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
8281	2025-06-15	Deep learning-based action recognition for analyzing drug-induced bone remodeling mechanisms 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1564157 PMID:40510423	research paper	提出了一种基于深度学习的动作识别框架，用于分析药物诱导的骨重塑机制	结合图神经网络（GNNs）和动态信号传播模型，识别驱动骨重塑的关键分子相互作用，并集成预测药理学相互作用模型以量化药物-靶点相互作用	未提及具体实验样本量或数据来源的局限性	优化治疗干预并减少骨健康管理中的不良反应	药物诱导的骨重塑机制	machine learning	geriatric disease	graph neural networks (GNNs), dynamic signal propagation model	GNN	multi-scale biological data	NA	NA	NA	NA	NA
8282	2025-06-15	Graph convolutional neural networks improved target-specific scoring functions for cGAS and kRAS in virtual screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.023 PMID:40510763	研究论文	本研究通过结合分子图和卷积神经网络，提高了针对cGAS和kRAS蛋白的靶向特异性评分函数在虚拟筛选中的外推能力和准确性	首次将图卷积神经网络应用于靶向特异性评分函数的开发，显著提升了虚拟筛选的准确性和外推性能	研究仅针对cGAS和kRAS两种蛋白进行验证，需要更多靶点验证其普适性	提高虚拟筛选中靶向特异性评分函数的准确性和外推能力	cGAS和kRAS蛋白	机器学习	NA	分子对接、虚拟筛选	图卷积神经网络(GCN)、传统机器学习模型	分子图数据	NA	NA	NA	NA	NA
8283	2025-06-15	Random splicing assisted deep learning for breast cancer cell line classification via Raman spectroscopy 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.051 PMID:40510766	研究论文	本文开发了一种名为随机拼接-卷积神经网络（RS-CNN）的深度学习框架，用于通过拉曼光谱对乳腺癌细胞系进行分类	通过随机拼接同一细胞系的拉曼光谱，RS-CNN增强了特征光谱特征，同时扩大了数据集规模并改善了信号质量	NA	开发一种深度学习框架以提高拉曼光谱在癌症识别中的准确性和效率	六种乳腺癌细胞系	数字病理学	乳腺癌	拉曼光谱	RS-CNN（随机拼接-卷积神经网络）	光谱数据	每种细胞系450个光谱，数据有限条件下为100个光谱/细胞系	NA	NA	NA	NA
8284	2025-10-06	A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model 2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000001972 PMID:38457410	研究论文	基于Transformer模型开发用于胶囊内镜胃结构识别的深度学习应用	首次将Transformer模型应用于胶囊内镜胃结构识别，通过自注意力机制提升胃肠道图像识别性能	数据来源于单一医院（南方医院），样本时间跨度较长（2011-2021年）	建立胶囊内镜胃结构识别模型，提升深度学习在内镜图像识别中的临床应用价值	胶囊内镜视频中的15种上消化道结构	计算机视觉	胃部病变	胶囊内镜	Transformer	视频	3343个无线胶囊内镜视频用于无监督预训练，2433个用于训练，118个用于验证	NA	Transformer	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
8285	2025-06-15	Discrete Representation Learning for Multivariate Time Series 2024-Aug, Proceedings of the ... European Signal Processing Conference (EUSIPCO). EUSIPCO (Conference) DOI:10.23919/eusipco63174.2024.10715138 PMID:40510730	research paper	本文提出了一种基于高斯过程的多元时间序列离散表示学习方法	使用Gumbel-softmax重参数化技巧解决离散潜在变量在深度学习模型中的不可微问题，实现联合聚类和嵌入	NA	开发多元时间序列的离散表示学习方法以提高可解释性	多元时间序列数据	machine learning	NA	Gumbel-softmax reparameterization	Gaussian processes	multivariate time series	合成数据和真实fMRI数据	NA	NA	NA	NA
8286	2025-06-15	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-Jul-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	research paper	本研究提出了一种实用的机器学习方法，用于预测3D（生物）打印支架的质量	提供了最全面的开源数据集，并应用了从无监督到监督学习的多种AI技术，开发了一个具有六层隐藏层的全连接神经网络	AI在组织工程中的应用常因缺乏全面可靠的数据而受到阻碍	预测3D（生物）打印支架的质量	3D（生物）打印支架	machine learning	NA	AI, machine learning, deep learning	XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, fully connected neural network	dataset on 3D-printed scaffolds	1171 scaffolds, 60 biomaterials, 49 cell lines	NA	NA	NA	NA
