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
9841	2025-10-06	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	研究论文	本研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	提出三种网络重排方案以优化脑网络评估性能，并采用Grad-CAM可视化不同脑区连接对分类的贡献	未明确说明样本规模和数据采集的具体限制条件	开发基于脑功能连接和深度学习的意识障碍评估方法	意识障碍患者	机器学习	意识障碍	脑电图	CNN	脑功能连接网络数据	NA	NA	卷积神经网络	准确率	NA
9842	2025-10-06	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	提出一种基于深度学习的靶区分割方法，用于放疗中无标记肺部肿瘤实时跟踪	首次将条件生成对抗网络(Pix2Pix)应用于生成合成靶区分割图像，增强kV投影图像中肿瘤可见度	需要患者特异性模型训练，训练时间较长(约12小时)；仅验证了2D跟踪，3D跟踪需进一步开发	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放疗精准度	9名植入信标近肿瘤处的肺癌患者数据集	医学影像分析	肺癌	4DCT模拟成像，数字重建放射影像(DRR)，kV投影成像	cGAN	医学影像	9名患者，4312张测试图像	NA	Pix2Pix	跟踪误差(SI方向0.8±0.7mm, IPLR方向0.9±0.8mm)，成功跟踪率(92.2%)	NA
9843	2025-10-06	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	研究论文	评估深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能方面的比较	首次全面评估基于深度学习的完整MRI协议对常规腰椎扫描时间和诊断质量的影响	样本量较小(36例)，SNR降低和伪影感知增加	评估深度学习加速腰椎MRI协议的诊断性能	连续36例门诊患者的非增强腰椎MRI	医学影像分析	脊柱疾病	MRI, 深度学习重建	深度学习	医学影像	36例门诊患者	NA	NA	Wilcoxon符号秩检验, κ系数, Likert量表, 非劣效性检验	NA
9844	2025-10-06	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨基于深度学习的T2加权MRI图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估前列腺MRI图像质量，并首次系统分析图像质量与前列腺癌检测率的关系	回顾性研究设计，单中心数据，仅由一名放射科医师评估PI-RADS	研究MRI图像质量对前列腺癌检测率的影响	615名PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI，高b值回波平面扩散加权成像，梯度回波动态对比增强	深度学习	医学影像	615名患者，385例高质量T2WI，230例低质量T2WI	NA	NA	癌症检测率，置信区间，P值	NA
9845	2025-10-06	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	提出一种混合深度学习和模型驱动的针形预测方法，用于前列腺癌微创手术中的针轨迹预测	首次结合深度学习与基于李群的针形模型，并提出无需数据的自监督学习方法	仅在单层和双层均匀仿生组织中进行验证，未涉及真实人体组织	解决手术中针形实时预测问题以减少重复插入	柔性斜面针在前列腺癌手术中的插入轨迹	计算机视觉	前列腺癌	深度学习，李群理论建模	深度学习模型	针形轨迹数据	约3,000个预测样本	NA	混合深度学习架构	均方根误差	NA
9846	2025-10-06	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	研究论文	提出一种基于视觉刺激的脑电信号分类方法，通过对抗学习提取主体不变特征	采用双路径深度学习架构结合梯度反转层学习主体不变特征，并提出基于引导反向传播的脑电通道选择方法	NA	基于视觉刺激的脑电信号分类与脑解码	由图像刺激诱发的脑电信号	脑机接口	NA	脑电图	CNN	脑电信号	NA	NA	双路径卷积神经网络	NA	NA
9847	2025-10-06	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络的深度学习模型，用于自动检测血管超声中的自发回声对比现象	首次将多序列CNN与软注意力机制结合用于SEC自动检测，能够可视化关键帧重要性	模型性能仍有提升空间（AUC 0.74），样本量相对有限（201名患者）	开发自动识别血管超声中自发回声对比的深度学习模型	股静脉超声图像序列	计算机视觉	心血管疾病	血管超声	CNN	超声图像序列	201名患者的801个超声采集序列	NA	ResNetv2	ROC-AUC, 敏感度, 特异度, F1分数, 真阴性, 假阴性, 假阳性, 真阳性	NA
