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
101	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）
102	2025-03-25	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	本研究开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练和细粒度网络相结合的方法，提高了亚厘米实性肺结节良恶性分类的准确性	研究为回顾性设计，且内部数据集特意富集了恶性病例，可能影响模型的泛化能力	开发能够准确区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节(SSPNs)	数字病理	肺癌	CT成像	自监督预训练+细粒度网络	医学影像	内部数据集1389个SSPNs(来自1276名患者)，外部测试集202个SSPNs
103	2025-03-25	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	research paper	开发并验证了一种基于深度学习的动态对比增强MRI模型，用于区分增殖性和非增殖性肝细胞癌，以优化术前评估和治疗策略	首次使用深度学习模型结合DCE-MRI图像预测肝细胞癌的增殖性，并评估其早期复发风险	研究为回顾性设计，样本量相对有限，且外部验证集的性能有所下降	通过非侵入性方法预测肝细胞癌的增殖性和早期复发风险，优化个体化治疗策略	355例接受根治性切除术的肝细胞癌患者	digital pathology	hepatocellular carcinoma	dynamic contrast-enhanced MRI (DCE-MRI)	DL (Deep Learning)	image	355例患者（训练集251例，内部测试集62例，外部测试集42例）
104	2025-03-25	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	research paper	该研究通过结合PET/CT的深度学习特征和全身代谢肿瘤体积(MTVwb)构建风险分层(CRS)，用于预测非小细胞肺癌(NSCLC)患者的总生存期(OS)和无进展生存期(PFS)，作为TNM分期的补充	首次将深度学习特征与MTVwb结合构建风险分层(CRS)，并验证其作为TNM分期补充工具的预测价值	测试集中预测OS时CRS的C-index未显著优于TNM分期(0.73 vs 0.736)	提高非小细胞肺癌患者的生存预测准确性	590例非小细胞肺癌患者(413例训练集，177例测试集)	digital pathology	lung cancer	PET/CT	CNN	医学影像	590例NSCLC患者(训练集413例，测试集177例)
105	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者
106	2025-03-23	Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03166-5 PMID:39122964	研究论文	本研究通过多中心、随机、双盲、非劣效性平行组试验，评估了深度学习在选择体外受精最佳胚胎中的价值	首次在体外受精胚胎选择中比较了深度学习算法（iDAScore）与标准形态学评估的效果	未能证明深度学习在临床妊娠率上不劣于标准形态学评估和预定义的优先方案	评估深度学习在体外受精胚胎选择中的应用价值	42岁以下、至少有2个早期囊胚的女性	数字病理	生殖健康	深度学习	iDAScore	胚胎图像	1066名患者（533名在iDAScore组，533名在形态学组）
107	2025-03-23	An open-source framework for end-to-end analysis of electronic health record data 2024-Nov, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03214-0 PMID:39266748	研究论文	本文介绍了一个名为ehrapy的开源Python框架，用于电子健康记录（EHR）数据的端到端分析	ehrapy框架首次提供了一个模块化的开源工具，能够处理异构的流行病学和EHR数据，并支持从数据提取到低维表示生成的全流程分析	尽管ehrapy功能强大，但其在特定疾病或数据类型的应用效果仍需进一步验证	开发一个标准化的分析框架，用于电子健康记录数据的全面探索性分析	电子健康记录（EHR）数据	数字病理学	肺炎, 心血管疾病, SARS-CoV-2	数据提取, 质量控制, 低维表示生成, 生存分析, 轨迹推断, 因果推断	深度学习模型	电子健康记录（EHR）数据, 影像数据	未明确提及具体样本数量
108	2025-03-22	Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae242 PMID:39301656	研究论文	本文探讨了可穿戴设备数据和多尺度熵分析在改善医院再入院预测中的应用	结合可穿戴设备数据和多尺度熵分析，开发了基于LSTM的时间序列深度学习模型，用于预测90天内非计划再入院	需要前瞻性研究来验证这些发现	提高医院非计划再入院的预测能力	使用可穿戴设备数据的患者	机器学习	NA	多尺度熵分析	FNN, LSTM	时间序列数据，可穿戴设备数据，人口统计和实验室数据	612名患者
109	2025-03-18	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	提出了一种结合深度学习和进化策略的协同框架，显著提高了逆问题求解的效率和精度	未明确提及具体局限性	提高从磁共振图像中估计脑肿瘤细胞浓度的效率和精度	脑肿瘤细胞浓度	计算机视觉	脑肿瘤	深度学习算法与高精度进化策略	深度学习集成模型	磁共振图像	未明确提及样本数量
110	2025-03-16	Natural Language Processing of Clinical Documentation to Assess Functional Status in Patients With Heart Failure 2024-Nov-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43925 PMID:39509128	研究论文	本研究开发并验证了一种深度学习自然语言处理（NLP）策略，用于从非结构化的临床文档中提取心力衰竭（HF）患者的功能状态评估	利用深度学习NLP技术从非结构化临床文档中提取功能状态评估，显著提高了对患者功能状态的跟踪能力，并有助于识别适合临床试验的患者	研究依赖于电子健康记录数据，可能存在数据质量和完整性的问题	开发并验证一种NLP策略，用于从临床文档中提取心力衰竭患者的功能状态评估	心力衰竭患者	自然语言处理	心血管疾病	NLP	深度学习模型	文本	34,070名心力衰竭患者
