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
1	2025-04-02	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过心电图图像自动检测和预测结构性心脏病	首次利用12导联心电图图像开发集成深度学习模型PRESENT-SHD，实现多种结构性心脏病的自动化筛查和风险分层	研究主要基于医院数据，在普通人群中的验证样本量相对较小（ELSA-Brasil队列仅3014人）	开发可扩展的自动化工具用于结构性心脏病的早期筛查和风险预测	结构性心脏病患者（左室射血分数<40%、中重度左侧瓣膜疾病或严重左室肥厚）	数字病理学	心血管疾病	深度学习、XGBoost集成学习	CNN、XGBoost	图像（12导联心电图）	开发集：261,228份心电图（93,693名患者）；验证集：YNHH医院11,023人，外部医院44,591人，ELSA-Brasil队列3,014人
2	2025-04-02	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	research paper	本文提出了一种结合放射组学和深度学习的框架，用于高精度自动分类肾结石类型	结合放射组学特征和CNN深度特征，通过LightGBM模型实现肾结石类型的自动化高精度分类	实验准确率为84.5%，仍有提升空间	实现肾结石类型的自动化术前分类	感染性和非感染性肾结石	digital pathology	kidney stone	radiomics, deep learning	3D CNN, LightGBM	medical imaging	NA
3	2025-04-02	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	研究论文	本文提出了一种轻量化的扩张并行卷积U-Net（DPU-Net）及多尺度适应向量知识蒸馏（MAVKD）训练策略，用于心脏磁共振图像分割	提出DPU-Net减少网络参数和浮点运算量，结合MAVKD策略提升分割精度	未提及具体局限性	解决深度学习网络在心脏MRI图像分割中参数量大、计算量高的问题	心脏磁共振图像	医学图像分割	心血管疾病	深度学习、知识蒸馏	DPU-Net（基于U-Net的改进模型）	医学影像（MRI）	公共数据集ACDC
4	2025-04-02	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	research paper	提出了一种基于Transformer和CNN双并行分支编码器神经网络的新型冠状动脉分割模型DUNETR	采用Transformer和CNN双编码器设计，通过NRFF模块融合全局和局部特征，显著提升3D冠状动脉分割效果	未提及模型在临床实际应用中的验证情况	提升冠状动脉CTA图像分割的准确率	冠状动脉CTA图像	computer vision	cardiovascular disease	deep learning	DUNETR（Transformer+CNN双编码器U-Net）	3D医学图像	公开数据集（未说明具体样本量）
5	2025-04-02	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	综述	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用，并总结了相关的计算机辅助诊断系统和多模态算法	总结了深度学习在胃肿瘤内镜诊断中的应用，并展望了未来研究方向	指出了当前深度学习方法存在的问题	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	数字病理学	胃癌	深度学习	NA	图像	NA
6	2025-04-02	State-of-the-Art Deep Learning CT Reconstruction Algorithms in Abdominal Imaging 2024-12, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240095 PMID:39612283	review	本文综述了深度学习CT重建算法在腹部成像中的最新进展及其临床应用	深度学习重建（DLR）算法能够有效减少低辐射剂量协议下的图像噪声，并提高重建速度，解决了传统CT图像重建算法在低辐射剂量下无法保持图像纹理和诊断性能的问题	文章概述了DLR算法在CT中的当前局限性，并展望了未来的发展方向	探讨深度学习CT重建算法的技术细节及其在腹部成像中的临床应用	深度学习CT重建算法及其在腹部CT成像中的应用	digital pathology	NA	deep learning reconstruction (DLR)	deep neural networks	image	NA
7	2025-03-30	Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays 2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm62325.2024.10822172 PMID:40134830	研究论文	本研究探讨了使用基于潜在扩散模型的数据增强技术来解决儿科胸部X光片分类中的类别不平衡问题	首次评估了文本引导的图像到图像潜在扩散模型在合成疾病阳性胸部X光片中的应用，并验证了其在改善分类性能方面的有效性	研究仅针对两种特定肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的儿科胸部疾病	解决医学图像分类中的类别不平衡问题，提高深度学习模型在儿科胸部X光片疾病分类中的性能	儿科胸部X光片（CXRs）	数字病理学	儿科肺部疾病（肺炎和支气管肺炎）	潜在扩散模型（LDM）	Inception-V3, 潜在扩散模型（LDM）	医学图像（胸部X光片）	未明确说明具体样本数量，但涉及类别不平衡的儿科胸部X光片数据集
