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
2201	2025-05-29	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	该研究利用半监督卷积神经网络和基于集成知识蒸馏的方法，对黑色素瘤的Breslow厚度进行分类	采用半监督学习和多教师集成知识蒸馏方法，提高了黑色素瘤分类任务的性能	研究依赖于多个数据集，可能存在数据异质性问题	开发一种自动深度学习诊断系统，支持医学专家对黑色素瘤的分类和Breslow厚度预测	黑色素瘤的dermoscopic图像	数字病理学	黑色素瘤	半监督学习、知识蒸馏	CNN	图像	四个不同来源的数据集
2202	2025-05-29	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	research paper	提出了一种轻量级的多尺度特征残差卷积神经网络（MFRC-Net）用于运动想象解码	结合了时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了轻量级模型的性能	未提及模型在其他数据集上的泛化能力	提高运动想象解码的准确性和降低计算资源需求	脑电图（EEG）信号	machine learning	NA	EEG信号处理	CNN	EEG信号	BCI Competition IV 2a数据集和SHU数据集
2203	2025-05-29	Data- and Physics-Driven Deep Learning Based Reconstruction for Fast MRI: Fundamentals and Methodologies 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3485022 PMID:39437302	综述	本文综述了利用数据和物理驱动模型加速MRI扫描的最新进展，包括算法展开模型、增强方法、即插即用模型以及生成模型方法	探讨了数据模型与物理基础的协同整合，包括多线圈硬件加速和采样模式优化，并提出了数据协调和联邦学习在MRI重建中的潜在作用	未提及具体实验数据或样本量，可能缺乏实证支持	提高MRI扫描速度，改善患者舒适度和图像质量	MRI扫描技术和图像重建方法	医学影像处理	NA	并行成像、同时多层成像	生成模型、算法展开模型	医学影像数据	NA
2204	2025-05-29	Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3486439 PMID:39453795	综述	本文全面回顾了解决心电图逆问题的方法、验证策略、临床应用及未来展望	将最先进的方法分为确定性和概率性两类，包括传统和基于深度学习的技术，并探讨了物理定律与深度学习模型结合的潜力	存在准确捕捉动态电生理、获取准确领域知识以及量化预测不确定性等挑战	推动心脏数字孪生（CDTs）的研究，解决心电图逆问题以重建心脏源并估计患者特异性电生理参数	心脏数字孪生（CDTs）和心电图（ECG）数据	数字病理学	心血管疾病	深度学习与传统计算方法的结合	深度学习模型	ECG数据	NA
2205	2025-05-29	A Survey of Few-Shot Learning for Biomedical Time Series 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3492381 PMID:39504299	综述	本文全面回顾和比较了生物医学时间序列应用中的少样本学习方法	探讨了少样本学习在克服生物医学时间序列数据标注稀缺方面的创新应用	讨论了少样本学习方法相对于传统数据驱动方法的临床局限性和挑战	旨在提供生物医学时间序列少样本学习的当前研究现状及其对未来研究和应用的启示	生物医学时间序列数据	机器学习	NA	少样本学习	NA	时间序列数据	NA
2206	2025-05-29	International multicenter validation of AI-driven ultrasound detection of ovarian cancer 2025-Jan, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03329-4 PMID:39747679	research paper	该研究开发并验证了基于transformer的神经网络模型，用于超声图像中卵巢癌的检测	首次在国际多中心验证了AI驱动的超声检测卵巢癌的模型，并展示了其超越人类专家的诊断性能	研究为回顾性研究，缺乏前瞻性验证	验证AI驱动的超声检测卵巢癌的模型性能	卵巢病变的超声图像	digital pathology	ovarian cancer	deep learning	transformer-based neural network	image	17,119张超声图像来自3,652名患者，覆盖20个中心的8个国家
2207	2025-05-29	DSTCNet: Deep Spectro-Temporal-Channel Attention Network for Speech Emotion Recognition 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3304516 PMID:37624721	research paper	提出了一种深度谱时通道注意力网络（DSTCNet）用于语音情感识别，通过整合谱时通道注意力模块提升情感表示能力	引入了谱时通道（STC）注意力模块，能够沿时间、频率和通道维度推断3D注意力图，更关注关键时间帧、频率范围和特征通道区域	未明确讨论模型在跨语种或噪声环境下的泛化能力	提升语音情感识别的表示学习能力	语音情感信号	natural language processing	NA	深度学习	CNN with STC attention modules	语音频谱图	Berlin EmoDB和IEMOCAP数据库