8287	2025-06-15	A hybrid model for the detection of retinal disorders using artificial intelligence techniques 2024-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5db2 PMID:38955139	research paper	该研究提出了一种结合机器学习和深度学习技术的混合模型，用于自动分类视网膜疾病	提出了一种新的框架，结合了多种分类器（SVM、K-NN、DT、EM）和InceptionV3 CNN特征提取器，实现了高精度的视网膜疾病分类	未提及模型在临床环境中的实际应用效果或泛化能力	开发一种自动化的视网膜疾病分类方法	视网膜疾病（脉络膜新生血管、糖尿病性黄斑水肿、玻璃膜疣）和正常病例	computer vision	视网膜疾病	OCT（光学相干断层扫描）	SVM、K-NN、DT、EM、InceptionV3 CNN	image	18000张OCT图像	NA	NA	NA	NA
8288	2025-06-15	Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques 2024-06-28, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5a14 PMID:38901416	研究论文	本文提出了一种基于可解释AI的自动化分割和多阶段分类方法，用于诊断胃食管反流病（GERD）	开发了一个针对胃肠道疾病诊断的系统，结合了Yolov5目标检测、DeepLabV3+分割和多种机器学习分类器进行多阶段分类	NA	通过计算机辅助技术快速准确地诊断胃食管反流病（GERD）	胃食管反流病（GERD）患者的内窥镜图像	数字病理学	胃食管反流病	视频内窥镜	Yolov5, DeepLabV3+, SVM, 自定义深度神经网络	图像	NA	NA	NA	NA	NA
8289	2025-06-15	An extensive analysis of artificial intelligence and segmentation methods transforming cancer recognition in medical imaging 2024-06-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad555b PMID:38848695	综述	本文全面分析了人工智能和分割方法在医学影像中癌症识别的应用	重点评估了卷积神经网络（CNNs）在医学图像分割和分类中的自学习和决策能力	现有图像分割方法在应用于某些特定类型图像时存在局限性	探讨图像分割技术在医学影像中癌症识别的重要性和应用	医学影像中的癌症区域	计算机视觉	癌症	计算机辅助诊断（CAD）系统	CNN	医学影像	NA	NA	NA	NA	NA
8290	2025-06-15	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-06-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出两种新方法来识别和减轻困难试验对运动想象脑机接口模型性能的影响	提出基于模型预测分数和可解释人工智能（XAI）的定量方法来识别困难试验，并通过移除这些试验来优化模型性能	实验仅在Open BMI数据集上进行，未在其他数据集上验证方法的普适性	优化运动想象脑机接口（BCI）模型的分类性能	运动想象BCI系统中的困难试验	机器学习	NA	定量可解释人工智能（XAI）	深度CNN	脑电图（EEG）数据	Open BMI数据集中的样本	NA	NA	NA	NA
8291	2025-06-15	Investigation on ultrasound images for detection of fetal congenital heart defects 2024-05-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f91 PMID:38781934	综述	本文综述了利用超声图像和深度学习技术检测胎儿先天性心脏缺陷（CHD）的前沿技术	结合胎儿超声图像评估（FUSI）和深度学习技术，提高CHD的检测率	当前筛查技术的检测率相对较低（约60%）	提高胎儿先天性心脏缺陷的早期检测率，降低死亡率和发病率	胎儿先天性心脏缺陷（CHD）	数字病理学	心血管疾病	深度学习技术，包括CNN、ANN等	CNN, ANN	超声图像	NA	NA	NA	NA	NA
8292	2025-10-06	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了多种预训练CNN模型与不同时频分析方法在癫痫EEG分类中的性能	首次使用时频数据评估预训练框架参数调整对EEG数据分类的影响，并系统比较多种时频表示算法与CNN模型的组合效果	研究主要基于特定数据集（Bern-Barcelona EEG数据集），需要在更多数据集上验证模型的泛化能力	开发准确的癫痫EEG自动分类系统，比较不同预训练CNN和时频方法的性能	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模式分解（EMD）、经验小波变换（EWT）、变分模式分解（VMD）	CNN	EEG信号，时频图（scalograms）	Bern-Barcelona EEG数据集和天普大学数据库	NA	AlexNet, GoogLeNet, MobileNetV2, ResNet-18, SqueezeNet	灵敏度, 特异性, F1分数, 分类准确率	NA
8293	2025-06-15	Segmentation and quantitative analysis of optical coherence tomography (OCT) images of laser burned skin based on deep learning 2024-05-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad488f PMID:38718764	研究论文	本研究基于深度学习对激光烧伤皮肤的光学相干断层扫描（OCT）图像进行分割和定量分析，以评估皮肤恢复情况	利用深度学习U-Net模型对OCT图像进行皮肤分层和烧伤区域分割，结合三维重建技术量化损伤组织体积	研究仅在小鼠模型中进行，尚未在人体皮肤上验证	开发一种快速准确评估烧伤皮肤恢复情况的方法	激光诱导的小鼠皮肤热损伤模型	数字病理	烧伤	光学相干断层扫描（OCT）	U-Net（同时验证了PSPNe和HRNet模型）	图像	30只昆明小鼠，生成7000张正常组织B扫描图像和1400张烧伤组织B扫描图像	NA	NA	NA	NA
