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	2024-12-20	A psychologically interpretable artificial intelligence framework for the screening of loneliness, depression, and anxiety 2025-Feb, Applied psychology. Health and well-being DOI:10.1111/aphw.12639 PMID:39697049	研究论文	本研究介绍了一种基于人工智能的心理学框架emoLDAnet，通过分析面部表情和生理信号来检测孤独、抑郁和焦虑等负面情绪	创新点在于结合了深度学习和机器学习技术，并引入了OCC-PAD-LDA心理学转换模型，增强了AI决策的可解释性	研究样本量较小，仅招募了50名参与者，可能影响结果的普适性	旨在开发一种新的人工智能框架，用于早期筛查孤独、抑郁和焦虑等负面情绪，提升心理健康护理水平	研究对象为孤独、抑郁和焦虑等负面情绪的检测与筛查	机器学习	NA	深度学习（如VGG11）和机器学习（如决策树）	CNN（卷积神经网络）	视频	50名参与者
2	2024-12-20	Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry 2025-Feb, Biometrical journal. Biometrische Zeitschrift DOI:10.1002/bimj.70023 PMID:39698740	研究论文	本文研究了在纵向临床注册数据中，使用深度学习技术将不同测量仪器的数据映射到联合潜在表示，以实现域适应的方法	本文首次在纵向临床注册数据中应用域适应技术，并通过普通微分方程（ODEs）建模轨迹，评估测量仪器映射的效果	研究仅在脊髓性肌肉萎缩症（SMA）患者的数据上进行，且时间点较少，可能限制了方法的普适性	探索域适应技术在纵向临床注册数据中的应用潜力	脊髓性肌肉萎缩症（SMA）患者的不同运动功能测量仪器数据	机器学习	神经肌肉疾病	深度学习	ODEs	纵向数据	脊髓性肌肉萎缩症（SMA）患者的纵向数据，时间点较少
3	2024-12-19	Feasibility of estimating tidal volume from electrocardiograph-derived respiration signal and respiration waveform 2025-Feb, Journal of critical care IF:3.2Q2 DOI:10.1016/j.jcrc.2024.154920 PMID:39316976	研究论文	本研究验证并比较了基于心电图衍生的呼吸信号（EDR）估计潮气量（VT）的方法	首次验证了基于EDR信号估计潮气量的可行性，并比较了线性回归和深度学习模型在不同情况下的表现	当前方法受限于ICU中嘈杂的心电信号，且在一般人群中的表现较差	验证并比较基于EDR信号估计潮气量的方法，以减少在深度镇静或脊髓麻醉期间对额外通气监测的需求	90名重症患者的数据以及两名重症患者的受限分析数据	NA	NA	心电图（ECG），阻抗法呼吸波形	线性回归，深度学习模型	信号	90名重症患者用于一般分析，两名重症患者用于受限分析
4	2024-12-19	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文综述了深度学习在医学图像配准领域的最新进展，涵盖了新技术、不确定性估计、评估指标等方面	本文介绍了创新的网络架构、针对配准的损失函数以及配准不确定性估计方法	NA	全面概述深度学习在医学图像配准中的最新进展	深度学习在医学图像配准中的应用	计算机视觉	NA	深度学习	U-Net	图像	NA
5	2024-12-19	Recent advances in signal processing algorithms for electronic noses 2025-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127140 PMID:39489071	综述	本文综述了电子鼻系统及其算法应用的最新进展，重点介绍了各种方法和深度学习技术在气味分类和浓度预测中的作用	本文探讨了未来趋势，包括更广泛的应用领域、先进的漂移校正技术、综合的多因素分析以及处理未知干扰物的能力	NA	综述电子鼻技术的最新进展及其在科学研究和实际应用中的潜力	电子鼻系统及其算法应用	信号处理	NA	深度学习	NA	NA	NA
6	2024-12-18	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	开发了一种基于全身低剂量CT（WBLDCT）的深度学习模型，用于预测多发性骨髓瘤（MM）患者的细胞遗传学异常	首次利用深度学习模型从全身低剂量CT扫描中预测多发性骨髓瘤患者的细胞遗传学风险	研究样本量相对较小，且仅限于新诊断的多发性骨髓瘤患者	开发和验证一种深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常	新诊断的多发性骨髓瘤患者	计算机视觉	多发性骨髓瘤	深度学习	深度学习模型	图像	151名多发性骨髓瘤患者
7	2024-12-18	Recent advancements and future directions in automatic swallowing analysis via videofluoroscopy: A review 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108505 PMID:39579458	综述	本文综述了通过视频荧光吞咽研究（VFSS）进行自动吞咽分析的最新进展和未来方向	利用计算机视觉、模式识别和深度学习技术，提供了新的范式来探索和提取VFSS记录中的信息	本文主要集中在图像处理技术在自动吞咽分析中的应用，未涵盖其他可能的技术方法	展示当前VFSS分析中的挑战，并提供未来开发更准确和临床可解释算法的见解	视频荧光吞咽研究（VFSS）记录中的解剖结构检测、食团对比分割和运动事件识别	计算机视觉	NA	计算机视觉、深度学习	深度学习模型	视频	46项研究
