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
3361	2025-04-02	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型能够在不依赖经验丰富的读者或结构MRI的情况下，自动准确地对脑部PET扫描进行分类	研究为回顾性研究，可能受到数据收集和处理方法的限制	开发并评估一种深度学习模型，用于分类脑部PET扫描中的淀粉样蛋白阳性或阴性	脑部PET扫描	digital pathology	Alzheimer's disease	PET imaging	deep learning	image	8476 PET scans (6722 patients)
3362	2025-04-02	Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach 2024-Feb-15, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2023.111126 PMID:39155966	研究论文	本研究结合深度学习和机器学习技术，探讨被动设计指标在降低住宅建筑能源负担中的作用	采用深度学习驱动的计算机视觉与机器学习相结合的方法，解决被动设计特征数据稀缺的问题	研究仅基于芝加哥大都市区的数据，可能无法推广到其他地区	评估被动设计特征对住宅能源负担的影响，为智能和可持续城市建设提供见解	芝加哥大都市区的住宅建筑	计算机视觉	NA	深度学习、机器学习	CNN、决策树回归、随机森林回归、支持向量回归	图像、人口统计数据	基于Google街景图像的芝加哥大都市区住宅建筑
3363	2025-04-02	Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.01.015 PMID:38232604	研究论文	本研究评估了一种结合鼻呼吸流量、外周血氧饱和度和心电图信号的深度学习方法，用于改进睡眠呼吸暂停/低通气事件的检测和阻塞性睡眠呼吸暂停的严重程度筛查	提出了一种结合多种生理信号和人口统计数据的Xception网络，显著提高了睡眠呼吸暂停/低通气事件的检测准确率和阻塞性睡眠呼吸暂停的严重程度分类性能	在低通气事件为主的参与者中分类错误较多	开发一种自动检测睡眠呼吸暂停/低通气事件并确定阻塞性睡眠呼吸暂停临床严重程度的方法	睡眠呼吸暂停/低通气事件和阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图(PSG)	Xception网络	生理信号(呼吸流量、血氧饱和度、心电图)和人口统计数据	NA
3364	2025-04-02	Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2023.12.013 PMID:38154150	研究论文	一项为期两年的前瞻性队列研究，利用智能手表、深度学习和可解释的人工智能模型预测恐慌发作及焦虑状态	首次结合智能手表数据、深度学习和可解释AI方法预测恐慌发作及焦虑状态，并识别关键影响因素	样本量中等且依赖自评问卷	预测恐慌发作(PA)、状态焦虑(SA)、特质焦虑(TA)和恐慌障碍严重程度(PDS)	114名恐慌障碍(PD)患者	机器学习	恐慌障碍	RNN, LSTM, GRU深度学习模型及SHAP可解释方法	LSTM	可穿戴设备记录的睡眠、体力活动和心率数据，以及临床问卷数据	114名PD患者，数据收集时间为2020年6月16日至2022年6月10日
3365	2025-04-02	Machine learning applications for early detection of esophageal cancer: a systematic review 2023-07-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02235-y PMID:37460991	系统综述	本文系统综述了机器学习在食管癌早期检测中的应用现状	总结了机器学习特别是卷积神经网络在食管癌早期检测中的高准确性和敏感性	现有文献有限，许多研究存在类别不平衡和偏差，需要跨机构纵向研究验证检测算法	探讨机器学习在食管癌早期检测中的应用及其潜力	食管癌的早期检测	计算机视觉	食管癌	机器学习（ML）、深度学习（DL）、神经网络（NN）	CNN	内窥镜图像和计算机断层扫描（CT）图像	31篇相关文章
3366	2025-04-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了数字病理学中深度学习在癌症患者个性化治疗计划中的应用	利用AI自动量化生物标志物，提高治疗选择的效率和客观性	NA	改善癌症患者的个性化治疗选择	癌症患者	数字病理学	癌症	AI	深度学习	H&E染色病理图像	NA
3367	2025-04-02	Neurodegeneration: 2023 update 2023-Jan, Free neuropathology DOI:10.17879/freeneuropathology-2023-4899 PMID:37694160	综述	本文回顾了作者从前一年的神经退行性神经病理学文献中精选的十项具有高度影响力的研究	强调了人类组织基础的实验，涵盖了多种疾病类别、方法和方法论，展示了研究领域的广度	仅选择了十项研究，可能未能涵盖所有重要进展	突出与神经病理学家最相关的人类组织基础研究	神经退行性疾病相关的人类组织研究	神经病理学	阿尔茨海默病、进行性核上性麻痹、Gerstmann-Sträussler-Scheinker病、慢性创伤性脑病等	冷冻电子显微镜（cryo-EM）、功能基因组学、深度学习	弱监督多实例学习范式	蛋白质组学、转录组学、基因表达数据、图像数据	NA
