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
9581	2025-04-26	Geometric neural network based on phase space for BCI-EEG decoding 2025-Feb-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad88a2 PMID:39423831	research paper	本文提出了一种基于相位空间的几何神经网络Phase-SPDNet，用于BCI-EEG解码，旨在提高使用有限数量电极的脑机接口系统的性能	结合增强协方差方法和SPDNet框架，提出Phase-SPDNet架构，显著优于当前最先进的DL架构，且具有可解释性和低可训练参数数量	EEG信号存在训练数据有限、信噪比低以及受试者内和受试者间记录变异性大的问题	开发一种使用有限数量电极的深度学习算法，以提高脑机接口系统的用户舒适度和性能	脑电图（EEG）信号	脑机接口	NA	深度学习算法	Phase-SPDNet	EEG信号	近100名受试者，来自多个开源数据集
9582	2025-04-26	OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data 2025-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-024-00958-2 PMID:38805131	研究论文	开发了一种名为OrganoIDNet的深度学习工具，用于从时间分辨成像数据中识别PDAC类器官-PBMC共培养中的治疗效果	引入了OrganoIDNet这一基于深度学习的算法，能够分析活细胞成像获取的PDAC类器官的明场图像，并能够区分健康和病态状态以及测量类器官对治疗的反应	研究主要依赖于体外共培养系统，可能无法完全模拟体内复杂的肿瘤微环境	评估PDAC类器官对化疗和免疫治疗的响应，开发实时监测治疗效果的平台	小鼠和人类患者来源的PDAC类器官与PBMCs的共培养系统	数字病理	胰腺导管腺癌(PDAC)	活细胞成像	深度学习算法(OrganoIDNet)	图像	NA
9583	2025-04-26	Prediction of short-term adverse clinical outcomes of acute pulmonary embolism using conventional machine learning and deep Learning based on CTPA images 2025-Feb, Journal of thrombosis and thrombolysis IF:2.3Q2 DOI:10.1007/s11239-024-03044-4 PMID:39342072	研究论文	探讨基于CTPA图像的传统机器学习和深度学习算法对急性肺栓塞患者短期不良结局的预测价值	结合传统机器学习（如随机森林）和深度学习模型（如ResNet 50和Vgg 19）预测急性肺栓塞患者的短期不良结局，并比较不同模型的性能	样本量较小（132例患者），且为回顾性研究	预测急性肺栓塞患者的短期不良临床结局	132例经CTPA确诊的急性肺栓塞患者	数字病理	肺栓塞	CTPA图像分析、纹理特征提取	Logistic回归、随机森林、决策树、支持向量机、ResNet 50、Vgg 19	图像	132例患者（84例预后良好，48例预后不良）
9584	2025-04-26	Deep Learning-based 12-Lead Electrocardiogram for Low Left Ventricular Ejection Fraction Detection in Patients 2025-Feb, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.09.018 PMID:39343388	研究论文	开发了一种基于深度学习的人工智能心电图算法，用于检测患者左心室射血分数降低并预测LVEF值	首次开发了一种AI-ECG算法，能够高效、快速地识别低射血分数患者，并预测LVEF值	外部验证的AUC值和MAE值较测试集有所下降，表明算法在不同数据集上的性能可能存在差异	开发一种高效、低成本的心力衰竭早期筛查工具	患者的12导联心电图数据	机器学习	心血管疾病	深度学习	AI-ECG算法	心电图数据	初始LVEF正常患者的5年随访数据及MIMIC-IV数据库的外部验证数据
9585	2025-04-26	A review of deep learning methods for gastrointestinal diseases classification applied in computer-aided diagnosis system 2025-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03203-y PMID:39343842	综述	本文综述了深度学习在胃肠道疾病分类中的应用，特别是在计算机辅助诊断系统中的进展	提供了针对胃肠道疾病分类的深度学习技术的全面调查，并解决了复杂场景、临床限制和技术障碍中的挑战	NA	回顾胃肠道疾病的计算机辅助诊断系统，以配合实际的临床诊断流程	胃肠道疾病，包括食管、胃、小肠和大肠的病变	计算机视觉	胃肠道疾病	深度学习	NA	图像	NA
9586	2025-04-26	Deep learning model for automated diagnosis of degenerative cervical spondylosis and altered spinal cord signal on MRI 2025-Feb, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.09.015 PMID:39357744	研究论文	开发了一个基于深度学习的模型，用于自动诊断退行性颈椎病和MRI上的脊髓信号改变	使用基于transformer的深度学习模型，首次实现了对颈椎管狭窄、神经孔狭窄和脊髓信号异常的自动检测与分类	研究为回顾性设计，且排除了有器械植入的病例	提高MRI颈椎病评估的效率和一致性	退行性颈椎病患者的MRI图像	数字病理学	颈椎病	MRI	transformer-based DL模型	图像	504例内部训练和测试MRI（504名患者），100例外部测试MRI（100名患者）
