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
41	2025-03-28	The Future of Surgical Diagnostics: Artificial Intelligence-Enhanced Detection of Ganglion Cells for Hirschsprung Disease 2025-02, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102189 PMID:39577743	research paper	本文介绍了一种利用人工智能技术增强术中诊断的方法，显著提高了Hirschsprung病神经节细胞的检测效率	提出了一种基于ResNet-50模型和梯度加权类激活映射算法的深度学习流程，用于神经节细胞的定位和检测，显著提高了诊断准确率和效率	研究仅基于164名患者的数据集，可能需要更大规模的数据验证模型的泛化能力	提高Hirschsprung病术中神经节细胞的检测准确率和效率	Hirschsprung病患者的手术冰冻切片	digital pathology	Hirschsprung disease	深度学习	ResNet-50	image	164名患者的366张冰冻切片和302张福尔马林固定石蜡包埋切片
42	2025-03-27	Deep learning-driven automated high-content dSTORM imaging with a scalable open-source toolkit 2025-Feb-28, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2025.100201 PMID:40023500	research paper	介绍了一个开源工具包，利用深度学习自动化dSTORM超分辨率显微镜的成像过程	开发了一个独立程序，能够可靠地分割多样化的生物医学图像，包括低对比度样本，超越了现有解决方案	未提及具体的性能比较或在大规模数据集上的验证	自动化超分辨率显微镜工作流程，提高成像速度和易用性	生物样本中的微管和神经纤维中的βII-血影蛋白	digital pathology	NA	dSTORM超分辨率显微镜	深度学习	图像	未明确提及具体样本数量，但包括细胞培养和神经纤维样本
43	2025-03-27	Lightweight Source-Free Domain Adaptation Based on Adaptive Euclidean Alignment for Brain-Computer Interfaces 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3463737 PMID:39292591	研究论文	本文提出了一种基于自适应欧几里得对齐（AEA）的轻量级无源域适应方法，用于脑机接口（BCI）中的跨被试识别	扩展了欧几里得对齐（EA）方法，提出自适应欧几里得对齐（AEA），通过学习投影矩阵将目标被试的分布与源被试对齐，从而消除域漂移问题并提高模型分类性能	需要为每个新被试更新和存储模型，可能带来不便	提高脑机接口中跨被试识别的分类性能	脑电图（EEG）数据	脑机接口	NA	自适应欧几里得对齐（AEA）	EEGNet, Shallow ConvNet, Deep ConvNet, MSFBCNN	EEG信号	两个运动想象（MI）数据集、一个事件相关电位（ERP）数据集和一个稳态视觉诱发电位（SSVEP）数据集
44	2025-03-27	Alzheimer's Disease Detection in EEG Sleep Signals 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3478380 PMID:39392730	研究论文	本研究探讨了利用睡眠相关脑电图（EEG）信号通过半监督深度学习技术早期检测阿尔茨海默病（AD）的潜力	采用半监督深度学习技术处理有限的标记数据，并在所有睡眠阶段实现稳定的性能，达到90%的准确率	研究面临标记数据稀缺的挑战	早期检测阿尔茨海默病（AD）	睡眠相关的脑电图（EEG）信号	机器学习	阿尔茨海默病	半监督深度学习	半监督模型	EEG信号	NA
45	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）
46	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA
47	2025-03-26	A Deep Learning Approach to Multi-Fiber Parameter Estimation and Uncertainty Quantification in Diffusion MRI 2025-Feb-28, ArXiv PMID:40061116	研究论文	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的序列方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性设计的深度神经网络进行求解	未明确提及具体局限性，但可能受限于模拟训练数据的质量和范围	开发一种可靠且计算高效的扩散MRI生物物理模型参数推断方法	脑白质纤维微结构	医学影像分析	NA	扩散MRI (dMRI)	深度神经网络	MRI图像	Human Connectome Project (HCP) 的成像数据
