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	2025-05-11	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究通过结合多传感器肌电图数据、修订版NIOSH提升方程和深度学习技术，对重复性提升任务中的生物力学风险进行分类	整合可穿戴EMG传感器与深度学习模型，实现精确、实时和动态的风险评估，显著提升工作场所安全协议	研究样本量较小（25名参与者），可能影响模型的泛化能力	准确评估重复性提升任务的生物力学风险，以改善职业工效学和风险管理	25名参与者在执行重复性提升任务时的肌肉活动数据	机器学习	肌肉骨骼疾病	肌电图(EMG)	CNN, MLP, LSTM	时间序列肌电图数据	25名参与者，超过700万个数据点
222	2025-05-11	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	research paper	该研究利用深度学习模型自动测量肾脏总体积（TKV），以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator应用于标准CT图像的TKV自动测量，并证明其优于早期eGFR变化在预测肾功能恶化方面的性能	研究为回顾性设计且样本量有限（121例患者），未评估长期肾功能结局	寻找预测转移性去势抵抗性前列腺癌患者接受Lu-PSMA-I&T治疗后肾功能显著恶化的生物标志物	接受至少4个周期177Lu-PSMA-I&T治疗的转移性去势抵抗性前列腺癌患者	digital pathology	prostate cancer	CT成像	nnU-Net框架的深度学习分割模型（TotalSegmentator）	医学影像（CT图像）	121例患者（平均年龄76±7岁）
223	2025-05-11	Inherently imperfect, inherently evolving - The pursuit of precision through biomarkers 2025-Feb, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100839 PMID:40015558	review	本期生物医学期刊特辑聚焦癌症生物标志物研究，探讨多种生物标志物在癌症检测和管理中的应用，并涵盖其他医学领域的研究进展	介绍了多种新型生物标志物（如cfDNA、粪便miRNA、EB病毒DNA等）在多种癌症中的应用，以及深度学习在创伤成像和心电图预测死亡率中的进展	文章为综述性质，未涉及具体实验设计和样本量的详细信息	探讨生物标志物在癌症检测和管理中的应用，以及医学其他领域的最新研究进展	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）、mpox社会污名、miRNA研究、创伤成像、蛔虫感染、自身免疫性肝炎等	数字病理学	多种癌症（结直肠癌、卵巢癌、鼻咽癌、肝细胞癌等）	LC-MS、深度学习	深度学习模型	生物标志物数据、医学影像、心电图	NA
224	2025-05-11	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	review	本文综述了基于深度学习的微创手术器械分割方法，并探讨了其研究进展与前景	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了基于Segment Anything Model的方法	深度学习方法对数据要求极高，当前数据增强方法仍需探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械的分割方法	computer vision	NA	深度学习	Segment Anything Model	image	NA
225	2025-05-11	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	使用深度学习超分辨率技术从厚层CT生成薄层CT图像，显著提高了肺结节分类的准确性	未提及该方法在不同类型CT扫描仪或不同分辨率下的泛化能力	提高肺结节体积测量和分类的准确性，以改善肺癌筛查程序的诊断效果	肺结节的体积测量和分类	数字病理	肺癌	CT扫描	深度学习	CT图像	未明确提及具体样本数量
226	2025-05-11	NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review 2025-Jan-27, Genes IF:2.8Q2 DOI:10.3390/genes16020161 PMID:40004490	系统综述	本文系统综述了NETest在胃肠胰神经内分泌肿瘤（GEP-NETs）诊断和预后分层中的应用	NETest是一种基于实时PCR结合深度学习策略的工具，专门用于识别具有神经内分泌基因型的肿瘤	NETest在某些研究中显示出低特异性，主要归因于与其他胃肠恶性肿瘤的干扰	评估NETest在GEP-NETs诊断和预后中的临床应用价值	胃肠胰神经内分泌肿瘤（GEP-NETs）	数字病理学	胃肠胰神经内分泌肿瘤	实时PCR和深度学习	NA	分子生物学数据	五项研究评估诊断作用，九项研究评估预后价值
