深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4241	2025-10-06	Downgrading Breast Imaging Reporting and Data System categories in ultrasound using strain elastography and computer-aided diagnosis system: a multicenter, prospective study 2024-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqae136 PMID:39102827	研究论文	通过结合应变弹性成像和深度学习辅助诊断系统，对乳腺超声BI-RADS分类进行降级评估的前瞻性多中心研究	首次将应变弹性成像比值与深度学习CAD系统联合应用于乳腺超声BI-RADS分类的重新评估	研究仅针对BI-RADS 3和4a-c类别，未包含其他类别；样本来源限于特定时间段的多中心数据	评估结合弹性成像和CAD系统是否能减少乳腺病变的不必要活检	1049个乳腺肿块（691个良性，358个恶性）	医学影像分析	乳腺癌	超声成像，应变弹性成像，深度学习	深度学习	超声图像	1049个肿块（来自2020-2022年多中心研究）	NA	NA	不必要活检减少率，恶性肿瘤漏诊率	NA
4242	2025-10-06	Prediction of hypertension risk based on multiple feature fusion 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104701 PMID:39047932	研究论文	提出基于多特征融合的高血压风险预测模型，结合问诊和脉诊数据提高分类精度	提出基于动态权重集成欠采样模型处理类别不平衡，构建混合注意力机制的深度学习模型提取脉象深度特征，并采用动态D-S理论进行多特征融合	样本仅来自两家医院，样本量相对有限（409例）	提高高血压预测的分类准确率和泛化性能	高血压患者	机器学习	心血管疾病	脉波分析，特征重要性排序	集成学习，深度学习	脉波信号，临床特征	409例高血压样本（来自上海中医药大学附属龙华医院和中西医结合医院）	NA	混合注意力机制	准确率，灵敏度，特异度，F1分数，G-mean	NA
4243	2025-10-06	A novel deep learning model based on transformer and cross modality attention for classification of sleep stages 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104689 PMID:39029770	研究论文	提出一种基于Transformer和跨模态注意力的深度学习模型用于睡眠阶段分类	首次将Transformer编码器-解码器架构与跨模态注意力机制相结合用于多生理通道的睡眠阶段分类	仅使用SHHS数据集进行验证，未在其他数据集上测试泛化能力	提高睡眠阶段分类的准确性和效率	睡眠阶段分类	机器学习	睡眠障碍	多生理信号分析	Transformer	时间序列生理信号数据	Sleep Heart Health Study Dataset (SHHS)数据集	NA	Transformer编码器-解码器,跨模态注意力	准确率	NA
4244	2025-10-06	Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104685 PMID:39004109	研究论文	提出一种基于电子健康记录的半监督双重深度学习时序风险预测算法(SeDDLeR)	结合半监督学习和深度学习，利用大量未标记数据和少量金标准标签进行时序风险预测，引入时序核权重处理缺失发病时间和异质性随访	对事件发生时间的标注要求较低，但可能受到诊断代码假阳性和发病时间标注不准确的影响	开发时序风险预测模型用于临床事件预测	电子健康记录数据和2型糖尿病风险预测	机器学习	2型糖尿病	电子健康记录分析	GRU,深度学习	时序医疗数据	麻省总医院布里格姆生物样本库数据	NA	GRU	C-statistics,时间特异性AUC	NA
4245	2025-10-06	Promoting smartphone-based keratitis screening using meta-learning: A multicenter study 2024-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104722 PMID:39244181	研究论文	本研究提出了一种基于元学习的框架CNCML，用于在智能手机数据不足的情况下开发角膜炎筛查模型	提出余弦最近质心度量学习(CNCML)元学习框架，能够利用裂隙灯照片的先验知识在少量智能手机数据上实现高效学习	研究仅基于三个临床中心的数据，需要更多临床验证	开发基于智能手机的角膜炎筛查智能系统	角膜炎患者	计算机视觉	角膜炎	深度学习	元学习	图像	13,009张裂隙灯照片和4,075张智能手机照片，来自3个临床中心	NA	余弦最近质心度量学习(CNCML)	准确率, 宏平均曲线下面积(macro-AUC)	NA