8	2025-03-29	Interpretable deep learning for deconvolutional analysis of neural signals 2024-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.05.574379 PMID:38260512	研究论文	提出了一种可解释的深度学习方法DUNL，用于神经信号的解卷积分析	应用算法展开方法设计稀疏解卷积神经网络架构，直接解释网络权重与刺激驱动的单神经元活动之间的关系	NA	获得对神经活动机制的理解	神经信号	机器学习	NA	算法展开	稀疏解卷积神经网络	神经信号	多个脑区和记录模态的单次试验局部信号
9	2025-03-28	Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias 2024-Dec-09, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awae388 PMID:39657969	研究论文	本文介绍了一种基于神经病理学的多标签深度学习框架，用于识别和量化阿尔茨海默病、血管性痴呆和路易体痴呆的生物标志物	提出了创新的DeepSPARE指数和可解释的热图，用于可视化不同痴呆类型的脑部改变模式	模型在路易体痴呆上的表现相对较低（平衡准确率0.623）	开发非侵入性神经影像学指标，用于区分不同类型的痴呆症	423名痴呆患者和361名对照参与者的生前T1加权MRI扫描	数字病理学	阿尔茨海默病、血管性痴呆、路易体痴呆	T1加权MRI扫描	深度学习框架	MRI图像	784名参与者（来自NACC和ADNI数据集）
10	2025-03-28	Bone density measurement in patients with spinal metastatic tumors using chest quantitative CT deep learning model 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100641 PMID:40134559	研究论文	本研究开发了一种基于3DResUNet架构的深度学习模型，用于从定量计算机断层扫描（QCT）中预测脊柱转移瘤患者的椎体体积骨密度（vBMD）	使用3DResUNet架构的深度学习模型首次应用于脊柱转移瘤患者的vBMD预测，提高了骨质疏松筛查的能力	研究样本量有限（749例），且仅针对脊柱转移瘤患者，可能不适用于其他人群	开发一种深度学习模型，用于预测脊柱转移瘤患者的椎体体积骨密度（vBMD），以增强骨质疏松筛查能力	脊柱转移瘤患者	数字病理学	脊柱转移瘤	定量计算机断层扫描（QCT）	3DResUNet	医学影像	749例脊柱转移瘤患者（训练集599例，测试集150例）
11	2025-03-27	Research on multi-label recognition of tongue features in stroke patients based on deep learning 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84002-1 PMID:39739087	研究论文	本文提出了一种基于深度学习的自动识别中风患者舌象特征的方法，以提高舌象特征自动提取和识别的准确性	设计了一个标签引导的多标签舌象识别模型，能够学习特征之间的相关性并进行分类，自动识别舌形、舌色和舌苔等关键特征	模型性能依赖于舌象图像的质量和数据增强的效果，且未提及模型在不同年龄段或不同中风类型患者中的泛化能力	提高中风患者康复阶段舌象特征的自动提取和识别准确性，为中风康复过程的实时评估和诊断提供技术支持	中风患者的舌象图像	计算机视觉	中风	图像处理和机器学习技术	深度学习模型（与resnet和densenet进行比较）	图像	未提及具体样本数量
12	2025-03-27	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	research paper	该研究利用深度学习策略设计可电离脂质，优化脂质纳米颗粒用于肺部基因治疗	引入基于神经网络的脂质优化方法，用于预测核酸递送效果，并成功设计出两种新型脂质结构FO-32和FO-35	研究主要基于小鼠和雪貂模型，人类应用效果尚需进一步验证	改进脂质纳米颗粒的非病毒mRNA递送技术	可电离脂质和脂质纳米颗粒	machine learning	NA	deep learning, mRNA delivery	directed message-passing neural network	lipid nanoparticle activity measurements	>9,000种脂质纳米颗粒活性测量数据，评估了160万种脂质结构
