深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1341	2025-10-07	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究使用深度学习分割技术测量3英里跑步后胫股软骨的应变及次日恢复情况	开发了基于深度学习的自动化软骨和骨骼分割模型，首次量化了跑步后软骨即时变形和恢复过程	样本量较小（仅8名无症状男性参与者），缺乏女性参与者和有症状人群数据	测量跑步引起的胫股软骨变形及其恢复过程	无症状男性参与者的胫骨和股骨软骨	医学影像分析	骨科疾病	双回波稳态磁共振成像	深度学习分割模型	MRI图像	8名无症状男性参与者	NA	NA	重复性误差（0.03mm或约1%软骨厚度）	NA
1342	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA	NA	NA	NA	NA
1343	2025-10-07	Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation 2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2024.111605 PMID:39616796	研究论文	通过蒙特卡罗模拟验证基于深度学习的无准直器成像系统在体素化GAGG(Ce)单体积探测器中的可行性	提出无需任何类型相互作用过滤的深度学习无准直器成像系统，利用体素化探测器能量沉积模式重建源分布	基于蒙特卡罗模拟研究，尚未进行实际物理实验验证	验证基于深度学习的无准直器成像系统的可行性	Co、Ba、Na、Cs点源在2000个位置的成像	医学成像	NA	蒙特卡罗模拟(MCNP6)	全卷积网络	能量沉积模式数据、能谱数据	2000个点源位置，单源和多源数据	NA	全卷积网络	图像相似度	NA
1344	2025-10-07	Explainable exercise recommendation with knowledge graph 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106954 PMID:39667214	研究论文	提出一种基于知识图谱的可解释习题推荐方法KG4EER，通过匹配学生特征与习题资源并提供推荐理由	结合知识图谱与特征提取模块，实现可解释的个性化习题推荐，解决了传统方法缺乏解释性的问题	未明确说明模型在处理大规模动态更新数据时的性能表现	开发可解释的习题推荐系统以提高学生学习效率	学生、习题和知识点三类实体及其相互关系	自然语言处理	NA	知识图谱构建、特征提取	深度学习	结构化数据	三个真实世界数据集	NA	KG4EER	通过专家访谈评估可解释性，与基线方法比较性能	NA
1345	2025-01-16	Automated Detection of Filamentous Fungal Keratitis on Whole Slide Images of Potassium Hydroxide Smears with Multiple Instance Learning 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100653 PMID:39811263	研究论文	本研究评估了深度学习框架双流多实例学习（DSMIL）在自动化分析氢氧化钾（KOH）涂片全片成像（WSI）中的有效性，以快速准确检测真菌感染	使用双流多实例学习（DSMIL）处理高分辨率WSI数据，自动检测真菌感染，并通过热图提供视觉解释	研究为回顾性观察研究，可能受限于样本选择和人类专家解释的一致性	自动化分析KOH涂片WSI，以快速准确检测真菌感染	568名疑似真菌性角膜炎患者的角膜刮片	数字病理学	真菌性角膜炎	双流多实例学习（DSMIL）	DSMIL	图像	568名患者的角膜刮片	NA	NA	NA	NA
1346	2025-01-16	Frontal plane mechanical leg alignment estimation from knee x-rays using deep learning 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100551 PMID:39811691	研究论文	本研究开发并验证了一种深度学习模型，用于从膝关节前后位（AP）/后前位（PA）X光片中分类腿部对齐为“正常”或“错位”，使用可调的髋-膝-踝（HKA）角度阈值	该模型首次从膝关节X光片中分类腿部对齐，提供了一种实用的替代全腿X光片的方法	模型的性能依赖于X光片的质量和定位框架的使用	提高研究人群选择和患者管理的精确性	膝关节前后位（AP）/后前位（PA）X光片	计算机视觉	膝骨关节炎	深度学习	深度学习模型	图像	8878张数字X光片，包括6181张全腿X光片和2697张膝关节X光片	NA	NA	NA	NA
1347	2025-10-07	Differentiating Choroidal Melanomas and Nevi Using a Self-Supervised Deep Learning Model Applied to Clinical Fundoscopy Images 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100647 PMID:39802204	研究论文	本研究验证了自监督深度学习模型RETFound在区分脉络膜黑色素瘤和痣方面的有效性	首次将自监督深度学习模型RETFound应用于脉络膜黑色素瘤和痣的鉴别诊断	使用单中心数据且存在图像不平衡问题，需要外部验证	测试自监督深度学习模型在眼部肿瘤鉴别诊断中的性能	脉络膜黑色素瘤、脉络膜痣和健康眼睛的眼底图像	计算机视觉	眼部肿瘤	眼底成像技术	深度学习模型	图像	4255名患者的眼底图像，包括18510张脉络膜黑色素瘤图像、8671张痣图像和1192张健康眼睛图像	NA	RETFound	AUROC, 准确率, 特异性, 敏感性, F1分数, 马修斯相关系数	NA
1348	2025-01-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本文开发了多种深度学习模型，利用眼底自发荧光（FAF）图像预测地理萎缩（GA）病变的1年增长区域（ROG）	首次使用深度学习模型预测GA病变的1年增长区域，并比较了不同时间点FAF图像的预测效果	研究为回顾性分析，可能受到数据选择和模型训练的限制	预测地理萎缩（GA）病变的1年增长区域，以支持临床试验和临床治疗决策	地理萎缩（GA）病变	计算机视觉	老年性疾病	深度学习	2D U-Net	图像	597名患者的研究眼数据，分为训练集（310）、验证集（78）和测试集（209）	NA	NA	NA	NA
