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
7101	2025-03-01	Systematic Quantification of Sources of Variation in Ejection Fraction Calculation Using Deep Learning 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.06.018 PMID:34274282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7102	2025-02-28	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	研究论文	本文提出了一种基于视觉Transformer的多模态融合网络，用于乳腺癌超声图像中肿瘤良恶性的分类	首次结合了影像组织学特征、深度学习特征和临床参数，开发了一种多模态特征融合模型	研究为回顾性研究，可能受到数据选择和偏倚的影响	开发一种多模态特征融合模型，用于预测乳腺肿瘤的良恶性	1065名患者的临床特征和3315个图像数据集	数字病理	乳腺癌	深度学习	Vision Transformer	图像和临床数据	1065名患者的临床特征和3315个图像数据集
7103	2025-02-28	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	本研究利用深度学习和电子健康记录（EHR）识别ANCA相关性血管炎（AAV）病例，提出了一种比传统方法更准确的病例识别模型	首次使用深度学习模型分析EHR数据来识别AAV病例，相比传统基于规则的方法，能够发现更多遗漏的病例	模型在测试队列中的阳性预测值（PPV）较低（0.262），可能影响其在实际应用中的可靠性	开发一种基于深度学习的模型，用于从电子健康记录中准确识别ANCA相关性血管炎（AAV）病例	电子健康记录（EHR）中的临床文档	自然语言处理	血管炎	深度学习	分层注意力网络（HAN）	文本	三个数据集分别包含6000、3008和7500个注释部分，测试队列包含2000个样本
7104	2025-02-28	Hip prosthesis failure prediction through radiological deep sequence learning 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	首次结合时间序列和空间信息，利用多张连续X光片进行髋关节假体失败预测	外部验证集的样本量较小（14例患者），可能影响模型的泛化能力	开发基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	224名患者的髋关节X光片序列	计算机视觉	骨科疾病	深度学习	CNN（卷积神经网络）与GRU（门控循环单元）或LSTM（长短期记忆网络）结合	X光片图像	224名患者的X光片序列，其中14名用于外部验证
7105	2025-02-28	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	本研究开发并验证了一个深度学习模型REDAPM，利用区域电子健康记录（EHR）数据预测2型糖尿病患者中的抑郁和焦虑	REDAPM模型首次整合了区域异构EHR数据，包括结构化和非结构化数据，捕捉临床事件的时间依赖性，显著提升了预测性能	研究依赖于特定区域（南京）的EHR数据，可能限制了模型的普适性	开发并验证一个深度学习模型，用于预测2型糖尿病患者中的抑郁和焦虑	2型糖尿病患者	机器学习	糖尿病	深度学习	REDAPM	电子健康记录（EHR）数据	内部验证数据集包含24,724名患者，外部验证数据集包含34,340名患者
7106	2025-02-03	A deep learning model for QRS delineation in organized rhythms during in-hospital cardiac arrest 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105803 PMID:39891984	研究论文	本文介绍了一种新的深度学习模型，用于在院内心脏骤停期间准确描绘有组织心律中的QRS复合波	提出了一种基于U-Net模型的深度学习方法，首次在心脏骤停心律中测试并准确描绘QRS复合波	未提及具体局限性	提高在院内心脏骤停期间QRS复合波的准确描绘，以支持临床诊断和治疗策略优化	院内心脏骤停患者和血流动力学稳定的患者	数字病理学	心血管疾病	深度学习	U-Net	ECG信号	332次院内心脏骤停事件（151815个QRS复合波）和105名血流动力学稳定的患者（112497个QRS复合波）
