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
501	2025-08-03	Harnessing artificial intelligence of things for cardiac sensing: current advances and network-based perspectives 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1569887 PMID:40740375	综述	本文探讨并综合了人工智能驱动的物联网在心脏传感领域的当前进展和未来方向，强调了其重要性	利用文献计量学方法可视化这一跨学科领域的关键焦点、新兴趋势和演化轨迹	未提及具体的技术实施细节或临床验证结果	探索人工智能驱动的物联网在心脏传感领域的应用及其未来发展	物联网、心脏传感器和人工智能的交叉领域文献	医疗物联网	心血管疾病	深度学习技术	NA	学术文献数据	2,128篇论文
502	2025-08-03	ICT-Net: An Integrated Convolution and Transformer-Based Network for Complex Liver and Liver Tumor Region Segmentation 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3586470 PMID:40740831	研究论文	提出了一种结合卷积和Transformer的网络ICT-Net，用于复杂肝脏和肝肿瘤区域的自动分割	开发了一种新的深度学习架构ICT-Net，结合预训练的Transformer编码器和先进的卷积-Transformer解码器结构，提高了肝脏和肝肿瘤分割的准确性	公开可用的带有HCC标注的肝脏数据集有限	提高肝脏和肝肿瘤区域的自动分割精度，以支持更精确和有效的临床治疗策略	肝脏和肝细胞癌（HCC）区域	计算机视觉	肝癌	深度学习	ICT-Net（结合CNN和Transformer）	CT图像	CCH-LHCC-CT数据集及三个公共CT肝脏数据集
503	2025-08-03	Effective Tumor Annotation for Automated Diagnosis of Liver Cancer 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3576827 PMID:40740835	研究论文	本文提出了一种有效的肝脏肿瘤自动标注方法，用于辅助放射科医生高效制作准确的诊断报告	提出了一种结合肿瘤分割、定位、测量和识别的多任务方法，并引入了Multi-Residual Attention Unet和Multi-SeResUnet等创新模型	未提及方法在多样化数据集上的泛化能力验证	开发自动化肝脏肿瘤标注系统以提高诊断效率和准确性	肝脏肿瘤的医学影像	计算机视觉	肝癌	深度学习	Multi-Residual Attention Unet, Multi-SeResUnet, 多标签分类器, 回归模型	医学影像	真实数据集（具体数量未说明）
504	2025-08-03	Evaluating Cardiac Impairment From Abnormal Respiratory Patterns: Insights From a Wireless Radar and Deep Learning Study 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3588523 PMID:40740837	研究论文	本研究通过无线雷达和深度学习技术分析呼吸模式，探讨其与心脏功能（如左心室射血分数）的关联	结合无线雷达框架与深度学习技术，无接触地监测呼吸模式与心脏功能的关联	研究样本来自台湾北部单一心脏病房，可能限制结果的普遍性	探索心脏功能受损与睡眠呼吸障碍之间的双向影响	心脏病房患者	数字病理	心血管疾病	无线雷达框架、深度学习	深度学习	呼吸模式数据、2D超声心动图测量数据	台湾北部心脏病房患者
505	2025-08-03	A state-of-the-art review of diffusion model applications for microscopic image and micro-alike image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551894 PMID:40740945	综述	本文综述了扩散模型在显微图像及类似图像分析中的应用，重点探讨了DDPM、DDIM和SDEs三种常用模型	扩散模型在显微图像生成和分割方面展现出显著优势，能够生成高质量合成显微图像并精确分割细胞区域和组织结构	文章未明确提及具体的技术限制，但讨论了扩散模型在生物医学图像处理中的局限性和未来发展方向	综述扩散模型在显微图像分析领域的应用现状和发展趋势	显微图像及类似图像	数字病理学	NA	扩散模型(DDPM, DDIM, SDEs)	扩散模型	图像	包含31篇相关论文(13篇图像生成，9篇分割，其余为其他应用)
