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
6681	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者
6682	2025-03-08	COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3339700 PMID:38051612	研究论文	本文介绍了一种基于深度学习的方法，通过分析咳嗽或呼吸声音的录音来区分COVID-19患者和健康对照组	提出了一种新颖的分层频谱图变换器（HST），利用自注意力机制在频谱图的局部窗口上操作，并逐步扩大窗口大小以捕捉从局部到全局的上下文	NA	开发一种远程监测方法，用于早期评估主要影响下呼吸道的COVID-19	COVID-19患者和健康对照组的呼吸声音录音	自然语言处理	COVID-19	深度学习	分层频谱图变换器（HST）	音频	多国众包数据集
6683	2025-03-08	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	本文提出了一种新的集成深度学习网络模型（EDLNet），用于自动脑肿瘤分类和分割	提出了一种新的集成深度学习网络模型（EDLNet），结合了改进的Faster RCNN方法和深度循环卷积神经网络（DRCNN），用于脑肿瘤的早期分类和分割	未提及具体局限性	开发一种高效的深度学习模型，用于脑肿瘤的自动分类和分割	脑MRI扫描图像	数字病理学	脑肿瘤	深度学习	EDLNet（集成深度学习网络模型），改进的Faster RCNN，DRCNN（深度循环卷积神经网络）	图像（MRI扫描图像）	两个公开数据集（D1和D2），具体样本数量未提及
6684	2025-03-08	Intelligent deep learning-based disease monitoring system in 5G network using multi-disease big data 2024-Feb-09, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2310785 PMID:38334127	研究论文	本文提出了一种基于深度学习的智能疾病监测系统，利用5G网络和多疾病大数据进行疾病预测和分类	提出了一种改进的基于捕食者存在概率的松鼠搜索-萤火虫群优化算法（MPPP-SSGSO）来优化模型参数，并采用集成增强模型和模糊分类器进行疾病预测和分类	未提及具体的数据来源和样本多样性，可能限制了模型的泛化能力	开发一种高效的疾病监测系统，以降低死亡率并提高疾病预测的准确性	患者的多疾病大数据	机器学习	多疾病	1D-CNN, AdaBoost, XGBoost, CatBoost, 模糊分类器	1D-CNN, 集成增强模型, 模糊分类器	多疾病大数据	未明确提及样本数量
6685	2025-03-08	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文探讨了机器学习和深度学习技术在解决攀岩路线难度评定主观性问题中的应用	提出了使用机器学习和深度学习技术来标准化攀岩路线难度评定的方法，特别是通过自然语言处理和循环神经网络算法	现有方法主要集中在路线中心、攀岩者中心和路径查找与生成三种方法，仍需进一步研究以提高准确性和适用性	研究目的是通过机器学习和深度学习技术标准化攀岩路线难度的评定	攀岩路线的难度评定	自然语言处理	NA	机器学习和深度学习	循环神经网络（RNN）	文本	NA
6686	2025-03-08	Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230733 PMID:38277290	研究论文	本研究探讨了基于人工智能深度学习和循证医学的MRI海马体积测量在预测阿尔茨海默病发生和进展中的价值	结合人工智能深度学习和循证医学方法，利用MRI海马体积测量进行阿尔茨海默病的早期诊断和干预	研究依赖于特定数据库（ADNI和OASIS-brains）的数据，可能限制了结果的普适性	研究MRI海马体积测量在预测阿尔茨海默病发生和进展中的能力	483名阿尔茨海默病患者、756名轻度认知障碍患者和968名正常对照者	数字病理学	老年病	MRI	CNN（InceptionResNetv2, Densenet169, SEResNet50）	图像	483名AD患者、756名MCI患者和968名NC
6687	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
6688	2025-03-07	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-Mar-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究利用3D电子显微镜和深度学习技术，开发了半自动方法重建秀丽隐杆线虫的线粒体，并收集了正常生殖阶段和dauer阶段的线粒体重建数据，以比较神经肌肉系统中线粒体结构的发育变化	首次使用3D电子显微镜和深度学习技术半自动重建线粒体，揭示了神经肌肉系统中线粒体结构的发育变化及其与突触连接的相关性	研究主要基于秀丽隐杆线虫模型，可能不直接适用于其他生物体	探究神经肌肉系统中线粒体结构的发育变化及其功能意义	秀丽隐杆线虫的神经肌肉系统	数字病理学	NA	3D电子显微镜, 深度学习	NA	图像	秀丽隐杆线虫的正常生殖阶段和dauer阶段的线粒体重建数据
6689	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
6690	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者