227	2025-05-11	Improving spleen segmentation in ultrasound images using a hybrid deep learning framework 2025-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85632-9 PMID:39799236	研究论文	本文介绍了一种用于超声图像中脾脏分割的新方法，采用两阶段训练方法	结合SegFormer和Pix2Pix的优势，提出了一种混合深度学习方法，显著提高了脾脏分割的准确性	NA	提高超声图像中脾脏分割的准确性	脾脏超声图像	计算机视觉	NA	深度学习	SegFormerB0和Pix2Pix	超声图像	450张脾脏超声图像（Spleenex数据集）
228	2025-05-11	Semi-Supervised Learning Allows for Improved Segmentation With Reduced Annotations of Brain Metastases Using Multicenter MRI Data 2025-Jan-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29686 PMID:39792624	研究论文	本研究探讨了半监督学习在脑转移瘤分割中的应用，以减少对大量标注数据的依赖	采用半监督学习方法（包括mean teacher、cross-pseudo supervision和interpolation consistency training）结合U-Net架构，显著提高了脑转移瘤的分割性能，特别是在标注数据较少的情况下	研究为回顾性设计，且未在所有数据集上均表现出优于全监督模型的性能	测试半监督学习在脑转移瘤MRI分割中的可行性和效果	脑转移瘤患者的多中心MRI数据	数字病理	脑转移瘤	MRI（包括2D和3D T1加权对比前后成像及FLAIR序列）	U-Net	医学影像	156、65、324和200例来自四个机构的标注扫描，以及519例来自单一机构的未标注扫描
229	2025-05-11	Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55422-4 PMID:39747859	研究论文	使用深度学习和全基因组关联分析研究英国生物库中骨髓脂肪组织的遗传决定因素	首次应用深度学习技术测量骨髓脂肪含量，并通过大规模GWAS分析揭示其遗传基础	研究主要基于英国生物库数据，可能不适用于其他人群	探究骨髓脂肪组织的遗传决定因素及其与人类健康和疾病的关系	约47,000名英国生物库参与者的MRI扫描数据	机器学习	NA	深度学习，GWAS，转录组关联分析	深度学习	MRI图像	约47,000名参与者（41,000名白种人和6,300名非白种人）
230	2025-05-11	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	research paper	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	未提及具体的研究局限性	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	digital pathology	oral cancer	AI, deep learning, machine learning	CNN	image	NA
231	2025-05-11	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	本文报告了针对南德克萨斯阿尔茨海默病研究中心尸检库进行的首次形态计量学分析	开发了专门用于处理尸检MRI序列的处理流程，并解决了尸检神经影像学中的多个挑战，如脑组织与固定液的分离、更新的脑图谱需求以及脑固定引起的组织对比度变化	区域脑容量在尸检扫描中难以测量	研究阿尔茨海默病及相关痴呆症的神经病理学过程	尸检脑组织样本	数字病理学	阿尔茨海默病	MRI	Deep Learning	MRI扫描图像	200个脑捐赠样本和100个经过整理的MRI扫描会话
232	2025-05-11	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	本研究提出了一种新型混合呼吸机压力预测器（H-VPP），用于预测呼吸机呼吸回路中的气道压力	提出了一种新型混合呼吸机压力预测器（H-VPP），其性能优于其他机器学习和深度学习模型	未提及具体的研究样本量或数据集的详细信息	精确预测呼吸机压力，以减少因压力不当导致的患者风险	COVID-19患者使用的呼吸机	机器学习	COVID-19	投票回归器	H-VPP	时间序列数据	NA
233	2025-05-11	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	research paper	本研究通过深度学习技术评估中风后遗症及康复效果，特别关注脑损伤区域的精确识别与追踪	引入了基于深度学习的先进神经影像技术SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	未提及具体局限性	克服传统方法在中风后遗症评估和康复效果监测中的局限性，提高脑损伤区域的精确识别与追踪	中风后遗症患者及脑损伤区域	digital pathology	stroke	neuroimaging technique, multimodal MRI scans	SWI-BITR-UNet, 3D CNN, SWIN Transformer, U-Net	3D medical imaging data	Bra2020数据集