506	2025-08-03	Advancing patient care with AI: a unified framework for medical image segmentation using transfer learning and hybrid feature extraction 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1589587 PMID:40740955	研究论文	本文提出了一种结合分割、高级特征提取和迁移学习的统一框架，以提高多种医学影像数据集的分割准确性和泛化能力	结合了U-Net分割、传统特征提取方法（LBP和GLCM）和迁移学习，显著提高了医学影像分割的准确性和泛化能力	研究仅针对皮肤癌、肠息肉和脑肿瘤三种疾病，未涵盖其他医学影像类型	开发一个集成框架，提高医学影像分割的准确性和泛化能力，以支持诊断精确性和临床决策	皮肤癌、肠息肉和脑肿瘤的医学影像数据	数字病理	皮肤癌、肠息肉、脑肿瘤	U-Net分割、LBP、GLCM、迁移学习、SVM分类	U-Net、SVM	医学影像	三个数据集（HAM10000、Kvasir-SEG、Figshare Brain Tumor dataset）
507	2025-08-03	Quantitative assessment of brain glymphatic imaging features using deep learning-based EPVS segmentation and DTI-ALPS analysis in Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1621106 PMID:40741044	研究论文	本研究通过深度学习自动分割脑部血管周围间隙（EPVS）并结合DTI-ALPS分析，定量评估阿尔茨海默病（AD）、遗忘型轻度认知障碍（aMCI）和正常对照（NC）患者的脑部淋巴系统影像特征	结合深度学习自动分割EPVS和DTI-ALPS分析，实现多维度的脑部淋巴系统改变评估	样本量相对较小，AD患者89例，aMCI患者24例，NCs 32例	定量评估阿尔茨海默病及相关认知障碍患者的脑部淋巴系统影像特征	阿尔茨海默病患者、遗忘型轻度认知障碍患者和正常对照者	数字病理	阿尔茨海默病	扩散张量成像分析（DTI-ALPS）、T1WI和T2WI成像	VB-Net	影像数据	AD患者89例，aMCI患者24例，NCs 32例
508	2025-08-03	Development and validation of deep learning- and ensemble learning-based biological ages in the NHANES study 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532884 PMID:40741049	研究论文	本研究开发并验证了基于深度学习和集成学习的生物年龄模型，用于预测全因和特定原因死亡率	首次利用包括临床、行为和社会经济因素在内的综合特征集构建生物年龄模型，并验证其预测死亡率的能力	研究依赖于NHANES数据，可能无法完全代表其他人群	开发和验证新型机器学习生物年龄模型，评估其死亡率预测性能	24,985名NHANES研究参与者	机器学习	心血管疾病, 脑血管疾病, 癌症	LASSO, DNN, 集成学习	DNN, 集成学习	临床数据, 行为数据, 社会经济数据	24,985名NHANES参与者
509	2025-08-03	Evaluation of non-motor symptoms in Parkinson's disease using multiparametric MRI with the multiplex sequence 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1602245 PMID:40741048	研究论文	本研究探讨了使用MULTIPLEX MRI序列检测帕金森病非运动症状相关的脑组织微结构变化	首次使用MULTIPLEX MRI序列（包含T2*映射、T1映射、质子密度映射和定量磁化率映射）来检测帕金森病非运动症状相关的脑组织微结构变化	样本量较小（37例患者），且T1映射和质子密度映射未发现与帕金森病非运动症状显著相关的特定脑区	探索多参数MRI在帕金森病非运动症状早期诊断中的应用价值	37例帕金森病患者	数字病理学	帕金森病	MULTIPLEX MRI序列（包含T2*映射、T1映射、质子密度映射和QSM），3D T1WI	深度学习	MRI图像	37例帕金森病患者
