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
7061	2025-04-01	Deep learning‑based prediction of in‑hospital mortality for acute kidney injury 2025-Mar-07, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2470809 PMID:40052403	research paper	该研究提出了一种基于深度学习的GCAT模型，用于预测急性肾损伤（AKI）患者的院内死亡率	GCAT模型通过探索患者属性特征的相似性并构建患者特征相似性网络（PFSN），显著提高了预测准确性	研究仅使用了MIMIC-III数据集，可能无法涵盖所有临床场景	预测急性肾损伤（AKI）患者的院内死亡率	急性肾损伤（AKI）患者	machine learning	acute kidney injury	深度学习	GCAT	临床数据	MIMIC-III数据集中的患者
7062	2025-04-01	Anomaly Detection in Retinal OCT Images With Deep Learning-Based Knowledge Distillation 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.26 PMID:40146150	研究论文	开发了一种基于深度学习的无监督异常检测系统，用于识别视网膜OCT图像中的病理形态学表现	采用Teacher-Student知识蒸馏方法，仅使用正常病例进行训练，无需额外人工标注，实现了高效的异常检测和定位	在外部数据集上的B-scan检测AUC值在0.81-0.87之间，性能有待进一步提升	开发一个稳健且通用的AI系统，用于筛查视网膜OCT图像中的病理异常	视网膜OCT图像	计算机视觉	年龄相关性黄斑变性(AMD)和糖尿病性黄斑水肿(DME)	深度学习	Teacher-Student知识蒸馏模型	图像	3358名患者的OCT扫描数据
7063	2025-04-01	A Novel Tactile Learning Assistive Tool for the Visually and Hearing Impaired with 3D-CNN and Bidirectional LSTM Leveraging Morse Code Technology 2025-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030253 PMID:40150717	研究论文	开发一种结合3D-CNN和双向LSTM的新型触觉学习辅助工具，利用摩尔斯电码技术帮助视力和听力受损儿童	结合3D-CNN和双向LSTM深度学习技术，将说话者的唇部动作转换为摩尔斯电码，通过可穿戴设备传递给聋盲儿童	实验评估中单词错误率为2%，可能存在一定的识别误差	减少聋盲儿童与同伴沟通的困难，并帮助他们在课堂环境中独立学习	聋盲儿童	机器学习	NA	摩尔斯电码技术	3D-CNN和双向LSTM	唇部动作视频	NA
7064	2025-04-01	Non-Contact Blood Pressure Monitoring Using Radar Signals: A Dual-Stage Deep Learning Network 2025-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030252 PMID:40150716	研究论文	提出了一种基于雷达信号的非接触式血压监测方法，采用双阶段深度学习网络	结合空间和时间特征学习的层次神经网络框架，利用雷达信号实现非接触式血压监测，并通过早期估计扩展特征集以提升预测能力	临床误差虽可接受，但仍存在改进空间（SBP: -1.09 ± 5.15 mmHg, DBP: -0.26 ± 4.35 mmHg）	开发一种非接触式血压监测技术，提升用户舒适度和隐私保护	通过雷达信号捕捉的胸壁微振动及其二阶导数	机器学习	心血管疾病	雷达传感技术	CNN和Transformer结合的层次神经网络	雷达信号	NA
7065	2025-03-05	Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.250387 PMID:40035670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7066	2025-04-01	Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging 2025-Feb-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030231 PMID:40150695	research paper	本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果	首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力	研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体	评估深度学习重建技术在加速心脏磁共振成像中的性能	心脏电影成像	digital pathology	cardiovascular disease	cardiac MR (CMR)	deep learning-based reconstruction	image	数字幻影和健康志愿者数据（具体数量未提及）
7067	2025-04-01	Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030218 PMID:40150682	research paper	提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估	首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络	未提及与其他现有方法的对比或临床验证的广泛性	开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性	肩袖损伤的MRI图像	digital pathology	rotator cuff injury	MRI	Unet + FPN	image	376名患者的5640张图像用于训练，94名患者的1410张图像用于测试
