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
61	2025-04-29	Deep learning-based classification of gallbladder lesions in patients with non-diagnostic (GB-RADS 0) ultrasound 2024-Dec, Clinical and experimental hepatology IF:1.5Q3 DOI:10.5114/ceh.2024.145424 PMID:40290528	研究论文	本研究评估了深度学习模型在非诊断性超声图像中对胆囊病变进行分类的诊断性能	首次在非诊断性胆囊超声图像中应用多种深度学习模型（包括CNN、Transformer及混合模型）进行良恶性分类	模型性能仍需进一步提升以达到临床应用标准，测试样本量较小（26名患者）	提高非诊断性胆囊超声（GB-RADS 0）中病变的良恶性分类准确性	因胆囊因素导致超声检查非诊断性的患者	数字病理	胆囊疾病	超声成像	ResNet50, GBCNet, ViT, RadFormer, MedViT	图像	训练集1004张图像，验证集251张图像，测试集26名患者（304张图像）
62	2025-04-27	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-Dec, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	research paper	本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数	首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果，并利用深度学习算法自动计算CT影像中的肺和胸腔体积	研究为回顾性设计，样本量相对较小（92例患者）	评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素	92例接受双侧肺移植的系统性硬化症患者	digital pathology	systemic sclerosis	CT成像和深度学习算法	深度学习算法（未指定具体模型）	CT影像和临床数据	92例系统性硬化症患者（年龄51±10岁，61%为女性）
63	2025-04-26	What makes human cortical pyramidal neurons functionally complex 2024-Dec-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628883 PMID:39763809	研究论文	提出功能性复杂性指数(FCI)来量化人类皮层锥体神经元的功能复杂性，并比较了人类与大鼠神经元的差异	首次提出基于深度学习的FCI框架来量化神经元功能复杂性，揭示了人类神经元在结构和生物物理特性上的独特优势	仅比较了人类和大鼠的皮层锥体神经元，未涉及其他物种或神经元类型	探究人类皮层神经元功能复杂性与其高级认知能力的关系	人类和大鼠的皮层锥体神经元	神经科学	NA	深度学习	深度学习框架	神经元形态和生理特性数据	人类和大鼠皮层不同层次的锥体神经元
64	2025-04-26	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种深度功率感知可调加权方法（DPT），用于延迟求和（DAS）波束成形，以提高超声微血管成像（UMI）的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，能够准确估计噪声和信号功率，并通过可调噪声控制因子（NCF）提高不同UMI应用的质量	模型仅在私有大鼠脑数据集上进行训练，可能在其他数据集上的泛化能力有限	提高超声微血管成像（UMI）的图像质量	超声微血管成像（UMI）中的噪声和信号功率估计	医学影像处理	NA	深度学习（DL），延迟求和（DAS）波束成形	Yformer（结合CNN和Transformer的混合结构）	超声图像	包括公开模拟数据、公开大鼠脑数据、私有大鼠脑数据和私有大鼠肝脏数据
65	2025-04-25	A multi-agent reinforcement learning based approach for automatic filter pruning 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82562-w PMID:39730902	研究论文	本文提出了一种基于多智能体强化学习的自动滤波器剪枝方法QMIX_FP，用于深度卷积神经网络的高效部署	首次将多智能体强化学习算法QMIX应用于滤波器剪枝，考虑了各卷积层之间的交互作用及其对整体网络的不同敏感性	仅在VGG-16和AlexNet两个基准网络上进行了验证，未涉及更复杂的网络结构	解决资源受限设备上深度卷积神经网络的高效部署问题	深度卷积神经网络(DCNNs)的滤波器剪枝	机器学习	NA	强化学习(RL)、知识蒸馏	QMIX、VGG-16、AlexNet	图像数据	CIFAR-10和CIFAR-100数据集
66	2024-12-20	Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome 2024-Dec-18, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
67	2025-04-25	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种新颖的运动想象分类算法，通过多频带卷积黎曼网络和频带黎曼三元组损失提高分类性能	开发了一种最先进的多频带黎曼网络，通过减少子带数量、插入卷积层和使用黎曼三元组损失来降低过拟合风险	NA	提高运动想象分类的性能	运动想象分类	机器学习	NA	多频带卷积黎曼网络	CNN	脑电信号	公开数据集 BCI Competition IV dataset 2a 和 OpenBMI dataset