3368	2025-04-01	Deep learning-driven prediction in healthcare systems: Applying advanced CNNs for enhanced breast cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109858 PMID:40020549	研究论文	该研究利用卷积神经网络（CNNs）开发了一个强大的乳腺癌检测系统，旨在提高早期检测的准确性和可靠性	研究采用了多种CNN架构，并通过迁移学习对FT-ResNet50模型进行微调，达到了97.54%的准确率，优于现有最先进模型	研究仅使用了Mini-DDSM数据集，样本量为1952张扫描胶片乳腺X光片，可能无法涵盖所有乳腺癌类型和人群	通过深度学习技术提高乳腺癌的早期检测和治疗方法的准确性	乳腺癌的早期检测	数字病理学	乳腺癌	深度学习	CNN, FT-VGG19, FT-ResNet152, FT-ResNet50	图像	1952张扫描胶片乳腺X光片
3369	2025-04-01	Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109961 PMID:40037167	研究论文	该研究利用LSTM深度学习模型，通过单一惯性传感器数据对帕金森病患者的疾病阶段、运动状况和生活质量进行分类	提出了一种基于LSTM架构的深度学习模型，能够从单一惯性传感器数据中实现对帕金森病疾病阶段、运动状况和生活质量的全面评估	研究样本量较小（40名患者），可能影响模型的泛化能力	改善帕金森病的诊断和管理，提供客观量化的评估方法	帕金森病患者	机器学习	帕金森病	惯性传感器	LSTM	传感器数据	40名帕金森病患者
3370	2025-04-01	Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109942 PMID:40037168	研究论文	本研究探讨了深度学习模型在新生儿重症监护室（NICU）中用于早期和准确诊断呼吸机相关性肺炎（VAP）的可行性	使用深度学习模型（特别是RegNetX80和ResNet50的组合模型）提高了VAP诊断的特异性和准确性，并通过可解释性AI（XAI）增强了医生对AI辅助诊断的信心	需要未来的前瞻性试验来验证其临床实用性和减少医疗资源的效果	优化新生儿VAP的诊断策略，减少不必要的抗生素使用	670名接受机械通气的新生儿，其中确诊VAP的399例	数字病理学	呼吸机相关性肺炎	深度学习	RegNetX80, ResNet50, VGG, DenseNet	胸部X光图像	670名新生儿（900张胸部X光图像）
3371	2025-04-01	Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109918 PMID:40037170	综述	本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向	强调了AI和ML在癌症预测、诊断和治疗中的最新应用，包括FDA批准的技术	探讨了AI在医疗保健中的挑战、限制、监管考虑和伦理问题	评估AI和ML在肿瘤学研究和治疗中的应用潜力	癌症研究、诊断和治疗	机器学习	肿瘤学	深度学习（DL）、机器学习（ML）	CNN、MLP	NA	NA
3372	2025-04-01	Predictive modeling and optimization in dermatology: Machine learning for skin disease classification 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109946 PMID:40037169	研究论文	本研究利用机器学习分类器提高皮肤疾病诊断准确性，基于活检样本的组织病理学特征预测皮肤疾病	采用多种机器学习分类器进行皮肤疾病分类，并通过特征选择技术识别影响预测的最相关属性	未来工作需优化特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术	提高皮肤疾病诊断的准确性和自动化水平	皮肤疾病	机器学习	皮肤疾病	机器学习分类器	Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes	组织病理学特征	NA
3373	2025-04-01	Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109963 PMID:40037171	研究论文	本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的深度神经网络模型，用于预测肝硬化患者的生存概率	FE-DeepSurv结合了因子分析降低预测变量维度，应用转换技术处理数据截尾，并利用深度神经网络预测每个时间间隔的条件失效概率，从而提高了生存概率估计的精确度	NA	开发一种能够更准确预测肝硬化患者生存概率的深度学习模型	肝硬化患者的生存数据	机器学习	肝硬化	因子分析，深度神经网络	FE-DeepSurv, Cox比例风险模型, 随机生存森林, DeepHit, DeepSurv	生存数据	来自Mayo Clinic试验的继发性数据，具体样本量未提及