7107	2025-02-28	Deep learning and machine learning in CT-based COPD diagnosis: Systematic review and meta-analysis 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105812 PMID:39891985	meta-analysis	本文通过系统回顾和荟萃分析，评估了深度学习和机器学习在基于CT的慢性阻塞性肺疾病（COPD）诊断中的表现	首次对AI模型在COPD诊断中的表现进行了定量分析，并比较了深度学习和机器学习模型的诊断效能	研究间的异质性较高，且MIL机制对DL模型的性能提升未达到统计学显著性	评估AI模型在COPD诊断中的表现，并比较不同模型的诊断效能	COPD患者的CT图像	数字病理学	慢性阻塞性肺疾病	CT成像	深度学习（DL）、机器学习（ML）、多实例学习（MIL）	图像	22,817名患者
7108	2025-02-28	Advanced deep learning techniques for recognition of dental implants 2025 Mar-Apr, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.01.016 PMID:40008072	研究论文	本研究评估了一种先进的深度学习技术DEtection TRanformer，用于识别牙科植入物	使用基于Transformer的深度学习技术DEtection TRanformer进行牙科植入物识别，这是一种新颖的应用	模型在未见过的验证数据上表现不佳，需要在准确性和效率之间进行优化	开发一种能够通过分析X光片图像来预测植入物类型的人工智能工具	牙科植入物	计算机视觉	NA	深度学习	DEtection TRanformer	图像	1138张图像，包含五种植入物类型，来自根尖和全景X光片
7109	2025-02-28	Artificial Intelligence Iterative Reconstruction for Dose Reduction in Pediatric Chest CT: A Clinical Assessment via Below 3 Years Patients With Congenital Heart Disease 2025-Feb-27, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000827 PMID:40013381	研究论文	本文评估了一种新引入的基于深度学习的重建算法AIIR在降低儿童胸部CT剂量方面的性能，研究对象为3岁以下先天性心脏病患者	首次在3岁以下先天性心脏病患者中评估AIIR算法在降低胸部CT剂量方面的性能，并与HIR算法进行比较	研究仅限于3岁以下先天性心脏病患者，样本量为191人，可能无法推广到其他年龄段或疾病类型	评估AIIR算法在降低儿童胸部CT剂量方面的性能	3岁以下先天性心脏病患者	医学影像	先天性心脏病	CT扫描	深度学习	图像	191名3岁以下先天性心脏病患者
7110	2025-02-28	Deep learning image enhancement algorithms in PET/CT imaging: a phantom and sarcoma patient radiomic evaluation 2025-Feb-27, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07149-7 PMID:40014074	研究论文	本研究使用放射组学特征比较了两种制造商开发的深度学习图像增强算法与'金标准'图像重建技术在体模数据和肉瘤患者数据集中的表现	首次使用放射组学特征对两种深度学习图像增强算法进行定量评估，并与'金标准'图像重建技术进行比较	研究样本量较小（N=20），且仅针对肉瘤患者数据	评估深度学习图像增强算法在PET/CT成像中的性能	体模数据和肉瘤患者数据	数字病理学	肉瘤	PET/CT成像	深度学习算法	图像	20例肉瘤患者数据和体模数据
7111	2025-02-28	Ion Gel Pressure Sensor with High Sensitivity and a Wide Linear Range Enabled by Magnetically Induced Gradient Microstructures 2025-Feb-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c23005 PMID:39943829	研究论文	本文开发了一种新型电容式压力传感器，灵感来源于树蛙脚趾垫的梯度微结构，适用于纹理识别、运动监测和物体抓取识别等多种应用	该传感器采用磁感应技术精确控制梯度微结构形态，并结合离子凝胶和导电纳米材料，实现了低至0.5 Pa的微小压力检测和高达93.5 kPa的宽线性范围	NA	开发一种能够精确检测微小压力变化并同时具有宽线性范围和高灵敏度的电容式压力传感器	电容式压力传感器	智能传感	NA	磁感应技术	深度学习算法	压力信号	NA
