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
1021	2025-07-01	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示	未提及具体样本量和实验条件的详细限制	解决电生理记录中神经元分类的噪声、技术变异性和批次效应问题	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未明确提及具体样本量
1022	2025-07-01	Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study 2025-Feb-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01602-7 PMID:40000986	研究论文	比较直肠磁敏感伪影对前列腺癌诊断中主观评估和深度学习的影响	首次比较了直肠磁敏感伪影对放射科医生和深度学习模型在前列腺癌诊断中的影响	研究为回顾性设计，且仅包含两个医疗中心的数据	评估直肠磁敏感伪影对前列腺癌诊断准确性的影响	1052名临床疑似前列腺癌患者	数字病理学	前列腺癌	MRI	DL	医学影像	1052名患者
1023	2025-07-01	Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery 2025-Feb-22, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03641-8 PMID:39984705	研究论文	本研究利用深度学习技术开发了一个自动评估腹腔镜结直肠手术中组织解剖效率的模型	首次使用深度学习计算机视觉技术自动识别和评估手术中组织解剖效率，减少人为评估的偏差	研究为回顾性研究，且仅针对使用单极设备的手术，可能不适用于其他手术工具或技术	验证使用深度学习模型自动评估手术技能的可行性	腹腔镜结直肠手术（乙状结肠切除术或高位前切除术）的视频数据	计算机视觉	结直肠癌	深度学习计算机视觉技术	深度学习识别模型	视频	766例来自日本多中心的手术案例
1024	2025-07-01	Cer-ConvN3Unet: an end-to-end multi-parametric MRI-based pipeline for automated detection and segmentation of cervical cancer 2025-Feb-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00557-2 PMID:39966210	research paper	提出并验证了一个创新的两阶段流程，用于基于多参数宫颈癌MRI的自动检测和分割，并研究了其临床效果	创新的两阶段流程结合了ConvNeXt块和多通道DoubleU-Nets，实现了高精度的自动检测和分割	研究为回顾性多中心研究，样本量相对有限，且仅基于MRI数据	开发一个自动化的AI辅助工具，用于宫颈癌的检测和分割，以减少放射科医生和妇科医生的工作负担	125名宫颈癌患者的14,547张二维MRI图像	digital pathology	cervical cancer	multi-parametric MRI (DWI, T2WI, CE-T1WI)	ConvNeXt blocks and 3-channel DoubleU-Nets	MRI images	125名患者的14,547张MRI图像（3,077 DWI, 2,990 T2WI, 8,480 CE-T1WI）
1025	2025-07-01	Predicting ADC Map Quality from T2-Weighted MRI: A Deep Learning Approach for Early Quality Assessment to Assist Point-of-Care 2025-Jan-15, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.15.25320592 PMID:40568662	研究论文	本研究开发了一种深度学习方法，通过T2加权MRI图像早期预测ADC图质量，以辅助即时医疗决策	首次提出从早期T2图像预测ADC图质量的自动化方法，并在多中心数据上验证模型性能	模型在外部数据上的性能（94%准确率）虽强但仍有提升空间，直肠横截面积指标的AUC仅为0.65	开发前列腺MRI图像质量早期评估方法以减少漏诊和不必要重复扫描	前列腺MRI图像（T2加权图像和ADC图）	数字病理	前列腺癌	深度学习	CNN	医学影像	486名患者（来自本院和62家外部诊所）的多中心配对图像数据集
1026	2025-07-01	Artificial intelligence in cancer pathology: Applications, challenges, and future directions 2025, CytoJournal IF:2.5Q2 DOI:10.25259/Cytojournal_272_2024 PMID:40469709	综述	本文综述了人工智能在癌症病理学中的应用、挑战及未来发展方向	探讨了AI在多种癌症类型中的应用，包括组织分类、突变检测和预后预测，并强调了未来发展方向如实时诊断和可解释AI	存在数据隐私、模型可解释性及监管标准等挑战	评估AI在癌症病理学中的潜力，以提升诊断准确性、优化工作流程并支持精准肿瘤学	乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型	数字病理学	多种癌症	机器学习、深度学习和计算机视觉	NA	组织病理学图像和多模态数据	NA
