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
161	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
162	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
163	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
164	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
165	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
166	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
167	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
168	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
169	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
170	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
171	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
172	2025-03-13	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	本文介绍了EasyPISA，一个基于深度学习的框架，用于从2D彩色多普勒序列中自动进行二尖瓣反流（MR）的PISA测量	提出了一个全自动的PISA测量框架，解决了传统方法中观察者间变异性和非半球形血流汇聚及非全收缩期MR的准确性问题	样本量较小（54名患者），且仅在回顾性研究中进行了验证	开发一个自动化工具以减少MR评估中的工作量和观察者间变异性	二尖瓣反流（MR）患者	计算机视觉	心血管疾病	深度学习	UNet/Attention UNet	2D彩色多普勒图像	54名患者的196次记录，共1171张图像
173	2025-03-13	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	本研究旨在通过深度学习与超声图像结合，提高非酒精性脂肪肝（NAFLD）的诊断准确性，并减少诊断者专业能力和个人偏见的影响	提出了两种新的特征：超声回声衰减系数（θ）和多普勒效应比率（ROD），并基于VGG16模型建立了一个多输入深度学习网络框架，显著提高了诊断准确性	研究中使用的样本量相对较小（710张超声图像），可能限制了模型的泛化能力	提高非酒精性脂肪肝（NAFLD）的诊断准确性	非酒精性脂肪肝（NAFLD）的超声图像	计算机视觉	非酒精性脂肪肝	深度学习	CNN（VGG16, ResNet50, Inception-v3）	图像	710张超声图像
174	2025-03-13	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	本文介绍了一种结合可调声梯度（TAG）镜头的高速显微镜和TAG-SPARK去噪算法的对比增强视频速率体积系统，用于神经科学中的高速荧光钙成像	利用z切片的空间冗余进行自监督模型训练，实现了>700%的信噪比（SNR）提升，并保留了神经元活动的快速尖峰功能特征	NA	提高神经科学中高速荧光钙成像的信噪比和图像质量	神经元活动	计算机视觉	NA	双光子高速荧光钙成像	自监督模型	4D（xyzt）数据集	NA
175	2025-03-12	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Nov-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3496870 PMID:40030354	研究论文	本文提出了一种基于散射窗投影和深度学习的无传输衰减补偿方法（CTLESS），用于心肌灌注SPECT成像	CTLESS方法无需单独的X射线CT扫描，通过深度学习从散射能量窗投影中重建衰减图，避免了额外的辐射剂量和成本，并解决了SPECT与CT图像不对齐的问题	该方法仍需在更大规模的临床数据上进行进一步验证，以确认其广泛适用性	开发一种无需CT扫描的心肌灌注SPECT成像衰减补偿方法，以提高诊断准确性和降低成本	心肌灌注SPECT图像	数字病理学	心血管疾病	深度学习	多通道输入多解码器网络	图像	回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像
176	2025-03-12	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	本文研究了一种基于术前超声影像组学、深度学习和临床特征的综合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解（pCR）	结合了超声影像组学、深度学习和临床特征，构建了综合预测模型DLRC，显著提高了预测准确性	样本量相对较小，仅包含155名患者，可能影响模型的泛化能力	预测乳腺癌患者在新辅助化疗后的病理完全缓解状态	155名经病理确诊并接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	超声影像组学、深度学习	随机森林递归消除算法、最小绝对收缩和选择算子、多因素逻辑回归	超声图像	155名乳腺癌患者
177	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）
178	2025-03-10	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	本文提出了一种可解释的生成多模态神经影像-基因组学框架，用于解码阿尔茨海默病	提出了一种新的深度学习分类框架，采用循环生成对抗网络（cGAN）在潜在空间中填补缺失数据，并采用可解释的人工智能方法（XAI）提取输入特征的相关性	未明确提及具体限制	解码阿尔茨海默病的潜在机制，进行AD检测和MCI转化预测	阿尔茨海默病患者和轻度认知障碍（MCI）患者	数字病理学	老年病	结构性和功能性磁共振成像（sMRI/fMRI），单核苷酸多态性（SNPs）	循环生成对抗网络（cGAN）	神经影像数据，基因组数据	未明确提及具体样本数量
179	2025-03-06	Sensorless End-to-End Freehand 3-D Ultrasound Reconstruction With Physics-Guided Deep Learning 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3465214 PMID:39302786	研究论文	本文提出了一种无需传感器的自由手3D超声重建方法，利用物理引导的深度学习技术	设计了一种新颖的物理启发深度学习网络（PLPPI），无需3D卷积即可进行自由手3D超声重建，显著提高了重建质量并减少了计算资源需求	未提及具体局限性	改进自由手3D超声重建的质量，并减少训练和推理所需的计算资源	自由手3D超声成像	计算机视觉	NA	深度学习	物理引导的深度学习网络（PLPPI）	超声图像	未提及具体样本数量
180	2025-03-05	Explainable AI for computational pathology identifies model limitations and tissue biomarkers 2024-Nov-18, ArXiv PMID:39279830	研究论文	本文介绍了一种名为HIPPO的可解释AI框架，用于增强数字病理学中深度学习模型的透明度和可靠性	HIPPO框架通过系统修改全片图像中的组织区域生成图像反事实，支持定量假设测试、偏差检测和模型评估，超越了传统性能指标	未明确提及具体局限性	开发一种可解释AI框架，以增强数字病理学中深度学习模型的透明度和可靠性	乳腺癌转移检测、乳腺癌和黑色素瘤的预后预测、胶质瘤IDH突变分类	数字病理学	乳腺癌、黑色素瘤、胶质瘤	深度学习	HIPPO框架	图像	未明确提及具体样本数量