48	2025-03-26	Human sleep position classification using a lightweight model and acceleration data 2025-Feb-10, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03247-w PMID:39928075	研究论文	本研究介绍了一种便携式可穿戴设备，使用单个加速度计监测12种睡眠姿势，旨在帮助轻度胃食管反流病（GERD）患者改善睡眠质量和反流症状	开发了AnpoNet轻量级深度学习模型，结合1D-CNN和LSTM，优化了BN和Dropout，用于睡眠姿势分类	样本量较小（15名参与者），未来需要扩大队列研究和延长监测时间	开发便携式设备，用于家庭环境下非侵入性连续睡眠姿势监测	轻度胃食管反流病（GERD）患者	机器学习	胃食管反流病	加速度计数据采集	1D-CNN和LSTM结合模型	加速度数据	15名参与者，每人记录12种睡眠姿势各1分钟（采样频率50Hz）
49	2025-03-26	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	research paper	利用Google街景图像和深度学习技术分析居住区建筑环境特征与心血管疾病风险的关系	首次结合Google街景图像和深度学习技术，大规模分析建筑环境特征与心血管疾病风险的潜在关联	研究结果需要在其他地区进行验证，且需要进一步探讨潜在机制	探究居住区建筑环境特征（如绿化带和人行道）与心血管疾病风险的关系	美国俄亥俄州东北部49,887名居民的居住环境及心血管事件数据	computer vision	cardiovascular disease	deep learning	CNN	image	49,887名居民，其中2,083人发生重大心血管不良事件
50	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA
51	2025-03-25	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出一种利用神经网络优化生理模型参数的新方法	使用神经网络同时处理生物建模、参数化和参数推断，解决了传统方法难以约束到生物范围的问题	方法依赖于模拟数据的生成，可能无法完全覆盖真实临床数据的复杂性	优化生理模型的参数推断	葡萄糖、胰岛素和游离脂肪酸（FFA）的动态生理模型	机器学习	NA	卷积神经网络	CNN	时间序列数据	利用临床频繁采样静脉葡萄糖耐量测试数据生成大量模拟数据
52	2025-03-25	LivecellX: A Deep-learning-based, Single-Cell Object-Oriented Framework for Quantitative Analysis in Live-Cell Imaging 2025-Feb-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.23.639532 PMID:40060645	research paper	介绍了一个名为LivecellX的深度学习框架，用于活细胞成像数据的定量分析	提出了Correct Segmentation Network (CSN)，一种上下文感知的多尺度机器学习架构，用于纠正分割不准确性，并开发了轨迹级算法以处理大规模数据集	预训练和微调模型在活细胞成像场景中可能无法实现完美的分割，长时间成像会放大分割错误	解决活细胞成像数据中准确检测和跟踪单个细胞的挑战，以理解发育生物学、癌症生物学等复杂生物过程	活细胞成像数据中的单个细胞	digital pathology	cancer biology	deep learning, live-cell imaging	CNN	image	NA
53	2025-03-25	Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes 2025-Feb-05, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.100924 PMID:39921205	研究论文	本文介绍了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高人类和植物组织蛋白质组中瓜氨酸化位点识别的敏感性和精确性	开发了Prosit-Cit模型，扩展了现有Prosit模型，能够精确预测瓜氨酸化和脱酰胺肽的色谱保留时间和碎片离子强度，显著提高了识别准确性并减少假阳性	需要依赖合成肽段数据进行模型训练，可能在实际应用中存在泛化性问题	提高蛋白质组范围内瓜氨酸化位点识别的精确性和敏感性	人类组织蛋白质组和拟南芥植物组织蛋白质组	蛋白质组学	NA	质谱分析	深度学习模型Prosit-Cit	质谱数据	约53,000个来自约2,500个合成瓜氨酸化肽段的质谱数据，以及拟南芥30个组织的蛋白质组数据
54	2025-03-25	RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications 2025-02, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3442250 PMID:39137083	研究论文	提出了一种基于RISC-V的深度学习加速器硬件架构（RVDLAHA），用于可穿戴设备中的实时癫痫发作检测和个性化算法	提出了实时癫痫发作检测和个性化算法、可编程RISC-V深度学习加速器硬件架构（RVDLAHA）以及专用RISC-V DLA编译器	硬件架构在动物实验中进行验证，尚未在人类临床应用中广泛测试	解决可穿戴设备中实时癫痫检测和个性化算法的硬件加速问题	癫痫患者的脑电信号数据	机器学习	癫痫	CNN	CNN	脑电信号数据	实验室大鼠的动物实验