1027	2025-07-01	BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories 2024-08-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6a8c PMID:39094617	研究论文	介绍了一个名为BIDSAlign的标准化库，用于自动合并和预处理多个EEG数据集	提出了一种能够处理BIDS和非BIDS数据集的标准化库，统一了不同设置的EEG记录，并提供了可视化功能和用户友好的图形界面	未提及具体的性能评估或与其他工具的对比	解决数据驱动的EEG数据分析中的挑战，提供有效的深度学习架构训练数据	多个公共EEG数据集	机器学习	神经系统疾病	EEG数据处理	深度学习架构	EEG数据	来自OpenNeuro的数据集
1028	2025-07-01	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-08-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	提出了一种基于Wasserstein生成对抗网络和卷积神经网络的运动想象脑电分类方法，以提高分类性能	改进的Wasserstein生成对抗网络用于数据增强，设计了一个简洁高效的深度学习模型以提高解码性能	未提及具体的数据采集难度或样本量不足是否会影响模型的泛化能力	提高运动想象脑电数据的解码性能	运动想象脑电数据	机器学习	NA	连续小波变换	Wasserstein GAN, CNN	脑电信号	BCI Competition IV 2a和2b数据集及实际采集的数据集
1029	2025-07-01	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-08-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	research paper	提出了一种名为MRGazer的框架，用于从个体空间的功能磁共振成像(fMRI)数据中预测眼动注视点	MRGazer框架跳过了fMRI共配准步骤，简化了处理流程，实现了端到端的眼动注视回归	未提及具体局限性	开发一个高效、简单且准确的深度学习框架，用于从fMRI数据预测眼动	功能磁共振成像(fMRI)数据中的眼动注视点	计算机视觉	NA	fMRI	残差网络(ResNet)	fMRI图像数据	未提及具体样本量
1030	2025-07-01	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	research paper	本研究提出了一种基于VGG卷积神经网络和WGAN的无校准运动想象脑机接口方法，用于跨受试者EEG分类	采用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现了无需目标受试者校准数据的跨受试者分类	研究仅使用了公开竞赛数据集，未在实际临床环境中验证	开发无需校准的运动想象脑机接口系统	运动想象EEG信号	脑机接口	NA	EEG信号处理	VGG-CNN, WGAN	EEG频谱图像	BCI竞赛IV-2B、IV-2A和IV-1基准数据集（具体数量未说明）
1031	2025-07-01	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出了一种基于脑电图(EEG)的深度神经网络SQI-DOANet，用于估计信号质量指数(SQI)和麻醉深度(DOA)	结合了信号质量评估网络(SQINet)和麻醉深度分析网络(DOANet)，采用双注意力模块融合多通道多尺度信息，并使用门控多层感知器模块提取时序信息	未明确说明模型在实时监测场景下的表现及计算效率	开发可靠的麻醉深度监测方法	手术中的脑电图信号	机器学习	NA	深度学习	CNN+注意力机制+MLP	EEG信号	大型VitalDB数据库（具体数量未说明）
1032	2025-07-01	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	本文提出了一种基于深度学习的神经活动塑造方法，用于改善视网膜假体的视觉感知	使用人工神经网络（ANNs）进行模型无关的神经活动塑造，相比传统方法计算效率更高且不限于特定视网膜模型	方法尚未在实际临床环境中验证	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经活动模式	计算机视觉	视网膜疾病	深度学习	ANNs（人工神经网络）	图像数据	NA
1033	2025-07-01	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	本研究提出了一种基于语义和上下文相似性的脑解码新方法，利用fMRI数据和深度学习解码流程来推断和重建概念相似的图像	结合了神经科学启发的大脑解码模型和潜在扩散模型，通过线性映射fMRI活动到语义视觉特征空间，实现了语义分类和图像检索/生成	方法依赖于预训练神经网络的潜在空间表示，可能受限于网络本身的表征能力	开发一种新的脑解码方法，能够从fMRI数据中重建概念相似的图像	人类大脑对自然图像刺激的神经活动模式	计算神经科学	NA	fMRI, 潜在扩散模型	线性脑到特征模型, 潜在扩散模型	fMRI数据, 图像数据	三个fMRI数据集(Generic Object Decoding, BOLD5000, NSD)