7112	2025-02-28	Explained Deep Learning Framework for COVID-19 Detection in Volumetric CT Images Aligned with the British Society of Thoracic Imaging Reporting Guidance: A Pilot Study 2025-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01444-3 PMID:40011345	研究论文	本研究介绍了一种多类深度学习模型，用于在CT图像中识别英国胸科影像学会（BSTI）的COVID-19分类，并评估了其性能	该研究首次将深度学习模型与BSTI的COVID-19检测报告指南对齐，并引入了后验视觉解释性特征以提高结果的可解释性	模型在检测'不确定'COVID-19类别时表现不佳，移除该类别后模型准确率显著提高	开发一种符合BSTI指南的深度学习模型，用于COVID-19的自动检测	疑似COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	3D ResNet	CT图像	56例CT图像
7113	2025-02-28	An Analysis of the Efficacy of Deep Learning-Based Pectoralis Muscle Segmentation in Chest CT for Sarcopenia Diagnosis 2025-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01443-4 PMID:40011347	研究论文	本研究探讨了基于深度学习的胸肌分割在胸部CT中对肌肉减少症诊断的有效性	首次比较了ResNet-UNet、Recurrent Residual UNet和UNet3+模型在胸部CT图像中分割和测量胸肌面积的效果，并验证了胸肌面积与L3水平肌肉面积的相关性	研究仅基于特定患者群体的CT图像，可能无法推广到所有人群	评估胸部CT图像中胸肌分割的准确性及其在肌肉减少症诊断中的应用	1644名患者的4932张胸部CT图像和294名患者的腹部CT数据	计算机视觉	肌肉减少症	深度学习	ResNet-UNet, Recurrent Residual UNet, UNet3+	CT图像	1644名患者的4932张胸部CT图像和294名患者的腹部CT数据
7114	2025-02-28	Investigation of Inter-Patient, Intra-Patient, and Patient-Specific Based Training in Deep Learning for Classification of Heartbeat Arrhythmia 2025-Feb-26, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00777-y PMID:40011388	研究论文	本研究探讨了在深度学习中使用不同训练范式（患者间、患者内和患者特定）对心电图（ECG）信号分类的影响	详细研究了三种训练范式对基于CNN的深度学习模型在心电图心律失常分类中的影响，并发现患者特定训练范式在所有指标上表现最佳	缺乏统一的数据库划分标准，导致不同研究之间的公平比较困难	评估不同训练范式对心电图心律失常分类的深度学习模型性能的影响	心电图信号	机器学习	心血管疾病	深度学习	CNN	心电图信号	标准心律失常数据集
7115	2025-02-28	Attentive feature interaction based persistent homology-augmented network for esophageal cancer lesion detection 2025-Feb-26, Medical physics IF:3.2Q1 DOI:10.1002/mp.17707 PMID:40012097	研究论文	本文提出了一种结合持久同调（PH）和特征交互的新框架，用于从3D CT图像中识别食管癌病变，旨在通过结合PH的拓扑信息和有效的特征交互机制来增强现有深度学习模型的预测能力	提出了一种结合持久同调和特征交互的新框架，通过持久图交叉注意力编码器（PDCAE）和重校准引导模块（RGM）来增强模型的预测能力	未来的研究需要探索更多可以利用拓扑关系的下游任务	增强现有深度学习模型在食管癌病变检测中的预测能力	食管癌病变	计算机视觉	食管癌	持久同调（PH）	CNN, ViT	3D CT图像	NA
7116	2025-02-28	Deep learning enhanced light sheet fluorescence microscopy for in vivo 4D imaging of zebrafish heart beating 2025-Feb-25, Light, science & applications DOI:10.1038/s41377-024-01710-z PMID:39994185	研究论文	本文提出了一种深度学习增强的光片荧光显微镜（LSFM）方法，用于斑马鱼心脏跳动的体内4D成像，解决了长时间高时空分辨率成像中的挑战	开发了一种名为U-net集成变压器（UI-Trans）的卷积神经网络（CNN）-变压器网络，能够有效减少复杂噪声和散射耦合的退化，并在细节学习和全局特征理解方面优于现有深度学习网络	NA	研究目的是通过深度学习增强的光片荧光显微镜技术，实现斑马鱼心脏跳动的长时间高时空分辨率成像	斑马鱼心脏	计算机视觉	NA	光片荧光显微镜（LSFM）	CNN-Transformer网络（UI-Trans）	图像	斑马鱼心脏
