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
6061	2025-10-06	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对使用脑电图信号处理技术进行创伤后应激障碍诊断、鉴别和治疗的计算方法进行了范围综述	首次系统综述了EEG信号处理在PTSD诊断、鉴别和治疗中的完整分析流程，识别出Alpha波段和事件相关电位的主导地位	ERP使用存在局限，睡眠特征分析和全波段EEG应用不足，缺乏代表多样化人群的数据集	分析EEG信号处理在PTSD诊断、鉴别和治疗中的计算方法	创伤后应激障碍患者，主要为退伍军人和战斗人员	机器学习	创伤后应激障碍	脑电图，事件相关电位	SVM, Random Forest	EEG信号	73项研究（52项诊断研究，8项鉴别研究，15项治疗研究）	NA	NA	准确率	NA
6062	2025-10-06	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	研究论文	提出一种混合深度学习框架NDL-Net，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合MobileNetV3 Large和ResNet50的优势，并引入LSTM层分析影像数据的时间变化	NA	通过深度学习提高新生儿呼吸窘迫综合征的诊断准确率	新生儿胸部X光片	计算机视觉	新生儿呼吸窘迫综合征	胸部X光成像	CNN, LSTM	医学影像	NA	NA	MobileNetV3 Large, ResNet50, LSTM	准确率, 精确率, 灵敏度, F1分数, 特异度	NA
6063	2025-10-06	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用经直肠超声视频片段和深度学习模型预测前列腺癌的有效性	首次将I3D模型应用于前列腺癌的超声视频分类，并进行了多中心外部验证	样本量相对有限，仅使用了特定型号的超声设备数据	评估深度学习模型在前列腺癌分类和预测中的性能	接受经直肠超声检查的男性患者	计算机视觉	前列腺癌	经直肠超声	3D CNN	超声视频片段	815名男性患者（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）	NA	I3D, ResNet 50	AUC, 敏感性, 特异性, 准确率, kappa系数	NA
6064	2025-10-06	Deep Learning-Based Automatic Diagnosis System for Developmental Dysplasia of the Hip 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3560877 PMID:40657528	研究论文	开发了一种基于深度学习的自动诊断系统，用于测量髋关节发育不良的关键放射学角度并生成可解释的诊断结果	提出了端到端的关键点检测模型和结合三个角度信息的新型数据驱动评分系统	NA	提高DDH诊断的准确性和一致性，减少人工测量的变异性和潜在错误	髋关节发育不良患者的骨盆X光片	计算机视觉	髋关节发育不良	X光成像	深度学习	图像	NA	NA	关键点检测模型	组内相关系数, F1分数	NA
6065	2025-10-06	Survival Prediction of Esophageal Cancer Using 3D CT Imaging: A Context-Aware Approach With Non-Local Feature Aggregation and Graph-Based Spatial Interaction 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3562724 PMID:40657529	研究论文	本研究开发了一种基于3D CT影像的食管癌生存预测模型，通过非局部特征聚合和图空间交互模块整合肿瘤与淋巴结的上下文信息	提出非局部特征聚合模块(NFAM)和图空间交互模块(GSIM)，首次在食管癌生存预测中同时考虑肿瘤与淋巴结的局部/全局特征和空间交互关系	仅使用3D CT影像数据，未整合其他临床或分子特征	开发仅基于3D CT影像的食管癌生存风险预测模型	食管癌患者的3D CT影像数据	医学影像分析	食管癌	3D CT成像	深度学习	3D医学影像	NA	NA	非局部特征聚合模块(NFAM), 图空间交互模块(GSIM)	C-index	NA
6066	2025-10-06	Cross-Database Evaluation of Deep Learning Methods for Intrapartum Cardiotocography Classification 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3548401 PMID:40657532	研究论文	本研究通过跨数据库评估六种深度学习模型在产时胎心监护分类中的表现	首次系统评估不同深度学习模型在跨数据库胎心监护分类中的性能，并分析信号预处理和训练数据选择的影响	使用的私有数据集规模有限，且仅包含pH测量值作为胎儿窘迫的参考标准	开发标准化的深度学习模型评估流程，提高胎儿窘迫自动检测的准确性和可推广性	胎心率和子宫收缩信号	医疗人工智能	产科疾病	胎心监护	深度学习	生理信号时间序列数据	私有数据集9,887条CTG记录和公开CTU-UHB数据集552条CTG记录	NA	ResNet	分类性能	NA