510	2025-08-03	A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke 2024-Aug-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8272 PMID:38871371	研究论文	本研究利用深度学习构建全自动方法，通过治疗前CT和MR成像预测急性缺血性卒中患者机械取栓后的首次通过效应	首次利用非灌注MR成像和CT进行首次通过效应的自动分类，无需耗时的手动分割	研究样本仅来自单一医疗中心，可能影响模型的泛化能力	预测急性缺血性卒中患者机械取栓后的首次通过效应	急性缺血性卒中患者	数字病理学	急性缺血性卒中	深度学习	混合Transformer模型（含非局部和交叉注意力模块）	CT和MR成像	326名在2014-2021年间接受血管内取栓术的患者
511	2025-08-03	Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3363642 PMID:38373137	研究论文	本文开发了一种名为对比特征分析（CFA）的计算框架，用于探索深度神经网络（DNN）的特征空间并提升AI性能	提出了一种新的数据驱动核形成策略，结合特征间的交互关系，克服了传统方法在分析特征空间数据时的局限性	未明确提及具体局限性，但暗示特征数据的噪声、复杂性和高维性可能仍是挑战	探索深度神经网络的特征表示并提高AI性能	深度神经网络（DNNs）的特征空间数据	机器学习	NA	对比特征分析（CFA）	深度神经网络（DNNs）	特征空间数据	多个最先进网络和跨学科标注数据集（未明确数量）
512	2025-08-03	Deep survival analysis for interpretable time-varying prediction of preeclampsia risk 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104688 PMID:39002866	研究论文	本文提出了一种基于深度生存分析的方法，用于预测妊娠期间子痫前期的时间变化风险	采用改进的DeepHit深度生存模型处理非比例风险，捕捉非线性关系及复杂时间动态，优于传统的Cox比例风险模型	研究基于回顾性数据，可能存在选择偏差	开发能够准确预测子痫前期风险随时间变化的模型，并为早期个体化干预提供依据	66,425名2015-2023年间在两所三级医疗中心分娩的孕妇	机器学习	子痫前期	深度生存分析	DeepHit	临床数据	66,425名孕妇
513	2025-08-03	Enhancing Chicago Classification diagnoses with functional lumen imaging probe-mechanics (FLIP-MECH) 2024-Aug, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14841 PMID:38852150	研究论文	本研究旨在通过深度学习和力学方法，开发一种系统性方法，以桥接高分辨率测压法（HRM）和功能性腔成像探针（FLIP）在食管动力障碍诊断中的测量差异	提出了一种基于力学参数和变分自编码器（VAE）的虚拟疾病景观（VDL）方法，用于整合HRM和FLIP的诊断结果	研究样本仅包括740名受试者，可能不足以覆盖所有类型的食管动力障碍	改进食管动力障碍的诊断方法，整合HRM和FLIP的测量结果	食管动力障碍患者和正常受试者	机器学习	食管动力障碍	功能性腔成像探针（FLIP）、高分辨率测压法（HRM）	变分自编码器（VAE）、线性判别分析（LDA）	生物力学参数	740名受试者（包括患者和正常受试者）
514	2025-08-03	A review on 4D cone-beam CT (4D-CBCT) in radiation therapy: Technical advances and clinical applications 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17269 PMID:38922912	综述	本文综述了4D锥形束CT（4D-CBCT）在放射治疗中的技术进展和临床应用	4D-CBCT通过引入时间维度解决了传统3D CBCT在呼吸运动等动态变化成像中的不足，尤其在胸腹部肿瘤定位中具有重要价值	4D-CBCT存在扫描时间长、成像剂量高以及因需要获取足够X射线投影而导致的图像质量下降等问题	全面回顾4D-CBCT的技术发展，探讨其在放射治疗中的应用潜力	4D-CBCT技术及其在放射治疗中的应用	数字病理	肺癌	4D-CBCT	NA	图像	NA
515	2025-08-03	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	提出了一种名为TAI-GAN的新型生成对抗网络，用于动态心脏PET成像中的早期到晚期帧转换，以改善帧间运动校正	TAI-GAN利用时间信息和粗略心脏分割掩码作为解剖信息，通过特征级线性调制层实现早期帧到参考帧的转换	方法在临床Rb PET数据集上进行了评估，但未提及在其他类型PET数据上的泛化能力	改善动态心脏PET成像中帧间运动对心肌血流量定量和冠状动脉疾病诊断准确性的影响	动态心脏PET成像中的早期帧	数字病理学	心血管疾病	PET成像	GAN	医学图像	临床Rb PET数据集（未提供具体样本数）