1349	2025-01-06	Advances in deep learning for personalized ECG diagnostics: A systematic review addressing inter-patient variability and generalization constraints 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.117073 PMID:39708490	系统综述	本文系统综述了深度学习在心电图（ECG）个性化诊断中的应用，特别是针对患者间变异性和泛化限制的挑战	本文独特之处在于系统性地审查了专门为个性化ECG诊断设计的深度学习方法，强调解决患者特异性变异性的模型	这些方法的局限性包括在泛化与患者特异性之间取得平衡以及解决数据隐私问题	研究目的是探讨深度学习在ECG诊断中的应用，特别是针对个性化诊断的需求	研究对象是用于个性化ECG诊断的深度学习模型	机器学习	心血管疾病	迁移学习、生成对抗网络、元学习和领域适应	深度学习模型	ECG数据	112项研究	NA	NA	NA	NA
1350	2024-12-29	Accelerated cardiac cine with spatio-coil regularized deep learning reconstruction 2025-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30337 PMID:39428898	研究论文	本文提出了一种结合空间-线圈正则化的深度学习重建方法，用于加速心脏电影成像	提出了Spatio-Coil Regularized DL (SCR-DL)方法，结合多线圈信息进行数据一致性和正则化，显著提高了重建图像的质量	未提及具体样本量，且仅针对心脏电影成像进行了验证	开发一种加速心脏电影成像的深度学习重建方法	心脏电影成像数据	医学影像	心血管疾病	深度学习重建	SCR-DL	图像	NA	NA	NA	NA	NA
1351	2024-12-26	Deep learning model meets community-based surveillance of acute flaccid paralysis 2025-Mar, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2024.12.002 PMID:39720666	研究论文	本研究提出了一种简单的深度学习模型，用于急性弛缓性麻痹（AFP）的社区监测，利用从埃塞俄比亚社区关键信息员通过手机收集的图像进行迁移学习	该研究首次将迁移学习应用于AFP监测，使用预训练的视觉Transformer模型，显著提高了监测的准确性和效率	研究的主要限制在于收集的图像数据质量，未来需要改进数据质量并建立专门的数据存储和分析平台	提高急性弛缓性麻痹（AFP）的社区监测效率，特别是在资源匮乏的环境中	埃塞俄比亚社区关键信息员通过手机收集的AFP相关图像	计算机视觉	急性弛缓性麻痹	迁移学习	视觉Transformer	图像	NA	NA	NA	NA	NA
1352	2024-12-15	Automated Detection of Central Retinal Artery Occlusion Using OCT Imaging via Explainable Deep Learning 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100630 PMID:39669299	研究论文	本文展示了使用深度学习模型通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）的能力	本文提出了一种可解释的深度学习模型，用于在OCT数据上检测CRAO，并展示了其在多分类任务中的高准确性	本文仅进行了回顾性外部验证研究，未来需要进一步的前瞻性研究来验证模型的临床应用	开发和验证一种深度学习模型，用于通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）	视网膜中央动脉阻塞（CRAO）及其鉴别诊断	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	来自德国蒂宾根大学医学中心和汉堡-埃彭多夫大学医学中心的患者的OCT数据	NA	NA	NA	NA
1353	2024-12-13	Deep learning-assisted surface-enhanced Raman spectroscopy detection of intracellular reactive oxygen species 2025-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127222 PMID:39556973	研究论文	本文结合表面增强拉曼光谱（SERS）技术和深度学习，建立了一种基于神经网络的细胞内活性氧（ROS）智能检测方法	本文创新性地将SERS技术与深度学习相结合，利用神经网络模型提高了SERS分析能力，并实现了对细胞内ROS的初步浓度预测	本文仅以过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）的同时检测为模板，未来可能需要扩展到更多种类的ROS检测	实现细胞内活性氧的智能分析，以促进疾病的快速诊断	细胞内活性氧（ROS），特别是过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）	机器学习	NA	表面增强拉曼光谱（SERS）	神经网络模型（ENN）和一维卷积神经网络模型（1D-CNN）	光谱数据	AuNP/4-MPBA/2-MP纳米探针的SERS光谱数据	NA	NA	NA	NA
1354	2024-12-12	Adaptive Multicore Dual-Path Fusion Multimodel Extraction of Heterogeneous Features for FAIMS Spectral Analysis 2025-Mar, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.9967 PMID:39658821	研究论文	本文提出了一种自适应多核双路径融合多模型提取异构特征的模型，用于FAIMS光谱分析	通过多模型特征提取实现多网络互补，自适应特征融合模块调整特征大小和维度融合，多核双路径融合能够捕捉和整合多尺度和多层次的信息	NA	提高FAIMS光谱分析的分析效果和工作效率	FAIMS光谱数据	机器学习	NA	FAIMS	多模型特征提取	光谱数据	小样本数据	NA	NA	NA	NA