7068	2025-04-01	A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030221 PMID:40150686	研究论文	提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能	首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强	研究仅基于公开数据集进行验证，未涉及实际临床环境测试	开发非接触式高血压检测方法	心冲击图(BCG)信号	机器学习	心血管疾病	深度学习	CNN	时序信号数据	公开数据集（具体数量未说明）
7069	2025-04-01	From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications 2025-Feb-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15030220 PMID:40149742	综述	本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展	整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力	实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题	推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展	EEG信号及其与生理信号的结合	认知神经科学	NA	EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测）	CNN, RNN	EEG信号, 生理信号	64项研究
7070	2025-04-01	Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification 2025-Feb-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030212 PMID:40150677	research paper	该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度	提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示	未提及具体局限性	提高乳腺癌早期检测和治疗的诊断方法	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, transformer model	Virchow2, Nomic	image	BACH数据集
7071	2025-04-01	Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers 2025-Feb-13, Oncology IF:2.5Q3 DOI:10.1159/000544179 PMID:39947156	研究论文	本研究开发了一种基于深度学习的自动分割脾脏CT图像方法，并结合放射组学和深度学习特征构建了胃癌淋巴结转移预测模型	使用U-Mamba深度学习模型实现脾脏CT图像的全自动分割，结合放射组学和深度学习特征构建预测模型，并生成列线图以探索临床指导意义	研究仅纳入284名患者，样本量相对有限	开发胃癌淋巴结转移的预测方法	284名经病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	284名胃癌患者
7072	2025-04-01	Deep learning based approaches for intelligent industrial machinery health management and fault diagnosis in resource-constrained environments 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79151-2 PMID:39774953	综述	本文综述了工业4.0背景下基于深度学习的工业机械健康管理与故障诊断方法，特别是在资源受限环境中的应用	全面调查了智能故障诊断（IFD）方法，并提出了从数据处理、模型构建到训练优化的三个不同视角分类	现有方法大多假设数据完整、平衡且充足，这与实际工程场景不符	探讨工业机械健康管理（IMHM）中的剩余使用寿命（RUL）预测、边缘计算架构和智能故障诊断（IFD）的研究进展	工业机械的健康管理与故障诊断	机器学习	NA	深度学习	NA	工业机械数据	NA
7073	2025-04-01	Evaluation of an acne lesion detection and severity grading model for Chinese population in online and offline healthcare scenarios 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84670-z PMID:39774300	研究论文	开发并评估了一种基于深度学习的算法AcneDGNet，用于在不同医疗场景中准确完成痤疮病变检测和严重程度分级	设计了包含特征提取、病变检测和严重程度分级模块的AcneDGNet算法，并在在线和离线医疗场景中进行了系统评估	未提及算法的计算效率或在不同肤色人群中的泛化能力	开发一种能准确完成痤疮病变检测和严重程度分级的深度学习算法，并评估其在不同医疗场景中的性能	痤疮病变检测和严重程度分级	计算机视觉	痤疮	深度学习	AcneDGNet（包含特征提取、病变检测和严重程度分级模块）	图像	2,157张面部图像（来自两个公共数据集和三个自建数据集）
7074	2025-04-01	Enhancing repeatability of follicle counting with deep learning reconstruction high-resolution MRI in PCOS patients 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84812-3 PMID:39775101	研究论文	本研究探讨了使用深度学习重建高分辨率MRI提高多囊卵巢综合征(PCOS)患者卵泡计数重复性的方法	采用深度学习重建SSFSE图像(SSFSE-DL)，在抑制运动伪影的同时补偿噪声，显著提高了卵泡检测的定性指标和FNPO评估的重复性	样本量较小(仅22名PCOS患者)，且仅由一名观察者评估主观噪声	提高PCOS诊断中卵泡计数的准确性和可重复性	多囊卵巢综合征(PCOS)患者的卵巢影像	数字病理学	多囊卵巢综合征	PROPELLER MRI、SSFSE T2加权序列、深度学习重建	深度学习(DL)	MRI图像	22名PCOS患者