3374	2025-04-01	Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109920 PMID:40037172	研究论文	本研究探讨了深度学习在动态非笛卡尔MRI图像增强中的应用，特别关注于保持动态时间信号变化	利用深度学习模型（2D-UNet和3D-UNet）提升非笛卡尔MRI图像质量，并成功保留BOLD信号的时间特性	研究依赖于模拟数据，可能无法完全反映真实临床场景中的复杂性	提升非笛卡尔MRI图像质量，同时保留功能MRI研究中的动态时间信号变化	非笛卡尔MRI图像，特别是静息态功能MRI数据	医学影像分析	NA	深度学习图像增强	2D-UNet, 3D-UNet	MRI图像	Human Connectome Project (HCP) 数据集
3375	2025-04-01	Deep Radon Prior: A fully unsupervised framework for sparse-view CT reconstruction 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109853 PMID:40056836	研究论文	提出一种名为Deep Radon Prior (DRP)的全无监督深度学习框架，用于稀疏视图CT重建，以减少辐射暴露并提高图像质量	DRP框架无需高质量训练数据集，通过将神经网络作为隐式先验整合到迭代重建过程中，提高了重建过程的可解释性	未提及具体样本量或临床验证结果	解决稀疏视图CT重建中的伪影问题，减少对标记数据的依赖	稀疏视图CT图像	医学影像	NA	深度学习	DRP (基于Deep Image Prior的改进框架)	CT图像	NA
3376	2025-04-01	Automatic cerebral microbleeds detection from MR images via multi-channel and multi-scale CNNs 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109938 PMID:40056835	研究论文	本文提出了四种基于CNN的算法，用于提高脑微出血（CMBs）的自动检测准确率	提出了多通道CNN优化架构和多尺度CNN结构，显著降低了假阳性率并提高了检测性能	尚未在临床实践中进行大规模验证，需要进一步研究和优化	改进脑微出血（CMBs）的自动检测算法	脑微出血（CMBs）	计算机视觉	神经系统疾病	MRI	CNN	图像	NA
3377	2025-04-01	Female autism categorization using CNN based NeuroNet57 and ant colony optimization 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109926 PMID:40056838	研究论文	本研究提出了一种名为NeuroNet57的57层CNN架构，结合蚁群优化算法，用于从fMRI数据中提取特征并分类女性自闭症	提出NeuroNet57架构，结合ACO进行特征选择，并使用多种机器学习分类器实现高精度女性自闭症分类	女性表型和基因型数据较为缺乏	开发一种准确诊断女性自闭症的深度学习方法	女性自闭症患者	数字病理学	自闭症谱系障碍	fMRI扫描	CNN, ACO, KNN	医学影像	ABIDE-I数据集14372×4096特征矩阵，ABIDE-II数据集16168×4096特征矩阵
3378	2025-04-01	GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109928 PMID:40054171	研究论文	提出了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度	开发了新型去噪GAN用于清理EEG和sEMG信号，设计了新的ETLSTM架构作为分类器，并引入了GLEAM混合深度学习框架	NA	通过深度学习技术诊断下腰痛强度	下腰痛患者	机器学习	下腰痛	EEG, sEMG	GAN, CNN, LSTM, Transformer	EEG信号, sEMG信号	NA
3379	2025-04-01	Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109903 PMID:40054167	研究论文	本文提出了一种基于3D CNN的新方法，用于在MRI中准确识别luminal A型乳腺癌	提出了一种新的基于定量医学成像生物标志物（QIB）的3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法	数据集中存在类别不平衡问题，虽然采用了类别加权策略，但可能影响模型的泛化能力	提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案	luminal A型乳腺癌的MRI图像	数字病理学	乳腺癌	MRI	3D CNN	3D MRI图像	公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI）
3380	2025-04-01	A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109916 PMID:40054172	研究论文	提出了一种多阶段融合深度学习框架PADBSRNet及其与Vision Transformer的混合方法，用于脑肿瘤、皮肤癌和肺癌的检测	整合了可分离和传统卷积层、多重注意力机制、双向循环神经网络和跨连接/多阶段特征融合策略，能有效提取局部-全局上下文特征并建模长期依赖关系	未提及模型在临床环境中的实际部署挑战或对不同医疗设备的泛化能力	提高癌症诊断的速度和准确性	脑肿瘤、皮肤癌和肺癌	数字病理	脑肿瘤、皮肤癌、肺癌	深度学习	PADBSRNet、Vision Transformer (ViT)混合模型	医学影像	Figshare脑肿瘤数据集、IQ-OTH/NCCD数据集、皮肤癌恶性与良性数据集