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
1	2025-12-19	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-Dec-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的自动化图像分割方法，用于内镜超声图像中结直肠癌的分割，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的结直肠癌自动分割，旨在解决现有方法（如磁共振成像分辨率不足和内镜超声解释依赖操作者）的局限性，提供标准化的肿瘤浸润深度评估	研究基于373个专家手动分割样本，样本量相对有限，且未在更广泛或多样化的临床数据集中进行外部验证，可能影响模型的泛化能力	开发自动化图像分割技术，以标准化内镜超声对早期直肠癌浸润深度的解释，辅助临床决策	早期直肠癌的内镜超声图像，重点关注黏膜下层、肌层和肿瘤的分割	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像样本	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
2	2025-12-18	Deep Learning-Based Automated Optical Inspection System for the Additive Manufacturing of Diamond Tools 2024-Dec, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0208 PMID:39734731	研究论文	本文提出了一种基于改进YOLOv5s的自动光学检测系统，用于监测增材制造金刚石工具过程中金刚石磨粒的吸附状态	改进了YOLOv5s模型，通过添加检测头、使用深度可分离卷积模块替代标准卷积模块、引入坐标注意力机制，实现了参数和计算量的显著降低，同时提高了检测精度	未明确说明模型在其他工业检测场景中的泛化能力，且未与其他先进检测模型进行广泛对比	开发一种自动光学检测系统，以维持增材制造过程中金刚石磨粒的植砂率	增材制造金刚石工具过程中，针孔上金刚石磨粒的吸附状态	计算机视觉	NA	自动光学检测	CNN	图像	大量空缺和磨损空缺针孔数据	PyTorch	YOLOv5s	检测精度, 检测时间	NA
3	2025-12-17	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	本文介绍了一种名为MMETHANE的开源软件包，用于从微生物组成和代谢组学数据预测宿主状态	MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英文规则集	NA	开发一种计算工具，将微生物组组成和代谢物数据与宿主状态联系起来	宿主状态预测，涉及微生物组成和代谢组学数据	机器学习	炎症性肠病	微生物测序，代谢组学测量	深度学习模型	微生物组成数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA
4	2025-12-17	Automatic detection and classification of beluga whale calls in the St. Lawrence estuary 2024-12-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030472 PMID:39636175	研究论文	本文介绍了一种自动分析被动声学数据的流程，用于检测和分类圣劳伦斯河口濒危白鲸的叫声	开发了一个结合对象检测和深度学习分类器的自动管道，用于连续分析白鲸声学活动，提供标准且准确的声学存在和发声活动估计	研究聚焦于高居住区Baie Sainte-Marguerite，可能不适用于其他区域；未详细讨论算法在更广泛环境中的泛化能力	通过被动声学监测为白鲸的监测和保护提供实时时空栖息地使用信息	圣劳伦斯河口的濒危白鲸（Delphinapterus leucas）	机器学习	NA	被动声学监测	深度学习分类器	声学数据	NA	NA	NA	NA	NA
5	2025-12-17	Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections 2024-12-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034602 PMID:39692862	研究论文	本研究比较了人类分析师注释、多假设跟踪点击序列分类器和基于深度学习的声学分类器，用于分类抹香鲸点击序列的存在与否，并研究了地中海抹香鲸亚群在巴利阿里群岛周围的时空分布	通过比较人类专家、传统多假设跟踪分类器和深度学习分类器在被动声学监测数据中的表现，揭示了自动分类器在提取生物信息方面的优势和局限性，特别是在处理新站点数据时的性能下降问题	两种自动分类器在部署到新站点时性能均有所下降，且深度学习模型的“黑箱”特性使其潜在偏差难以量化	比较不同分类方法在被动声学监测中检测抹香鲸点击序列的效果，并分析抹香鲸的时空分布模式	抹香鲸（Physeter macrocephalus）的点击序列声学信号	自然语言处理	NA	被动声学监测（PAM）	深度学习分类器	声学录音	NA	NA	NA	与人类标签的一致性百分比	NA
6	2025-12-16	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	研究论文	本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了一个多尺度卷积-Transformer时期编码器来编码每个睡眠时期的局部显著波形特征和全局特征，并基于协同注意力机制开发了一个跨模态上下文编码器来建模不同模态（如EEG和EOG）之间的跨模态上下文关系	NA	开发一个自动睡眠分期系统，以辅助睡眠评估和疾病诊断	多导睡眠图（PSG）记录，特别是脑电图（EEG）和眼电图（EOG）信号	机器学习	NA	多导睡眠图（PSG）	CNN, Transformer	生理信号（时间序列数据）	使用了三个数据集：一个私有睡眠数据集SSND，以及两个公共数据集Sleep-EDF-153和ISRUC	NA	CareSleepNet（包含多尺度卷积-Transformer时期编码器、基于协同注意力的跨模态上下文编码器、基于Transformer的序列编码器）	NA	NA