68	2025-04-25	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	research paper	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	整合了动态注意力机制与谱图Transformer，提高了预测miRNA-疾病关联的整体效果和对节点位置的鲁棒性	NA	预测miRNA与疾病之间的关联	miRNA和疾病	machine learning	prostate cancer	graph neural networks, Transformer	DARSFormer	graph data	HMDD v2.0和v3.2数据库，结直肠癌、食管癌和前列腺肿瘤案例研究
69	2025-04-25	An Eye Movement Classification Method Based on Cascade Forest 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出了一种基于级联森林的眼动分类方法（EMCCF），用于提高眼动数据分类的准确性和效率	创新性地采用分层集成架构，结合级联森林结构和集成学习原理，专门用于眼动分类	未提及具体局限性	解决眼动分类中的类别不平衡和数据稀缺问题，提高分类方法的适应性和准确性	原始眼动数据	计算机视觉	NA	多尺度时间窗口方法	级联森林（Cascade Forest）	眼动数据	未提及具体样本数量
70	2025-04-25	Deep-DM: Deep-Driven Deformable Model for 3D Image Segmentation Using Limited Data 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3440171 PMID:39110559	研究论文	提出了一种名为Deep-DM的深度学习驱动变形模型，用于在有限训练数据下进行3D医学图像分割	通过CNN学习能量函数并集成到显式变形模型中，减少了训练数据依赖，提高了小样本下的分割性能	需要进一步验证在其他解剖结构和影像模态上的通用性	开发一种在有限数据条件下仍能准确分割3D医学图像的方法	左心室、胎儿头部（超声）、左心房（MRI）和膀胱（CT）	数字病理	NA	深度学习驱动的变形模型	CNN	3D医学图像	不同数量的训练体积（具体数量未说明）
71	2025-04-25	DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	提出一种名为DualStreamFoveaNet的双流融合架构，用于鲁棒的视网膜中央凹定位	引入基于transformer的双流编码器，结合空间注意力机制和自学习解剖信息，显著降低计算成本并提高定位鲁棒性	未明确提及具体局限性	提高视网膜疾病分析中中央凹定位的准确性和鲁棒性	视网膜图像（包括正常和病变图像）	计算机视觉	视网膜疾病	深度学习	transformer架构（DualStreamFoveaNet）	视网膜图像	两个公共数据集和一个大规模私有数据集
72	2025-04-25	Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447689 PMID:39172619	research paper	本文提出了一种用于生物医学CT图像分割的深度准循环自注意力与双编码器-解码器结构的新模型	首创深度准循环自注意力结构，结合双编码器-解码器，通过参数重用实现学习一致性和快速收敛，并有效处理长距离依赖关系	未提及模型在极端噪声或异常解剖结构下的表现，也未讨论计算资源需求	提高生物医学CT图像分割的准确性和效率	生物医学CT图像	digital pathology	NA	deep learning	deep quasi-recurrent self-attention with dual encoder-decoder	CT images	多个公开可用的CT扫描数据集（未提具体数量）
73	2025-04-25	Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448455 PMID:39178096	研究论文	该研究通过分子对接和自注意力机制提升生物活性预测的准确性	首次将药物-靶标相互作用整合到生物活性预测中，设计了DTIGN网络，并利用自注意力机制识别分子对接结果中的结合口袋和姿态	研究中使用的原生结构数据有限，可能影响模型的泛化能力	提升生物活性预测的准确性，以优化药物发现早期阶段的候选分子筛选	蛋白质-配体复合物	机器学习	NA	分子对接，半监督学习	DTIGN（药物-靶标相互作用图神经网络），多头自注意力机制	蛋白质-配体复合物数据，晶体结构数据库数据	建立了独特的基准数据集，与9种领先的基于深度学习的生物活性预测方法进行了比较
74	2025-04-25	Transfer Contrastive Learning for Raman Spectroscopy Skin Cancer Tissue Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451950 PMID:39208055	research paper	本文提出了一种转移对比学习范式（TCLP），用于解决拉曼光谱（RS）信号在皮肤癌组织分类中的稀缺性和噪声问题	结合迁移学习和对比学习，利用来自不同RS设备的相似领域数据预训练模型，并通过对比学习增强RS信号以学习可靠的特征表示	未提及具体样本量及噪声水平对模型性能的具体影响	提高拉曼光谱信号在皮肤癌组织分类中的准确性和可靠性	皮肤癌组织	machine learning	skin cancer	Raman spectroscopy (RS)	deep learning	RS signals	NA
