, 精确召回曲线, 校准曲线, 决策曲线分析	NA
289	2025-10-07	EasyPISA: Automatic Integrated PISA Measurements of Mitral Regurgitation From 2-D Color-Doppler Using Deep Learning 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.008 PMID:39122609	研究论文	提出基于深度学习的EasyPISA框架，用于从2D彩色多普勒序列自动进行二尖瓣反流的集成PISA测量	首次实现直接从2D彩色多普勒序列自动进行集成PISA测量，解决了非半球形血流汇聚和非全收缩期二尖瓣反流的测量难题	样本量相对较小（54名患者），与cMRI的相关性为0.66，相对标准偏差分别为46%和53%	开发自动化二尖瓣反流量化方法，减少观察者间变异性和工作负担	二尖瓣反流患者	医学影像分析	心血管疾病	2D彩色多普勒超声	CNN	医学图像	196条记录（54名患者）的1171张图像，回顾性应用于26例二尖瓣反流患者检查	NA	UNet, Attention UNet	精确度, 召回率, Dice系数, 流率误差, 组内相关系数, 相对标准偏差, AUC	NA
290	2025-10-07	Deep Learning With Ultrasound Images Enhance the Diagnosis of Nonalcoholic Fatty Liver 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.07.014 PMID:39179453	研究论文	本研究通过深度学习结合超声图像提升非酒精性脂肪肝的诊断准确性	提出结合超声图像特征（回声衰减系数和多普勒效应比率）的多输入深度学习网络框架	NA	提高非酒精性脂肪肝疾病的诊断准确性并减少诊断者专业能力和个人偏见的影响	非酒精性脂肪肝患者的超声图像	计算机视觉	非酒精性脂肪肝	超声成像	CNN	图像	710张包含NAFLD的超声图像	NA	VGG16, ResNet50, Inception-v3	准确率, AUC	NA
291	2025-10-07	Deep learning Radiomics Based on Two-Dimensional Ultrasound for Predicting the Efficacy of Neoadjuvant Chemotherapy in Breast Cancer 2024-11, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276168 PMID:39257175	研究论文	基于术前超声影像组学、深度学习和临床特征的综合模型预测乳腺癌新辅助化疗后病理完全缓解	首次结合超声影像组学、深度学习特征和临床参数构建综合预测模型DLRC	样本量较小（155例患者），单中心研究	预测乳腺癌患者新辅助化疗后的病理完全缓解状态	155例经病理确诊的乳腺癌患者	医学影像分析	乳腺癌	二维超声	深度学习, 随机森林, LASSO	超声图像	155例患者（训练集与验证集按7:3随机分配）	NA	NA	AUC, 决策曲线分析	NA
292	2025-10-07	TAG-SPARK: Empowering High-Speed Volumetric Imaging With Deep Learning and Spatial Redundancy 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405293 PMID:39283040	研究论文	提出结合可调声学梯度透镜高速显微镜和TAG-SPARK去噪算法的对比增强视频速率体积成像系统	利用z切片空间冗余性进行自监督模型训练，专为4D数据集设计，实现超过700%的信噪比提升	未明确说明算法在不同神经元类型或组织深度中的普适性	解决高速荧光钙成像中采集速度与图像质量之间的权衡问题	浦肯野细胞钙活动观测	计算显微镜	NA	双光子高速荧光钙成像	深度学习	4D体积图像数据	NA	NA	TAG-SPARK	信噪比增强	NA
293	2025-03-12	Deep Learning Reconstruction in Abdominopelvic Contrast-Enhanced CT for The Evaluation of Hemorrhages 2024-11, Radiologic technology IF:0.7Q4 PMID:39472011	研究论文	本研究探讨了深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果，并与混合迭代重建进行了比较	首次在腹盆部增强CT中应用深度学习重建技术，显著改善了动脉描绘和出血评估的图像质量	样本量较小（16例患者），需要更大规模的前瞻性研究来验证结果	评估深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果	16例急性出血患者	医学影像	出血	深度学习重建、混合迭代重建、滤波反投影	深度学习	CT图像	16例患者（8男8女，平均年龄54.2±22.1岁）	NA	NA	NA	NA
294	2025-10-07	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	提出一种可解释的生成式多模态神经影像-基因组学框架，用于阿尔茨海默病的检测和轻度认知障碍转化预测	采用循环生成对抗网络在潜在空间填补缺失模态数据，并结合可解释人工智能方法分析特征重要性	未明确说明样本数据的具体来源和采集标准	解码阿尔茨海默病的多模态生物标志物并实现疾病分类预测	阿尔茨海默病患者、轻度认知障碍患者及正常对照组	医学影像分析	阿尔茨海默病	结构磁共振成像, 功能磁共振成像, 单核苷酸多态性	cGAN, 深度学习分类模型	神经影像数据, 基因组数据	NA	NA	CycleGAN	准确率	NA