4246	2025-10-06	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	提出一种基于临床知识模板的方法来改进气胸分类中AI模型的事后解释	将气胸临床知识转化为模板，用于过滤XAI方法生成的多余解释区域	需要放射科医生手动勾画病变区域来生成模板	提高气胸分类中AI模型解释的准确性和临床相关性	气胸病变区域	计算机视觉	气胸	深度学习	CNN	胸部X光图像	两个真实世界数据集(SIIM-ACR和ChestX-Det)	NA	VGG-19, ResNet-50	IoU, Dice Similarity Coefficient	NA
4247	2025-10-06	Utilizing Deep Learning and Computed Tomography to Determine Pulmonary Nodule Activity in Patients With Nontuberculous Mycobacterial-Lung Disease 2024-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000745 PMID:38640144	研究论文	开发并评估用于非结核分枝杆菌肺病患者肺部结节活动性分类的深度卷积神经网络模型	首次将深度卷积神经网络应用于非结核分枝杆菌肺病肺部结节活动性的自动分类，并与放射科医生表现进行对比验证	样本量相对有限（650个结节），仅使用2D CT图像而非3D体积数据	开发基于CT的深度学习模型用于非结核分枝杆菌肺病肺部结节活动性分类	非结核分枝杆菌肺病患者的肺部结节	计算机视觉	肺部疾病	计算机断层扫描	CNN	医学影像	110名患者的650个结节（316个急性，334个慢性）	NA	11层卷积神经网络	AUC, 敏感度, 特异度, 准确率	NA
4248	2025-10-06	Deep Learning for Detection of Pneumothorax and Pleural Effusion on Chest Radiographs: Validation Against Computed Tomography, Impact on Resident Reading Time, and Interreader Concordance 2024-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000746 PMID:37884394	研究论文	评估人工智能在胸部X光片上检测气胸和胸腔积液的表现，并与CT结果对比	首次使用CT作为金标准对AI检测胸膜病变进行体积量化验证，并评估AI辅助对住院医师阅片时间和诊断一致性的影响	回顾性研究设计，样本量相对有限（362例）	验证AI在胸部X光片上检测胸膜病变的性能	接受胸部X光检查的患者	医学影像分析	胸膜疾病	胸部X光摄影，计算机断层扫描	深度学习	医学影像	362例（96例对照组，165例胸腔积液，101例气胸）	NA	INSIGHT CXR	AUROC, Fleiss kappa, 阅片时间, 检测错误率	NA
4249	2025-10-06	VAULT: vault accuracy using deep learning technology: new image-based artificial intelligence model for predicting implantable collamer lens postoperative vault 2024-May-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001386 PMID:38651696	研究论文	开发基于深度学习的人工智能模型，用于预测有晶状体眼植入式Collamer透镜(ICL)术后拱高	首次结合术前极高频数字超声图像和患者人口统计学数据，通过神经网络预测ICL术后拱高	13.7 mm尺寸ICL因数据不足被排除在研究之外	开发准确预测ICL术后拱高的深度学习模型	221例连续患者的437只眼，接受ICL植入手术	计算机视觉	眼科疾病	极高频数字超声成像	神经网络	图像, 临床数据	221名患者的437只眼，共3059张图像	NA	NA	平均绝对误差, 预测准确率	NA
4250	2025-10-06	Prediction of preeclampsia from retinal fundus images via deep learning in singleton pregnancies: a prospective cohort study 2024-04-01, Journal of hypertension IF:3.3Q1 DOI:10.1097/HJH.0000000000003658 PMID:38230614	研究论文	本研究通过深度学习分析视网膜眼底图像预测单胎妊娠中的先兆子痫	首次将视网膜眼底图像与深度学习结合用于先兆子痫的早期预测	样本仅来自单一医疗中心，需多中心验证	评估基于视网膜眼底图像的深度学习算法预测先兆子痫的可行性	单胎妊娠孕妇	计算机视觉	先兆子痫	视网膜眼底成像	深度学习	图像	1138名孕妇（92例发展为妊娠期高血压疾病，其中66例为先兆子痫）	NA	NA	AUC, 敏感性, 特异性	NA