6691	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像
6692	2025-03-06	Research on the development of image-based Deep Learning (DL) model for serum quality recognition 2025-Mar-06, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1219 PMID:40042089	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6693	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族
6694	2025-03-06	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Mar-05, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	本文评估了基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，结合去噪和超分辨率处理，显著提高了图像质量并缩短了扫描时间	研究样本量较小（43例患者），且未涉及其他类型的成像技术对比	评估深度学习重建方法在头颈部T2加权成像中的效果	头颈部脂肪抑制T2加权成像	计算机视觉	头颈部病变	深度学习图像重建	深度学习模型	图像	43例患者
6695	2025-03-06	High-Adhesive Hydrogel-Based Strain Sensor in the Clinical Diagnosis of Anterior Talofibular Ligament Sprain 2025-Mar-05, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03472 PMID:40042081	研究论文	本文提出了一种基于高粘性水凝胶的应变传感器，用于临床诊断前距腓韧带扭伤	该传感器由明胶、纤维素纳米纤维和交联聚丙烯酸接枝的琥珀酰亚胺酯制成，具有优异的贴合性和拉伸性，能够牢固地粘附在皮肤上，准确评估前距腓韧带扭伤的严重程度	尽管传感器具有高粘性和高拉伸强度，但其在实际临床应用中的长期稳定性和生物相容性仍需进一步验证	开发一种能够准确评估前距腓韧带扭伤严重程度的高粘性水凝胶应变传感器	前距腓韧带扭伤患者	数字病理学	运动损伤	深度学习模型	深度学习模型	传感器数据	未提及具体样本数量
6696	2025-03-06	Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11473-9 PMID:40042648	研究论文	本研究评估并比较了多种预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	提出了基于决策的晚期融合模型，整合了2D深度学习、常规放射组学、肿瘤内异质性放射组学和临床数据，取得了最佳预测效果	研究为回顾性诊断实验，样本量相对有限，且仅来自三个医疗中心	评估和比较不同预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	对比增强磁共振成像（CEMRI）	2D深度学习、常规放射组学、肿瘤内异质性放射组学、晚期融合模型	图像、临床数据	268名患者，分为训练集（107名）、内部测试集（53名）和两个外部测试集（63名和45名）
6697	2025-03-06	Artificial intelligence for the detection of airway nodules in chest CT scans 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11468-6 PMID:40042650	研究论文	本文开发并评估了一种基于深度学习的AI系统，用于检测和定位胸部CT扫描中的气道结节	开发了一种能够检测大多数气道结节的AI系统，包括具有非常细微特征的结节，且具有可接受的假阳性率	研究仅在单一学术医院进行，样本量相对较小，且未进行外部验证	开发并评估一种AI系统，用于检测胸部CT扫描中的气道结节	2004年至2020年间接受胸部或胸腹部CT扫描的患者	计算机视觉	肺癌	深度学习	NA	图像	160名有气道结节的患者和160名无气道结节的患者
6698	2025-03-06	Deep learning framework for interpretable quality control of echocardiography video 2025-Mar-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17722 PMID:40038091	研究论文	本文介绍了一种用于超声心动图视频自动质量控制的深度学习框架，旨在实时监测关键成像参数，减少手动质量控制过程的变异性	提出了一种多任务网络，结合了CNN、Bi-LSTM和面向对象检测头，用于心脏周期完整性、解剖结构、深度、心脏轴角度和增益的分析，并生成易于解释的综合评分	研究仅基于1331个超声心动图视频进行训练和测试，样本量相对较小，可能影响模型的泛化能力	开发一种自动化系统，用于超声心动图视频的质量控制，以提高临床评估的效率和一致性	超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN, Bi-LSTM	视频	1331个超声心动图视频
6699	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA
6700	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集