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
3321	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）
3322	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA
3323	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）
3324	2025-05-12	Developing Brain-Based Bare-Handed Human-Machine Interaction via On-Skin Input 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3533088 PMID:40036449	研究论文	提出了一种名为MetaSkin的新型神经触觉接口，通过整合神经信号与皮肤交互，实现无需视觉参与的手势交互	首次将神经信号与皮肤交互结合，利用人类自然本体感觉能力实现无需视觉的手势交互，并开发了深度学习框架来解码神经信号	需要优化系统以适应不同用户群体和动态环境	开发自然、直观、以人为中心的移动人机交互输入系统	人机交互系统	人机交互	NA	深度学习	NA	神经信号	12名参与者
3325	2025-05-12	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	提出一种混合人工智能系统，用于自动分析EEG背景活动并生成报告	结合深度学习模型和无监督伪迹去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动分析准确率	在局部异常检测方面虽有所改进但未达到统计学显著性	开发一个可扩展且准确的EEG自动分析系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能在医疗诊断中的应用	神经系统疾病	深度学习、无监督学习、大语言模型(LLM)	集成模型、LLM	EEG信号数据	1530份标记的EEG数据，并在Temple University Abnormal EEG Corpus上进行验证
3326	2025-05-12	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	research paper	提出了一种名为EEGDfus的条件扩散模型，用于精细去除脑电图(EEG)信号中的噪声	将标准扩散模型的去噪网络替换为新颖的双分支网络，利用噪声EEG信息作为条件指导生成干净的EEG信号，并整合了CNN和Transformer架构的优势	标准扩散模型的生成过程高度随机，限制了其在EEG去噪任务中的直接应用	提高EEG信号去噪的准确性和精细度	脑电图(EEG)信号	machine learning	NA	扩散模型	conditional diffusion model, CNN, Transformer	EEG信号	两个公开数据集EEGdenoiseNet和SSED
3327	2025-05-12	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的细观区域划分方法，用于基于EEG的驾驶员疲劳检测	利用数据内在特性和基于功能连接的GNN，提出了一种新的细观区域划分方法，克服了传统方法依赖任务特定先验知识的局限性	未明确说明方法在其他EEG任务中的泛化能力	提高基于EEG的驾驶员疲劳检测性能	EEG信号和驾驶员疲劳状态	脑机接口	NA	功能连接分析和GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集（未明确样本数量）
3328	2025-05-12	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025-Apr-01, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该研究开发了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	首次实现了胎儿心血管磁共振成像的实时自动规划，扩展了该技术的可及性	在7例前瞻性案例中仅成功实施了6例，且规划质量略低于手动规划	开发自动化实时规划方法以扩大胎儿血流成像技术的可及性	胎儿心血管系统	数字病理学	心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振成像数据	167个胎儿数据集用于胎儿身体定位训练，71个用于心脏标志检测训练，10个回顾性数据集和7个前瞻性胎儿受试者（36+3-39+3孕周）用于评估
3329	2025-05-12	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	research paper	本研究比较了基于卷积神经网络（CNN）的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	使用EfficientNet B1网络架构训练AI模型，首次在儿童肘部X光片二分类任务中与医生表现进行对比	样本量相对较小（1314张X光片），医生间一致性仅为一般水平（fair inter-rater agreement）	评估深度学习模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片（正常与异常）	digital pathology	NA	deep learning	CNN (EfficientNet B1)	image (radiographs)	1314张儿科肘部X光片（平均年龄8.2岁），分为开发集（993张）、调优集（209张）和测试集（112张）
3330	2025-05-12	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	研究论文	本文介绍了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约为81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未在其他寄生虫病原体上广泛测试	提高B细胞表位的预测准确性，推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	机器学习	寄生虫病	深度学习	Transformer	肽序列	Fasciola hepatica的蛋白质组数据
3331	2025-05-12	Technical note: Impact of tissue section thickness on accuracy of cell classification with a deep learning network 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100440 PMID:40343112	研究论文	研究组织切片厚度对深度学习网络细胞分类准确性的影响	确定了用于细胞分类系统的最佳组织切片厚度，并详细描述了不同厚度引入的形态学差异	研究仅针对肝脏组织，未涉及其他组织类型	优化深度学习网络在常规组织病理学中的细胞分类准确性	肝脏组织中的肝细胞和非肝细胞	数字病理学	NA	HE染色、深度学习	ResNet、随机森林	图像	手动切割的5种厚度肝脏切片和自动切片机(DS)切割的切片
3332	2025-05-12	Enhanced EEG Forecasting: A Probabilistic Deep Learning Approach 2025-Mar-18, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01743 PMID:40030141	研究论文	本文提出了一种基于概率深度学习的增强型EEG预测方法，用于改进脑电图信号的长期预测	首次将概率深度学习方法WaveNet应用于静息态EEG时间序列预测，并在theta和alpha频段实现了150毫秒的可靠预测	研究仅针对静息态EEG的theta和alpha频段进行测试，未涉及其他脑电频段或任务态脑电	改进EEG信号的长期预测准确性，以增强实时脑状态估计在脑机接口和脑刺激协议中的应用	静息态EEG信号（theta和alpha频段）	机器学习	NA	概率深度学习	WaveNet	时间序列数据（EEG信号）	未明确说明样本数量