4251	2025-10-06	Comparative study of the glistening between four intraocular lens models assessed by OCT and deep learning 2024-01-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001316 PMID:37702457	研究论文	本研究使用光学相干断层扫描和深度学习算法对四种不同类型人工晶状体的微泡现象进行量化评估和比较	开发了基于深度学习的原创量化算法，首次系统比较四种人工晶状体模型的微泡严重程度	横断面研究设计，样本量相对有限（325只眼睛）	评估四种人工晶状体模型中微泡现象的存在和严重程度	人工晶状体植入患者的325只眼睛	医学影像分析	眼科疾病	光学相干断层扫描	深度学习	OCT图像	325只眼睛（ReSTOR+3 SN6AD1: 41例，SN60WF: 110例，PanOptix TFNT: 128例，Vivity DFT015: 46例）	NA	NA	组内相关系数（≥0.829）	NA
4252	2025-10-06	Correlation Between Intranodular Vessels and Tumor Invasiveness of Lung Adenocarcinoma Presenting as Ground-glass Nodules: A Deep Learning 3-Dimensional Reconstruction Algorithm-based Quantitative Analysis on Noncontrast Computed Tomography Images 2023-Sep-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000731 PMID:37531613	研究论文	基于深度学习三维重建算法定量分析非增强CT图像中肺腺癌磨玻璃结节内血管特征与肿瘤侵袭性的相关性	首次采用深度学习三维重建技术对非增强CT图像中磨玻璃结节内血管进行定量分析，建立血管特征与肺腺癌侵袭性的关联	回顾性研究设计，样本来源单一机构，未进行外部验证	评估基于深度学习的结节内血管定量特征在区分肺腺癌侵袭性中的作用	474例患者的512个确诊磨玻璃结节（包括241个前驱腺体病变、126个微浸润腺癌和145个浸润性腺癌）	计算机视觉	肺癌	非增强计算机断层扫描	深度学习	医学影像	512个磨玻璃结节（来自474例患者）	NA	基于区域分割和区域生长技术的三维重建算法	血管检出率、血管体积百分比、Mantel-Haenszel χ²检验、χ²检验、方差分析	NA
4253	2025-10-06	A hybrid deep learning model for forecasting lymphocyte depletion during radiation therapy 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15584 PMID:35229311	研究论文	提出一种混合深度学习模型预测食管癌患者放疗期间淋巴细胞耗竭趋势	开发了具有堆叠结构的四通道混合模型，结合LSTM和神经网络处理多类特征，并引入判别性核函数提取时序特征	研究仅针对食管癌患者，未验证在其他癌种中的适用性	预测放疗引起的淋巴细胞耗竭以优化放疗治疗计划	接受同步放化疗的食管癌患者	医疗人工智能	食管癌	放射治疗	LSTM,神经网络	临床特征，剂量学特征，时序数据	860名食管癌患者	NA	混合堆叠结构，四通道模型	均方误差	NA
4254	2025-10-06	A multi-model deep learning approach for human emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10304-3 PMID:40761311	研究论文	提出一种融合音频、视觉和文本的多模态深度学习框架用于人类情绪识别	提出基于注意力的多模态融合机制，结合图注意力网络、Wav2Vec 2.0和BERT-BiGRU等先进技术实现跨模态情绪分析	NA	开发高效的多模态情绪识别系统	人类情绪表达	自然语言处理,计算机视觉,语音处理	NA	深度学习,多模态融合	Transformer,GCN,CNN,BiGRU	音频,图像,文本	NA	PyTorch/TensorFlow	Graph Attention Network, Wav2Vec 2.0, CNN, BERT, BiGRU	准确率,精确率,召回率,F1分数	NA