6067	2025-10-06	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究通过卫星遥感和街景图像分析美国儿童居住环境绿地与肥胖指标之间的关联	首次同时使用卫星遥感归一化植被指数(NDVI)和基于深度学习的街景图像绿地指标，结合多种体脂测量指标评估儿童肥胖风险	研究样本仅来自美国特定队列，未考虑其他可能影响肥胖的环境因素	探究不同绿地测量方法与儿童肥胖指标之间的关联性	美国儿童队列研究参与者	环境流行病学,计算机视觉	儿童肥胖	卫星遥感,街景图像分析,深度学习算法,双能X线吸收测量法	深度学习算法	卫星图像,街景图像,人体测量数据	843名儿童(423名女孩)	NA	NA	线性回归系数,95%置信区间	NA
6068	2025-10-06	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	研究论文	本研究使用机器学习和神经网络方法探索强迫症严重程度与宗教信仰、人格特质之间的复杂关系	采用项目级特征分析揭示比传统汇总评分更具影响力的预测因子，神经网络模型提供了对强迫症异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确率上未超越线性回归模型，样本量相对有限（229名参与者）	识别强迫症严重程度的关键预测因素，探索心理现象的复杂关系	229名参与者的强迫症严重程度、人格特质、宗教信仰和精神信仰数据	机器学习	强迫症	机器学习，深度学习	神经网络，线性回归	心理测量数据，人口统计学数据	229名参与者	NA	NA	预测准确率	NA
6069	2025-10-06	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	提出一种集成知识蒸馏的基因组深度学习框架DEGU，用于提高预测鲁棒性和可解释性	通过集成学习和知识蒸馏结合，同时捕捉预测平均值和变异性，量化认知不确定性和随机不确定性	未明确说明模型在特定基因组任务中的性能局限性	提高基因组深度学习的预测可靠性和决策可解释性	调控基因组学数据	机器学习	NA	基因组功能预测	深度神经网络	基因组序列数据	NA	NA	集成学习架构	校准不确定性估计, 保形预测覆盖率	NA
6070	2025-10-06	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	本研究通过实验量化超过10万种蛋白质序列的淀粉样蛋白成核过程，并开发了可解释的深度学习模型CANYA来预测蛋白质聚集	创建了前所未有的大规模蛋白质聚集实验数据集，开发了结合卷积和注意力机制的混合神经网络模型，并将基因组神经网络可解释性分析应用于蛋白质聚集预测	NA	解决蛋白质聚集预测中数据不足的问题，开发准确且可解释的预测模型	超过10万种蛋白质序列的淀粉样蛋白成核过程	机器学习	NA	实验量化分析	CNN,注意力机制	蛋白质序列数据	>100,000个蛋白质序列	NA	卷积-注意力混合神经网络	NA	NA
6071	2025-10-06	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	研究论文	提出结合深度学习和特征追踪的自动化流程，用于长轴心脏磁共振图像的左心室和左心房分割及心肌应变分析	首次将3D-ResUnet应用于长轴心脏磁共振图像的左心腔分割，并与特征追踪算法结合实现全自动应变分析	研究样本量有限（共684例），仅针对左心腔进行分析	开发自动化心肌应变评估方法以减少人工初始化带来的变异性和繁琐操作	左心室和左心房的心肌应变	医学影像分析	心血管疾病	心脏磁共振成像	CNN	2D和3D心脏磁共振图像	684名个体的845个训练样本、281个调优样本和116个测试样本	NA	2D-ResUnet, 3D-ResUnet	Dice系数, ICC, Bland-Altman偏差, 相关系数	NA
6072	2025-10-06	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构在将国际疾病分类代码转换为简明损伤定级标准方面的性能	首次系统比较前馈神经网络和神经机器翻译模型在损伤严重程度预测中的表现，提出间接转换路径的优越性	仅使用美国国家创伤数据库数据，可能限制模型在其他人群的泛化能力	开发从ICD代码自动预测损伤严重程度分类的系统	创伤病例的ICD编码和AIS严重程度分类	自然语言处理	创伤损伤	深度学习	FFNN, NMT	医疗编码文本数据	训练验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）	NA	编码器-解码器架构	准确率	NA
6073	2025-10-06	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	开发基于深度学习的快速螺旋图像重建和分割方法，用于高分辨率螺旋实时心脏电影成像的左心室射血分数量化	提出结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习框架，实现快速心脏图像重建和自动量化分析	研究未明确说明样本量大小和具体数据来源	开发用于心脏电影成像的快速图像重建和左心室功能量化方法	心脏左心室功能量化	医学影像分析	心血管疾病	螺旋实时心脏电影成像，2D平衡稳态自由进动成像，梯度回波成像	深度学习	医学影像	NA	NA	3D U-Net, 2D U-Net	结构相似性指数，峰值信噪比，归一化均方根误差，盲法评分，左心室射血分数量化准确性	GPU加速
6074	2025-10-06	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	提出一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将目标检测和图像分类相结合的全自动牙龄计算方法，无需人工干预	仅使用单一类型影像数据，未考虑其他可能影响牙龄的因素	开发自动牙龄计算系统以替代耗时的手工方法	牙齿发育阶段的牙胚	计算机视觉	口腔疾病	全景X光摄影	CNN	X光图像	8,023张全景X光片，18,485个单根牙胚图像，16,313个多根牙胚图像	PyTorch	Scaled-YOLOv4, EfficientNetV2 M	平均精度均值, Top-3准确率, 平均绝对误差	NA
6075	2025-10-06	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究开发了一种基于深度学习的儿童面部检测系统，用于监测汽车前排乘客座位上的儿童并提醒驾驶员	使用专门生成的数据集和MobileNetV2架构，在树莓派4B上实现实时儿童检测系统	实验环境较为理想化，传感器未受阳光直射遮挡，也未考虑车辆中常见的污垢覆盖情况	通过车内监控系统检测前排乘客座位上的儿童，降低汽车事故中儿童的伤亡风险	汽车前排乘客座位上的乘客（儿童和成人）	计算机视觉	NA	深度学习，面部检测	CNN	图像	原始数据集：102张空座位，71名儿童（0-13岁），96名成人（14-75岁）；数据增强后：2,496张成人图像，2,310张儿童图像	TensorFlow, Keras	MobileNetV2	准确率，精确率	树莓派4 Model B
6076	2025-10-06	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从ICD编码估计损伤严重程度的性能	首次系统比较编码器-解码器神经机器翻译模型与前馈神经网络在损伤严重程度估计中的表现，并对比直接与间接估计方法的优劣	仅使用美国国家创伤数据库数据，可能限制模型在其他人群的泛化能力	开发从ICD编码准确估计损伤严重程度的方法	创伤患者的ICD编码数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码文本数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)	NA	编码器-解码器神经网络，前馈神经网络	ISS≥16正确分类百分比，ISS精确匹配百分比	GPU（具体型号未指定）
6077	2025-10-06	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	提出了一种基于人体动作识别的注意力缺陷多动障碍检测系统	首次录制真实多模态ADHD数据集，设计新型多动测试捕获ADHD特征，使用简单非穿戴式传感器实现低成本检测	依赖视频数据质量，未与其他神经影像数据直接比较	开发基于人体动作识别的低成本ADHD检测方法	注意力缺陷多动障碍患者的行为特征	计算机视觉	注意力缺陷多动障碍	视频动作分析	深度学习	RGB视频	真实多模态ADHD数据集	NA	NA	准确率, AUC	NA
6078	2025-10-06	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究通过深度学习模型分析高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响	使用LSTM和BLSTM深度学习模型对EEG信号进行脑力负荷分类，并发现特定频段数据能提升分类准确率	样本量较小（28名参与者），实验环境为模拟驾驶场景	研究高度自动驾驶中非驾驶相关任务对驾驶员脑力负荷的影响并开发分类模型	驾驶员在高度自动驾驶场景下的脑力负荷	机器学习	NA	脑电图（EEG）信号采集，NASA任务负荷指数量表（NASA-TLX）	LSTM, BLSTM	EEG信号	28名参与者	NA	长短期记忆网络（LSTM），双向长短期记忆网络（BLSTM）	分类准确率	NA
6079	2025-10-06	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究实施了一种基于深度学习AI算法的青霉素过敏标签去除系统	使用深度学习人工智能算法识别适合进行青霉素过敏评估的患者，并通过电子邮件通知系统实现过敏标签去除	需要进一步研究优化此类方法	通过人工智能技术实现青霉素过敏标签的准确去除	被标记为青霉素过敏的患者	医疗人工智能	药物过敏	深度学习	深度学习算法	医疗记录数据	干预组59人，对照组未明确数量	NA	NA	统计学显著性(P值)	NA
6080	2025-10-06	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-10, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	开发用于自动化细胞检测流程中图像聚焦分析的深度学习工具FocA	提出能够在近实时条件下识别聚焦/失焦图像的深度学习工具，使用下采样图像小块训练以最大化计算效率而不影响准确性	NA	确保自动化细胞检测中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	准确率	最小计算资源