9587	2025-04-26	Multi-Organ Foundation Model for Universal Ultrasound Image Segmentation With Task Prompt and Anatomical Prior 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3472672 PMID:39361457	研究论文	提出了一种多器官基础模型（MOFO），用于通用超声图像分割，通过任务提示和解剖先验知识提高分割性能	首次提出多器官基础模型（MOFO），通过联合优化多个器官的分割任务，探索多器官之间的相关性，并引入任务提示和解剖先验知识以提高分割性能	模型依赖于多器官超声数据库的建立，数据稀缺问题可能影响模型的泛化能力	开发一种通用超声图像分割模型，提高多器官分割的准确性和鲁棒性	超声图像中的多器官分割	计算机视觉	NA	深度学习	MOFO	图像	7039张来自10个不同器官的超声图像
9588	2025-04-26	Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3473970 PMID:39365719	研究论文	提出了一种新颖的几何感知编码器-解码器框架，用于稀疏视图CBCT重建，以减少辐射剂量并提高重建质量和时间效率	引入几何感知的编码器-解码器框架，利用CBCT扫描的几何关系，将多视图2D特征反投影到3D空间，形成全面的体积特征图，从而在极稀疏视图输入下实现高质量重建	未提及具体在真实临床环境中的验证效果，可能在实际应用中存在未发现的限制	减少CBCT重建中的辐射剂量，同时保持或提高重建图像的质量和时间效率	稀疏视图CBCT重建	计算机视觉	NA	深度学习，神经渲染算法	2D CNN编码器，3D CNN解码器	2D X射线投影，3D CBCT图像	两个模拟数据集和一个真实世界数据集
9589	2025-04-26	Coronary artery disease detection using deep learning and ultrahigh-resolution photon-counting coronary CT angiography 2025-Feb, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.09.012 PMID:39366836	研究论文	本研究评估了深度学习在光子计数冠状动脉CT血管造影（PC-CCTA）上自动检测冠状动脉疾病（CAD）的诊断性能	使用深度学习模型（CorEx, Spimed-AI）在非超高分辨率PC-CCTA图像上自动检测CAD，并与人类专家评估的UHR PC-CCTA图像进行比较	回顾性单中心研究，样本量较小（140例患者）	评估深度学习在CAD检测中的诊断性能	疑似CAD并接受PC-CCTA检查的患者	数字病理学	心血管疾病	光子计数冠状动脉CT血管造影（PC-CCTA）	深度学习（CorEx, Spimed-AI）	医学影像	140例患者（96名男性，44名女性）
9590	2025-04-26	CQformer: Learning Dynamics Across Slices in Medical Image Segmentation 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3477555 PMID:39388328	研究论文	提出了一种名为CQformer的新型Transformer架构，通过ODE建模2D切片间的动态变化，提升3D医学图像分割性能	首次将ODE引入跨切片特征交互建模，提出交叉实例查询引导的Transformer架构(CQformer)和回归头设计	未明确说明计算复杂度或实时性表现，在BTCV数据集上性能排名第二	改进3D医学图像中连续2D切片的分割精度	多模态医学图像(CT/MRI)中的器官/组织/病变	数字病理	NA	ODE建模	Transformer(CQformer)	3D医学图像	7个不同模态和任务的数据集
9591	2025-04-26	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-Feb, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	本研究设计了一个深度学习模型，用于预测心电图（ECG）信号中的高血压，并识别与高血压相关的ECG片段	提出了一个深度学习框架，包括MML-Net（多分支、多尺度LSTM神经网络）和ECG-XAI（面向ECG的波对齐AI解释流程），用于检测高血压引起的心脏结构微小变化	研究依赖于特定医院的数据，可能不具有普遍代表性	探索ECG信号是否能够捕捉高血压引起的心脏结构微小变化	心电图信号	数字病理学	心血管疾病	深度学习	LSTM	ECG信号	210,120条10秒12导联ECG（FX-8322设备）和812条ECG（RAGE-12设备）
9592	2025-04-26	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型（LLMs）在放射学研究中提供统计和深度学习解决方案及代码的能力	首次系统评估LLMs在放射学研究中处理生物统计学和深度学习编码任务的能力	需要用户进一步验证和优化生成的代码，存在潜在错误和幻觉风险，以及数据隐私问题	探索LLMs在放射学研究中的辅助作用	ChatGPT-4o、ChatGPT-3.5和Google Gemini三种大型语言模型	自然语言处理	NA	生物统计学分析、深度学习模型构建	Vision Transformer (ViT-B/16)	医学影像数据、统计问题	Cancer Imaging Archive数据集和RSNA-STR肺炎检测挑战数据集
9593	2025-04-26	Evaluating deep learning techniques for optimal neurons counting and characterization in complex neuronal cultures 2025-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03202-z PMID:39417963	研究论文	本文评估了三种深度学习技术在神经元培养图像中自动计数和表征神经元的最优方法	比较了语义分割、目标检测和实例分割三种深度学习技术在神经元计数和表征中的表现，发现实例分割效果最佳	研究仅针对神经元培养图像，未涉及其他类型的细胞或组织	开发自动且可靠的神经元计数和表征方法	神经元培养中的神经元	计算机视觉	NA	深度学习	语义分割、目标检测、实例分割	图像	NA
