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
2961	2025-04-03	Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1745 PMID:40160653	研究论文	本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用	本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处	NA	强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性	骨放射学图像数据集	计算机视觉	NA	深度学习，可解释人工智能（XAI）	DenseNet201等深度学习神经网络	图像	两个骨放射学图像数据集
2962	2025-04-03	A multi-scale pyramid residual weight network for medical image fusion 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-851 PMID:40160660	research paper	提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息	提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息	未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证	改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量	医学图像（如SPECT-MRI、PET-MRI、MRI-CT等）	digital pathology	NA	CNN-based image fusion	CNN (LYWNet)	image	NA
2963	2025-04-03	Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1412 PMID:40160671	研究论文	本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分	首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用	模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间	通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担	肺栓塞患者	数字病理学	肺栓塞	CTPA	VB-Net结合Transformer	医学影像	2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证
2964	2025-04-03	Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms 2025-Mar-03, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.01.253 PMID:40043857	research paper	本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用	利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下	训练数据集的多样性受限，且AI系统的'黑箱'性质可能影响其可解释性和临床医生的信任	探索人工智能在上消化道内窥镜诊断中的潜在应用，以提高早期癌症检测和治疗规划的有效性	巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病	digital pathology	esophageal and gastric neoplasms	deep learning, convolutional neural networks	CNN	image	NA
2965	2025-04-03	Scanner-based real-time three-dimensional brain + body slice-to-volume reconstruction for T2-weighted 0.55-T low-field fetal magnetic resonance imaging 2025-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06165-x PMID:39853394	research paper	该研究开发了一种基于深度学习的自动化流程，用于0.55-T低场胎儿MRI的T2加权三维脑部和身体重建，并通过Gadgetron框架直接集成到扫描过程中	首次实现了低场0.55-T MRI的自动化SVR运动校正方法，并直接集成到扫描仪环境中实现实时重建	研究样本量较小（前瞻性测试仅12例），且仅针对0.55-T低场MRI系统	开发并验证一种可直接集成到扫描仪环境中的自动化SVR运动校正方法，用于低场0.55-T胎儿MRI的三维重建	胎儿脑部和身体的MRI图像	digital pathology	NA	MRI, 深度学习	NA	image	前瞻性测试12例（孕周22-40周），回顾性测试83个0.55-T数据集
2966	2025-04-03	MARBLE: interpretable representations of neural population dynamics using geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02582-2 PMID:39962310	研究论文	介绍了一种名为MARBLE的表示学习方法，用于分解神经流形上的动态过程并将其映射到共同的潜在空间	利用无监督几何深度学习分解神经流形上的局部流场，发现了一致的低维潜在表示	需要进一步验证在更广泛的神经数据集上的适用性	学习神经流形上的动态过程以推断可解释且一致的潜在表示	模拟非线性动力系统、循环神经网络以及灵长类和啮齿类动物的实验单神经元记录	机器学习	NA	几何深度学习	MARBLE	神经记录数据	灵长类和啮齿类动物的实验单神经元记录
2967	2025-02-19	Interpreting and comparing neural activity across systems by geometric deep learning 2025-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02581-3 PMID:39962313	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2968	2025-04-03	Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting 2025-Mar-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.10.0305 PMID:40023145	研究论文	开发一种基于深度学习和智能手机的AI诊断工具，用于提高非洲猪瘟（ASF）侧流层析试纸（LFA）读取的准确性	结合深度学习和两步算法，开发了一种高精度的即时检测工具，并通过智能手机应用实现ASF病例的快速报告和可视化	模型的平均召回率为79 ± 13.20%，存在一定的误检或漏检风险	提高非洲猪瘟（ASF）诊断的准确性和报告效率，特别是在实验室资源有限的地区	非洲猪瘟（ASF）侧流层析试纸（LFA）的图像数据	计算机视觉	非洲猪瘟	深度学习	YOLO	图像	未明确说明具体数量，但使用了3种不同的训练/开发/测试数据集划分
2969	2025-04-03	A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information 2025-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM26204 PMID:40160568	研究论文	本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病	提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用	模型依赖于公开数据集，可能无法涵盖所有临床场景	设计一个高效且高精度的冠心病预测模型	冠心病患者	机器学习	心血管疾病	奇异值分解方法	多层感知机	临床信息	五个公开数据集，共1222名患者
2970	2025-04-03	[Research on arrhythmia classification algorithm based on adaptive multi-feature fusion network] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202406069 PMID:40000175	研究论文	提出了一种基于自适应多特征融合网络的心律失常分类算法	采用自适应多特征融合策略，结合RR间期特征、时域深度特征和频域深度特征进行心律失常分类	在有限异常样本监督下进行特征选择	心律失常的早期筛查	心电图(ECG)数据	机器学习	心血管疾病	1D-CNN, 2D-CNN, MFCC	自适应多特征融合网络	ECG信号	MIT-BIH心律失常数据库
