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
81	2025-05-29	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用半监督卷积神经网络和基于集成知识蒸馏的方法，对黑色素瘤的Breslow厚度进行分类	采用半监督学习和多教师集成知识蒸馏方法，提高了黑色素瘤分类任务的性能	研究依赖于多个数据集，可能存在数据异质性问题	开发一种自动深度学习诊断系统，支持医学专家对黑色素瘤的分类和Breslow厚度预测	黑色素瘤的dermoscopic图像	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	四个不同来源的数据集
82	2025-05-29	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net）用于运动想象解码	结合了时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了轻量级模型的性能	未提及模型在其他数据集上的泛化能力	提高运动想象解码的准确性和降低计算资源需求	脑电图（EEG）信号	machine learning	NA	EEG信号处理	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
83	2025-05-29	Data- and Physics-Driven Deep Learning Based Reconstruction for Fast MRI: Fundamentals and Methodologies 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3485022 PMID:39437302	综述	本文综述了利用数据和物理驱动模型加速MRI扫描的最新进展，包括算法展开模型、增强方法、即插即用模型以及生成模型方法	探讨了数据模型与物理基础的协同整合，包括多线圈硬件加速和采样模式优化，并提出了数据协调和联邦学习在MRI重建中的潜在作用	未提及具体实验数据或样本量，可能缺乏实证支持	提高MRI扫描速度，改善患者舒适度和图像质量	MRI扫描技术和图像重建方法	医学影像处理	NA	并行成像、同时多层成像	生成模型、算法展开模型	医学影像数据	NA
84	2025-05-29	Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3486439 PMID:39453795	综述	本文全面回顾了解决心电图逆问题的方法、验证策略、临床应用及未来展望	将最先进的方法分为确定性和概率性两类，包括传统和基于深度学习的技术，并探讨了物理定律与深度学习模型结合的潜力	存在准确捕捉动态电生理、获取准确领域知识以及量化预测不确定性等挑战	推动心脏数字孪生（CDTs）的研究，解决心电图逆问题以重建心脏源并估计患者特异性电生理参数	心脏数字孪生（CDTs）和心电图（ECG）数据	数字病理学	心血管疾病	深度学习与传统计算方法的结合	深度学习模型	ECG数据	NA
85	2025-05-29	A Survey of Few-Shot Learning for Biomedical Time Series 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3492381 PMID:39504299	综述	本文全面回顾和比较了生物医学时间序列应用中的少样本学习方法	探讨了少样本学习在克服生物医学时间序列数据标注稀缺方面的创新应用	讨论了少样本学习方法相对于传统数据驱动方法的临床局限性和挑战	旨在提供生物医学时间序列少样本学习的当前研究现状及其对未来研究和应用的启示	生物医学时间序列数据	机器学习	NA	少样本学习	NA	时间序列数据	NA
86	2025-05-29	International multicenter validation of AI-driven ultrasound detection of ovarian cancer 2025-Jan, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03329-4 PMID:39747679	research paper	该研究开发并验证了基于transformer的神经网络模型，用于超声图像中卵巢癌的检测	首次在国际多中心验证了AI驱动的超声检测卵巢癌的模型，并展示了其超越人类专家的诊断性能	研究为回顾性研究，缺乏前瞻性验证	验证AI驱动的超声检测卵巢癌的模型性能	卵巢病变的超声图像	digital pathology	ovarian cancer	deep learning	transformer-based neural network	image	17,119张超声图像来自3,652名患者，覆盖20个中心的8个国家
87	2025-05-29	DSTCNet: Deep Spectro-Temporal-Channel Attention Network for Speech Emotion Recognition 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3304516 PMID:37624721	research paper	提出了一种深度谱时通道注意力网络（DSTCNet）用于语音情感识别，通过整合谱时通道注意力模块提升情感表示能力	引入了谱时通道（STC）注意力模块，能够沿时间、频率和通道维度推断3D注意力图，更关注关键时间帧、频率范围和特征通道区域	未明确讨论模型在跨语种或噪声环境下的泛化能力	提升语音情感识别的表示学习能力	语音情感信号	natural language processing	NA	深度学习	CNN with STC attention modules	语音频谱图	Berlin EmoDB和IEMOCAP数据库
88	2025-05-29	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于医学图像处理	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，并引入了半监督机制	未明确提及具体局限性	提高医学图像检测的效率和准确性，特别是在内窥镜检测中	结肠镜和喉镜数据	数字病理	NA	半监督学习，集成学习	Al-Adaboost, RAM (循环注意力模型)	医学图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据