75	2025-04-25	Geometric Molecular Graph Representation Learning Model for Drug-Drug Interactions Prediction 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3453956 PMID:39226203	研究论文	提出了一种基于几何分子图表示学习的模型（Mol-DDI），用于预测药物-药物相互作用	仅考虑分子的共价和非共价键信息，利用大规模模型的预训练思想学习药物分子表示，并在微调过程中预测药物相互作用	难以发现新药的相互作用	预测潜在的药物相互作用，为系统有效的治疗提供药物组合策略	药物分子	机器学习	NA	几何分子图表示学习	Mol-DDI	分子图数据	三个数据集
76	2025-04-25	DS-MS-TCN: Otago Exercises Recognition With a Dual-Scale Multi-Stage Temporal Convolutional Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455426 PMID:39240747	research paper	该研究提出了一种双尺度多阶段时间卷积网络（DS-MS-TCN），用于识别老年人日常生活中的Otago锻炼项目（OEP），以提高识别准确性和鲁棒性	首次提出通过识别活动的每个重复来增强人类活动识别（HAR）系统的新视角，并设计了一种双尺度多阶段时间卷积网络（DS-MS-TCN）进行两级序列到序列分类	研究样本量较小，实验室环境与家庭环境的数据可能存在差异	提高Otago锻炼项目（OEP）识别的准确性和鲁棒性，以支持老年人的康复训练	社区居住的老年人	human activity recognition	geriatric disease	Inertial Measurement Unit (IMU)	Dual-Scale Multi-Stage Temporal Convolutional Network (DS-MS-TCN)	sensor data	36名老年人在实验室环境中参与，另有7名老年人在家庭环境中进行评估
77	2025-04-25	MLVICX: Multi-Level Variance-Covariance Exploration for Chest X-Ray Self-Supervised Representation Learning 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455337 PMID:39240749	research paper	提出了一种名为MLVICX的自监督学习方法，用于从胸部X光图像中学习丰富的表示	引入了一种新颖的多级方差和协方差探索策略，能够有效检测具有诊断意义的模式并减少冗余	NA	提升胸部X光图像的自监督表示学习性能，以支持精准医疗诊断和全面图像分析	胸部X光图像	digital pathology	lung cancer	self-supervised learning (SSL)	NA	image	NIH-Chest X-ray, Vinbig-CXR, RSNA pneumonia, SIIM-ACR Pneumothorax datasets
78	2025-04-25	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文全面回顾了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布假设下的方法	深度学习在ULM中的应用显著提高了图像质量、减少了处理时间，并增强了高微泡浓度下的鲁棒性，从而缩短了采集时间	当前方法在优化问题表述、评估标准和网络架构方面存在差异，仍需解决其局限性和挑战	探讨深度学习在ULM中的应用潜力及其对临床应用的推动作用	超声定位显微镜（ULM）及其在血管成像和血流动力学量化中的应用	医学影像处理	NA	超声定位显微镜（ULM）	深度学习（如CNN等）	超声图像	NA
79	2025-04-25	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	research paper	提出了一种基于VoxelMorph的深度学习运动校正方法，用于提高脊髓超声定位显微镜（ULM）的性能	利用VoxelMorph深度学习模型进行运动校正，显著提升了脊髓血管成像的分辨率和微血管重建效果	未提及具体样本量或实验条件的限制	提高脊髓血管成像的准确性和分辨率，以支持脊髓损伤的紧急诊断和治疗	脊髓血管的微血管结构	digital pathology	spinal cord injury	ultrasound localization microscopy (ULM)	VoxelMorph	ultrasound image	NA
80	2025-04-25	DPFNet: Fast Reconstruction of Multi-Coil MRI Based on Dual Domain Parallel Fusion Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3446839 PMID:39298305	研究论文	本文提出了一种新的双域并行融合重建网络（DPFNet），用于快速重建多线圈MRI图像，解决了现有方法在重建细节不足和训练内存占用高等方面的问题	提出了一种新的双域并行融合重建网络（DPFNet），包括线圈敏感度图估计模块、双域特征提取模块、双域动态误差校正模块和双域动态融合模块，并引入了新的双域一致性损失函数	未明确提及具体局限性	提高多线圈MRI图像的重建质量和速度	多线圈MRI图像的重建	医学影像处理	脑部疾病	MRI	U-Net	MRI图像和K空间数据	Calgary-Campinas-359脑部MRI数据集