516	2025-08-03	Comparison of model-based versus deep learning-based image reconstruction for thin-slice T2-weighted spin-echo prostate MRI 2024-08, Abdominal radiology (New York) DOI:10.1007/s00261-024-04256-1 PMID:38520510	研究论文	比较基于模型的图像重建（MBIR）与新开发的基于深度学习（DL）的图像重建方法，在薄层T2加权自旋回波前列腺MRI中提供更高的信噪比（SNR）	首次在薄层T2加权自旋回波前列腺MRI中比较MBIR与DL重建方法，并展示了DL方法在SNR提升方面的优势	DL High级别的重建在放射学锐度和对比度保真度方面表现下降	评估和比较不同图像重建方法在前列腺MRI中的性能	前列腺MRI图像	数字病理	前列腺癌	MRI	DL	图像	17名受试者
517	2025-08-03	An EEG-based marker of functional connectivity: detection of major depressive disorder 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10041-5 PMID:39104678	研究论文	提出一种基于EEG信号的功能连接性标记P-MSWC，结合CNN用于抑郁症的快速可靠检测	融合了同步压缩小波相干值和相位锁定值的新型功能连接性标记P-MSWC，以及轻量级CNN模型的应用	仅在单一数据集和组合数据集上进行了验证，未提及跨数据集或临床环境中的泛化能力	开发一种快速可靠的抑郁症检测方法	抑郁症患者和健康受试者的EEG信号	数字病理学	抑郁症	同步压缩小波变换、相干理论、相位锁定值	CNN	EEG信号	未明确提及具体样本数量，但涉及单一数据集和组合数据集
518	2025-08-03	Cognitive workload estimation using physiological measures: a review 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10051-3 PMID:39104683	综述	本文综述了使用生理测量方法估计认知负荷水平的研究现状	提供了对所有生理测量方法用于评估认知负荷水平的深入分析，包括公开数据集、认知任务实验范式及不同测量方法	未提及具体样本量或实验设计的局限性	探讨认知神经科学领域中认知负荷水平的估计方法	人类参与者的生理测量数据	认知神经科学	NA	EEG, fMRI, fNIRS, 呼吸活动, 眼动活动	机器学习或深度学习技术	生理测量数据	NA
519	2025-08-03	Deep learning networks based decision fusion model of EEG and fNIRS for classification of cognitive tasks 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09986-4 PMID:39104699	研究论文	本研究提出了一种基于深度学习的EEG和fNIRS决策融合模型，用于分类认知任务	通过融合EEG和fNIRS两种神经影像数据，并采用多种深度学习网络进行决策融合，提高了认知任务的分类性能	研究仅使用了两个公开数据集，样本量相对有限，且未探讨模型在其他认知任务上的泛化能力	开发一种高效的认知任务分类方法，以支持脑机接口、神经障碍检测和神经康复等应用	EEG和fNIRS神经影像数据	机器学习	神经障碍	EEG, fNIRS, 血红蛋白浓度测量	CNN, LSTM, GRU及其组合模型	时间序列数据	两个数据集共55名受试者（26名和29名）
520	2025-08-03	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	开发一种深度学习模型，用于通过患者级别的标签预测临床显著前列腺癌（csPCa）的存在，并与放射科医生的表现进行比较	使用深度学习模型预测临床显著前列腺癌，无需肿瘤位置信息，且其表现与放射科医生相当	研究为回顾性分析，可能受到数据选择和标注偏差的影响	开发并验证一种深度学习模型，用于检测MRI中的临床显著前列腺癌	5215名男性患者的5735次MRI检查	数字病理学	前列腺癌	MRI（T2加权图像、扩散加权图像、表观扩散系数图、T1加权对比增强图像）	CNN	图像	5735次MRI检查（来自5215名患者）