7	2025-12-16	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种名为BP-Net的新方法，通过自对比掩码模型从光电容积脉搏波中监测血压变化，而非直接估计血压值	将血压监测问题重新定义为追踪血压在时间间隔内的“变化”，而非直接估计其数值，并引入了自对比掩码模型进行成对时间比较	模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证	开发一种基于光电容积脉搏波的深度学习模型，用于检测收缩压的阈值变化，以改善临床血压监测	光电容积脉搏波信号及其对应的收缩压变化	机器学习	心血管疾病	光电容积脉搏波	深度学习模型	生理信号	使用PulseDB数据集，具体样本数量未在摘要中明确说明	NA	BP-Net, 自对比掩码模型	准确率	NA
8	2025-12-16	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能	开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题	NA	提高运动想象脑电信号的分类性能	运动想象脑电信号	机器学习	NA	脑电信号处理	卷积神经网络	脑电信号	公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset	NA	多尺度多频带卷积黎曼网络	分类准确率	NA
9	2025-12-16	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战	未在摘要中明确说明	预测miRNA与疾病之间的关联	miRNA与疾病	机器学习	结直肠癌、食管癌、前列腺癌	NA	Transformer, 图神经网络	图数据	基于HMDD v2.0和v3.2数据库	NA	DARSFormer, 正交图神经网络, 图Transformer	AUC	NA
10	2025-12-16	An Eye Movement Classification Method Based on Cascade Forest 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件	创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类	NA	解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题	原始眼动数据	机器学习	NA	眼动追踪技术	级联森林	眼动数据	NA	NA	级联森林	准确率, 效率	NA
11	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
12	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
13	2025-12-09	Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning 2024-Dec-09, ArXiv PMID:39764408	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求	研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	肩部MRI扫描（包括标准MRI和MRA）	计算机视觉	骨科损伤（Bankart病变）	MRI成像	深度学习	医学图像（MRI）	586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA）	PyTorch（基于Swin Transformer的实现通常使用PyTorch）	Swin Transformer	AUC, 准确率, 敏感性, 特异性	NA
14	2025-12-07	International Validation of Echocardiographic AI Amyloid Detection Algorithm 2024-Dec-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.14.24319049 PMID:39763545	研究论文	本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能	开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战	研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估	评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能	心脏淀粉样变性患者与对照组的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频	涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明	NA	EchoNet-LVH	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