7117	2025-02-28	Evaluating Undersampling Schemes and Deep Learning Reconstructions for High-Resolution 3D Double Echo Steady State Knee Imaging at 7 T: A Comparison Between GRAPPA, CAIPIRINHA, and Compressed Sensing 2025-Feb-25, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001168 PMID:40009727	研究论文	本文评估了不同欠采样方案和深度学习重建方法在7T高分辨率3D双回波稳态膝关节成像中的应用，比较了GRAPPA、CAIPIRINHA和压缩感知（CS）的效果	本研究首次在7T高场强下，结合压缩感知欠采样和深度学习重建技术，实现了快速、高分辨率的3D DESS膝关节成像，且图像质量无明显下降	研究样本量较小，仅包括20名志愿者的40个膝关节，且未评估不同欠采样方案对临床诊断准确性的影响	评估不同欠采样方案和深度学习重建方法在高分辨率3D DESS膝关节成像中的效果，以确定最佳欠采样方案及其极限	20名志愿者的40个膝关节	医学影像	膝关节疾病	3D双回波稳态（DESS）磁共振成像，压缩感知（CS），深度学习（DL）重建	深度学习算法	3D磁共振图像	20名志愿者的40个膝关节
7118	2025-02-28	Three-dimensional, multimodal synchrotron data for machine learning applications 2025-Feb-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04605-9 PMID:39994193	研究论文	本文介绍了一个独特的多模态同步辐射数据集，用于开发先进的深度学习和数据融合管道	提供了一个多分辨率、多模态的三维数据集，可用于开发超分辨率、多模态数据融合和3D重建算法	数据集仅针对锌掺杂的Zeolite 13X样品，可能限制了其广泛适用性	开发用于医学和物理科学的机器学习技术	锌掺杂的Zeolite 13X样品	机器学习	NA	多分辨率微X射线计算机断层扫描、空间分辨X射线衍射计算机断层扫描	深度学习	三维图像数据	一个锌掺杂的Zeolite 13X样品
7119	2025-02-28	CTDNN-Spoof: compact tiny deep learning architecture for detection and multi-label classification of GPS spoofing attacks in small UAVs 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90809-3 PMID:39994281	研究论文	本文提出了一种名为CTDNN-Spoof的紧凑型深度学习架构，用于检测和小型无人机（UAV）中的GPS欺骗攻击的多标签分类	提出了一种新的紧凑型深度学习架构CTDNN-Spoof，用于实时检测和分类GPS欺骗攻击，超越了传统方法在精度和适应性上的表现	模型在不同标签上的准确率有所波动，且仅在小样本集上进行了验证	提高小型无人机在GPS欺骗攻击下的安全性	小型无人机（UAV）	机器学习	NA	深度学习	CTDNN-Spoof（紧凑型深度神经网络）	GPS信号数据	未明确说明样本数量，但使用了验证集进行评估
7120	2025-02-28	An integrated CSPPC and BiLSTM framework for malicious URL detection 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91148-z PMID:39994324	研究论文	本文提出了一种基于BiLSTM的恶意URL检测模型CSPPC-BiLSTM，通过集成CBAM和SPP模块，显著提高了检测准确率	提出了一种新的恶意URL检测模型CSPPC-BiLSTM，通过集成CBAM和SPP模块，增强了模型的上下文信息捕捉能力和多尺度特征提取能力	模型在特定数据集上表现良好，但在更广泛的数据集上的泛化能力仍需进一步验证	提高恶意URL检测的准确率，增强网络安全	恶意URL	自然语言处理	NA	深度学习	BiLSTM, CBAM, SPP	文本	两个数据集：Grambedding（平衡）和Mendeley AK Singh 2020 phish（不平衡）