55	2025-03-25	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	本文系统综述了机器学习模型在预测常见精神障碍(CMDs)中的应用，评估了模型性能，并探讨了生活方式数据在预测模型中的潜在价值	首次评估了诊断性机器学习在CMDs中的应用价值，评估了研究偏倚风险，并分析了预测变量类型	研究存在高度异质性和偏倚风险，生活方式数据使用不足	评估机器学习模型预测常见精神障碍的性能，并确定生活方式数据在预测模型中的作用	使用机器学习方法预测常见精神障碍的成人研究	机器学习	精神障碍	机器学习	深度学习	多类别特征(包括人口统计-环境、心理社会和生物变量)	117项研究(111项仅模型开发，16项开发和验证)
56	2025-03-24	Deep Learning-Based Electrocardiogram Model (EIANet) to Predict Emergency Department Cardiac Arrest: Development and External Validation Study 2025-Feb-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/67576 PMID:40053733	研究论文	本研究开发了一种基于深度学习的模型EIANet，用于通过12导联心电图图像预测急诊科心脏骤停	创新点在于使用图像化的12导联心电图数据，结合空间注意力模块和自定义的二元召回损失函数，提高了预测精度	研究依赖于特定医院的数据集，可能限制了模型的普遍适用性	旨在通过深度学习模型早期预测急诊科心脏骤停，以提高急诊科的工作流程和患者预后	急诊科成年患者的心电图数据	数字病理	心血管疾病	深度学习	ResNet50	图像	NTUH数据集包含571例病例心电图和826例对照心电图，FEMH数据集包含378例病例心电图和713例对照心电图
57	2025-03-24	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Feb-26, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习管道，用于在乳腺癌患者接受新辅助系统治疗（NAT）后，自动检测淋巴结转移	首次评估了深度学习算法在接受NAT治疗的乳腺癌患者淋巴结转移检测中的泛化能力，并创建了一个包含1027张切片的大型数据集	研究仅限于乳腺癌患者，且数据集仅包含接受NAT治疗的患者，可能限制了算法的广泛适用性	开发并评估一种深度学习管道，用于自动检测乳腺癌患者接受NAT治疗后的淋巴结转移	乳腺癌患者的淋巴结切片	数字病理学	乳腺癌	深度学习	深度学习管道	图像	1027张切片
58	2025-03-24	Advancing healthcare practice and education via data sharing: demonstrating the utility of open data by training an artificial intelligence model to assess cardiopulmonary resuscitation skills 2025-Feb, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-024-10369-5 PMID:39249618	研究论文	本文探讨了通过共享视频数据库来推进健康专业教育和实践，特别是通过训练人工智能模型来评估心肺复苏技能	提出了一个基于视频数据库的自动临床评估工具，利用姿态估计和深度学习网络来评估心肺复苏技能的质量	数据样本量较小，仅包含40名参与者的视频数据	推进健康专业教育和实践，通过数据共享和人工智能技术提升技能评估	心肺复苏技能的视频数据	数字病理	心血管疾病	姿态估计，深度学习	深度学习网络	视频	40名参与者的视频数据
59	2025-03-23	Spectral dual-layer detector CT-based radiomics-deep learning for predicting pathological aggressiveness of stage I lung adenocarcinoma: discrimination of precursor glandular lesions and invasive adenocarcinomas 2025-Feb-28, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-726 PMID:40114963	研究论文	本研究评估了基于光谱双层探测器CT（SDCT）的有效原子数（Zeff）的放射组学、深度学习和临床特征在区分磨玻璃结节（GGN）特征的腺前体病变（PGLs）和腺癌中的效用	结合SDCT-Zeff放射组学、深度学习和临床特征，构建了临床基于深度学习的放射组学（DLR）签名诺模图，提高了预测性能	研究仅在中国两个医疗中心进行，样本量和地理多样性可能有限	区分I期肺腺癌的病理侵袭性，特别是腺前体病变和侵袭性腺癌	磨玻璃结节（GGN）患者	数字病理	肺癌	光谱双层探测器CT（SDCT）	ResNet50, LightGBM	医学影像	792个GGN（训练队列582个，外部验证队列210个）
60	2025-03-23	The role of artificial intelligence in sepsis in the Emergency Department: a narrative review 2025-Feb-28, Annals of translational medicine DOI:10.21037/atm-24-150 PMID:40115064	综述	本文综述了人工智能在急诊科脓毒症诊断、管理和预后中的应用	与传统预测分析相比，AI能够整合多种变量，提高诊断性能，并在脓毒症的诊断和预后中优于传统评分工具	现有的AI工具缺乏普适性和用户接受度，存在自动化偏差的风险，可能导致临床医生技能退化	探讨人工智能在急诊科脓毒症管理中的应用潜力	急诊科成年脓毒症患者	医疗人工智能	脓毒症	机器学习	机器学习模型	生命体征、自由文本输入、实验室测试和心电图	NA