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
221	2025-05-12	Automatic segmentation and quantitative analysis of brain CT volume in 2-year-olds using deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573060 PMID:40343184	研究论文	本研究开发了一种使用ResU-Net深度学习模型自动分割2岁儿童脑部CT图像的方法，并量化特定脑区体积，建立临床和研究应用的参考数据库	首次在2岁儿童脑CT图像中应用ResU-Net模型进行自动分割和体积量化，建立了该年龄段的标准参考数据库	研究仅纳入放射学表现正常的儿童样本，未涵盖异常或疾病状态	开发儿童脑CT图像的自动分割方法并建立标准体积参考值	2岁健康儿童的脑部CT图像	数字病理	NA	CT成像	ResU-Net, 3D U-Net	医学影像	1,487例2岁儿童头部CT扫描（训练集1,041例，测试集446例）
222	2025-05-12	High-yield spidroin mimics for bioinspired fibers via computational design 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1587546 PMID:40343205	研究论文	通过计算设计高产的蜘蛛丝蛋白模拟物，用于仿生纤维的生产	结合深度学习和生物工程技术，设计出适合原核表达的水溶性、富含β-折叠的蜘蛛丝蛋白模拟物，克服了传统表达系统的瓶颈	NA	解决蜘蛛丝蛋白在大规模生产中的表达难题，推动高性能仿生纤维的应用	蜘蛛丝蛋白模拟物	生物工程	NA	深度学习、生物工程、静电纺丝、粗粒化分子动力学模拟	NA	NA	设计了五种功能性蜘蛛丝蛋白，并在原核系统中表达，产量高达0.99克/升
223	2025-05-12	Brain tumor classification using MRI images and deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322624 PMID:40344143	research paper	本研究开发了一种基于深度学习和MRI图像的自动化脑肿瘤分类系统	采用预训练的VGG16作为基础模型的CNN架构，结合数据增强技术和微调策略，实现了99.24%的高准确率	未提及模型在临床环境中的实际应用效果验证	开发一个能够准确检测和分类不同类型脑肿瘤的模型	脑MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常脑扫描	digital pathology	brain tumor	MRI	CNN (VGG16)	image	17,136张脑MRI图像
224	2025-05-12	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	该研究利用预训练的卷积神经网络通过声音样本的声谱图图像识别帕金森病	采用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，并在更大带宽的智能手机录音数据集上验证性能	电话线录音带宽有限可能影响特征提取	自动检测帕金森病	帕金森病患者的声音样本	数字病理学	帕金森病	声谱图分析	CNN（卷积神经网络）	图像（声谱图）	两个不同录音平台（电话线和智能手机）生成的声音数据集
225	2025-05-12	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究优化了ISDra2 TnpB系统用于哺乳动物细胞基因组编辑，并开发了深度学习模型预测ωRNAs活性	优化了ISDra2 TnpB系统（TnpBmax），编辑效率平均提高4.4倍，开发了K76位点突变变体以识别替代TAMs，扩展了ISDra2 TnpB的靶向范围，并开发了深度学习模型TEEP预测ωRNAs活性	NA	优化TnpB系统以提高基因组编辑效率并扩展其应用范围	ISDra2 TnpB系统及其在哺乳动物细胞中的应用	基因组编辑	NA	基因组编辑，深度学习	深度学习模型（TEEP）	基因组编辑效率数据	10,211个目标位点的编辑效率数据
226	2025-05-12	Precision in Prevention and Health Surveillance: How Artificial Intelligence May Improve the Time of Identification of Health Concerns through Social Media Content Analysis 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800736 PMID:40199301	研究论文	探讨人工智能通过社交媒体内容分析如何提升预防和健康监测的精确性	利用AI技术分析社交媒体数据，提高健康问题的及时性和准确性识别	需解决伦理和隐私问题以确保负责任和有效的实施	提升预防和健康监测的精确性	社交媒体内容	自然语言处理	NA	机器学习、自然语言处理(NLP)、深度学习	transformer-based topic modelling、federated learning	文本	89篇文章，最终筛选10篇相关研究
227	2025-05-12	Year 2023 in Biomedical Natural Language Processing: a Tribute to Large Language Models and Generative AI 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800751 PMID:40199311	综述	本文回顾了2023年生物医学自然语言处理领域的研究进展，重点介绍了大型语言模型和生成式AI的应用	总结了2023年NLP领域的两篇最佳论文，分析了当前研究趋势，包括数据增强、领域特定模型适应和模型蒸馏等创新点	仅涵盖2023年发表的论文，可能无法反映更长期的研究趋势	评估2023年生物医学自然语言处理领域的研究进展和趋势	2023年发表的2,148篇生物医学NLP相关论文	自然语言处理	COVID-19, 癌症, 心理健康	ChatGPT, 大型语言模型	大型语言模型	社交媒体内容, 电子健康记录	2,148篇论文