9848	2025-10-06	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出一种联合T1和T2*映射的加速MRI参数映射技术，通过扫描特异性自监督网络重建结合并行成像和模型方法	首次将并行成像、模型驱动方法和深度学习通过扫描特异性自监督网络重建协同结合，实现高加速率的联合参数映射	未提及需要外部大型数据集进行训练，但可能对特定采集协议有依赖性	开发加速的MRI定量参数映射技术以减少扫描时间	MRI T1和T2*参数映射	医学影像处理	NA	多回波、多翻转角梯度回波采集	自监督网络	多对比度MRI数据	NA	NA	NA	重建误差	NA
9849	2025-10-06	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本研究提出了一种基于无监督深度学习和卷积神经网络的静态并行传输设计方法，用于改善7T磁共振中多通道发射阵列的B1+不均匀性问题	首次将CNN与多通道B1+图谱结合进行无监督训练，采用物理驱动的损失函数消除参考传输RF权重的计算需求	回顾性研究，仅使用健康人脑部数据，未在患者群体中验证	改善7T磁共振中多通道发射阵列的B1+场不均匀性	健康人脑部B1+图谱数据	医学影像分析	NA	磁共振成像，Bloch仿真	CNN	2D矢状面多通道B1+图谱	143名受试者的3824个2D矢状面多通道B1+图谱	NA	卷积神经网络	RMS误差，变异系数，能量消耗	NA
9850	2025-10-06	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于领域自适应的深度学习模型GDA，用于青光眼的预测和诊断	提出领域不变和领域特定表示学习，采用渐进加权机制准确传递源领域知识，并使用低秩编码对齐源和目标分布	NA	开发青光眼预测和诊断的深度学习模型	青光眼患者	计算机视觉	青光眼	眼底摄影	深度学习	图像	66,742张眼底照片，来自1,636名受试者的3,272只眼睛	NA	GDA（青光眼领域自适应模型）	AUC, 准确率	NA
9851	2025-10-06	Examining a punishment-related brain circuit with miniature fluorescence microscopes and deep learning 2024-Jun, Addiction neuroscience DOI:10.1016/j.addicn.2024.100154 PMID:38680653	研究论文	本文通过微型荧光显微镜和深度学习算法研究惩罚学习相关的生物行为机制	结合微型荧光显微镜和深度学习算法分析惩罚学习中的神经回路动态变化，突破了传统功能丧失操作的局限	NA	理解惩罚学习的生物行为机制及其在物质使用障碍戒断和复发中的作用	啮齿类动物（用于实验建模）	神经科学, 机器学习	物质使用障碍	微型荧光显微镜, 深度学习算法	深度学习	神经影像数据	NA	NA	NA	NA	NA
9852	2025-10-06	NeighBERT: Medical Entity Linking Using Relation-Induced Dense Retrieval 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00136-3 PMID:38681752	研究论文	提出一种名为NeighBERT的医学实体链接方法，通过关系诱导的密集检索技术改进临床文本中的实体链接性能	扩展BERT预训练技术，通过编码知识图谱中实体间的关系来增强模型对临床文本歧义的解决能力	NA	改进医学实体链接任务，解决临床文本中的实体歧义问题	临床文本中的医学实体	自然语言处理	NA	知识图谱嵌入，密集检索	Transformer	文本	NA	BERT	NeighBERT, BERT	精确率, 召回率, F1分数	NA
9853	2025-10-06	Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00160-x PMID:38681760	研究论文	本文开发了监督和无监督深度学习方法来预测癫痫发作，通过识别脑电图中的发作前期信号	首次同时开发监督和无监督深度学习方法进行癫痫预测，无监督方法仅需正常脑电图数据进行训练	模型性能因患者个体差异、采用方法和架构不同而变化，存在个体化差异	开发有效的癫痫发作预测方法以降低患者风险	癫痫患者的脑电图数据	机器学习	癫痫	脑电图分析	深度学习	脑电图信号	两个大型脑电图癫痫数据集	NA	NA	NA	NA
9854	2025-10-06	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动牙科疾病分类中的有效性	采用多模态特征融合技术结合传统机器学习分类器，显著提升了牙科疾病分类的准确性和鲁棒性	仅包含六种常见牙科疾病，未涵盖更广泛的牙科病症	推进自动牙科疾病分类领域的发展	六种常见牙科疾病：龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症	计算机视觉	牙科疾病	深度学习，特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床来源图像	NA	EfficientNetB0	准确率, 召回率, 精确率, Kappa指数	NA