89	2025-05-29	Contrastive Registration for Unsupervised Medical Image Segmentation 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332003 PMID:37983143	研究论文	提出了一种基于对比学习的无监督医学图像分割方法CLMorph，通过图像级配准和特征级对比学习实现分割	首次将对比学习机制嵌入配准架构，提升了网络在特征层面的判别能力	虽然优于现有无监督方法，但精度仍可能低于有监督的最先进方法	解决医学图像标注成本高的问题，开发无监督分割技术	医学图像	数字病理	NA	对比学习	CNN	医学图像	两个主要医学图像数据集（未说明具体样本量）
90	2025-05-29	Beyond genomics: artificial intelligence-powered diagnostics for indeterminate thyroid nodules-a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1506729 PMID:40391010	系统综述与荟萃分析	本文综述了人工智能在不确定甲状腺结节诊断中的应用，并进行了荟萃分析	探讨了人工智能在不依赖基因组测序分类器的情况下诊断不确定甲状腺结节的潜力	研究开发的模型在目前状态下不适合临床实施，或缺乏稳健的独立外部验证	分析人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的现有证据	不确定甲状腺结节（ITN）	数字病理	甲状腺疾病	超声检查（USG）、自然语言处理	机器学习和深度学习架构	影像数据、文本数据	7项研究中的20个模型，荟萃分析包含15个模型的16个AUC结果
91	2025-05-29	Toward Transparent Deep Image Aesthetics Assessment With Tag-Based Content Descriptors 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3308852 PMID:37647188	研究论文	本文提出了一种基于标签内容描述符（TCDs）的透明深度学习框架，用于图像美学评估（IAA）	引入可解释的语义特征（TCDs），通过显式和隐式匹配过程描述图像内容，提高模型透明度	预定义标签可能不足以描述所有可能的图像内容	开发一个更透明的深度学习框架用于图像美学评估	图像美学评估模型	计算机视觉	NA	深度学习	MLP	图像	5101张带有摄影相关标签的图像
92	2025-05-28	Abnormality detection in nailfold capillary images using deep learning with EfficientNet and cascade transfer learning 2025-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85277-8 PMID:39814806	研究论文	本研究利用基于EfficientNet和级联迁移学习的深度学习方法，开发了一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	提出了一个基于EfficientNet-B0和级联迁移学习的鲁棒框架，显著提高了分类器在区分甲襞毛细血管图像正常与异常病例中的性能	数据集中正常图像仅占6%，可能导致模型在正常病例上的泛化能力受限	开发一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	甲襞毛细血管图像	计算机视觉	心血管疾病	深度学习和迁移学习	EfficientNet-B0	图像	225名参与者的甲襞毛细血管图像
93	2025-05-28	Exploring the subtle and novel renal pathological changes in diabetic nephropathy using clustering analysis with deep learning 2025-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84588-6 PMID:39814818	研究论文	利用深度学习的聚类分析方法探索糖尿病肾病中细微且新颖的肾脏病理变化	采用不变信息聚类(IIC)和可视化技术(Grad-CAM和GAN)识别糖尿病肾病中早期和新型的病理变化	样本来源仅限于金泽医科大学的45名患者，可能影响结果的普遍性	早期诊断糖尿病肾病以减少慢性肾脏病(CKD)的数量	糖尿病和非糖尿病患者的肾小球图像	数字病理学	糖尿病肾病	IIC, Grad-CAM, GAN	IIC, Cycle-GAN	图像	45名患者的13,251张肾小球图像（糖尿病病例7,799张，非糖尿病病例5,542张）
94	2025-05-28	Advances in computer vision and deep learning-facilitated early detection of melanoma 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf002 PMID:40139223	综述	本文综述了计算机视觉和深度学习在黑色素瘤早期检测中的重大进展	整合了YOLO、GAN、Mask R-CNN、ResNet和DenseNet等前沿神经网络模型，提升黑色素瘤的早期检测和诊断	未来研究需进一步提升技术、整合多模态数据并改善AI决策的可解释性以促进临床采用	探索计算机视觉和深度学习技术在黑色素瘤早期检测中的应用	黑色素瘤的早期检测和诊断	计算机视觉	黑色素瘤	深度学习	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	图像	使用了PH2、ISIC、DERMQUEST和MED-NODE等综合皮肤病数据集