7075	2025-04-01	Segmentation of the iliac crest from CT-data for virtual surgical planning of facial reconstruction surgery using deep learning 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83031-0 PMID:39773990	研究论文	本研究开发了一种基于深度学习的自动化方法，用于从CT数据中分割髂嵴，以辅助面部重建手术的虚拟规划	首次采用3D U-Net架构的卷积神经网络实现髂嵴的自动化分割，并应用迁移学习优化模型训练	研究仅针对髂嵴分割，未涉及其他骨骼结构的自动化处理	开发自动化分割髂嵴的方法，以支持数字化手术规划流程	髂嵴的CT影像数据	数字病理	面部重建手术	CT成像	3D U-Net	CT影像	1,398个手动分割的数据集（其中400个用于训练和验证，177个用于测试）
7076	2025-04-01	Prediction of white matter hyperintensities evolution one-year post-stroke from a single-point brain MRI and stroke lesions information 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83128-6 PMID:39774013	研究论文	本研究利用单点脑MRI和卒中病灶信息预测卒中后一年白质高信号（WMH）的演变	结合卒中病灶信息并使用概率深度学习模型预测WMH演变，提出了一种新的体积损失函数以提高预测准确性	研究主要针对轻度卒中事件后的WMH演变，可能不适用于其他类型的卒中或脑部疾病	预测卒中后一年白质高信号的演变，以支持个性化治疗干预	轻度卒中患者的白质高信号（WMH）和卒中病灶	数字病理学	心血管疾病	T2-FLAIR脑MRI	Probabilistic U-Net	图像	NA
7077	2025-04-01	Multi-scale feature fusion of deep convolutional neural networks on cancerous tumor detection and classification using biomedical images 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84949-1 PMID:39774273	研究论文	本文提出了一种基于多尺度特征融合的深度卷积神经网络（MFFDCNN-CTDC）模型，用于生物医学图像中的癌症肿瘤检测和分类	结合ResNet50和EfficientNet架构进行多尺度特征融合，并采用混合烟花鲸鱼优化算法（FWWOA）进行参数调优	未提及模型在临床环境中的实际应用效果及泛化能力	开发一种高效的癌症肿瘤检测和分类方法	皮肤癌肿瘤	数字病理学	皮肤癌	深度学习	CNN（ResNet50, EfficientNet, Unet3+, CAE）	图像	ISIC 2017和HAM10000数据集
7078	2025-04-01	Deep learning-based encryption scheme for medical images using DCGAN and virtual planet domain 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84186-6 PMID:39774748	research paper	提出了一种基于DCGAN和VPD的医学图像加密新技术	整合DCGAN和VPD方法生成诱饵图像，并利用时间戳、随机数和1-DEC映射生成加密密钥	未明确提及具体样本量或实验数据集的详细构成	增强医学图像的安全性，防止未经授权的访问和篡改	医学图像	数字病理	NA	DCGAN, VPD, 1-DEC映射	DCGAN	image	NA
7079	2025-04-01	Ensemble genetic and CNN model-based image classification by enhancing hyperparameter tuning 2025-01-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76178-3 PMID:39762285	研究论文	提出了一种结合遗传算法和卷积神经网络的集成模型（EGACNN），通过优化超参数来提升图像分类的效率和准确率	结合遗传算法（GA）和卷积神经网络（CNN）进行超参数优化，提出EGACNN模型，显著提高了图像分类的准确率	研究仅基于MNIST数据集，未在其他更复杂的数据集上进行验证	提升基于CNN的图像分类系统的性能，利用集成学习和遗传算法的优势	图像分类模型	计算机视觉	NA	遗传算法（GA）	CNN, GA, 集成学习（EGACNN, CSNN）	图像	MNIST数据集
7080	2025-04-01	Prediction of ECG signals from ballistocardiography using deep learning for the unconstrained measurement of heartbeat intervals 2025-01-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84049-0 PMID:39762351	研究论文	利用深度学习从心冲击图(BCG)信号中提取心电图(ECG)波形，并探索其在R-R间期(RRI)估计中的应用	提出了一种基于双向长短期记忆网络(BiLSTM)的深度学习模型，能够从BCG信号中预测ECG信号，实现无约束的心跳间隔测量	模型在长期记录数据上的泛化能力仍有提升空间，且样本量相对较小(18名参与者用于训练，12名用于验证)	开发一种无约束的心率监测方法，适用于家庭环境中的长期心脏健康监测	心冲击图(BCG)信号和心电图(ECG)信号	机器学习	心血管疾病	深度学习信号处理	BiLSTM	生理信号(BCG和ECG)	18名参与者用于训练模型，12名不同参与者用于长期记录验证