9594	2025-04-26	Attention-Guided Residual U-Net with SE Connection and ASPP for Watershed-Based Cell Segmentation in Microscopy Images 2025-Feb, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0446 PMID:39422580	研究论文	提出了一种名为RA-SE-ASPP-Net的新型框架，用于显微镜图像中基于分水岭的细胞分割	结合了残差块、注意力机制、Squeeze-and-Excitation连接和Atrous Spatial Pyramid Pooling，以提高细胞分割的精确性和鲁棒性	在低信噪比图像中准确分割接触细胞仍存在挑战	开发自动化细胞分割方法以替代耗时的手动分析	显微镜图像中的细胞	计算机视觉	NA	深度学习	U-Net-based networks, RA-SE-ASPP-Net	显微镜图像	诱导多能干细胞重编程数据集
9595	2025-04-26	Graph based recurrent network for context specific synthetic lethality prediction 2025-Feb, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出了一种基于图循环网络的模型（SLGRN），用于预测特定遗传背景下的合成致死（SL）相互作用	引入图循环网络编码器获取特定背景下的低维特征表示，结合门控循环单元（GRU）和背景依赖状态，有效整合所有节点信息	未明确提及模型在跨癌症类型或大规模临床数据集上的泛化能力	探索具有治疗潜力的合成致死相互作用，推动癌症靶向治疗发展	合成致死相互作用及其遗传背景依赖性	机器学习	癌症	图神经网络（GNN）、门控循环单元（GRU）	SLGRN（基于图循环网络的模型）	图数据（基因相互作用网络）	NA（未明确提及具体样本量，但包含体外实验和回顾性临床分析验证）
9596	2025-04-26	High-Accuracy and Lightweight Image Classification Network for Optimizing Lymphoblastic Leukemia Diagnosisy 2025-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24704 PMID:39429031	research paper	该研究提出了一种高精度轻量级图像分类网络，用于优化淋巴细胞白血病的诊断	采用渐进式收缩方法，整合了包括宽度、深度、分辨率和核大小在内的多维度剪枝技术，训练轻量级模型	数据集的物理限制和部署设备的限制可能影响模型的泛化能力	优化淋巴细胞白血病的早期检测和诊断	淋巴细胞白血病患者的骨髓细胞图像	digital pathology	lymphoblastic leukemia	deep learning	CNN	image	17,826张骨髓细胞图像来自85名患者
9597	2025-04-26	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	research paper	该研究评估了一种深度学习弹性配准算法在常规肿瘤PET/CT中改善配准伪影和图像质量的效果	提出了一种基于深度学习的弹性配准方法，用于改进PET和衰减校正CT之间的配准误差	样本量较小（30例患者），且仅针对特定类型的PET扫描（18F-FDG和64Cu-DOTATATE）	评估深度学习弹性配准算法在肿瘤PET/CT中的图像质量改善效果	30例接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	digital pathology	oncologic disease	PET/CT imaging	deep learning-based elastic registration algorithm	medical imaging (PET/CT)	30 patients (20 18F-FDG PET/CT and 10 64Cu-DOTATATE PET/CT)
9598	2025-04-26	Electrocardiograph analysis for risk assessment of heart failure with preserved ejection fraction: A deep learning model 2025-Feb, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.15120 PMID:39463004	研究论文	开发了一种深度学习模型用于通过心电图分析评估射血分数保留的心力衰竭（HFpEF）风险	使用CNN-LSTM深度学习模型结合心电图数据进行HFpEF风险评估，相比传统指标具有更好的区分能力	样本量相对较小（训练集238例，验证集117例），且需要侵入性左心室导管检查获取LVEDP数据	开发一种高效、低成本的HFpEF筛查方法	HFpEF高风险和低风险患者	数字病理	心血管疾病	心电图分析	CNN-LSTM	心电图数据	训练集238例，验证集117例HFpEF风险患者
9599	2025-04-26	A Recognition System for Diagnosing Salivary Gland Neoplasms Based on Vision Transformer 2025-Feb, The American journal of pathology DOI:10.1016/j.ajpath.2024.09.010 PMID:39490441	研究论文	开发了一种基于Vision Transformer (ViT)的计算机辅助诊断模型，用于准确分类唾液腺肿瘤的最常见亚型	首次将Vision Transformer (ViT)应用于唾液腺肿瘤的分类，并在诊断性能上超越了基准模型	研究仅基于3046张全切片图像，样本来源和多样性可能有限	提高唾液腺肿瘤的组织学分类准确性，辅助病理学家进行精确诊断	唾液腺肿瘤的八种常见亚型，包括多形性腺瘤、肌上皮瘤、Warthin瘤等	计算机视觉	唾液腺肿瘤	深度学习	Vision Transformer (ViT)	图像	3046张全切片图像，涵盖九种不同的组织类别
9600	2024-12-18	Correction: Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-Feb, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01980-5 PMID:39681651	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA