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
401	2025-04-26	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文开发了一种基于深度学习的软采样级联模型和信号检测模型，用于量化细胞中的CEN17和HER2，以辅助评估HER2扩增状态，用于乳腺癌患者的HER2靶向治疗选择	提出了一种新的软采样级联深度学习模型和信号检测模型，显著提高了HER2扩增评估的准确性和效率，并在临床数据集中表现优于七种最新的深度学习方法	研究主要针对乳腺癌和胃癌患者，可能不适用于其他类型的癌症	开发一种自动化方法，用于准确量化HER2扩增水平，以辅助临床决策	乳腺癌和胃癌患者的HER2扩增状态	数字病理学	乳腺癌, 胃癌	荧光原位杂交(FISH), 双原位杂交(DISH)	软采样级联深度学习模型, 信号检测模型	图像	两个临床数据集（FISH数据集和DISH数据集）
402	2025-04-26	MiRS-HF: A Novel Deep Learning Predictor for Cancer Classification and miRNA Expression Patterns 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476672 PMID:39383085	研究论文	提出了一种名为MiRS-HF的深度学习模型，用于癌症分类和miRNA生物标志物识别	结合了早期融合和中间融合策略，利用LAGCN和GCN网络处理miRNA-疾病异质网络和表达数据，显著提高了分类性能	仅针对六种癌症类型进行了测试，未涵盖更广泛的癌症种类	开发高效的癌症分类和miRNA生物标志物识别方法	miRNA表达数据和miRNA-疾病关联数据	机器学习	癌症	深度学习	LAGCN, GCN	miRNA表达数据	六种癌症类型的数据
403	2025-04-26	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-Jan, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	系统性综述	本文系统性评估了机器学习、深度学习和人工智能在美容整形手术中的应用	首次系统性总结了AI、ML和DL在美容整形手术中的多种应用及其潜力	患者可能对AI生成的图像产生不切实际的期望，需谨慎使用这些工具	评估AI技术在美容整形手术领域的应用现状与潜力	美容整形手术相关研究	人工智能在医疗领域的应用	美容整形手术	机器学习(ML)、深度学习(DL)、人工智能(AI)	NA	图像数据	筛选2148项研究，最终纳入18项研究
404	2025-04-26	TKR-FSOD: Fetal Anatomical Structure Few-Shot Detection Utilizing Topological Knowledge Reasoning 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3480197 PMID:39401118	research paper	提出了一种新的胎儿解剖结构少样本检测方法TKR-FSOD，用于超声图像中的胎儿多解剖结构检测	通过拓扑知识推理模块学习拓扑知识，增强模型的推理和检测能力，并提出鉴别能力增强特征学习模块提取丰富的鉴别特征	研究主要集中在超声图像中的胎儿解剖结构检测，可能不适用于其他类型的医学图像或解剖结构	提高超声图像中胎儿多解剖结构检测的性能，特别是在样本难以获取的类别中	胎儿解剖结构	digital pathology	NA	few-shot learning	TKR-FSOD	image	5-shot
405	2025-04-26	Attention-Guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482001 PMID:39412975	研究论文	本文提出了一种新型的轻量级3D卷积神经网络，用于捕捉脑部疾病的演变过程，以预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展	引入了纵向病变特征选择策略和疾病趋势注意力机制，以提取时间数据中的核心特征并学习疾病趋势与局部变异特征之间的依赖关系	仅使用两次随访的sMRI扫描进行预测，可能限制了模型的泛化能力	预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展，以实现早期干预	轻度认知障碍（MCI）患者	数字病理学	老年病	结构磁共振成像（sMRI）	3D CNN	图像	使用两次随访的sMRI扫描进行预测
406	2025-04-26	GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400169 PMID:39421969	研究论文	提出了一种基于硬负样本的分子图对比学习框架GCLmf，用于毒性预测	首次在分子图对比学习中引入特定条件的分子片段作为硬负样本，提升负样本集质量	未讨论模型在更大规模毒性数据集上的泛化能力	提高化学毒性预测的准确性和鲁棒性	分子结构和毒性数据	机器学习	NA	对比学习	GCLmf（基于深度学习的自监督预训练框架）	分子图数据	33种毒性任务的数据集
407	2025-04-26	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	本文提出四种深度学习模型，从不同角度提取肌肉协同特征，用于预测中风患者的手腕关节运动意图	首次从肌肉解剖学角度利用3DCNN模型预测运动意图，通过重构1D sEMG样本为2D帧并输入3DCNN进行特征提取	传统基于盲源分离的矩阵分解算法在提取肌肉协同特征方面仍存在局限性	提高中风患者上肢功能障碍康复效果，通过sEMG信号预测运动意图以精确调整康复机器人辅助水平	中风患者的手腕关节运动	机器学习	中风	sEMG信号处理	3DCNN, CNN-LSTM, GAN	sEMG信号	自建手腕运动数据集和公开Ninapro DB2数据集
408	2025-04-26	Data- and Physics-Driven Deep Learning Based Reconstruction for Fast MRI: Fundamentals and Methodologies 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3485022 PMID:39437302	综述	本文综述了基于数据和物理驱动的深度学习在快速MRI重建中的基础和方法	探讨了数据模型与物理驱动的协同整合，以及生成模型在MRI加速中的应用	未提及具体实验数据或样本量，可能缺乏实证支持	提高MRI扫描速度，改善患者舒适度和图像质量	MRI重建技术	医学影像处理	NA	深度学习、并行成像、同时多层成像	生成模型、算法展开模型、即插即用模型	MRI图像数据	NA
409	2025-04-26	For the busy clinical-imaging professional in an AI world: Gaining intuition about deep learning without math 2025-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101762 PMID:39437625	继续医学教育文章	本文旨在通过医学类比和快速模拟帮助临床影像专业人员更直观地理解深度学习，而无需深入数学细节	采用医学类比和可快速实现的模拟演示，使临床专业人员能够通过亲身体验理解深度学习的内部机制	主要关注诊断领域的深度学习应用，虽然也提到治疗领域的类似性，但未深入探讨	提升临床专业人员对深度学习在医学诊断中应用的基本理解	临床影像专业人员	数字病理	乳腺癌	深度学习模拟演示	深度学习模型	医学影像数据	NA
410	2025-04-26	Diagnostic accuracy of deep learning-based algorithms in laryngoscopy: a systematic review and meta-analysis 2025-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-09049-2 PMID:39446141	meta-analysis	本文通过系统综述和荟萃分析评估了基于深度学习的算法在喉镜检查中的诊断准确性	首次对深度学习在喉镜图像中诊断喉癌的效能进行了系统评价和荟萃分析	纳入研究数量有限（9项研究），可能存在发表偏倚	评估深度学习算法在喉镜检查中对喉癌的诊断效能	喉镜图像	digital pathology	laryngeal cancer	deep learning	NA	image	106,175张内窥镜图像
411	2025-04-26	Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3486439 PMID:39453795	综述	本文全面回顾了解决心电图逆问题的方法、验证策略、临床应用及未来展望	将物理定律与深度学习模型结合，提高心电图逆推断的准确性和效率	动态电生理学的准确捕捉、领域知识的准确获取以及预测不确定性的量化仍存在挑战	解决心电图逆问题，以构建高保真的心脏数字孪生体	心脏数字孪生体（CDTs）及其心电图数据	数字病理学	心血管疾病	深度学习与传统技术结合	深度学习模型	心电图数据	NA
412	2025-04-26	Evaluation of root canal filling length on periapical radiograph using artificial intelligence 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00781-3 PMID:39465425	research paper	本研究提出了一种利用人工智能和图像分析技术评估根管充填成功的新方法	首次将5种基于CNN的深度学习模型应用于根管充填的自动分割，并开发了供临床医生使用的GUI界面进行辅助分析	样本量相对有限（597张根尖周X线片），且仅评估了二维影像数据	开发AI辅助的根管治疗评估系统	根管充填的影像学评估	digital pathology	dental disease	image analysis	CNN	image	597张根尖周X线片（包含1121颗治疗牙）
413	2025-04-26	Active Machine Learning for Pre-procedural Prediction of Time-Varying Boundary Condition After Fontan Procedure Using Generative Adversarial Networks 2025-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03640-8 PMID:39480609	研究论文	本研究应用机器学习技术预测Fontan手术后的边界条件，以优化手术规划	提出了一种新颖的多样性感知生成对抗主动学习框架，用于在有限的心血管病例数据上训练预测性深度神经网络	研究基于虚拟队列合成数据，可能无法完全反映真实临床情况的复杂性	开发预测Fontan手术后边界条件的方法，以优化手术规划	Fontan手术患者	机器学习	心血管疾病	生成对抗网络(GAN)	GAN, 深度神经网络	血流动力学数据	14组实验
414	2025-04-26	HepNet: Deep Neural Network for Classification of Early-Stage Hepatic Steatosis Using Microwave Signals 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3489626 PMID:39480722	研究论文	本研究介绍了一种利用微波技术和深度学习分类早期肝脂肪变性的新方法HepNet	提出了一种名为HepNet的新型深度学习模型，结合微波信号和迁移学习，提高了早期肝脂肪变性的检测准确性	临床数据样本量有限（94和158例患者样本）	开发一种可靠的早期肝脂肪变性分类方法	肝脂肪变性患者	数字病理学	肝病	微波技术	HepNet（基于CNN的改进模型）	微波信号数据	模拟数据训练，94例和158例临床患者样本验证
415	2025-04-26	Cardiac motion correction with a deep learning network for perfusion defect assessment in single-photon emission computed tomography myocardial perfusion imaging 2025-Jan, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102071 PMID:39491716	研究论文	本研究探讨了在单光子发射计算机断层扫描心肌灌注成像中，使用深度学习网络进行心脏运动校正以评估灌注缺陷的潜在益处	首次将深度学习网络应用于心脏运动校正，显著提高了标准计数和减少计数研究中的灌注缺陷检测能力	研究依赖于模拟病变作为真实值，可能无法完全反映真实临床情况	提高单光子发射计算机断层扫描心肌灌注成像中灌注缺陷的检测准确性	心脏运动伪影和灌注缺陷	数字病理学	心血管疾病	单光子发射计算机断层扫描(SPECT)	深度学习网络(DL)	医学影像	训练集197例，测试集194例临床受试者
416	2025-04-26	Style harmonization of panoramic radiography using deep learning 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00782-2 PMID:39470914	研究论文	本研究利用深度学习技术对来自不同设备的全景放射影像进行风格统一	首次使用CycleGAN对全景放射影像进行风格统一，并通过客观和专家评估验证其效果	模型需要进一步优化以适用于更多设备的影像	实现不同设备拍摄的全景放射影像的风格统一	全景放射影像	计算机视觉	NA	CycleGAN	GAN	图像	15,624张全景影像（其中444张用于测试）
417	2025-04-26	Challenges and Opportunities in the Clinical Translation of High-Resolution Spatial Transcriptomics 2025-Jan, Annual review of pathology DOI:10.1146/annurev-pathmechdis-111523-023417 PMID:39476415	综述	本文回顾了高分辨率空间转录组学技术在临床转化中的挑战与机遇	探讨了空间转录组学技术在亚细胞分辨率下数字化基因表达的创新潜力及其在个性化医疗中的应用	讨论了高分辨率空间转录组学技术在快速转化中面临的挑战	旨在推动空间转录组学技术在疾病机制研究和个性化治疗中的临床应用	常规收集和存档的临床样本	数字病理学	NA	空间转录组学技术	深度学习	基因表达数据	NA
418	2025-04-26	Retinal OCT biomarkers and their association with cognitive function-clinical and AI approaches 2025-Jan, Die Ophthalmologie DOI:10.1007/s00347-024-01988-9 PMID:38381373	研究论文	探讨视网膜OCT生物标志物与认知功能之间的关联，并评估AI在医学图像分析中的应用	结合临床与AI方法，探索视网膜OCT生物标志物作为认知功能下降早期非侵入性标记的潜力	AI工具在医学应用中的黑箱性质及在开发数据集外的普遍表现不佳	评估视网膜OCT生物标志物在认知功能下降和神经退行性疾病早期检测中的有效性	视网膜OCT生物标志物与认知功能	数字病理学	神经退行性疾病	光学相干断层扫描(OCT)	深度学习(DL)	医学图像	NA
419	2025-04-26	Pruning Sparse Tensor Neural Networks Enables Deep Learning for 3D Ultrasound Localization Microscopy 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3552198 PMID:40126968	research paper	该论文提出了一种使用稀疏张量神经网络实现基于深度学习的3D超声定位显微镜（ULM）的方法，以降低内存需求并提高性能	首次将稀疏张量神经网络应用于3D ULM，显著降低了内存需求并提高了在高浓度微泡环境下的性能	稀疏化处理可能导致信息损失，且在2D情况下性能略有下降	开发更高效的3D超声定位显微镜技术，以缩短采集时间并提高成像质量	超声定位显微镜中的微泡轨迹检测	digital pathology	NA	超声定位显微镜（ULM）	稀疏张量神经网络	3D超声图像数据	NA
420	2025-04-26	CRCL: Causal Representation Consistency Learning for Anomaly Detection in Surveillance Videos 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558089 PMID:40215152	research paper	提出了一种名为CRCL的因果表示一致性学习方法，用于监控视频中的异常检测	通过因果学习挖掘潜在的场景鲁棒因果变量，剥离深度表示中的场景偏差并学习因果视频正态性	在现实场景中可能无法应对标签无关的数据偏移（如场景变化），且对轻微异常的响应可能不足	改进监控视频中的异常检测方法	监控视频中的异常事件	computer vision	NA	causality learning, deep representation learning	CRCL (Causal Representation Consistency Learning)	video	在基准数据集上进行了大量实验