8294	2025-10-06	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	提出一种集成学习模型用于预测GAAFET的电学特性	结合深度学习和机器学习的优势，解决了传统方法耗时长效率低的问题	NA	开发快速准确的GAAFET电学特性预测方法	环栅场效应晶体管(GAAFET)	机器学习	NA	集成学习	深度学习, 机器学习	电学特性数据	NA	NA	集成学习模型	线性回归因子, 均方根误差	NA
8295	2025-06-15	Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad464e PMID:38697026	研究论文	本文提出了一种名为GraspCNet的紧凑型CNN模型，专为假肢手的抓取分类设计，旨在通过视觉辅助技术提高假肢手与使用者之间的协调性	提出了一种紧凑型CNN模型GraspCNet，使用可分离卷积降低计算负担，适合嵌入式系统的实时应用，并能从物体形状中学习以分类未见过的物体	在未见过的物体类别上准确率为75.48%，计算机实时实验中的准确率为69%，仍有提升空间	开发一种能够准确识别和分类抓取模式的视觉辅助技术，以改善上肢截肢者使用假肢手的体验	上肢截肢者使用的假肢手	计算机视觉	NA	深度学习，特别是卷积神经网络(CNN)	CNN	图像	使用了各种标准物体数据集进行训练和测试	NA	NA	NA	NA
8296	2025-10-06	Enhancing ECG signal classification through pre-trained stacked-CNN embeddings: a transfer learning approach 2024-May-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad40b0 PMID:38640904	研究论文	提出一种结合迁移学习和传统机器学习的创新计算框架，用于优化心电图信号分类	使用预训练堆叠卷积神经网络生成高维特征嵌入，并通过传统机器学习分类器进行评估，实现了深度学习特征提取与传统机器学习的高效结合	NA	优化心电图信号分类，平衡高性能与计算效率	心电图信号	机器学习	心血管疾病	ECG信号分析	CNN, MLP	信号数据	CinC2017和CPSC2018数据集	NA	Stacked CNN, Multilayer Perceptron	F1-score	NA
8297	2025-10-06	Development and external validation of a multimodal integrated feature neural network (MIFNN) for the diagnosis of malignancy in small pulmonary nodules (≤10 mm) 2024-May-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad449a PMID:38684143	研究论文	开发并外部验证一种多模态集成特征神经网络用于诊断小肺结节（≤10 mm）的恶性风险	首次将深度学习算法与肺结节形态学特征融合，显著提升小肺结节的诊断准确性	回顾性研究设计，样本量相对有限	优化小肺结节的恶性风险评估和管理策略	小肺结节（≤10 mm）患者	计算机视觉	肺癌	CT成像	神经网络	CT图像, 形态学特征	LUNA16数据集382个小肺结节（85个恶性），北京四个中心的101个小肺结节（33个恶性）	NA	MIFNN（多模态集成特征神经网络）	AUC（曲线下面积）	NA
8298	2025-06-15	Ultrasound imaging based recognition of prenatal anomalies: a systematic clinical engineering review 2024-05-07, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ad3a4b PMID:39655845	review	本文综述了基于超声成像的产前异常识别技术及其临床工程应用	介绍了基于人工智能的超声图像处理和可解释AI技术，以提高筛查效率和准确性	诊断可靠性受操作者专业知识和设备限制影响，且新技术在临床中的整合和接受度仍需验证	提高产前筛查的效率和准确性，改善产前护理	产前超声成像及异常识别	数字病理	产前异常	AI-based US image processing, multimodal data fusion, XAI	deep learning	image, video	NA	NA	NA	NA	NA
8299	2025-10-06	CBCT-DRRs superior to CT-DRRs for target-tracking applications for pancreatic SBRT 2024-04-26, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3bb9 PMID:38588646	研究论文	本研究验证了CBCT-DRRs在胰腺立体定向放疗靶区追踪中优于传统CT-DRRs	首次系统比较CBCT-DRRs与CT-DRRs在靶区追踪中的性能差异，并评估不同物理建模组件对图像相似度的影响	研究仅针对胰腺癌患者，样本量有限（20例），未验证在其他癌种中的应用效果	改进基于放射影像的靶区追踪技术，提升放疗精度	接受胰腺立体定向放疗的20例患者	数字病理	胰腺癌	锥形束CT（CBCT），数字重建放射影像（DRR），放射治疗	NA	医学影像（CT，CBCT，DRR，放射影像）	20例胰腺癌患者	NA	NA	皮尔逊相关系数，Czekanowski指数	NA
8300	2025-10-06	3D printing of an artificial intelligence-generated patient-specific coronary artery segmentation in a support bath 2024-Apr-26, Biomedical materials (Bristol, England) DOI:10.1088/1748-605X/ad3f60 PMID:38626778	研究论文	本研究结合深度学习和3D打印技术，实现了从医学图像中准确分割冠状动脉树并打印分叉血管结构	首次将迁移学习应用于冠状动脉分割，并探索AI生成模型在支撑浴中的3D生物打印可行性	打印血管外径和分叉点长度与3D模型存在差异，需要优化打印参数和多轴打印头设计	开发基于AI分割的个性化冠状动脉3D打印方法	冠状动脉树结构	计算机视觉, 数字病理	心血管疾病	深度学习, 3D打印, 生物打印	深度学习模型	医学图像, 冠状动脉CT血管造影	10例冠状动脉CT血管造影图像测试集	NA	NA	Dice系数	NA