228	2025-05-12	EEG Emotion Recognition Based on 3D-CTransNet 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/EMBC53108.2024.10782401 PMID:40031451	research paper	提出了一种基于3D-CTransNet的EEG情绪识别方法，用于解决传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题	采用混合CNN-Transformer结构（3D-CTransNet），引入自注意力机制和平行模式，提高了识别精度和处理速度	未提及具体局限性	改进脑机接口深度学习模型，提升EEG信号中复杂特征的识别能力	EEG信号	脑机接口	NA	EEG信号处理	CNN-Transformer混合结构（3D-CTransNet）	3D数据	公共数据集DEAP
229	2025-05-12	An Attention-Based Hybrid Deep Learning Approach for Patient-Specific, Cross-Patient, and Patient-Independent Seizure Detection 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/EMBC53108.2024.10782346 PMID:40031456	研究论文	提出了一种基于注意力机制的混合深度学习方法，用于患者特异性、跨患者和患者独立的癫痫发作检测	结合1D CNN、MLSTM和多注意力层（MAT）的混合深度学习框架，能够同时提取空间和时间特征，并进行特征融合	方法在临床应用中可能面临新患者数据适应性的挑战	开发一种适用于不同患者群体的自动癫痫发作检测方法	癫痫患者的EEG数据	机器学习	癫痫	EEG信号分析	1D CNN, MLSTM, 多注意力层（MAT）	EEG信号数据	CHB-MIT EEG数据集
230	2025-05-12	Multi-dataset Collaborative Learning for Liver Tumor Segmentation 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/EMBC53108.2024.10781844 PMID:40031465	研究论文	提出一种利用外部公开数据集进行MRI肝脏和肿瘤分割的多数据集协作学习方法	采用伪标签、非配对图像到图像转换和自集成学习技术，显著提升了肝脏和肿瘤分割的性能	依赖于外部数据集的可用性，且未明确说明数据集的规模和多样性	提高MRI肝脏和肿瘤自动分割的准确性和鲁棒性	MRI肝脏和肿瘤图像	数字病理	肝癌	伪标签、非配对图像到图像转换、自集成学习	nnU-Net	MRI图像	NA
231	2025-05-12	EEG-Based Tension Recognition Annotated with Electrodermal Activity 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/EMBC53108.2024.10782145 PMID:40031475	research paper	提出了一种通过整合皮肤电活动（EDA）和脑电图（EEG）数据来精确标注情绪的新方法	利用EDA作为情绪唤醒的心理生理标记，为EEG数据提供高唤醒和低唤醒的精确标注	现有标注方法通常为整个视频分配统一标签，忽略了观看过程中受试者情绪唤醒的变化	提高情绪EEG数据集的标注精确度，增强情绪识别的准确性	情绪EEG数据集	machine learning	NA	electrodermal activity (EDA), EEG	machine learning, deep learning	EEG数据	初始训练集中的71.75%数据
232	2025-05-12	Channel Stacking: A Rapid Classification Method for Parkinson's Disease Based on EEG Data 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/EMBC53108.2024.10782619 PMID:40031483	research paper	本文介绍了一种名为'通道堆叠'的技术，用于基于脑电图数据准确识别帕金森病	提出'通道堆叠'技术，结合多通道信息为模型准备输入信号，使深度学习架构能高效捕获跨通道信息	NA	开发一种快速分类方法，用于帕金森病的准确识别	帕金森病患者	machine learning	帕金森病	EEG	ResNet18	EEG信号	NA
233	2025-05-12	RTA-Former: Reverse Transformer Attention for Polyp Segmentation 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/EMBC53108.2024.10782181 PMID:40031481	研究论文	本文提出了一种名为RTA-Former的新型网络，用于提高息肉分割的边缘准确性	创新性地在解码器中采用了反向注意力机制与Transformer阶段相结合的方法	未提及具体的局限性	提高基于Transformer的息肉分割准确性，以改善临床决策和患者结果	息肉分割	计算机视觉	结直肠癌	深度学习	Transformer, RTA-Former	图像	五个息肉分割数据集
234	2025-05-12	Automated Basilar Artery Lumen Segmentation for High Resolution in Black Blood MRI 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/EMBC53108.2024.10781514 PMID:40031485	研究论文	开发了一种自动图像分割技术，用于在基底动脉的黑血MR血管壁图像中检测管腔和壁边界	利用Detectron2/Mask RCNN深度学习模型实现基底动脉管腔和壁的自动分割，通过迁移学习有效标记薄血管结构	研究数据集较小，仅包含26个MRI扫描	开发自动化图像分割技术以评估基底动脉疾病的管腔形状和壁厚	基底动脉的管腔和壁	数字病理学	脑血管疾病	黑血MR血管壁成像	Detectron2/Mask RCNN	MRI图像	26个MRI扫描（20个用于训练，6个用于测试），169个基底动脉横截面图像
