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	[Research on arrhythmia classification algorithm based on adaptive multi-feature fusion network] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202406069 PMID:40000175	研究论文	提出了一种基于自适应多特征融合网络的心律失常分类算法，用于自动分析心电图数据并快速实现心律失常分类	采用自适应多特征融合网络，结合RR间隔特征、时域深度特征和频域深度特征，通过自适应加权策略进行特征融合	在有限的异常样本监督下进行特征选择，可能影响算法的泛化能力	提高心律失常分类的准确率，为可穿戴设备中的心律失常分类提供算法支持	心电图（ECG）数据	机器学习	心血管疾病	1D-CNN, 2D-CNN, MFCC	自适应多特征融合网络	心电图信号	MIT-BIH心律失常数据库
2	2025-04-02	[Prediction method of paroxysmal atrial fibrillation based on multimodal feature fusion] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403039 PMID:40000174	研究论文	提出了一种基于多模态特征融合的阵发性心房颤动（PAF）风险预测方法	结合机器学习特征工程和深度学习端到端建模的优势，提出了一种新的PAF风险预测方法，并通过多中心数据集验证了其泛化能力	NA	解决生物医学工程领域中的阵发性心房颤动（PAF）风险预测问题	阵发性心房颤动（PAF）患者	生物医学工程	心血管疾病	机器学习特征工程、深度学习端到端建模、随机森林	随机森林	多模态数据	公共数据集和临床数据集
3	2025-04-02	[Research on intelligent fetal heart monitoring model based on deep active learning] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202402012 PMID:40000176	研究论文	本文提出了一种基于三支决策理论和多目标优化主动学习的TWD-MOAL深度主动学习算法，用于智能胎儿心率监测	结合三支决策理论选择高置信度样本作为伪标签样本，同时考虑产科专家标注的低置信度样本，显著减少标注时间和成本	实验仅在特定数据集上进行验证，未涉及其他医疗机构的临床数据	开发智能胎儿心率监测模型，辅助产科医生解读CTG信号	胎儿心率监测数据	数字病理	产科疾病	深度主动学习	CNN	CTG信号数据	16355份产前CTG记录
4	2025-04-02	[Study on lightweight plasma recognition algorithm based on depth image perception] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404064 PMID:40000184	research paper	本文提出了一种基于改进YOLOv5的血浆质量检测模型，用于识别溶血性血浆，以防止溶血性疾病	结合全维度动态卷积、可分离核注意力池化、残差双融合特征金字塔网络和重参数化卷积等关键算法模块，提高了血浆质量检测的平均识别准确率	NA	提供一种高效的血浆图像检测方法，预防由外部因素引起的溶血性疾病	血浆图像	computer vision	心血管疾病	深度学习	YOLOv5	image	NA
5	2025-04-02	[A review of deep learning methods for non-contact heart rate measurement based on facial videos] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202405057 PMID:40000193	review	本文综述了基于面部视频的非接触式心率测量的深度学习方法	总结了深度学习在远程光电容积描记术(rPPG)中的应用，并探讨了未来研究方向	未提及具体方法的性能比较或实际应用中的挑战	探索非接触式心率测量技术的发展现状与未来趋势	基于面部视频的心率测量方法	计算机视觉	心血管疾病	rPPG	深度学习	视频	NA
6	2025-04-02	A Systematic Review of Advances in Infant Cry Paralinguistic Classification: Methods, Implementation, and Applications 2025-Feb-18, JMIR rehabilitation and assistive technologies DOI:10.2196/69457 PMID:40163619	系统性综述	本文系统回顾了过去24年婴儿哭声副语言分类的方法、实施和应用进展	总结了婴儿哭声分类从传统统计方法到机器学习和深度学习模型的演变，并提出了未来研究方向	大多数模型(90%)未实际部署，数据隐私和保密性考虑不足	系统回顾婴儿哭声分类技术的发展现状和未来方向	婴儿哭声信号	自然语言处理	NA	机器学习、深度学习、混合方法	NA	音频	126项符合条件的研究
7	2025-04-02	RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597812 PMID:38895232	research paper	介绍了一个名为RESPAN的开源深度学习流程，用于准确自动地恢复、分割和量化树突棘	RESPAN整合了先进的深度学习技术，提供图像恢复、分割和分析的一体化解决方案，且用户界面友好	未明确提及具体限制	开发一个自动化工具来改进树突棘的量化过程	树突棘、树突分支和神经元胞体	digital pathology	NA	深度学习	NA	image	多种样本，包括活体成像和体内双光子显微镜数据
8	2025-04-02	Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms 2025-Feb, Cureus DOI:10.7759/cureus.79662 PMID:40161150	review	本文综述了人工智能在主动脉瘤预测建模中的当前状态和未来方向，强调了机器学习在风险评估、筛查和预后中的多样性和进展	探讨了AI和ML在主动脉瘤个性化风险评估中的应用，以及如何整合临床、影像和基因组数据以提高预测性和临床适用性	讨论了将AI预测模型转化为临床实践时面临的数据质量、模型可解释性及法律和伦理问题	旨在揭示AI和ML在提升主动脉瘤风险评估和管理中的机会，推动心血管护理向精准医学转变	腹主动脉瘤（AAAs）	machine learning	cardiovascular disease	supervised and unsupervised learning, deep learning	NA	clinical, imaging, genomic data	NA
9	2025-04-01	Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging 2025-Feb-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030231 PMID:40150695	research paper	本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果	首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力	研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体	评估深度学习重建技术在加速心脏磁共振成像中的性能	心脏电影成像	digital pathology	cardiovascular disease	cardiac MR (CMR)	deep learning-based reconstruction	image	数字幻影和健康志愿者数据（具体数量未提及）
10	2025-04-01	Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030218 PMID:40150682	research paper	提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估	首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络	未提及与其他现有方法的对比或临床验证的广泛性	开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性	肩袖损伤的MRI图像	digital pathology	rotator cuff injury	MRI	Unet + FPN	image	376名患者的5640张图像用于训练，94名患者的1410张图像用于测试