3333	2025-05-12	Exploring the application of deep learning methods for polygenic risk score estimation 2025-Mar-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adbb71 PMID:40020248	research paper	探索深度学习在多基因风险评分（PRS）估计中的应用	使用深度学习模型生成多个PRS，并展示其在数据缺失情况下的性能	进一步改进可能需要额外的输入数据	研究深度学习如何改进PRS的生成	UK Biobank数据中的已知PRS	machine learning	NA	deep learning	DL models	genetic data	UK Biobank数据
3334	2025-05-12	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100780 PMID:40020686	研究论文	通过迁移学习揭示转录因子剂量对染色质可及性定量响应的序列决定因素	结合迁移学习和定量染色质响应测量，提供了一种揭示顺式调控代码额外层面的新方法	研究仅针对TWIST1和SOX9两种转录因子在面部祖细胞中的效应	探索转录因子剂量如何影响调控元件的染色质可及性	TWIST1和SOX9转录因子在面部祖细胞中的效应	机器学习	NA	迁移学习	深度学习模型	染色质可及性数据	NA
3335	2025-05-12	[Scale-invariant feature-enhanced deep learning framework for oral mucosal lesion segmentation] 2025-Mar-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20241210-00467 PMID:40015705	research paper	提出了一种结合深度学习和SIFT算法的新型语义分割模型PixelSIFT-UNet，用于提高口腔黏膜病变的分割准确性	整合了深度学习和SIFT算法，开发了PixelSIFT-UNet模型，显著提高了分割精度	研究仅针对三种常见的口腔黏膜病变，可能不适用于其他类型的病变	提高口腔黏膜病变的语义分割准确性	口腔黏膜病变（口腔扁平苔藓、口腔白斑和口腔黏膜下纤维化）	digital pathology	oral mucosal lesions	scale-invariant feature transform (SIFT), deep learning	PixelSIFT-UNet, VGG-16, ResNet-50, U-Net, PSPNet	image	838张标准临床白光图像（训练集506张，验证集166张，测试集166张）
3336	2025-03-05	[Advances in breast cancer tumor-infiltrating lymphocytes evaluation and deep learning applications] 2025-Mar-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241226-00875 PMID:40032427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3337	2025-05-12	Sugarcane leaf disease classification using deep neural network approach 2025-Mar-04, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06289-0 PMID:40033192	研究论文	本文开发了一种基于深度学习的可靠模型，用于准确诊断甘蔗叶片病害	使用EfficientNet架构及其他知名CNN模型（如DenseNet201、ResNetV2等）进行甘蔗叶片病害分类，并验证了模型在不同数据集划分中的一致性和可靠性	未发现模型复杂度、深度与准确率之间的直接相关性，表明最佳性能不仅依赖于模型架构或深度，还依赖于其对数据集的适应性	开发一种可靠的深度学习模型，以准确诊断甘蔗叶片病害，提高病害控制和甘蔗产量	甘蔗叶片	计算机视觉	植物病害	深度学习	EfficientNet, DenseNet201, ResNetV2, InceptionV4, MobileNetV3, RegNetX	图像	6748张健康与病害叶片图像，涵盖11种病害类别
3338	2025-05-12	An Efficient Approach for Detection of Various Epileptic Waves Having Diverse Forms in Long Term EEG Based on Deep Learning 2025-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-025-01111-4 PMID:40035961	研究论文	本文提出了一种基于深度学习的有效方法，用于检测长期脑电图（EEG）中多种形式的癫痫波	利用YOLO网络（特别是YOLO-V4）进行癫痫波检测，展示了高灵敏度、特异性和准确性	需要专家癫痫学家的指导进行数据标注，且样本量较小（20名患者）	开发一种快速、高效的癫痫波检测方法，以辅助癫痫学家进行长期EEG监测	长期EEG监测数据中的多种癫痫波形式	数字病理学	癫痫	深度学习	YOLO（V3、V4和V7）	EEG信号	20名患者的EEG数据
3339	2025-05-12	CryoTEN: efficiently enhancing cryo-EM density maps using transformers 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf092 PMID:40036588	研究论文	本文介绍了一种名为CryoTEN的3D UNETR++风格transformer，用于有效提升冷冻电镜密度图的质量	提出了一种基于transformer的新型深度学习模型CryoTEN，其在提升冷冻电镜密度图质量方面表现优异，且运行速度比现有最优方法快10倍以上，GPU内存需求更低	NA	提升冷冻电镜密度图的质量，以更好地构建蛋白质结构	冷冻电镜密度图	计算机视觉	NA	冷冻电镜(cryo-EM)	3D UNETR++ transformer	3D冷冻电镜密度图	训练集包含1295个冷冻电镜图，独立测试集包含150个图
3340	2025-05-12	Evolution of AI enabled healthcare systems using textual data with a pretrained BERT deep learning model 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91622-8 PMID:40038367	research paper	该研究利用文本挖掘和深度学习算法，特别是BERT模型，分析了2018年至2022年间科学论文和专利信息，以揭示AI在医疗保健领域的未来趋势	首次在医疗保健AI领域引入深度学习自监督模型（BERT），显著提高了分析的准确性和效率	研究主要依赖于2018年至2022年的数据，可能无法完全反映最新的技术发展	揭示AI在医疗保健领域的新兴趋势和潜在未来路径	科学论文（1587篇）和专利信息（1314项）	natural language processing	NA	text mining, BERT	BERT	text	科学论文1587篇，专利信息1314项