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
2181	2025-09-02	TG-Mamba: Leveraging text guidance for predicting tumor mutation burden in lung cancer 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102626 PMID:40819605	研究论文	提出一种名为TG-Mamba的深度学习模型，通过组织病理学图像和临床信息快速预测肺癌患者的肿瘤突变负荷水平	采用文本引导的注意力模块与VMamba主干网络并行特征提取策略，并设计新型Conv-SSM混合模块结合卷积层与状态空间模型	NA	开发低成本、快速的肿瘤突变负荷预测方法以替代传统全外显子测序	肺癌患者	数字病理学	肺癌	全外显子测序(WES), 深度学习	TG-Mamba (基于VMamba的混合架构), 注意力机制, Conv-SSM	图像, 文本	一组未参与训练的肺癌患者队列（具体数量未说明）
2182	2025-09-02	Surgical augmented reality registration methods: A review from traditional to deep learning approaches 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102616 PMID:40829316	综述	本文回顾了从传统到深度学习方法的外科增强现实配准技术，特别关注腹腔镜场景	系统分类并比较了传统方法与新兴的深度学习配准方法，包括混合DL增强方法和DL点云配准方法	主要关注腹腔镜场景，可能不涵盖所有外科AR应用；深度学习方法在手术环境中的实际应用仍面临挑战	分析和比较适用于外科增强现实的不同配准方法	术前3D模型与术中2D或3D视频的配准方法	计算机视觉	NA	深度学习，点云配准	深度学习模型	3D模型，2D/3D视频，点云数据	NA
2183	2025-09-02	Early Diagnosis of Knee Osteoarthritis With a Natural Language Processing-Driven Approach Based on Clinician Notes: Development and Validation Study 2025-Aug-14, JMIR formative research IF:2.0Q4 DOI:10.2196/64536 PMID:40810448	研究论文	开发并验证了一种基于自然语言处理技术的膝骨关节炎早期诊断方法，利用临床医生笔记中的文本数据进行预测	首次将临床医生笔记中的患者报告症状文本数据用于膝骨关节炎诊断，并整合WOMAC问卷提升模型性能	研究仅基于单一医疗机构的5849条记录，未涉及多中心验证	开发基于自然语言处理的膝骨关节炎早期诊断方法	膝骨关节炎患者和非患者的临床医生笔记数据	自然语言处理	骨关节炎	自然语言处理，深度学习	CNN, BiLSTM, GRU	文本	5849条记录（3455例OA患者，2394例非OA患者）
2184	2025-09-02	Independent Channel Attention and Cross-Subject Data Generation for EEG-Based Patient-Independent Epileptic Seizure Detection Using ConvLSTM 2025-Aug-07, Studies in health technology and informatics DOI:10.3233/SHTI250894 PMID:40775912	研究论文	提出一种用于患者无关癫痫发作检测的多阶段训练策略和带独立注意力模块的ConvLSTM网络	引入跨受试者数据生成方法和独立通道注意力机制，显著提升对未见患者的检测性能	NA	开发患者无关的癫痫发作自动检测方法以减少对专业医师视觉检查的依赖	癫痫患者的头皮EEG信号	机器学习	癫痫	EEG信号处理	ConvLSTM with attention module	EEG时间序列数据	公共数据集CHB-MIT
2185	2025-09-02	Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States 2025-Aug-06, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.07.028 PMID:40780311	研究论文	本研究评估了在美国50岁及以上女性中，利用深度学习分析胸部X光片进行机会性骨质疏松筛查的成本效益	首次将深度学习技术与现有临床胸部X光片结合，用于机会性骨质疏松筛查，并系统评估其经济性	研究主要针对美国50岁以上女性群体，结果可能不直接适用于其他人群或医疗体系	评估基于深度学习的胸部X光机会性骨质疏松筛查在美国中年及以上女性中的成本效益	美国50岁及以上的女性	数字病理	骨质疏松症	深度学习	深度学习模型	X光图像	NA
2186	2025-09-02	Unraveling other-race face perception with GAN-based image reconstruction 2025-03-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02636-z PMID:40087201	研究论文	本研究利用StyleGAN2进行图像重建，探索异族面孔感知的表征基础及其年龄偏差	提出基于GAN潜在空间与人类感知表征相似性的图像重建新方法，首次揭示异族面孔感知中的年龄偏差	NA	研究异族效应（ORE）的表征基础及感知差异	东亚和白人参与者，涉及同族与异族面孔	计算机视觉	NA	StyleGAN2，深度学习图像生成	GAN	图像	涉及东亚和白人参与者，具体样本量未明确说明