1034	2025-07-01	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了深度学习在从超声心动图视频预测心血管磁共振成像（CMR）结果中的应用	首次尝试使用深度学习从超声心动图视频预测CMR的组织特征，如晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者（平均年龄56±18岁，42%为女性）的2,556对超声心动图和CMR研究	数字病理学	心血管疾病	深度学习	CNN	视频	1,453名患者，2,556对超声心动图和CMR研究
1035	2025-06-30	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了一种基于生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在数值模型和健康人脑组织中进行验证，未涉及病理组织的应用验证	开发快速准确的饱和转移MR指纹成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场不均匀性	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MRI影像数据	数值模型及健康人脑组织数据(尺寸256×256×9×103)
1036	2025-06-30	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度卷积神经网络整合QUASAR模型，显著减少了传统QSM方法中的伪影和误差	研究主要基于合成数据和数字脑模型验证，虽然也使用了活体人脑数据，但样本量未明确说明	提高磁敏感定量成像在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像分析	神经退行性疾病	定量磁敏感成像（QSM）	深度卷积神经网络	MRI影像数据	NA
1037	2025-06-30	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的图像配准方法AiM-ED，用于处理低信噪比的心脏MRI图像	使用预训练的边缘检测器定义训练损失，联合处理多个噪声源图像，提高了图像配准的质量	样本量较小，仅验证了24个健康受试者和5个患者的切片	提高低信噪比心脏MRI图像的配准和平均质量	自由呼吸单次心脏MRI图像	计算机视觉	心血管疾病	深度学习	AiM-ED	图像	24个健康受试者和5个患者的切片，以及6个患者的0.55T扫描数据
1038	2025-06-30	Broadscale reconnaissance of coral reefs from citizen science and deep learning 2025-Jun-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14261-6 PMID:40571887	研究论文	本研究探讨了结合公民科学和深度学习技术对珊瑚礁进行大规模勘测的可行性和准确性	结合公民科学和深度学习技术进行珊瑚礁勘测，实现了大规模、低成本的数据收集	对于'所有其他珊瑚'这一单一类别的估计准确性较低，仅在60%的站点和10-30%珊瑚覆盖率的图像中达到95%的准确性	评估公民科学和深度学习技术在珊瑚礁勘测中的准确性和可行性	珊瑚礁的底栖覆盖情况，特别是分枝状鹿角珊瑚、板状鹿角珊瑚和块状珊瑚	计算机视觉	NA	深度学习	NA	图像	8086张图像
1039	2025-06-30	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-Jun-26, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	research paper	利用深度学习从视盘照片预测视网膜神经纤维层厚度，评估其作为原发性开角型青光眼风险因素的效用	开发了一种基于OCT训练的深度学习模型（M2M模型），用于从视盘照片预测视网膜神经纤维层厚度，并验证其作为青光眼风险因素的预测能力	研究仅针对眼高压患者，未涉及其他类型青光眼或健康人群	预测视网膜神经纤维层厚度并评估其作为原发性开角型青光眼风险因素的效用	1636名眼高压患者的3272只眼睛	digital pathology	glaucoma	deep learning	M2M model	image	3272只眼睛的66714张视盘照片
1040	2025-06-30	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出了一种名为DeepArabianSignNet的新模型，结合DenseNet、EfficientNet和基于注意力的Deep ResNet，用于阿拉伯手语识别	引入了G-TverskyUNet3+进行感兴趣区域检测，并采用新型元启发式算法CSFOA进行特征优化	仅使用了两个数据库进行测试，可能需要更多样化的数据集验证	提高阿拉伯手语识别的准确性和特征捕捉能力	阿拉伯手语图像	计算机视觉	NA	CSFOA优化算法	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	图像	两个数据库（训练率70%和80%）