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
6041	2025-04-06	A Model Combining Multi Branch Spectral-Temporal CNN, Efficient Channel Attention, and LightGBM for MI-BCI Classification 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3243992 PMID:37022898	研究论文	提出了一种结合多分支谱时CNN、高效通道注意力和LightGBM的模型，用于解码运动想象脑机接口任务	提出了一种新的端到端深度学习模型MBSTCNN-ECA-LightGBM，结合多分支CNN、高效通道注意力机制和LightGBM，显著提高了MI-BCI任务的解码准确率	未提及模型在不同噪声水平或不同受试者群体中的泛化能力	提高运动想象脑机接口任务的解码准确率	运动想象脑电图信号	脑机接口	NA	EEG信号处理	MBSTCNN-ECA-LightGBM（多分支谱时CNN、高效通道注意力机制、LightGBM）	脑电图信号	未明确提及具体样本数量，但使用了受试者内跨会话训练策略
6042	2025-04-06	MRCPs-and-ERS/D-Oscillations-Driven Deep Learning Models for Decoding Unimanual and Bimanual Movements 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3245617 PMID:37027527	研究论文	提出了一种基于运动相关皮层电位（MRCPs）和事件相关同步/去同步（ERS/D）振荡的深度学习模型，用于解码单侧和双侧手部运动意图	首次将MRCPs和ERS/D振荡融合到深度学习中，以提高多类别单侧和双侧手部运动解码的性能	未提及具体样本量或数据集的局限性	提高脑机接口（BCI）中单侧和双侧手部运动意图的解码性能	脑电图（EEG）信号中的单侧和双侧手部运动意图	脑机接口	神经系统疾病	EEG信号分析	CNN	EEG信号	NA
6043	2025-04-06	Toward Adversarial Robustness in Unlabeled Target Domains 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3242141 PMID:37022907	研究论文	本文提出了一种名为无监督跨域对抗训练（UCAT）的新框架，用于解决在未标记目标域中进行对抗训练的问题	UCAT框架通过利用标记源域的知识，结合自动选择的高质量伪标签和源域数据的判别性锚表示，有效防止对抗样本误导训练过程	未明确提及具体限制，但可能包括对源域和目标域之间分布差异的敏感性	提高深度学习模型在未标记目标域中对对抗攻击的鲁棒性	深度学习模型在跨域环境中的对抗训练	机器学习	NA	对抗训练（AT）	深度学习模型	未标记目标域数据和标记源域数据	四个公共基准数据集
6044	2025-04-06	Connections Between Deep Equilibrium and Sparse Representation Models With Application to Hyperspectral Image Denoising 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3245323 PMID:37027683	研究论文	本研究探讨了多维视觉数据的稀疏表示问题，提出了一种新的计算高效稀疏编码优化方法，并应用于高光谱图像去噪	结合可学习正则化技术与神经网络作为结构先验，开发了基于深度展开和深度均衡的算法，在稀疏表示理论与深度学习建模之间建立了桥梁	未明确提及具体的数据集规模限制或计算资源需求	解决多维视觉数据（如高光谱图像）的稀疏表示与去噪问题	多维视觉数据（高光谱图像、彩色图像或视频数据）	计算机视觉	NA	稀疏编码优化、深度学习建模	深度展开算法、深度均衡算法	图像（高光谱图像、彩色图像、视频数据）	未明确提及具体样本量
6045	2025-04-06	Integrated Multiscale Domain Adaptive YOLO 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3255106 PMID:37028346	研究论文	本文提出了一种新颖的多尺度域自适应YOLO框架（MS-DAYOLO），用于解决深度学习应用中的域偏移问题	引入了三种新颖的深度学习架构用于域适应网络（DAN），包括渐进特征缩减（PFR）、统一分类器（UC）和集成架构	NA	解决深度学习中的域偏移问题，提升目标检测性能	YOLOv4目标检测器	计算机视觉	NA	深度学习	YOLOv4, Faster R-CNN	图像	流行数据集（未具体说明数量）
6046	2025-04-06	MDTL: A Novel and Model-Agnostic Transfer Learning Strategy for Cross-Subject Motor Imagery BCI 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3259730 PMID:37030758	研究论文	提出了一种新颖且模型无关的迁移学习策略MDTL，用于跨被试运动想象脑机接口	MDTL策略利用多源域数据到目标域以及多源域之间的迁移，具有模型无关性，能快速部署于现有模型	未明确提及具体局限性	提升跨被试运动想象脑机接口的性能并减少准备时间	运动想象脑机接口系统	机器学习	NA	迁移学习	DeepConvNet, ShallowConvNet, EEGNet	EEG信号	两个公开的运动想象数据集（BCIC IV dataset 2a和Lee2019）
6047	2025-04-06	Tolerating Annotation Displacement in Dense Object Counting via Point Annotation Probability Map 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2023.3331908 PMID:37971907	研究论文	本文提出了一种通过点标注概率图（PAPM）来容忍密集物体计数中标注位移的方法	利用广义高斯分布（GGD）函数构建学习目标点标注概率图（PAPM），以提高对标注位移的鲁棒性	手设计的PAPM方法可能对特定网络和数据集不是最优的	提高密集物体计数中对标注位移的鲁棒性	拥挤场景中的物体计数	计算机视觉	NA	广义高斯分布（GGD）	P2PNet	图像	NA