4255	2025-10-06	HybridDLDR: A hybrid deep learning-based drug resistance prediction system of Glioblastoma (GBM) using molecular descriptors and gene expression data 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108913 PMID:40592112	研究论文	提出一种基于深度学习的胶质母细胞瘤药物耐药性预测混合系统，结合分子描述符和基因表达数据	首次将CNN、LSTM和Transformer架构结合用于药物耐药性预测，整合基因表达数据和化学性质	NA	预测胶质母细胞瘤的药物耐药性以改善癌症治疗效果	胶质母细胞瘤（GBM）及其对化疗药物的耐药性	机器学习	胶质母细胞瘤	基因表达分析，分子描述符计算	CNN, LSTM, Transformer	基因表达数据，分子描述符（化学性质）	NA	NA	CNN, LSTM, Transformer混合架构	均方误差（MSE）, 平均绝对误差（MAE）, R2分数, 皮尔逊相关系数	NA
4256	2025-10-06	From segmentation to explanation: Generating textual reports from MRI with LLMs 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108922 PMID:40633400	研究论文	提出一种将语义分割模型与大型语言模型结合的方法，从MRI图像生成可解释的医学报告	结合语义分割模型、基于图谱的映射和LLMs生成医学报告，采用抗幻觉设计增强AI系统的透明度和可解释性	NA	提高医学影像AI系统的透明度和可解释性，增强医疗专业人员对AI诊断的信任	脑胶质瘤肿瘤检测和多发性硬化病变检测	医学影像分析	脑肿瘤, 多发性硬化	MRI	SegResNet, LLM	医学影像	NA	NA	SegResNet, Gemma, Llama, Mistral	词汇多样性, 可读性, 连贯性, 信息覆盖度	NA
4257	2025-10-06	A Joint Multimodal User Authentication-based Privacy Preservation with Disease Prediction Framework in Modern Healthcare System Using Multi-Scale Cross Attention-based ResNet 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108928 PMID:40644852	研究论文	提出一种基于多尺度交叉注意力ResNet的多模态用户认证与疾病预测框架，用于现代医疗系统的隐私保护和疾病预测	结合多模态用户认证与疾病预测，采用多尺度交叉注意力ResNet架构和最优Rossler超混沌加密技术	系统复杂性可能限制实际应用，包括信息安全和预测效率方面的挑战	开发医疗系统中的隐私保护机制和疾病预测框架	医疗图像和信号数据	医疗健康信息学	NA	多模态用户认证，图像加密	DNN, RNN, LSTM, GRU, ResNet	图像，信号	NA	NA	多尺度交叉注意力ResNet (MCARNet)	精确度	NA
4258	2025-10-06	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法	结合对比心电-文本预训练和低秩卷积适配器，实现仅需训练少量参数即可适应不同心电图分类任务	NA	开发一种灵活高效的心电图自动分析方法，提高临床应用的适应性	心电图信号	机器学习	心血管疾病	深度学习	对比学习, 适配器	心电图信号, 文本	四个数据集：CPSC2018, Cinc2017, PTB-XL, Chapman	NA	低秩卷积适配器	分类准确率	NA
4259	2025-10-06	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究开发了一种基于病理组学的三级分层策略，通过分析多器官死后组织学图像来估计死后间隔	首次将病理组学技术应用于法医死后图像分析，提出多器官集成模型和三层次分析框架，开创了死后病理组学子领域	研究样本量有限（12头巴马小型猪），仅针对特定时间点（6、24、48、96小时）进行分析	开发基于病理组学的死后间隔估计方法，为死后病理组学奠定基础	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理	法医病理学	苏木精-伊红染色，全切片成像	CNN	图像	12头巴马小型猪（主要研究）+ 4头（外部验证）	NA	DenseNet121, VGG16	准确率	NA
4260	2025-10-06	Handwritten signature verification using a wearable surface-EMG armband 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究提出一种基于表面肌电信号的可穿戴臂环手写签名验证系统	首次提出双模型深度学习框架，结合肌肉协同激活模式与原始sEMG信号波形，创建了首个基于可穿戴设备采集的sEMG签名数据集	实验样本量较小（仅20名参与者），仅针对中文字符签名进行验证	开发基于表面肌电信号的生物特征认证系统，解决手写签名类内变异大的问题	20名个体的中文手写签名表面肌电信号	生物特征识别	NA	表面肌电图	CNN,LSTM	表面肌电信号	20名参与者	NA	CNN-LSTM,多分支CNN	准确率,等错误率	NA