11	2025-04-01	A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030221 PMID:40150686	研究论文	提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能	首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强	研究仅基于公开数据集进行验证，未涉及实际临床环境测试	开发非接触式高血压检测方法	心冲击图(BCG)信号	机器学习	心血管疾病	深度学习	CNN	时序信号数据	公开数据集（具体数量未说明）
12	2025-04-01	From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications 2025-Feb-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15030220 PMID:40149742	综述	本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展	整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力	实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题	推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展	EEG信号及其与生理信号的结合	认知神经科学	NA	EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测）	CNN, RNN	EEG信号, 生理信号	64项研究
13	2025-04-01	Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification 2025-Feb-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030212 PMID:40150677	research paper	该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度	提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示	未提及具体局限性	提高乳腺癌早期检测和治疗的诊断方法	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, transformer model	Virchow2, Nomic	image	BACH数据集
14	2025-04-01	Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers 2025-Feb-13, Oncology IF:2.5Q3 DOI:10.1159/000544179 PMID:39947156	研究论文	本研究开发了一种基于深度学习的自动分割脾脏CT图像方法，并结合放射组学和深度学习特征构建了胃癌淋巴结转移预测模型	使用U-Mamba深度学习模型实现脾脏CT图像的全自动分割，结合放射组学和深度学习特征构建预测模型，并生成列线图以探索临床指导意义	研究仅纳入284名患者，样本量相对有限	开发胃癌淋巴结转移的预测方法	284名经病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	284名胃癌患者
15	2025-03-30	Enhancing Ophthalmic Diagnosis and Treatment with Artificial Intelligence 2025-Feb-28, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61030433 PMID:40142244	综述	本文综述了人工智能在眼科诊断和治疗中的当前应用及未来潜力	AI算法在诊断糖尿病视网膜病变、年龄相关性黄斑变性和青光眼等疾病方面表现出色，甚至超过人类专家	数据隐私、安全性和算法偏见等问题仍需解决	探讨人工智能在眼科领域的应用及其对诊断和治疗的影响	眼科疾病（如糖尿病视网膜病变、年龄相关性黄斑变性、青光眼）	数字病理学	眼科疾病	机器学习和深度学习	DL	多模态数据（包括遗传信息和患者病史）	NA
16	2025-03-30	Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030024 PMID:40137564	研究论文	本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌	提出了M3-Net，一种基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能	样本量较小，仅包含95例患者病例	开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率	支气管内超声图像	数字病理学	肺癌	深度学习	M3-Net	图像	95例患者病例（13例良性，82例恶性），共1140张EBUS图像
17	2025-03-30	Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030027 PMID:40137567	研究论文	本研究开发并验证了一种基于深度学习的自动测量颞下颌关节超声图像空间宽度的方法	首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像分析，填补了该领域的空白	对关节窝的分割性能较低（Dice系数0.60±0.24），这可能是由于其复杂的几何形状导致的	开发自动且可重复的颞下颌关节超声图像空间宽度测量方法	颞下颌关节超声图像	计算机视觉	颞下颌关节紊乱	超声成像	2D Residual U-Net	图像	142张颞下颌关节超声图像
18	2025-03-30	ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network 2025-Feb-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030023 PMID:40137562	research paper	提出了一种结合ADMM迭代算法框架、CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建的准确性	结合模型驱动和数据驱动方法，引入CNN和Transformer模型以增强图像全局和局部表示的学习能力	未明确提及具体的数据集规模或计算资源需求	提高稀疏视图CT重建的准确性和泛化能力	稀疏视图CT图像	computer vision	NA	ADMM迭代算法、CNN、Transformer	CNN、Transformer	CT图像	未明确提及
19	2025-03-30	Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model 2025-Feb-24, Life (Basel, Switzerland) DOI:10.3390/life15030358 PMID:40141703	research paper	开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势	采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类	环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下	通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病	50名健康成年人在不同条件下进行举重任务	computer vision	occupational low back pain	OpenPose算法用于检测和提取关键身体点	bidirectional LSTM	video	50名健康成年人
20	2025-03-30	Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy 2025-Feb-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17030290 PMID:40142954	综述	本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响	探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用	面临数据整合、AI驱动决策的伦理问题及监管合规等挑战	研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响	制药制造过程中的生产流程和质量控制	机器学习	NA	云计算、数据分析	深度学习	传感器数据	NA