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
5381	2025-03-12	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	采用对比自监督学习方法训练深度卷积神经网络作为特征提取器，无需数据标签即可学习潜在表示，并在下游分类任务中表现出色	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型是否能够以可解释的方式区分不同的神经退行性疾病	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）	计算机视觉	神经退行性疾病	T1加权MRI扫描	深度卷积神经网络（CNN）	图像	2694个T1加权MRI扫描，来自四个数据队列：两个ADNI数据集、AIBL和FTLDNI
5382	2025-03-12	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	本研究开发了一种自动化的深度学习应变（DLS）分析管道，用于从标准超声心动图B模式图像中测量全局纵向应变（GLS），并验证其在多种应用和人群中的性能	开发了一种自动化的、开源且与供应商无关的DLS方法，用于从标准超声心动图B模式图像中测量GLS，减少了操作者经验和供应商间差异的影响	尽管DLS在外部验证中与2D GLS保持中等一致性，但仍存在一定的偏差和一致性限制	开发并验证一种自动化的深度学习应变分析管道，以减少超声心动图应变测量中的操作者经验和供应商间差异	超声心动图B模式图像	数字病理	心血管疾病	深度学习	NA	图像	多个应用和人群中的患者数据
5383	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781599 PMID:40039079	研究论文	本文探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入的价值，用于脑龄分析和痴呆分类，并在印度和北美人群中进行测试	首次在CNN模型中引入dMRI作为输入，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的效果	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探索dMRI在CNN模型中的应用，以提高阿尔茨海默病分类和痴呆严重度推断的准确性	北美和印度人群的MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN）	MRI图像	NA
5384	2025-03-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782103 PMID:40039441	研究论文	本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型在重复训练数据上进行训练，以消除由于训练集大小不同而引入的偏差	研究结果仅限于特定的数据集和模型，可能无法推广到其他情况	评估数据增强方法在提高深度学习模型诊断重度抑郁症性能方面的效用	重度抑郁症患者	机器学习	精神疾病	脑电图数据增强	深度学习模型	脑电图数据	未明确提及样本数量
5385	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781959 PMID:40039893	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，旨在识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	NA
5386	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	研究论文	本文探讨了将扩散加权MRI（dMRI）作为卷积神经网络（CNN）模型的输入，用于脑龄分析和痴呆分类的价值，并在印度和北美人群数据集中进行了测试	研究了dMRI作为CNN模型输入的价值，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的益处	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探讨dMRI在脑龄预测和阿尔茨海默病分类中的应用价值	北美和印度人群的脑部MRI数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN），3D CycleGAN	MRI图像	北美ADNI数据集和印度NIMHANS数据集
5387	2025-03-12	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出了一种利用连续对抗域泛化技术进行跨噪声水平PET去噪的方法	首次从域泛化的角度解决跨噪声水平去噪中的性能下降问题，并提出了连续域泛化的新方法	模型在特定噪声水平上训练，可能在不同噪声水平上的泛化能力有限	解决PET图像去噪中由于噪声水平不同导致的分布偏移问题	PET图像	计算机视觉	阿尔茨海默病	深度学习	3D UNet	3D图像	60名受试者的97F-MK6240 tau PET研究数据，生成1400对训练图像、120对验证图像和420对测试图像
5388	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，用于识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	未提及具体样本数量
5389	2025-03-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型（LDM）和去噪扩散概率模型（DDPM）应用于生成合成MRI图像，并通过反事实图像生成个性化疾病图谱	训练数据集大小、计算时间和内存资源的限制	研究阿尔茨海默病对大脑解剖结构的影响，并生成可解释的AI图谱	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	去噪扩散模型	条件潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）、3D CNN	3D T1加权MRI图像	500个真实训练扫描
5390	2025-03-12	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过术前心电图预测术后死亡率	利用深度学习分析心电图波形信号，识别术后死亡率的隐藏风险标志物，超越了传统修订心脏风险指数（RCRI）的预测能力	研究仅基于美国三个医疗系统的数据，可能在其他地区或医疗系统中的适用性有待验证	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	机器学习	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者，共112,794份心电图
