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
3201	2025-04-06	Integrated Multiscale Domain Adaptive YOLO 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3255106 PMID:37028346	研究论文	本文提出了一种新颖的多尺度域自适应YOLO框架（MS-DAYOLO），用于解决深度学习应用中的域偏移问题	引入了三种新颖的深度学习架构用于域适应网络（DAN），包括渐进特征缩减（PFR）、统一分类器（UC）和集成架构	NA	解决深度学习中的域偏移问题，提升目标检测性能	YOLOv4目标检测器	计算机视觉	NA	深度学习	YOLOv4, Faster R-CNN	图像	流行数据集（未具体说明数量）
3202	2025-04-06	MDTL: A Novel and Model-Agnostic Transfer Learning Strategy for Cross-Subject Motor Imagery BCI 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3259730 PMID:37030758	研究论文	提出了一种新颖且模型无关的迁移学习策略MDTL，用于跨被试运动想象脑机接口	MDTL策略利用多源域数据到目标域以及多源域之间的迁移，具有模型无关性，能快速部署于现有模型	未明确提及具体局限性	提升跨被试运动想象脑机接口的性能并减少准备时间	运动想象脑机接口系统	机器学习	NA	迁移学习	DeepConvNet, ShallowConvNet, EEGNet	EEG信号	两个公开的运动想象数据集（BCIC IV dataset 2a和Lee2019）
3203	2025-04-06	Tolerating Annotation Displacement in Dense Object Counting via Point Annotation Probability Map 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3331908 PMID:37971907	研究论文	本文提出了一种通过点标注概率图（PAPM）来容忍密集物体计数中标注位移的方法	利用广义高斯分布（GGD）函数构建学习目标点标注概率图（PAPM），以提高对标注位移的鲁棒性	手设计的PAPM方法可能对特定网络和数据集不是最优的	提高密集物体计数中对标注位移的鲁棒性	拥挤场景中的物体计数	计算机视觉	NA	广义高斯分布（GGD）	P2PNet	图像	NA
3204	2025-04-06	Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET 2022-Dec-29, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00948-1 PMID:36580220	研究论文	开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类	结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分	研究为回顾性研究，样本来源单一	提高前列腺癌在PSMA PET图像上的分类准确性	前列腺癌患者的PSMA PET图像	数字病理学	前列腺癌	PET/CT扫描	深度学习	医学影像	267名男性患者的3794个病变
3205	2025-04-06	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	介绍了一种名为Tangram的方法，用于将单细胞/单核RNA测序数据与空间数据对齐，以构建器官的生物图谱	Tangram方法能够将sc/snRNA-seq数据与多种空间数据形式对齐，包括MERFISH、STARmap、smFISH、Spatial Transcriptomics (Visium) 和组织学图像，并能处理多模态数据如SHARE-seq	虽然Tangram能够解决空间分辨率和基因通量的限制，但其在更广泛的组织类型和疾病模型中的应用仍需验证	构建器官的生物图谱，将单细胞转录组数据与解剖尺度关联	健康小鼠脑组织，特别是视觉和躯体运动区域	数字病理学	NA	sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq	深度学习	单细胞转录组数据、空间数据、多模态数据	健康小鼠脑组织样本
3206	2025-04-06	Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images 2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2020.20205 PMID:32815519	研究论文	本研究利用深度学习技术分析COVID-19患者的胸部X光片，以确定疾病严重程度	首次在COVID-19急性爆发期间应用深度学习模型进行胸部X光片分析，并评估其与放射科医生解读的一致性	样本量较小（48名患者），且为单中心回顾性研究	探索COVID-19患者临床特征与胸部X光片表现之间的关联，并评估深度学习模型在急性爆发环境中的应用可行性	48名SARS-CoV-2 RT-PCR阳性患者（年龄60±17岁，15名女性）的65张胸部X光片	数字病理学	COVID-19	深度学习	深度学习模型（具体架构未说明）	胸部X光图像	48名患者（65张X光片）
3207	2025-04-05	Radioisotope compositional analysis using Monte Carlo γ-ray simulations and regression neural network 2025-Jun, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.111746 PMID:40020474	research paper	本文开发了一种基于回归的卷积神经网络（CNN），用于预测模拟混合源光谱中的源及其比例，并与传统的库最小二乘算法进行了比较	采用回归CNN预测混合放射性同位素的光谱组成，相比传统线性方法具有更高的准确性和效率	研究基于模拟数据，实际环境中的噪声和干扰可能影响模型性能	开发高效自动化的γ光谱分析工具，用于放射性同位素的识别和定量分析	6种不同的放射性同位素及其混合光谱	machine learning	NA	Monte Carlo γ-ray simulations, GEANT4软件包	CNN	γ-ray光谱数据	6种同位素的综合模拟数据集