2971	2025-04-03	[Prediction method of paroxysmal atrial fibrillation based on multimodal feature fusion] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403039 PMID:40000174	研究论文	提出了一种基于多模态特征融合的阵发性心房颤动风险预测方法	结合机器学习特征工程和深度学习端到端建模的优势，提出多模态特征融合方法，并使用四种特征选择方法和Pearson相关分析确定最优特征集	未提及具体样本量或数据来源的局限性	提高阵发性心房颤动的风险预测准确性	阵发性心房颤动患者	生物医学工程	心血管疾病	机器学习特征工程、深度学习端到端建模、随机森林	随机森林	多模态数据	公共数据集和临床数据集（具体数量未提及）
2972	2025-04-03	[Research on intelligent fetal heart monitoring model based on deep active learning] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202402012 PMID:40000176	研究论文	本文提出了一种基于三支决策理论和多目标优化主动学习的TWD-MOAL深度主动学习算法，用于智能胎儿心率监测	结合三支决策理论和多目标优化主动学习，提出TWD-MOAL算法，显著减少标注时间和成本，有效解决CTG信号数据不平衡问题	NA	开发智能胎儿心率监测模型，辅助产科医生解读CTG信号，实现智能化胎儿监测	胎儿心率监测数据	机器学习	产科疾病	深度学习	CNN	信号数据	16,355份产前CTG记录
2973	2025-04-03	[Study on lightweight plasma recognition algorithm based on depth image perception] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404064 PMID:40000184	research paper	提出了一种基于改进YOLOv5的轻量级血浆质量检测模型，用于识别溶血性血浆	结合全维度动态卷积、可分离核注意力池化、残差双融合特征金字塔网络和重参数化卷积等关键算法模块，提高了血浆质量检测的平均识别准确率	未提及模型在更大规模或多样化数据集上的泛化能力	预防由外部因素引起的溶血性疾病	血浆图像	computer vision	心血管疾病	深度学习	YOLOv5	image	NA
2974	2025-04-03	[A review of deep learning methods for non-contact heart rate measurement based on facial videos] 2025-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202405057 PMID:40000193	综述	本文回顾了基于面部视频的非接触式心率测量的深度学习方法	总结了深度学习在远程光电容积描记术(rPPG)中的应用，探讨了未来研究方向	未提及具体方法的性能比较或实际应用中的挑战	探索非接触式心率测量技术及其在健康监测中的应用	基于面部视频的心率信号	计算机视觉	心血管疾病	rPPG	深度学习	视频	NA
2975	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2025-02, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2976	2025-04-03	Machine learning-based prediction model integrating ultrasound scores and clinical features for the progression to rheumatoid arthritis in patients with undifferentiated arthritis 2025-Feb, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07304-3 PMID:39789318	研究论文	本研究开发了一种基于机器学习的预测模型，整合超声评分和临床特征，用于预测未分化关节炎患者向类风湿性关节炎的进展	首次将18关节超声评分系统（US18）与临床数据结合，利用机器学习模型提高高风险患者的早期识别能力	研究仅跟踪了患者1年时间，长期预测效果尚不明确	提高未分化关节炎患者向类风湿性关节炎进展的早期预测准确性	432名未分化关节炎患者	机器学习	类风湿性关节炎	18关节超声评分系统（US18）	Random Forest (RnFr), 深度学习模型	临床数据和超声评分数据	432名未分化关节炎患者（其中152名进展为类风湿性关节炎）
2977	2025-04-03	Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis 2025-Feb, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101198 PMID:39829723	research paper	本研究开发了一种基于深度学习的系统（ALNE），用于区分自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）	首次提出了一个无需人工标注的深度学习模型（ALNE），能够定量且准确地区分AIH和PBC	扫描技术和切片染色的多样性可能影响模型的鲁棒性和泛化能力	开发一种辅助诊断工具，以减少AIH和PBC的误诊	自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）患者	digital pathology	liver disease	H&E染色全切片图像分析	transformer-based deep learning system (ALNE)	image	训练集354例（266例AIH和102例PBC），外部验证集92例（62例AIH和30例PBC）
2978	2025-04-03	Synthetic data generation in motion analysis: A generative deep learning framework 2025-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119251315877 PMID:39902572	研究论文	介绍了一种基于变分自编码器的数据增强策略，用于生成运动分析中的合成数据	在运动分析领域引入了一种有效的数据增强方法	NA	开发一种数据增强策略以提高运动分析模型的性能	髋关节和膝关节的角度和力矩以及地面反作用力	机器学习	NA	变分自编码器	LSTM	运动数据	NA
2979	2025-04-03	SS-DTI: A deep learning method integrating semantic and structural information for drug-target interaction prediction 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500027 PMID:40134345	研究论文	提出了一种名为SS-DTI的深度学习方法，整合语义和结构信息用于药物-靶点相互作用预测	首次整合了药物和蛋白质的语义与结构信息，通过多尺度语义特征提取块和GCNs实现全面的分子表示	未提及方法在特定类型药物或靶点上的性能局限性	改进药物-靶点相互作用预测的准确性和效率	药物分子和蛋白质靶点	机器学习	NA	深度学习	GCNs（图卷积网络）	序列数据和结构数据	四个基准数据集（未说明具体样本量）
2980	2025-04-03	Drug repurposing for non-small cell lung cancer by predicting drug response using pathway-level graph convolutional network 2025-Feb, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500015 PMID:40134346	研究论文	本文提出了一种基于通路-通路相互作用网络的图卷积网络模型，用于预测非小细胞肺癌的药物反应，以发现潜在的药物再利用候选药物	首次将已知的生物通路-通路相互作用整合到药物反应预测模型中，通过图卷积操作更有效地表示癌细胞系特征	模型性能仅在GDSC1000数据集上进行了验证，未在其他独立数据集上测试	开发一种更有效的药物反应预测模型，用于非小细胞肺癌的药物再利用	非小细胞肺癌(NSCLC)的癌细胞系和现有药物	机器学习	肺癌	图卷积网络	GCN	生物通路相互作用网络数据、药物反应数据	GDSC1000数据集中的样本