15	2025-12-03	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-Dec-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本研究开发并验证了深度学习算法，用于在急性缺血性卒中患者中自动分割白质高信号病变，使用了来自9个中心的8421名患者的多中心数据集	首次在急性缺血性卒中患者中，利用大规模多中心MRI数据集（8421名患者）开发深度学习算法进行白质高信号自动分割，并引入了基于Kullback-Leibler散度的不确定性指数来识别分割不准确的病例	研究中使用的2D UNet和SE-UNet模型在内部测试和外部验证中的Dice相似系数略低于人工分割的可靠性（DSC=0.744），表明算法性能仍有提升空间，且不确定性指数在部分患者中较高，可能需要人工复核	开发并验证深度学习算法，以在急性缺血性卒中患者中准确分割白质高信号病变，解决因卒中相关病变模糊白质高信号边界而导致的复杂分割问题	8421名急性缺血性卒中患者，来自韩国的9个医疗中心	数字病理学	心血管疾病	MRI, FLAIR序列	CNN	图像	8421名患者的FLAIR MRI图像，其中2408张来自3家医院用于训练，6013张来自6家医院用于验证	NA	UNet, SE-UNet	Dice相似系数, 相关系数, 一致性相关系数	NA
16	2025-12-03	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种结合混沌元启发式算法与SE-ResNet模型的高效喉癌检测方法	通过混沌自适应麻雀搜索算法优化SE-ResNet超参数，并结合极限学习机进行分类，提升了喉癌检测的准确性和效率	未提及方法在更大规模或多样化数据集上的泛化能力，以及计算资源消耗的具体分析	提高喉癌的早期检测准确率，减少计算复杂性和筛查时间	喉部区域图像	计算机视觉	喉癌	深度学习	CNN	图像	基准喉部区域图像数据库（具体数量未提及）	NA	Squeeze-and-Excitation ResNet, 极限学习机	准确性	NA
17	2025-12-03	A transfer learning enabled approach for ocular disease detection and classification 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00293-8 PMID:38868156	研究论文	本研究提出了一种名为Ocular Net的新型深度学习模型，用于从眼部图像中检测和分类白内障、糖尿病性视网膜病变、葡萄膜炎和青光眼等眼部疾病	提出了一种结合迁移学习、平均池化层、Clipped ReLU和Leaky ReLU等多种层结构的新型Ocular Net模型，并在大型眼部图像数据集上实现了高精度疾病分类	未明确说明模型在外部验证集或临床环境中的泛化能力，以及数据集中各类别样本的具体分布情况	开发一种高精度的深度学习模型，用于眼部疾病的自动检测和分类	眼部疾病图像（白内障、糖尿病性视网膜病变、葡萄膜炎、青光眼）及正常眼部图像	计算机视觉	眼部疾病	深度学习，数据增强	CNN	图像	6200张患者双眼图像（4000张训练，2200张测试）	未明确说明	Ocular Net（自定义架构）	准确率，损失值	NA
18	2025-12-03	Predicting Therapeutic Response to Hypoglossal Nerve Stimulation Using Deep Learning 2024-Dec, The Laryngoscope DOI:10.1002/lary.31609 PMID:38934474	研究论文	本研究开发并验证了基于药物诱导睡眠内窥镜图像的机器学习和深度学习模型，用于预测舌下神经刺激器植入的治疗效果	首次利用深度学习模型从药物诱导睡眠内窥镜图像中预测舌下神经刺激器的治疗效果，特别是发现腭咽部图像具有更高的预测准确性	研究为单中心数据，样本量相对有限，需要多机构数据来开发更具泛化性的预测模型	预测舌下神经刺激器植入的治疗效果，以改善患者选择	接受药物诱导睡眠内窥镜检查和舌下神经刺激器植入的患者	数字病理学	睡眠呼吸暂停	药物诱导睡眠内窥镜	深度学习, 机器学习	图像	127名患者的25,040张图像	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
19	2025-12-03	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	本文提出了一种结合像素级采样和深度学习的高动态范围视频合成方法，用于高速视频采集	采用像素级可变曝光和相位偏移采样模式，而非传统的帧级多曝光方法，结合端到端深度学习权重转换，实现高时空分辨率且减少运动模糊	NA	解决高速高动态范围视频采集中的动态范围和运动模糊问题	动态场景中的视频数据	计算机视觉	NA	像素级可编程图像传感器采样	深度神经网络	视频	NA	NA	NA	NA	NA
20	2025-12-03	Harbor seal whiskers optimization algorithm with deep learning-based medical imaging analysis for gastrointestinal cancer detection 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00294-7 PMID:38764569	研究论文	本文提出了一种基于海豹胡须优化算法与深度学习的医学影像分析技术，用于胃肠道癌症检测	结合了海豹胡须优化算法（HSWOA）与Xception模型进行特征提取，并采用飞蛾火焰优化算法（MFO）优化XGBoost模型的参数，形成了一种新的混合优化框架	实验仅在Kvasir数据库上进行验证，缺乏多中心、大规模的外部验证，且未详细讨论模型的计算复杂度和实时性	开发一种高效的医学影像分析技术，以实现胃肠道癌症的早期检测与诊断	胃肠道医学影像（如CT、内镜、MRI、超声、PET等图像）	计算机视觉	胃肠道癌症	医学影像分析（包括CT、内镜、MRI、超声、PET）	CNN, XGBoost	图像	使用Kvasir数据库，具体样本数量未明确说明	未明确指定，但涉及深度学习与机器学习优化算法	Xception	未明确列出具体指标，但提及了最佳可能解决方案的比较	NA