3208	2025-04-05	Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108698 PMID:40054320	研究论文	探讨自监督对比学习在基于PPG的心房颤动检测中的应用	利用自监督对比学习框架（SimCLR和BYOL）减少对标记数据的依赖，并通过数据增强操作优化PPG数据的处理	研究仅基于特定数据库（VitalDB、MIMIC III、UMass和DeepBeat）的数据，可能无法完全代表所有PPG数据场景	提高基于PPG的心房颤动检测的准确性，减少对标记数据的需求	PPG数据	机器学习	心血管疾病	对比学习（SimCLR和BYOL）	自监督学习模型	PPG信号数据	1,209小时的未标记PPG数据，以及MIMIC III、UMass和DeepBeat数据集中的少量标记数据
3209	2025-04-05	Convolutional neural network-based method for the real-time detection of reflex syncope during head-up tilt test 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108622 PMID:40068530	research paper	本研究提出了一种基于卷积神经网络的实时反射性晕厥检测方法，通过分析原始血压信号来预测晕厥风险	采用端到端架构结合残差块和压缩激励块，无需手动提取特征，提高了检测的准确性和实时性	研究样本中反射性晕厥患者数量较少（57例），可能影响模型的泛化能力	开发实时反射性晕厥风险监测系统以提高医疗效率和患者便利性	1348名患者（1291名正常人和57名反射性晕厥患者）	digital pathology	cardiovascular disease	deep learning	CNN with residual and squeeze-and-excitation blocks	blood pressure signal	1348名患者（1291名正常人和57名反射性晕厥患者）
3210	2025-04-05	MCNEL: A multi-scale convolutional network and ensemble learning for Alzheimer's disease diagnosis 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108703 PMID:40081198	研究论文	提出了一种多尺度卷积网络和集成学习框架（MCNEL），用于阿尔茨海默病的早期和准确诊断	采用改进的EfficientNet-B0和MobileNetV2模型，结合DenseNet121构建混合特征提取工具，并开发了基于SimAM的特征融合方法，以及设计了集成学习分类器模型	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	提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者	数字病理	老年病	MRI	CNN, EfficientNet-B0, MobileNetV2, DenseNet121	图像	ADNI数据集（未提及具体样本数量）
3211	2025-04-05	Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108726 PMID:40112688	研究论文	本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析	提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像	实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞）	开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗	宫颈癌细胞和白血病细胞	计算机视觉	宫颈癌和白血病	深度学习	GAN	图像	模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞）
3212	2025-04-05	The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108722 PMID:40112687	研究论文	本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗	采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能	研究样本量未明确说明，可能影响结果的普遍性	开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果	心房颤动患者的LGE-MRI图像	数字病理	心血管疾病	LGE-MRI	nnU-Net, smpU-Net++, RIFE	图像	NA
3213	2025-04-05	Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision 2025-Jun, Journal of evidence-based medicine DOI:10.1111/jebm.70016 PMID:40176367	研究论文	本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性	提出了融合BERT与CNN的TCM-BERT-CNN模型作为基准模型，并开发了TCM-SEI-RD方法和TCM-MDHD系统，显著提高了中医证候要素预测性能	未提及具体临床验证规模或跨中心验证结果	开发可解释的中医人工智能系统以支持临床决策	中医多病整体辨证（MDHD）中的证候与模式	自然语言处理	中医多病种	深度学习与规则融合	BERT-CNN混合模型	专家知识数据集与临床序列数据	未明确说明具体样本量