6048	2025-04-06	Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET 2022-Dec-29, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00948-1 PMID:36580220	研究论文	开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类	结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分	研究为回顾性研究，样本来源单一	提高前列腺癌在PSMA PET图像上的分类准确性	前列腺癌患者的PSMA PET图像	数字病理学	前列腺癌	PET/CT扫描	深度学习	医学影像	267名男性患者的3794个病变
6049	2025-04-06	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	介绍了一种名为Tangram的方法，用于将单细胞/单核RNA测序数据与空间数据对齐，以构建器官的生物图谱	Tangram方法能够将sc/snRNA-seq数据与多种空间数据形式对齐，包括MERFISH、STARmap、smFISH、Spatial Transcriptomics (Visium) 和组织学图像，并能处理多模态数据如SHARE-seq	虽然Tangram能够解决空间分辨率和基因通量的限制，但其在更广泛的组织类型和疾病模型中的应用仍需验证	构建器官的生物图谱，将单细胞转录组数据与解剖尺度关联	健康小鼠脑组织，特别是视觉和躯体运动区域	数字病理学	NA	sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq	深度学习	单细胞转录组数据、空间数据、多模态数据	健康小鼠脑组织样本
6050	2025-04-06	Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images 2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2020.20205 PMID:32815519	研究论文	本研究利用深度学习技术分析COVID-19患者的胸部X光片，以确定疾病严重程度	首次在COVID-19急性爆发期间应用深度学习模型进行胸部X光片分析，并评估其与放射科医生解读的一致性	样本量较小（48名患者），且为单中心回顾性研究	探索COVID-19患者临床特征与胸部X光片表现之间的关联，并评估深度学习模型在急性爆发环境中的应用可行性	48名SARS-CoV-2 RT-PCR阳性患者（年龄60±17岁，15名女性）的65张胸部X光片	数字病理学	COVID-19	深度学习	深度学习模型（具体架构未说明）	胸部X光图像	48名患者（65张X光片）
6051	2025-04-05	Radioisotope compositional analysis using Monte Carlo γ-ray simulations and regression neural network 2025-Jun, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.111746 PMID:40020474	research paper	本文开发了一种基于回归的卷积神经网络（CNN），用于预测模拟混合源光谱中的源及其比例，并与传统的库最小二乘算法进行了比较	采用回归CNN预测混合放射性同位素的光谱组成，相比传统线性方法具有更高的准确性和效率	研究基于模拟数据，实际环境中的噪声和干扰可能影响模型性能	开发高效自动化的γ光谱分析工具，用于放射性同位素的识别和定量分析	6种不同的放射性同位素及其混合光谱	machine learning	NA	Monte Carlo γ-ray simulations, GEANT4软件包	CNN	γ-ray光谱数据	6种同位素的综合模拟数据集
6052	2025-04-05	Deep Learning-Based Precontrast CT Parcellation for MRI-Free Brain Amyloid PET Quantification 2025-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005652 PMID:39876079	研究论文	本研究开发了一种基于深度学习的CT脑区分割模型，用于无MRI依赖的淀粉样蛋白PET定量	首次提出利用深度学习直接从CT图像进行脑区分割，无需高分辨率MRI，实现了淀粉样蛋白PET的准确定量	研究基于回顾性数据，且样本量相对有限（226例）	开发不依赖MRI的淀粉样蛋白PET定量方法	轻度认知障碍或痴呆患者（157例）和健康对照者（69例）	数字病理学	老年痴呆症	PET/CT扫描	UNet	CT和PET图像	226人（157例患者+69例对照）
6053	2025-04-05	Reconstructing historical climate fields with deep learning 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp0558 PMID:40173235	research paper	使用基于傅里叶卷积的深度学习方法重建历史气候场	提出了一种基于傅里叶卷积的深度学习方法，能够在大面积和不规则缺失数据的情况下，仅凭极少信息就能真实重建历史气候场，并重现已知历史事件	NA	填补历史气候记录的缺失数据，重建历史气候场	历史气候场数据	machine learning	NA	deep learning, Fourier convolutions	CNN	climate model output	NA
6054	2025-04-05	An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17795 PMID:40181755	研究论文	本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法，特别关注鼻咽癌剂量梯度重建	首次将剂量梯度相似性纳入剂量预测任务，并提出基于等剂量线的自洽剂量预测到自动计划方案	临床验证中仍有20%的IsoPlans未能满足临床要求	建立利用深度学习预测剂量分布信息的自动治疗计划生成方法	鼻咽癌放射治疗计划	数字病理	鼻咽癌	深度学习剂量预测	U-Net, DoseNet, Transformer	医学影像数据	120例鼻咽癌病例（训练集90例，验证集10例，测试集20例）
6055	2025-04-05	Intelligent meningioma grading based on medical features 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17808 PMID:40183528	research paper	该研究提出了一种结合医学特征和深度神经网络的智能脑膜瘤分级方法	结合医学特征与SNN-Tran模型，提高了脑膜瘤分级的准确性和可靠性	医学特征的获取可能受限于影像质量和临床数据的完整性	验证医学特征与深度神经网络结合对脑膜瘤分级的有效性	脑膜瘤患者	digital pathology	脑膜瘤	SNN-Tran模型	SNN-Tran	医学特征（如肿瘤体积、瘤周水肿体积等）	未明确提及样本数量
6056	2025-04-05	Hypermetabolic pulmonary lesions detection and diagnosis based on PET/CT imaging and deep learning models 2025-Apr-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07215-0 PMID:40183951	研究论文	本研究开发并评估了基于PET/CT成像和深度学习模型的超代谢性肺部病变检测与分类方法	采用多维联合网络结合图像块和二维投影进行分类，性能优于传统放射组学方法	假阳性分割主要对应于邻近区域的可疑病变，特别是淋巴结	开发用于超代谢性肺部病变检测和分类的深度学习模型	超代谢性肺部病变（良性、肺癌、肺淋巴瘤和转移瘤）	数字病理学	肺癌	PET/CT成像	深度学习模型（多维联合网络）	医学影像（PET/CT）	647例（409男/238女），来自5个中心超过8年的数据
6057	2025-04-05	Interpretable multimodal deep learning model for predicting post-surgical international society of urological pathology grade in primary prostate cancer 2025-Apr-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07248-5 PMID:40183953	研究论文	开发了一种可解释的多模态深度学习模型，用于预测前列腺癌术后国际泌尿病理学会分级	整合了18F-PSMA-PET/CT成像特征与临床变量，构建了可解释的多模态融合模型，显著优于术前活检Gleason评分	研究为回顾性设计，样本量相对有限（222例患者）	提高前列腺癌病理分级的准确性，优化手术规划和个性化治疗策略	前列腺癌患者	数字病理	前列腺癌	18F-PSMA-PET/CT成像，深度迁移学习	多模态融合模型	医学影像（PET/CT），临床参数	222例前列腺癌患者（2020-2024年）
6058	2025-04-05	Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease 2025-Apr-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03605-1 PMID:40183965	研究论文	使用生成对抗网络（GANs）从基线动脉自旋标记（ASL）MRI合成脑血管反应性（CVR）图像，以替代需要乙酰唑胺（ACZ）挑战的传统方法	首次利用GANs从基线ASL MRI合成CVR图像，无需ACZ挑战，为临床提供了一种新的无创检测方法	合成CVR图像的质量和准确性仍需进一步验证，特别是在不同疾病和更大样本中的应用	开发一种无需ACZ挑战的CVR测量方法，以扩大其在临床中的应用	203例烟雾病患者的3248张ASL脑血流（CBF）图像	数字病理	烟雾病	动脉自旋标记（ASL）MRI	GAN（Pixel-to-Pixel GAN）	图像	203例烟雾病患者，共3248张ASL CBF图像（2640张用于训练，608张用于测试）
6059	2025-04-05	Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells 2025-Apr-03, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI180570 PMID:40178908	研究论文	研究透明质酸（HA）网络在肿瘤微环境中如何通过ZEB1和ITIH2调控癌细胞运动和侵袭	揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑HA网络的新机制，并利用深度学习算法发现ITIH2抑制剂sincalide	研究主要基于体外实验和小鼠模型，尚未在临床环境中验证	探索HA网络在肺癌细胞运动和侵袭中的作用及其调控机制	肺癌细胞、癌症相关成纤维细胞	肿瘤生物学	肺癌	深度学习算法、共培养实验	深度学习药物-靶点相互作用算法	实验数据	小鼠模型和体外培养的肺癌细胞
6060	2025-04-05	Towards Better Cephalometric Landmark Detection with Diffusion Data Generation 2025-Apr-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3557430 PMID:40178956	研究论文	本文提出了一种创新的数据生成方法，用于生成多样化的头颅X光图像及对应标注，以提高头颅标志点检测的准确性	开发了基于扩散模型的数据生成方法，无需人工干预即可生成多样化的头颅X光图像及标注，并引入了包含详细医学文本提示的数据集以控制生成样本的不同属性和风格	NA	提高头颅标志点检测的准确性，解决数据稀缺和标注成本高的问题	头颅X光图像及标志点	计算机视觉	正畸诊断	扩散模型	大规模视觉检测模型	图像	NA