8	2024-12-18	Smartwatch ECG and artificial intelligence in detecting acute coronary syndrome compared to traditional 12-lead ECG 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2024.101573 PMID:39687687	研究论文	本研究评估了基于智能手表的多通道、异步心电图（ECG）与人工智能（AI）系统结合用于诊断急性冠状动脉综合征（ACS）的可行性	本研究首次评估了基于智能手表的ECG与AI系统结合用于诊断ACS的可行性，并展示了其与传统12导联ECG相比的高诊断性能	本研究的样本量较小，且仅限于ACS患者和健康对照组，未来需要更大规模的研究来验证结果	评估基于智能手表的ECG与AI系统结合用于诊断ACS的可行性	急性冠状动脉综合征（ACS）患者和健康对照组	机器学习	心血管疾病	深度学习	AI-ECG工具	图像	56名ACS患者和15名健康参与者
9	2024-12-17	A protocol for trustworthy EEG decoding with neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106847 PMID:39549492	研究论文	本文设计了一种全面的脑电图解码协议，通过探索整个流程的超参数并使用多种子初始化来提供稳健的性能估计	提出了一个包含多种子初始化的全面超参数搜索协议，显著提高了脑电图解码的可靠性和性能	实验仅在特定的脑电图数据集和模型上验证，可能需要进一步验证其在其他数据集和模型上的适用性	设计一种可信赖且可靠的脑电图解码协议	脑电图解码任务中的超参数优化和性能稳定性	机器学习	NA	深度学习	神经网络	脑电图数据	204名参与者和26次记录会话
10	2024-12-17	Towards generalizable face forgery detection via mitigating spurious correlation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106909 PMID:39579752	研究论文	本文提出了一种通过减少特征间的虚假相关性来提高人脸伪造检测模型泛化能力的方法	提出了Feature Independence Constrainer (FIC)来减少特征间的虚假相关性，并引入了细粒度高频成分和特征对齐模块来增强检测模型的性能	未提及具体的局限性	提高人脸伪造检测模型在跨域场景中的泛化能力	人脸伪造图像和视频的检测	计算机视觉	NA	深度学习	NA	图像	多个人脸伪造基准数据集
11	2024-12-17	TV-Net: Temporal-Variable feature harmonizing Network for multivariate time series classification and interpretation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106896 PMID:39581040	研究论文	本文提出了一种时间可变特征协调网络（TV-Net），用于多变量时间序列分类和解释	引入了一种图注意力机制（GAT-g）来增强全局特征的学习，并首次利用博弈交互来量化特征组合的效用，通过Shapley值动态协调不同时间序列特征的表示能力	NA	解决多变量时间序列分类中的依赖关系学习问题，同时提供可解释性	多变量时间序列数据	机器学习	NA	图注意力机制（GAT-g），博弈交互	深度学习框架	时间序列	30个多变量时间序列数据集
12	2024-12-17	Deep learning techniques for automated Alzheimer's and mild cognitive impairment disease using EEG signals: A comprehensive review of the last decade (2013 - 2024) 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108506 PMID:39581069	综述	本文综述了过去十年中使用脑电信号进行阿尔茨海默病和轻度认知障碍自动检测的深度学习技术	首次系统性地探讨了使用脑电信号对轻度认知障碍和阿尔茨海默病进行分类的方法，并提出了未来研究的方向	本文指出了当前深度学习在轻度认知障碍和阿尔茨海默病检测中的局限性，并提出了改进建议	探讨深度学习技术在脑电信号检测轻度认知障碍和阿尔茨海默病中的应用，并为未来研究提供参考	轻度认知障碍和阿尔茨海默病	机器学习	老年疾病	深度学习	NA	脑电信号	74篇相关文献
13	2024-12-17	Separable integral neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106838 PMID:39615156	研究论文	本文提出了一种可分离积分层，用于在连续方式下表示离散的深度可分离卷积操作，并构建了一组轻量级的可分离积分神经网络（SINNs），部署在资源受限的移动设备上	创新点在于提出了可分离积分层，结合了积分神经网络和可分离卷积操作的优点，能够在保持竞争性能的同时降低计算成本	NA	研究目的是解决传统积分神经网络在移动设备上应用时无法表示可分离卷积操作的问题	研究对象是可分离积分层和基于此构建的轻量级神经网络	机器学习	NA	积分神经网络	CNN	图像	ImageNet数据集