9855	2025-10-06	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出一种基于光学相干断层扫描图像的自适应加权集成学习方法用于糖尿病视网膜病变分类	基于贝叶斯理论提出新型决策融合方案，动态调整基模型权重分布以缓解数据不平衡问题	NA	提升糖尿病视网膜病变自动检测性能	糖尿病视网膜病变患者的光学相干断层扫描图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描	集成学习	图像	两个公共数据集（DRAC2022和APTOS2019）	NA	三个先进深度学习模型的集成	二次加权kappa, 准确率	NA
9856	2025-10-06	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	研究论文	提出一种密集U型Transformer网络结合双域多损失函数用于稀疏视图CT重建	结合DenseNet的局部特征提取能力和Transformer的远程依赖建模，并设计带权重学习的双域多损失函数	仅在Mayo Clinic LDCT数据集上验证，未在其他数据集测试泛化能力	开发深度学习方法来抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	计算机视觉	NA	CT扫描	Transformer, CNN	医学图像	Mayo Clinic LDCT数据集	NA	DenseNet, Transformer, U-Net	伪影抑制效果, 图像特征保留度	NA
9857	2025-10-06	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出基于深度学习的HRCT图像病灶指标评估与量化方法，用于间质性肺病的严重程度分层	首次开发能够同时分割五种ILD病灶类型（HC、RO、GGO、CONS、EMPH）的卷积神经网络，并结合临床数据建立多变量预测模型	研究样本量未明确说明，模型性能在不同病灶类型间存在差异	提高间质性肺病严重程度评估的准确性和客观性	间质性肺病患者的HRCT图像	计算机视觉	间质性肺病	HRCT成像	CNN	医学图像	NA	NA	卷积神经网络	AUC, 准确率	NA
9858	2025-06-03	Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_15 PMID:40443712	研究论文	本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法	使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测	仅针对T1加权磁共振成像中的肝脏分割任务进行了验证	提高医学图像分割模型对分布外数据的检测能力	肝脏T1加权磁共振图像	数字病理	肝脏疾病	主成分分析(PCA), 马氏距离	Swin UNETR	医学图像	NA	NA	NA	NA	NA
9859	2025-06-02	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	research paper	提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖	采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性	需要进一步验证在更广泛临床场景中的泛化能力	开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估	CT图像质量评估	computer vision	NA	深度学习	CNN-Transformer混合模型	图像	约30张CT图像切片/秒的处理能力	NA	NA	NA	NA
9860	2025-06-02	DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks 2025-May-31, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2512448 PMID:40448687	研究论文	本文提出了一种结合预训练语言模型和多窗口卷积神经网络的分类框架，用于快速准确识别细胞因子受体蛋白	首次专门针对细胞因子受体蛋白进行分类研究，结合PLMs和mCNN架构，无需手动特征提取	未提及模型在更广泛蛋白质数据集上的泛化能力	开发高效识别细胞因子受体蛋白的计算方法	细胞因子受体蛋白	计算生物学	自身免疫性疾病	预训练语言模型(ProtTrans, ESM), 多窗口CNN	PLMs+mCNN	蛋白质序列	NA	NA	NA	NA	NA