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
1521	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
1522	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
1523	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
1524	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
1525	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
1526	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