2208	2025-05-29	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于医学图像处理	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，并引入了半监督机制	未明确提及具体局限性	提高医学图像检测的效率和准确性，特别是在内窥镜检测中	结肠镜和喉镜数据	数字病理	NA	半监督学习，集成学习	Al-Adaboost, RAM (循环注意力模型)	医学图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据
2209	2025-05-29	Contrastive Registration for Unsupervised Medical Image Segmentation 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332003 PMID:37983143	研究论文	提出了一种基于对比学习的无监督医学图像分割方法CLMorph，通过图像级配准和特征级对比学习实现分割	首次将对比学习机制嵌入配准架构，提升了网络在特征层面的判别能力	虽然优于现有无监督方法，但精度仍可能低于有监督的最先进方法	解决医学图像标注成本高的问题，开发无监督分割技术	医学图像	数字病理	NA	对比学习	CNN	医学图像	两个主要医学图像数据集（未说明具体样本量）
2210	2025-05-29	Beyond genomics: artificial intelligence-powered diagnostics for indeterminate thyroid nodules-a systematic review and meta-analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1506729 PMID:40391010	系统综述与荟萃分析	本文综述了人工智能在不确定甲状腺结节诊断中的应用，并进行了荟萃分析	探讨了人工智能在不依赖基因组测序分类器的情况下诊断不确定甲状腺结节的潜力	研究开发的模型在目前状态下不适合临床实施，或缺乏稳健的独立外部验证	分析人工智能在不使用基因组测序分类器的情况下诊断不确定甲状腺结节的现有证据	不确定甲状腺结节（ITN）	数字病理	甲状腺疾病	超声检查（USG）、自然语言处理	机器学习和深度学习架构	影像数据、文本数据	7项研究中的20个模型，荟萃分析包含15个模型的16个AUC结果
2211	2025-05-29	Toward Transparent Deep Image Aesthetics Assessment With Tag-Based Content Descriptors 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3308852 PMID:37647188	研究论文	本文提出了一种基于标签内容描述符（TCDs）的透明深度学习框架，用于图像美学评估（IAA）	引入可解释的语义特征（TCDs），通过显式和隐式匹配过程描述图像内容，提高模型透明度	预定义标签可能不足以描述所有可能的图像内容	开发一个更透明的深度学习框架用于图像美学评估	图像美学评估模型	计算机视觉	NA	深度学习	MLP	图像	5101张带有摄影相关标签的图像
2212	2025-05-29	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39808513	research paper	本研究开发了一种深度学习AI算法，通过眼底照片预测视神经炎亚型，以辅助疑似患者的诊断评估	首次利用深度学习AI算法从眼底照片中区分多发性硬化相关视神经炎与其他亚型视神经炎	样本量相对较小，且为回顾性研究，未来需要扩大数据集并结合临床和辅助检查指标优化模型	开发AI算法早期区分不同亚型视神经炎以指导临床治疗决策	视神经炎患者（多发性硬化相关亚型与非多发性硬化相关亚型）的眼底照片	digital pathology	neuromyelitis optica spectrum disorders	deep learning	CNN	image	321名患者的1599张眼底照片（MS ON组262人/1114张，非MS ON组59人/485张）
2213	2025-05-29	Mining and rational design of psychrophilic catalases using metagenomics and deep learning models 2024-Dec, Applied microbiology and biotechnology IF:3.9Q2 DOI:10.1007/s00253-023-12926-1 PMID:38175233	研究论文	通过宏基因组学和深度学习模型挖掘和理性设计嗜冷过氧化氢酶	利用宏基因组测序和深度学习模型Preoptem预测并验证了一种新型嗜冷过氧化氢酶soiCAT1，并通过定点突变技术成功扩展了其最适温度范围	soiCAT1的最适温度范围仍然较窄，仅从4°C扩展到20°C	挖掘和理性设计具有更广温度适应范围的嗜冷过氧化氢酶	从土壤样本中获得的嗜冷过氧化氢酶soiCAT1及其突变体	生物信息学	NA	宏基因组测序、深度学习模型Preoptem、定点突变	深度学习模型Preoptem	基因序列数据、酶活性数据	从土壤样本中挖掘的多个潜在过氧化氢酶基因
2214	2025-05-29	Self-Powered, Flexible, Wireless and Intelligent Human Health Management System Based on Natural Recyclable Materials 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02186 PMID:39436357	research paper	该研究设计了一种基于天然可回收材料的自供电、柔性、无线智能健康管理系统，用于人体运动识别和睡眠呼吸异常的早期预警	通过将丝瓜导电石墨四摩擦层增强的摩擦纳米发电机（LG-TENG）与深度学习模型结合，实现了高精度的运动分析和睡眠呼吸监测	NA	开发一种基于天然可回收材料的自供电健康管理系统，用于肥胖引起的慢性疾病的监测和干预	肥胖引起的慢性疾病（如阻塞性睡眠呼吸暂停、II型糖尿病、心血管疾病和阿尔茨海默病）患者	物联网与大数据	肥胖相关慢性疾病	摩擦纳米发电机（TENG）技术	深度学习模型	运动信号和呼吸信号	三个个体的七种位移速度类别