3214	2025-04-05	Deep Learning-Based Precontrast CT Parcellation for MRI-Free Brain Amyloid PET Quantification 2025-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005652 PMID:39876079	研究论文	本研究开发了一种基于深度学习的CT脑区分割模型，用于无MRI依赖的淀粉样蛋白PET定量	首次提出利用深度学习直接从CT图像进行脑区分割，无需高分辨率MRI，实现了淀粉样蛋白PET的准确定量	研究基于回顾性数据，且样本量相对有限（226例）	开发不依赖MRI的淀粉样蛋白PET定量方法	轻度认知障碍或痴呆患者（157例）和健康对照者（69例）	数字病理学	老年痴呆症	PET/CT扫描	UNet	CT和PET图像	226人（157例患者+69例对照）
3215	2025-04-05	Application of deep learning for evaluation of the growth rate of Daphnia magna 2025-May, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.01.006 PMID:39955201	研究论文	应用深度学习技术评估水蚤生长速率的研究	利用深度学习图像识别技术实现游泳状态下水蚤尺寸的非侵入式测量	未提及该方法在不同环境条件下的普适性验证	开发高效评估化学品生态影响的方法	水蚤（Daphnia magna）	计算机视觉	NA	深度学习图像识别	NA	图像	未明确说明样本数量
3216	2025-04-05	New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals 2025-Apr-08, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.035 PMID:40175013	research paper	该研究通过深度学习模型测量了主动脉瓣功能，并提出了新的轻度主动脉瓣狭窄定义标准	提出了基于速度编码MRI的新阈值来定义轻度主动脉瓣狭窄，并在大规模人群中进行验证	研究结果需要进一步在更多样化的人群中进行验证	研究主动脉瓣功能的流行病学特征并定义轻度主动脉瓣狭窄的新标准	UK Biobank和NEDA数据库中的参与者	心血管疾病	主动脉瓣狭窄	速度编码心脏磁共振成像	深度学习模型	医学影像数据	UK Biobank 62,902人，NEDA 365,870人
3217	2025-04-05	Predicting Atlantic and Benguela Niño events with deep learning 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads5185 PMID:40173237	研究论文	本研究探讨了深度学习在预测大西洋和本格拉尼诺事件中的潜力	使用简单的卷积神经网络架构，能够提前3至4个月预测大西洋/本格拉尼诺事件，并在峰值季节事件预测中表现出色，将预测时间延长至5个月	未提及模型在其他气候事件中的泛化能力	提高热带大西洋变率事件的预测能力	大西洋和本格拉尼诺事件	机器学习	NA	深度学习	CNN	气候数据	未明确提及样本数量
3218	2025-04-05	Reconstructing historical climate fields with deep learning 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp0558 PMID:40173235	research paper	使用基于傅里叶卷积的深度学习方法重建历史气候场	提出了一种基于傅里叶卷积的深度学习方法，能够在大面积和不规则缺失数据的情况下，仅凭极少信息就能真实重建历史气候场，并重现已知历史事件	NA	填补历史气候记录的缺失数据，重建历史气候场	历史气候场数据	machine learning	NA	deep learning, Fourier convolutions	CNN	climate model output	NA
3219	2025-04-05	An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17795 PMID:40181755	研究论文	本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法，特别关注鼻咽癌剂量梯度重建	首次将剂量梯度相似性纳入剂量预测任务，并提出基于等剂量线的自洽剂量预测到自动计划方案	临床验证中仍有20%的IsoPlans未能满足临床要求	建立利用深度学习预测剂量分布信息的自动治疗计划生成方法	鼻咽癌放射治疗计划	数字病理	鼻咽癌	深度学习剂量预测	U-Net, DoseNet, Transformer	医学影像数据	120例鼻咽癌病例（训练集90例，验证集10例，测试集20例）
3220	2025-04-05	Intelligent meningioma grading based on medical features 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17808 PMID:40183528	research paper	该研究提出了一种结合医学特征和深度神经网络的智能脑膜瘤分级方法	结合医学特征与SNN-Tran模型，提高了脑膜瘤分级的准确性和可靠性	医学特征的获取可能受限于影像质量和临床数据的完整性	验证医学特征与深度神经网络结合对脑膜瘤分级的有效性	脑膜瘤患者	digital pathology	脑膜瘤	SNN-Tran模型	SNN-Tran	医学特征（如肿瘤体积、瘤周水肿体积等）	未明确提及样本数量