234	2025-05-11	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了Bi-LSTM网络以提高检测准确率	结合手工特征提取和深度学习（Bi-LSTM网络）的方法，显著提高了肺癌检测的准确率	未提及具体的数据来源和样本多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确率，优化计算机辅助诊断系统	肺癌的医学图像特征	计算机视觉	肺癌	Gray Level Co-occurrence Matrix (GLCM)特征提取，支持向量机(SVM)，深度学习	Bi-LSTM, SVM	医学图像	NA
235	2025-05-11	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	research paper	提出了一种基于分布外检测的心电图信号可信诊断方法	结合CNN和注意力机制增强特征提取，利用Energy和ReAct技术识别分布外心脏病，提高诊断可信度	未提及具体样本量外的其他潜在限制	提升心电图信号诊断的准确性和可信度，特别是对未知心脏病的识别	心电图信号	machine learning	cardiovascular disease	Energy and ReAct	CNN with Attention mechanisms	ECG signals	MIT-BIH Arrhythmia Database and INCART 12-lead Arrhythmia Database
236	2025-05-11	Chinese medical named entity recognition utilizing entity association and gate context awareness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319056 PMID:39999103	研究论文	该研究提出了一种结合实体关联和门控上下文感知的中文医学命名实体识别方法	采用RoBERTa-wwm-ext预训练模型提取上下文特征，结合RNN和多头注意力机制捕捉实体间依赖关系，提高了识别准确率	未明确提及方法在更广泛医学文本或跨语言场景中的适用性	提升中文医学文本中命名实体识别的效率和准确性	中文医学文本中的命名实体	自然语言处理	NA	RoBERTa-wwm-ext预训练模型, RNN, 多头注意力机制, 条件随机场	RoBERTa-wwm-ext, RNN, 多头注意力机制	文本	MCSCSet和CMeEE数据集
237	2025-05-11	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	本文提出了一种基于异构图注意力神经网络的作者姓名消歧方法，以提高论文作者分配的准确性	引入了异构图注意力神经网络，结合多注意力机制，改进了传统的层次聚类方法，能够自动确定最佳k值	未提及具体的数据集局限性或模型在其他数据集上的泛化能力	解决作者姓名消歧问题，提高论文作者分配的准确性和效率	学术论文作者	自然语言处理	NA	异构图注意力神经网络	GNN	文本	Aminer数据集
238	2025-05-11	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本研究探讨了在包含线状结构（如根或血管）的MR图像去噪中，使用未经训练的感知损失（uPL）的效果	将感知损失应用于3D数据，并通过比较未经训练网络的特征图来优化损失函数，展示了在多种噪声水平和网络架构下的优越性能	研究仅针对包含线状结构的MR图像，未涉及其他类型的图像或噪声	探索在MR图像去噪中，针对线状结构特性优化的损失函数的有效性	MR图像中的线状结构（如脑部血管和植物根部）	数字病理学	NA	深度学习	CNN	3D图像	536张植物根部MR图像和450张脑部血管MR图像（MRA）
239	2025-05-11	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究开发了一种基于nnUNetv2框架并结合自动编码器架构的新型深度学习模型，用于提高头颈癌MRI引导放疗图像中肿瘤体积的自动分割准确性	在nnUNetv2框架中引入自动编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提高分割精度	研究仅针对头颈癌患者，样本量相对有限（150名训练患者和50名测试患者）	提高MRI引导放疗图像中肿瘤体积的自动分割准确性，优化放射肿瘤学临床工作流程	头颈癌患者的MRI引导放疗图像	数字病理学	头颈癌	MRI	nnUNetv2结合自动编码器	医学图像	150名训练患者和50名测试患者
240	2025-05-11	A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558725 PMID:40342359	research paper	提出了一种基于新型超参数优化技术的深度学习模型，用于更准确地分类阿尔茨海默病的不同阶段	使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题	未提及具体的数据集大小或计算资源限制的详细情况	通过深度学习技术提高阿尔茨海默病不同阶段的分类准确性	阿尔茨海默病的不同阶段	machine learning	geriatric disease	hyperparameter optimization	ResNet152V2	image	NA