13	2025-03-27	Volumetric Breast Density Estimation From Three-Dimensional Reconstructed Digital Breast Tomosynthesis Images Using Deep Learning 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00103 PMID:39652797	研究论文	该研究开发了一种基于深度学习的模型，用于从三维重建的数字乳腺断层合成图像中估计乳腺体积密度，并评估其与乳腺癌诊断的关联	首次使用深度学习模型直接从三维重建的DBT图像中估计乳腺体积密度，无需依赖原始二维数据	研究为回顾性分析，且样本量相对有限	开发一种无需原始DBT数据的乳腺密度自动估计方法，并验证其临床价值	乳腺组织密度与乳腺癌风险	数字病理	乳腺癌	深度学习	DL模型	三维医学图像	1080例非活动性DBT筛查检查(2011-2016年)，外加834例病例对照样本(180例病例和654例对照)
14	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶
15	2025-03-26	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	research paper	提出了一种基于注意力引导的卷积网络，用于口腔病变的分类，旨在提高准确性、可解释性并减少数据集偏差	模型整合了分类流、引导流和解剖部位预测流，通过注意力机制提高病变定位准确性，并增强模型对数据集偏差的鲁棒性	研究依赖于单一来源的数据集，可能影响模型的泛化能力	开发一种深度学习模型，用于准确分类口腔病变并提高临床决策支持	口腔病变的16种类型	digital pathology	oral cancer	deep learning	CNN	image	2765张口腔内数字图像，来自1079名患者
16	2025-03-26	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	research paper	本文提出了一种基于VGG16模型和增强型Hunger Games Search（EHGS）算法的优化深度学习架构EHGS-VGG16，用于logo分类	通过改进的Hunger Games Search算法（EHGS）优化VGG16模型的超参数，提高了分类性能	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提高logo分类任务的准确率	logo图像	computer vision	NA	deep learning, swarm intelligence algorithm	VGG16, EHGS-VGG16	image	Flickr-27 logo分类数据集
17	2025-03-26	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	介绍了一种名为DeepGOMeta的深度学习模型，用于预测微生物蛋白质功能	开发了一种基于深度学习的蛋白质功能预测方法，专门针对微生物数据，克服了传统方法在预测新蛋白质和缺乏已知同源物的蛋白质功能时的局限性	模型主要针对微生物数据，可能不适用于其他类型的数据	提高从微生物样本中获取功能见解的能力	微生物蛋白质功能	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	多样化的微生物数据集
18	2025-03-26	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出了一种基于transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net，用于肺癌早期检测	构建了多阈值特征分离模块以提取不同层次的边缘和纹理特征，引入坐标注意力机制增强空间信息利用，并采用transformer捕获长程依赖关系	未提及模型在临床环境中的实际应用效果验证	提高肺结节分割的准确性以辅助肺癌早期诊断	肺部CT图像中的结节区域	计算机视觉	肺癌	深度学习	transformer	医学影像	LIDC-IDRI和LNDb数据集
19	2025-03-26	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	research paper	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了一种智能昆虫陷阱原型，结合嵌入式计算和CNN分类器，用于实时害虫检测和分类	数据集仅包含东方果蝇的图像，可能限制了模型对其他害虫类型的识别能力	通过技术驱动的精准农业方法提高作物保护和生产力	东方果蝇及其在番石榴果园中的检测	精准农业	NA	CNN, 机器学习, 深度学习	CNN	图像	1000+张东方果蝇图像，分为果蝇和非果蝇两类
20	2025-03-26	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	research paper	开发并验证了一种基于深度学习的糖尿病视网膜病变进展预测算法ADRPPA，用于预测非参考性糖尿病视网膜病变（NRDR）向参考性糖尿病视网膜病变（RDR）的进展	利用纵向视网膜成像数据和微动脉瘤量化，结合ResNeXt和Mask-RCNN模型，预测糖尿病视网膜病变的进展，为临床提供新的预测工具	研究为回顾性研究，可能受到数据质量和样本选择的限制，且模型在独立数据集上的泛化能力有待进一步验证	开发一种能够预测糖尿病视网膜病变进展的人工智能算法，以辅助临床决策	糖尿病视网膜病变患者的视网膜眼底图像	digital pathology	diabetic retinopathy	deep learning	ResNeXt, Mask-RCNN	image	6384只眼睛的12,768张图像（EyePACS数据集）和148张标注有微动脉瘤的图像（e-ophtha数据集）