2187	2025-09-02	Predicting ADC Map Quality from T2-Weighted MRI: A Deep Learning Approach for Early Quality Assessment to Assist Point-of-Care 2025-Jan-15, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.15.25320592 PMID:40568662	研究论文	开发一种基于深度学习的自动化方法，从T2加权MRI预测ADC图质量，以辅助即时医疗决策	首次利用早期采集的T2图像预测后续ADC图质量，实现扫描过程中的早期质量评估	模型性能虽佳但主要基于回顾性数据，需前瞻性验证；直肠横截面积指标AUC仅0.65，预测能力有限	通过早期质量预测减少前列腺MRI漏诊和不必要重复扫描	前列腺MRI图像（T2加权图像和ADC图）	医学影像分析	前列腺癌	深度学习，直肠横截面积测量	深度学习模型（具体架构未明确说明）	医学图像（MRI）	486名患者（包含内部和62家外部诊所的多中心数据）
2188	2025-09-02	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	提出一种基于非线性测量模型的扩散后验采样CT重建方法	将扩散先验与非线性物理测量模型结合，突破了现有方法依赖线性近似的限制	NA	改进CT图像重建质量，特别是针对不同采集协议	CT图像重建	医学影像重建	NA	扩散后验采样(DPS)	无条件扩散模型	CT测量数据	多个模拟研究（具体数量未说明）
2189	2025-09-02	Deep learning prediction of hospital readmissions for asthma and COPD 2023-Dec-13, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-023-02628-7 PMID:38093373	研究论文	本研究利用电子健康记录数据和深度学习模型预测哮喘和COPD患者的再入院风险	首次比较多种机器学习方法和一种深度学习方法在预测哮喘和COPD再入院方面的性能，并发现多层感知机具有最佳预测效果	研究为观察性设计，可能存在未测量的混杂因素	识别哮喘和COPD严重急性发作的电子健康记录特征，并评估机器学习模型预测再入院的性能	因哮喘和COPD急性发作住院的患者	机器学习	呼吸系统疾病	电子健康记录分析	多层感知机(MLP)和四种ML模型	结构化医疗数据	5,794名患者（1,893名哮喘，3,901名COPD），其中2,682名患者用于模型分析
2190	2025-09-02	Deep Learning Algorithms to Detect Murmurs Associated With Structural Heart Disease 2023-10-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.030377 PMID:37830333	研究论文	本研究评估了一种基于深度学习的心音分析算法，用于检测与结构性心脏病相关的心脏杂音	开发了FDA批准的深度学习算法套件，在超过15,000条心音记录上训练，能够区分收缩期和舒张期杂音	NA	通过机器学习改进心脏听诊，提高结构性心脏病的检测准确性	心脏杂音和结构性心脏病患者	机器学习	心血管疾病	深度学习	深度学习算法	音频（心音记录）	615名独特受试者的2375条心音记录
2191	2025-09-01	Accelerated free-breathing abdominal T2 mapping with deep learning reconstruction of radial turbo spin-echo data 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70017 PMID:40762149	研究论文	提出一种基于深度学习的加速自由呼吸腹部T2 mapping重建框架，用于从欠采样径向涡轮自旋回波数据中快速生成高质量解剖图像和准确T2图	开发了灵活的深度学习框架，支持全监督方式改善T2加权图像或自监督方式重建T2图，实现了仅需160个径向视图的快速采集与重建	NA	加速腹部自由呼吸T2 mapping，同时保持高质量解剖图像、准确T2图和快速重建时间	腹部（特别是肝脏）的磁共振成像数据	医学影像分析	NA	径向涡轮自旋回波序列，深度学习重建	深度学习框架	磁共振图像	回顾性和前瞻性欠采样数据（具体数量未明确说明）
2192	2025-09-01	Crucial rhythms and subnetworks for emotion processing extracted by an interpretable deep learning framework from EEG networks 2024-12-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae477 PMID:39707986	研究论文	提出一种结合注意力机制和领域对抗策略的深度学习框架，用于从EEG脑网络中提取可解释的特征以识别情绪状态	使用注意力机制增强关键节律和子网络对情绪识别的贡献，并通过领域对抗模块提升跨被试任务的泛化性能	NA	开发可解释的深度学习方法来识别情绪状态并揭示情绪处理机制	EEG脑网络	机器学习	NA	EEG	深度学习框架（含注意力机制和领域对抗策略）	EEG信号	SJTU Emotion EEG Dataset (SEED)及实验室记录的EEG数据
2193	2025-09-01	A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00419-7 PMID:39465112	综述	从感知质量角度系统回顾基于深度学习的低剂量CT去噪方法	聚焦感知质量提升，强调临床诊断偏好与现有客观指标局限性的对比分析	感知质量评估具有主观性，现有基准存在显著局限性	改善低剂量CT图像的感知质量以提升临床诊断价值	低剂量CT图像	计算机视觉	NA	深度学习	GAN	图像	NA