295	2025-03-05	Advanced Camera-Based Scoliosis Screening via Deep Learning Detection and Fusion of Trunk, Limb, and Skeleton Features 2024-Nov-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491855 PMID:39499599	研究论文	本研究提出了一种基于单目RGB摄像头的非侵入性脊柱侧弯筛查方法，通过深度学习检测和融合躯干、肢体和骨骼特征，提高了筛查的精确性	创新性地结合了参数化人体三维重建（PH3DR）和多尺度融合注意力（MSFA）模块，以及Swin Transformer增强的CMU-Pose，用于提取人体骨骼特征，从而提高了脊柱侧弯筛查的精度和效率	尽管模型在实验中表现优异，但其在更广泛人群中的适用性和长期效果仍需进一步验证	开发一种非侵入性、易于部署的脊柱侧弯早期筛查和常规监测方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	ISANet, Swin Transformer, CMU-Pose	图像	未明确提及样本数量	NA	NA	NA	NA
296	2025-10-07	Spatiotemporal Deep Learning-Based Cine Loop Quality Filter for Handheld Point-of-Care Echocardiography 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3396796 PMID:38700961	研究论文	开发并验证基于时空深度学习的超声心动图电影循环质量过滤器，用于评估手持式即时超声设备采集数据的适用性	提出结合空间和时间信息的深度学习模型来评估超声心动图电影循环质量，相比仅使用空间信息的模型性能更优	研究仅基于两个中心的175名患者数据，样本量相对有限	开发自动评估手持式即时超声心动图数据质量的深度学习模型	手持式即时超声设备采集的超声心动图电影循环	计算机视觉	心血管疾病	超声心动图	CNN, LSTM	超声图像序列	175名患者的DICOM电影循环，测试集包含76个电影循环共16914帧	NA	VectorCNN, VectorCNN + LSTM, VectorCNN + LSTM + Average, VectorCNN + LSTM + MinMax, VectorCNN + LSTM + ConvPool	准确率, 灵敏度, 特异性	NA
297	2025-10-07	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39727002	研究论文	提出一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用	引入互信息进行特征增强，并设计区域图卷积模型来学习有意义的表示，通过区域级注意力机制处理不同距离邻居节点的贡献差异	未明确说明方法在高度稀疏数据下的过拟合风险控制效果	预测噬菌体-宿主相互作用，为噬菌体疗法开发提供支持	噬菌体及其宿主细菌	机器学习	细菌感染	深度学习	图卷积网络	序列数据, 环境样本数据	三个基准数据集	NA	区域图卷积模型	NA	NA
298	2025-10-07	Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease 2024-11-04, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izad285 PMID:38011673	研究论文	开发用于克罗恩病CTE图像病灶自动分割的深度学习模型，并基于影像组学特征构建机器学习分类器评估疾病活动性	结合nnU-Net自动分割模型与影像组学特征分析，构建端到端的克罗恩病活动性评估系统	回顾性研究，样本量有限（分割数据集84例，分类数据集193例）	开发自动分割模型并构建分类器评估克罗恩病活动性	克罗恩病患者的CTE图像	医学影像分析	克罗恩病	CTE成像，影像组学分析	nnU-Net，机器学习分类器	CTE图像	分割数据集：84例CTE检查（平均年龄31±13岁，60名男性）；分类数据集：193例CTE检查（平均年龄31±12岁，136名男性）	NA	nnU-Net	Dice相似系数，AUC，敏感度，特异度，准确度	NA
299	2025-10-07	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	提出基于视觉Transformer的DECA模型，用于从批量染色质可及性数据中解卷积细胞类型信息	首次将视觉Transformer应用于染色质可及性数据的细胞解卷积，其多头注意力机制生成的补丁注意力与Hi-C检测的染色质相互作用具有一致性	未明确说明模型在处理极高稀疏性单细胞数据时的具体表现	开发深度学习模型解决批量ATAC-seq数据中细胞异质性问题	染色质可及性图谱和细胞类型组成	计算生物学	泛癌症	ATAC-seq, 单细胞ATAC-seq, Hi-C	Transformer	染色质可及性数据	NA	NA	Vision Transformer	NA	NA
300	2025-02-21	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-11-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话	DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性	尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制	提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性	蛋白质内的翻译后修饰（PTM）交叉对话	机器学习	NA	深度学习，图神经网络，随机森林模型	深度学习分类器，图神经网络，随机森林模型	蛋白质序列和结构数据	NA	NA	NA	NA	NA