5391	2025-03-12	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示，以进行快速分析	SAMPLER通过编码多尺度瓦片级别特征的累积分布函数来生成幻灯片级别表示，无需监督且计算效率高	尽管SAMPLER在速度和效果上表现出色，但其在外部验证数据集上的表现仍需进一步验证	开发一种无监督且快速的方法，用于生成全切片组织图像的幻灯片级别表示，以进行下游分析	乳腺癌（BRCA）、非小细胞肺癌（NSCLC）和肾细胞癌（RCC）的全切片图像	数字病理学	乳腺癌、非小细胞肺癌、肾细胞癌	深度学习	无监督模型	图像	来自The Cancer Genome Atlas (TCGA)的BRCA、NSCLC和RCC全切片图像
5392	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5393	2025-03-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 2023-Dec-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.15.571938 PMID:38187601	研究论文	本研究评估了六种脑电图（EEG）数据增强方法在深度学习用于重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型在重复训练数据上进行训练，以消除由于比较不同大小训练集性能而引入的偏差	研究结果仅限于特定的数据集和模型，可能不适用于其他情况	评估数据增强方法在深度学习用于重度抑郁症诊断中的效用	重度抑郁症患者	机器学习	重度抑郁症	EEG数据增强	深度学习模型	原始脑电图数据	未明确说明样本数量
5394	2025-03-12	Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.01.015 PMID:36754100	研究论文	本文介绍了EchoNet-Peds，一种基于视频的深度学习算法，用于自动评估儿科患者的左心室射血分数（EF）	EchoNet-Peds是首个专门针对儿科患者开发的深度学习算法，能够匹配人类专家在左心室分割和射血分数评估方面的表现	尽管EchoNet-Peds在儿科数据上表现优异，但其在成人数据上的适用性尚未验证	开发一种自动化工具，用于准确评估儿科患者的左心室射血分数和识别收缩功能障碍	儿科患者的超声心动图数据	计算机视觉	心血管疾病	深度学习	CNN	视频	4,467个儿科超声心动图
5395	2025-03-12	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	本文介绍了一种新颖的深度学习方法，用于从多梯度回波（mGRE）MRI数据中鲁棒且加速地重建定量且B0不均匀性校正的R2*图像	RoAR方法采用自监督学习策略，无需真实R2*图像，且在训练过程中仅需F函数，应用时则不需要，显著提高了计算速度和噪声鲁棒性	NA	开发一种深度学习方法，用于从mGRE MRI数据中重建定量且B0不均匀性校正的R2*图像	多梯度回波（mGRE）MRI数据	计算机视觉	NA	mGRE MRI	CNN	图像	NA
5396	2025-03-11	In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127762 PMID:39999584	研究论文	本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性	结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能	NA	提高LIBS作为高精度分析工具的性能	金属样品的连续LIBS烧蚀过程	机器学习和光谱分析	NA	拉曼光谱和激光诱导击穿光谱（LIBS）	深度卷积神经网络（CNN）	光谱数据	NA
5397	2025-03-11	Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127821 PMID:40020613	研究论文	本文建立了一种智能分析养心氏片（YXST）中多种化学成分的综合表征策略	开发了深度学习辅助的质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式，结合在线二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）技术	NA	智能分析养心氏片中的多种化学成分	养心氏片（YXST）中的化学成分	自然语言处理	NA	在线二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）	深度学习	质谱数据	228种化合物，包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物
5398	2025-03-11	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	本文提出了一种基于深度Kronecker卷积神经网络（DKCN-Net）和联邦学习的肺部疾病检测方法	结合了联邦学习（FL）和深度Kronecker卷积神经网络（DKCN-Net），在保护隐私的同时实现高精度的肺部疾病检测	未提及具体的数据集大小或模型在其他数据集上的泛化能力	开发一种能够在保护隐私的同时实现高精度肺部疾病检测的深度学习模型	肺部疾病检测	计算机视觉	肺癌	联邦学习（FL）、深度模糊聚类（DFC）、3D全卷积神经网络（3D-FCN）	DKCN-Net（深度Kronecker卷积神经网络）	CT图像	NA
5399	2025-03-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	本文提出了一种基于领先指标的深度学习方法ALI-GRU，用于预测多资源和多区域的长期电力生成动态	提出了ALI-GC模型用于全球能源源相互作用的综合建模，并提出了ALI-GRU深度学习模型用于长期电力生成预测	NA	通过长期预测多资源和多区域的电力生成，帮助实现电力平衡并为目标调整创建足够的缓冲	美国2018年至2024年的区域级每小时电力生成数据	机器学习	NA	深度学习	ALI-GRU	时间序列数据	2018年至2024年的美国区域级每小时电力生成数据
5400	2025-03-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	研究论文	本文提出了一种名为RP-Net_TaylorDOX-based DNFN的新方案，用于从输入图像中分类阿尔茨海默病（AD）	创新点在于结合了泰勒级数和Dingo优化器（TaylorDOX）来调整RP-Net的参数，并使用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未明确提及研究的局限性	研究目的是通过深度学习技术对阿尔茨海默病进行检测和分类	研究对象是用于AD严重程度分类的脑部图像	计算机视觉	老年病	深度学习	RP-Net, DCNN, DNFN	图像	未明确提及样本数量