2194	2025-09-01	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	使用基于深度学习的多参数磁共振成像分析预测胶质母细胞瘤周围浸润及复发	结合专家知识与训练数据增强自动生成训练样本，无需依赖专家绘制的ROI进行模型训练	NA	预测胶质母细胞瘤的周围组织浸润及术后复发	胶质母细胞瘤患者	医学影像分析	胶质母细胞瘤	多参数磁共振成像(mpMRI)	深度学习	医学影像	229例患者的多机构数据
2195	2025-09-01	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	开发并验证了一种基于人工智能的智能手表心电图技术，用于检测心力衰竭伴射血分数降低	利用生成对抗网络从异步双导联心电图生成十导联心电图，再通过卷积神经网络检测HFrEF，实现了智能手表ECG的临床级应用	研究仅基于两家医院数据，外部验证和泛化能力有待进一步评估	开发人工智能驱动的智能手表心电图系统，用于非侵入性筛查心力衰竭	成年患者，特别是接受心电图和超声心动图检查的心脏病患者	医疗人工智能	心血管疾病	深度学习，心电图分析	GAN, CNN	心电图信号	医院A: 137,673名患者（458,745份ECG）用于模型开发；医院B: 755名患者用于验证
2196	2025-09-01	Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram 2022-03, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.08.004 PMID:34656465	研究论文	利用深度学习算法从心电图中同时识别左右心室功能障碍	首次开发能够从心电数据中全面量化左右心室功能障碍的深度学习模型，特别是填补了右心室功能评估工具的空白	模型性能在外部验证中略有下降（如LVEF 40%-50%分类AUC从0.82降至0.73），且依赖自然语言处理提取的超声心动图报告数据	开发基于心电图的深度学习工具，用于左右心室功能障碍的快速筛查和诊断	来自5家纽约医院的患者心电数据和超声心动图报告	机器学习	心血管疾病	深度学习，自然语言处理（NLP）	DL（深度学习模型）	心电图信号，文本报告	147,636名患者的715,890份心电图（左心室功能），148,227名患者的761,510份心电图（右心室功能）
2197	2025-09-01	Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.859310 PMID:35463778	研究论文	本研究首次在大规模数据库中评估基于深度学习的电影CMR分割模型在性别和种族方面的公平性	首次针对基于AI的电影心脏磁共振成像分割进行性别和种族偏见的系统性分析	研究基于UK Biobank数据库，该数据库种族不平衡（81%为白人）	评估深度学习模型在心脏MRI分割中是否存在性别和种族偏见	5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人）	医学影像分析	心血管疾病	心脏磁共振成像（CMR），深度学习分割	深度学习模型	医学影像	5,903名受试者的电影短轴CMR图像
2198	2025-08-31	Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30629 PMID:40626426	研究论文	提出一种基于直方图近似和循环神经网络的快速MR信号模拟方法，用于高效计算微血管结构和扩散效应	结合磁场不均匀性矩阵降维与深度学习，将MR信号模拟速度提升近13000倍	NA	解决微血管特征和扩散效应集成计算挑战，提升MRI技术（如fMRI BOLD建模和MR血管指纹识别）的估计精度	MR信号（特别是受磁化率效应影响的信号）	医学影像分析	NA	深度学习、磁场不均匀性矩阵降维、MR血管指纹识别（MRF）	循环神经网络（RNN）	MR信号数据	NA
2199	2025-08-31	Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features 2025-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112047 PMID:40811883	研究论文	本研究开发了一种基于EEG信号和深度学习的简化诊断模型，利用γ波段特征高效识别精神分裂症	通过优化EEGNet架构专注于γ波段特征，在保证高精度的同时显著降低模型复杂度和训练时间	NA	开发客观高效的精神分裂症诊断模型	精神分裂症患者和健康对照组的静息态EEG信号	机器学习	精神分裂症	EEG信号分析	EEGNet	脑电信号	采用留一交叉验证(LOSOCV)的受试者样本
2200	2025-08-31	Designing lipid nanoparticles using a transformer-based neural network 2025-Aug-15, Nature nanotechnology IF:38.1Q1 DOI:10.1038/s41565-025-01975-4 PMID:40817189	研究论文	本研究开发了一种基于Transformer神经网络的模型COMET，用于预测脂质纳米颗粒（LNPs）的性能，以加速RNA药物开发	首次将Transformer架构应用于多组分复合制剂LNP的性能预测，能够处理非标准配方并实现端到端预测	模型训练依赖于大规模数据集LANCE的构建，且对训练数据量有一定要求	通过深度学习优化脂质纳米颗粒配方设计，提高核酸药物递送效率	脂质纳米颗粒（LNPs）及其多组分配方	机器学习	NA	深度学习，Transformer神经网络	Transformer	化学配方数据，性能数据	大规模LNP数据集LANCE（具体数量未明确说明）