235	2025-05-12	Via Multi-attention Guided UNet for Thyroid Nodule Segmentation of Ultrasound Images 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/EMBC53108.2024.10782780 PMID:40031497	research paper	提出了一种多注意力引导的UNet（MAUNet）用于甲状腺结节超声图像分割	引入了多尺度交叉注意力（MSCA）模块和双注意力（DA）模块，减少了结节形状和大小对分割结果的影响	未提及具体的数据集大小或多样性限制	提高甲状腺结节超声图像分割的准确性	甲状腺结节超声图像	computer vision	thyroid disease	deep learning	UNet with multi-attention modules	ultrasound images	多中心超声图像，来自17家医院
236	2025-05-12	A Method of Cross-Subject Transfer Learning for Ultra Short Time SSVEP Classification 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/EMBC53108.2024.10782593 PMID:40031504	研究论文	提出了一种名为CSA-GSDANN的新方法，用于超短时间SSVEP分类的跨主体迁移学习	结合了全局注意力机制(GAM)和优化的SSVEPNet以及预训练方法CSA，采用领域对抗神经网络(DANN)框架，显著提高了超短时间输入场景下的SSVEP特征提取性能	仅在包含12个受试者的IMUT数据集上进行了评估，样本量相对较小	提高超短时间(小于0.2秒)SSVEP分类的准确性和信息传输率(ITR)	稳态视觉诱发电位(SSVEP)和脑机接口(BCIs)	脑机接口	NA	迁移学习，领域对抗神经网络(DANN)	SSVEPNet，约束卷积网络	脑电图(EEG)数据	12名受试者的IMUT数据集
237	2025-05-12	A Multi-branch Attention-based Deep Learning Method for ALS Identification with sMRI Data 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/EMBC53108.2024.10782847 PMID:40031506	research paper	提出一种基于多分支注意力的深度学习方法，用于利用sMRI数据识别肌萎缩侧索硬化症（ALS）	采用多分支框架提取脊髓各层次的通用特征，并结合注意力模块和多尺度模块，以更关注轴向平面中脊髓的重要区域	NA	提高利用脊髓sMRI数据识别ALS的准确性和效率	脊髓的结构性磁共振成像（sMRI）数据	digital pathology	肌萎缩侧索硬化症（ALS）	sMRI	多分支注意力深度学习模型	image	NA
238	2025-05-12	STFormer: Learning to Explore Spot Relationships for Spatial Transcriptomics Prediction from Histology of Colorectal Cancer 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/EMBC53108.2024.10782295 PMID:40031511	research paper	提出了一种名为STFormer的深度学习方法，用于从结直肠癌组织学预测空间转录组学数据	引入了Style-Aug模块增强特征泛化能力，以及Cross-WSI Transformer模块有效捕捉跨WSI的spot关系	未明确提及具体局限性	开发一种更准确预测空间转录组学数据的深度学习方法	结直肠癌组织学数据和空间转录组学数据	digital pathology	colorectal cancer	deep learning	Transformer	image (Whole Slide Image) and gene expression data	内部和外部数据集（具体数量未提及）
239	2025-05-12	Biologically Interpretable Model for Precise Recurrence Prediction of Non-Small Cell Lung Cancer 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/EMBC53108.2024.10782336 PMID:40031520	research paper	提出了一种名为BioPAN的新型生物信息通路感知神经网络，用于非小细胞肺癌（NSCLC）的精确复发预测	通过自动提取生物先验知识指导DNN模型架构，设计了一个基因-通路-生物过程-疾病的统一架构，赋予每个神经元实体意义，实现完全可解释的NSCLC复发预测	未提及具体样本量或数据集的局限性	提高非小细胞肺癌术前复发预测的精确性和临床适用性	非小细胞肺癌（NSCLC）患者	digital pathology	lung cancer	deep learning	Biologically Informed Pathway-Aware Neural Network (BioPAN)	genomic data	NA
240	2025-05-12	Instance-Wise MRI Reconstruction Based on Self-Supervised Implicit Neural Representation 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/EMBC53108.2024.10781752 PMID:40031522	research paper	提出了一种基于自监督隐式神经表示的MRI重建方法，仅需单个欠采样MRI实例进行训练	首次提出完全自监督的隐式神经表示方法，无需全采样MRI图像进行训练，并在图像和频域引入多种新型监督信号	方法性能尚未在多种MRI模态或大规模临床数据上进行验证	开发无需全采样监督的MRI加速重建方法	欠采样MRI图像	医学影像重建	NA	隐式神经表示	隐式神经表示模型	MRI图像	单个欠采样MRI实例