95	2025-05-28	Variational graph autoencoder for reconstructed transcriptomic data associated with NLRP3 mediated pyroptosis in periodontitis 2025-01-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86455-4 PMID:39809940	研究论文	本研究评估了变分图自编码器（VGAE）在重建与NLRP3介导的牙周炎细胞焦亡相关基因数据中的效果	首次将VGAE应用于牙周炎研究中基因表达数据的重建，展示了其在基因表达分析和图结构重建中的潜力	存在5820个假阴性结果，表明模型采取了保守策略	评估VGAE在牙周炎相关基因数据重建中的效果	与NLRP3介导的细胞焦亡相关的基因数据	机器学习	牙周炎	无监督K-means聚类	VGAE	基因表达数据	NCBI GEO数据集GSE262663中的3个样本（含缺氧暴露与无缺氧暴露）
96	2025-05-28	Clinical Decision Support Using Speech Signal Analysis: Systematic Scoping Review of Neurological Disorders 2025-Jan-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63004 PMID:39804693	系统范围综述	本文通过系统范围综述探讨了语音信号分析在神经系统疾病临床决策支持中的应用	提出了一个结构化研究框架，结合临床实践、语音科学和数据科学知识，以系统指导未来研究	仅纳入了72篇聚焦神经系统疾病的研究，样本量相对有限	了解语音信号分析在神经系统疾病临床决策中的技术革新和最新趋势	神经系统疾病患者的语音信号	自然语言处理	神经系统疾病（如帕金森病、阿尔茨海默病和认知障碍）	语音特征分析（包括传统语音特征、基于数字信号处理的语音特征和声谱图）	传统机器学习和深度学习模型	语音信号	389篇初步符合条件的文章，其中72篇纳入定性分析
97	2025-05-28	Deep learning-based skin lesion analysis using hybrid ResUNet++ and modified AlexNet-Random Forest for enhanced segmentation and classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315120 PMID:39820868	研究论文	本文提出了一种基于深度学习的混合方法，用于皮肤病变的增强分割和分类	结合ResUNet++和改进的AlexNet-Random Forest模型，提高了皮肤病变的分割和分类准确性	方法仅在Ham10000数据集上进行了验证，未在其他数据集上测试其泛化能力	提高皮肤癌早期诊断的准确性和效率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	ResUNet++, AlexNet-Random Forest	图像	Ham10000数据集
98	2025-05-28	Prediction of mechanical characteristics of shearer intelligent cables under bending conditions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318767 PMID:39903714	research paper	本文提出了一种基于TCN、BiLSTM和SEAttention的采煤机光纤电缆机械特性预测模型，用于准确预测弯曲条件下的电缆应力	结合TCN的因果和扩张卷积操作、BiLSTM的双向信息处理以及SEAttention机制的自适应特征权重分配，有效提升对关键特征的关注	实验仅基于特定牵引速度（6 m/min、8 m/min、10 m/min）的模拟数据集进行验证，未涵盖所有可能的实际工况	提高采煤机电缆在弯曲条件下的可靠性及使用寿命	采煤机光纤电缆的机械特性	机器学习	NA	深度学习	TCN-BiLSTM-SEAttention	机械应力数据	采煤机光纤电缆弯曲模拟数据集（含6 m/min、8 m/min、10 m/min牵引速度）
99	2025-05-28	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	meta-analysis	本文通过系统综述和荟萃分析评估了基于神经影像特征的AI算法在额颞叶变性(FTLD)诊断和预测中的效果	首次系统评估了AI驱动的神经影像技术在FTLD诊断中的应用效果，并提供了多类别分类的敏感性数据	多类别分类的敏感性在更高类别区分时表现较低(如5类和11类分类)	评估神经影像特征为基础的AI算法对FTLD的诊断和预测效能	额颞叶变性(FTLD)患者及其与其他神经退行性疾病的鉴别诊断	数字病理	老年性疾病	机器学习/深度学习	NA	神经影像数据	75项研究，共20,601名受试者(含8,051名FTLD患者)
100	2025-05-28	A hybrid long short-term memory-convolutional neural network multi-stream deep learning model with Convolutional Block Attention Module incorporated for monkeypox detection 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251331706 PMID:40152267	研究论文	本文开发了一种结合LSTM-CNN多流深度学习模型与CBAM的混合模型，用于猴痘的早期检测	提出了一种结合LSTM、CNN和CBAM的混合多流深度学习模型，用于猴痘检测，并通过Grad-CAM和LIME提高了模型的可解释性	未提及模型在临床环境中的实际应用效果验证	开发一种可靠的深度学习模型，用于猴痘的早期检测	猴痘皮肤病变图像	计算机视觉	猴痘	深度学习	LSTM-CNN混合模型	图像	MSLD v2.0数据集（具体样本数量未提及）