14	2024-12-16	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	本文提出了一种基于元学习的磁共振成像（MRI）多任务重建方法	该方法通过元学习框架，能够在不同图像对比度下高效学习图像特征，并实现多任务学习，从而在高速加速率下超越现有的单任务学习方法	NA	提高磁共振成像数据在不同成像序列下的重建效果	磁共振成像数据	计算机视觉	NA	磁共振成像（MRI）	元学习	图像	多个MRI数据集
15	2024-12-16	DDKG: A Dual Domain Knowledge Guidance strategy for localization and diagnosis of non-displaced femoral neck fractures 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103393 PMID:39581120	研究论文	提出了一种双领域知识引导策略DDKG，用于非移位股骨颈骨折的定位和诊断	利用空间和语义领域知识引导模型学习非移位股骨颈骨折的鲁棒表示，无需手动标注髋关节位置	未提及具体局限性	提高非移位股骨颈骨折的诊断准确性和鲁棒性	非移位股骨颈骨折的定位和诊断	计算机视觉	骨科疾病	深度学习	NA	图像	来自四个不同中心的数据集
16	2024-12-16	CLMS: Bridging domain gaps in medical imaging segmentation with source-free continual learning for robust knowledge transfer and adaptation 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103404 PMID:39616943	研究论文	本文提出了一种名为CLMS的端到端无源领域自适应框架，通过多尺度重建、持续学习和风格对齐来弥合医疗图像分割中的领域差距	CLMS框架整合了多尺度重建、持续学习和风格对齐，能够在没有原始源数据的情况下，仅使用未标记的目标数据或公开数据进行领域自适应，避免了灾难性遗忘并保留了源知识	NA	解决深度学习模型在不同医疗环境中应用时因数据差异导致的性能下降问题，实现模型在新临床环境中的安全可靠部署	前列腺MRI分割、结肠镜息肉分割和视网膜图像中的plus疾病分类	计算机视觉	NA	深度学习	NA	图像	NA
17	2024-12-16	The Developing Human Connectome Project: A fast deep learning-based pipeline for neonatal cortical surface reconstruction 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103394 PMID:39631250	研究论文	本文提出了一种基于深度学习的快速管道，用于新生儿皮质表面重建，旨在加速Developing Human Connectome Project (dHCP)中的脑图像处理	引入了一种多尺度形变网络进行端到端的可微分皮质表面重建，并集成了一种快速无监督的球形映射方法以最小化皮质表面与投影球体之间的度量失真	未提及具体的局限性	加速Developing Human Connectome Project (dHCP)中的新生儿皮质表面重建过程	新生儿脑部结构磁共振成像数据	计算机视觉	NA	深度学习	多尺度形变网络	图像	测试样本为82.5%
18	2024-12-16	Multi-scale region selection network in deep features for full-field mammogram classification 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103399 PMID:39615148	研究论文	本文提出了一种深度多尺度区域选择网络（MRSN），用于无需ROI或分割标注的全场乳腺X光片分类	MRSN通过多尺度特征选择，避免了依赖ROI标注，同时提高了模型性能	NA	开发一种无需ROI标注的全场乳腺X光片分类方法，以降低计算机辅助诊断系统的成本和复杂性	乳腺X光片图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	两个公开数据集和一个私有数据集
19	2024-12-14	Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial 2025-Feb-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.11.061 PMID:39577502	研究论文	本研究探讨了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用	首次研究了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的价值，并提出了基于深度学习的预测模型	需要独立重复实验来验证初步发现	研究大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用	双相情感障碍青少年患者的大脑结构连接组拓扑结构	神经影像学	双相情感障碍	结构磁共振成像（MRI）	深度学习模型	图像	121名未接受过精神药物治疗的双相情感障碍I型青少年
20	2024-12-14	A multi-perspective deep learning framework for enhancer characterization and identification 2025-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108284 PMID:39577030	研究论文	本研究介绍了一种用于增强子特征化和识别的多视角深度学习框架MPDL-Enhancer	创新的双尺度深度神经网络和独特的特征表示策略	NA	准确识别和表征增强子，以理解基因调控网络及相关疾病的发展	增强子序列	机器学习	NA	dna2vec模型	双尺度深度神经网络	DNA序列	独立测试数据集