2215	2025-05-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究整合空间转录组学和单核RNA测序数据，增强了对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	结合空间转录组学(ST)和单核RNA测序(snRNA-seq)数据，提高了空间信息和细胞类型特异性差异基因表达(DGE)分析的效力，发现了传统方法无法检测到的与阿尔茨海默病相关的基因和通路	研究依赖于推断的空间位置信息，可能不如直接测量的空间数据准确	增强对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	阿尔茨海默病相关的β-淀粉样蛋白、缠结密度和认知衰退表型	生物信息学	阿尔茨海默病	空间转录组学(ST)、单核RNA测序(snRNA-seq)	深度学习工具CelEry、线性混合回归模型	基因表达数据	436个死后大脑的背外侧前额叶皮层(DLPFC)组织的约150万个细胞
2216	2025-05-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-11-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	research paper	介绍了一种名为ChromaFold的深度学习模型，能够从单细胞ATAC测序数据预测3D接触图谱	ChromaFold仅需scATAC-seq数据即可预测3D接触图谱，包括调控相互作用，且在性能上达到领先水平	模型依赖于配对scATAC-seq和Hi-C数据进行训练，可能限制了其在没有Hi-C数据情况下的应用	开发一个能够从单细胞染色质可及性数据预测3D接触图谱的深度学习模型	人类和小鼠的测试细胞类型	machine learning	NA	scATAC-seq, Hi-C	deep learning model	genomic data	人类和小鼠的测试细胞类型
2217	2025-05-29	Automated detection and de novo structure modeling of nucleic acids from cryo-EM maps 2024-10-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53721-4 PMID:39477926	research paper	提出了一种基于深度学习的自动化方法EM2NA，用于从冷冻电镜图谱中准确检测和从头建模核酸结构	EM2NA方法在<5 Å分辨率的冷冻电镜图谱中实现了DNA/RNA结构的从头建模，性能优于现有方法	NA	提高从冷冻电镜图谱中确定DNA/RNA结构的准确性	DNA/RNA结构	structural biology	NA	cryo-EM, deep learning	deep learning-based method	cryo-EM maps	50个实验图谱（2.0-5.0 Å分辨率）和263个未建模原始图谱
2218	2025-05-29	Predictive models and applicability of artificial intelligence-based approaches in drug allergy 2024-Aug-01, Current opinion in allergy and clinical immunology IF:3.0Q3 DOI:10.1097/ACI.0000000000001002 PMID:38814733	review	本文综述了预测模型和人工智能在药物过敏诊断中的潜在应用	探讨了人工智能技术（如机器学习和深度学习）在药物过敏诊断中的新兴应用	现有的药物过敏预测模型较少，且多采用逻辑回归分析，缺乏多样性	评估预测模型和人工智能在药物过敏诊断和管理中的效用	药物过敏患者	machine learning	drug allergy	machine learning, deep learning, artificial neural networks	logistic regression, artificial neural networks	clinical data	NA
2219	2025-05-29	FedAssist: Federated Learning in AI-Powered Prosthetics for Sustainable and Collaborative Learning 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781961 PMID:40039020	研究论文	本文探讨了联邦学习在开发深度学习驱动的表面肌电信号解码方法中的应用，用于AI控制的假肢	提出了FedAssist框架，通过本地和全局预热策略，有效解决了sEMG数据集的非独立同分布问题	未提及具体样本量或实验规模	推进去中心化机器学习方法在sEMG领域的应用，提高假肢精度和康复效果	AI控制的假肢	机器学习	NA	联邦学习	深度学习	表面肌电信号(sEMG)	NA
2220	2025-05-29	Multi-class Prediction of Cognitively Normal / Mild Cognitive Impairment / Alzheimer's Disease Status in Dementia Based on Convolutional Neural Networks with Attention Mechanism 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781557 PMID:40039646	研究论文	开发了一个基于MRI和深度学习的多类别阿尔茨海默病分类预测框架	在传统VGG19架构中嵌入卷积块注意力模块（CBAM）注意力层，构建了名为AD_Net的阿尔茨海默病定向预测3D卷积模型	未明确说明模型在其他独立数据集上的泛化能力	阿尔茨海默病的早期诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者	数字病理学	阿尔茨海默病	MRI成像	CNN（VGG19架构改进）与注意力机制结合	MRI图像	来自ADNI开放数据资源的MRI图像（具体数量未说明）