111	2025-03-15	Clinical usability of deep learning-based saliency maps for occlusion myocardial infarction identification from the prehospital 12-Lead electrocardiogram 2024 Nov-Dec, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153792 PMID:39255653	研究论文	本研究探讨了基于深度学习的显著性图在预医院12导联心电图中识别闭塞性心肌梗死的临床可用性	使用显著性图增强深度学习模型的可解释性，以促进临床医生的广泛采用	研究样本量较小，仅包含100例心电图	评估显著性图在增强深度学习模型解释性方面的临床可用性	100例胸痛患者的心电图	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	心电图（ECG）	100例心电图
112	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
113	2025-03-13	Tiny Data Is Sufficient: A Generalizable CNN Architecture for Temporal Domain Long Sequence Identification 2024-Nov-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3494540 PMID:40030343	研究论文	本文介绍了一种新颖的通用卷积神经网络（GeCNN）架构，专为时间域长序列识别设计，通过减少对大量训练数据的依赖并提高特征表示效果，实现了在浅层网络和小数据量情况下的优越性能	提出了一种新的GeCNN架构，结合了通用CNN、选择性CNN和多层池化操作，通过非线性卷积增强特征表示，减少了对大量训练数据的需求，并在浅层网络和小数据量情况下实现了更高的准确性	未明确提及具体局限性，但可能在于模型在不同数据集上的泛化能力尚未全面验证	解决深度学习模型在长序列分析中特征表示能力有限和对大量训练数据依赖的问题	时间域长序列数据	机器学习	NA	卷积神经网络（CNN）	GeCNN（通用卷积神经网络）	时间序列数据	GTZAN和PLAID数据集中的小数据量样本
114	2025-03-13	DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI 2024-Nov-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	本文介绍了一种名为DreaMR的扩散驱动反事实解释方法，用于功能磁共振成像（fMRI）的高保真解释	DreaMR是首个基于扩散的反事实方法，利用新颖的分数多相蒸馏扩散先验提高推理效率，同时采用transformer架构处理fMRI扫描中的长程时空上下文	NA	提高fMRI数据的解释能力，特别是深度学习模型在检测认知相关变量时的可解释性	功能磁共振成像（fMRI）数据	神经影像分析	NA	扩散驱动反事实生成	transformer	fMRI数据	NA
115	2025-03-13	Convolutional-and Deep Learning-Based Techniques for Time Series Ordinal Classification 2024-Nov-27, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3498100 PMID:40030321	研究论文	本文介绍了时间序列有序分类（TSOC）的首个基准测试，利用目标标签的顺序关系提升当前时间序列分类（TSC）技术的性能	首次对时间序列有序分类（TSOC）方法进行基准测试，展示了考虑标签顺序关系的重要性	NA	提升时间序列分类（TSC）技术在有序标签情况下的性能	时间序列数据	机器学习	NA	卷积神经网络和深度学习	CNN, 深度学习模型	时间序列数据	NA
116	2025-03-13	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2024-Nov-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种多任务对抗变分自编码器（M-AVAE），用于通过多模态MRI数据整合来增强脑龄预测，以支持基于元宇宙的医疗应用	M-AVAE通过将潜在变量分离为通用代码和独特代码，有效隔离了共享和模态特定特征，并结合多任务学习以考虑性别特异性衰老差异	尽管M-AVAE在脑龄预测上表现出色，但其在功能MRI（fMRI）数据处理上仍面临复杂数据结构和噪声测量的挑战	旨在通过多模态MRI数据整合提高脑龄预测的准确性，以支持基于元宇宙的医疗应用	脑龄预测，特别是与阿尔茨海默病等年龄相关神经病理学相关的脑龄评估	数字病理学	阿尔茨海默病	多模态MRI数据整合	多任务对抗变分自编码器（M-AVAE）	MRI图像	OpenBHB数据集，一个多站点脑MRI数据集合
117	2025-03-13	TransScore: a graph model for pose scoring and affinity prediction based on transformer convolution network 2024-Nov-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504851 PMID:40030271	研究论文	本文提出了一种基于transformer卷积网络的深度学习图模型TransScore，用于蛋白质-化合物对的姿态评分和亲和力预测	TransScore通过自注意力机制捕捉蛋白质-化合物姿态的内在特征，在冷启动和热启动场景下均表现出色，且在非平衡数据集上展示了其鲁棒性	模型在冷启动场景下的性能仍有待进一步提升	提高蛋白质-化合物相互作用预测的准确性和鲁棒性，以支持药物发现	蛋白质-化合物对的姿态评分和亲和力预测	机器学习	NA	transformer卷积网络	图模型	蛋白质-化合物对的结构数据	未明确提及具体样本数量
118	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
119	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
120	2025-03-13	Adaptive Graph Convolutional Network for Unsupervised Generalizable Tabular Representation Learning 2024-Nov-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3488087 PMID:40030226	研究论文	本文提出了一种新的自适应图卷积网络（AdaGCN），用于无监督可泛化的表格数据表示学习	AdaGCN通过自适应图学习模块去除传统GCN模型中的预定义规则，能够探索任意表格数据的局部模式，并直接最小化原始表格数据与学习嵌入之间的分布差异，无需标签信息	未提及具体限制	提高表格数据表示学习的效率和实用性	表格数据	机器学习	NA	自适应图卷积网络（AdaGCN）	GCN	表格数据	多个真实世界的表格数据集