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
11801	2025-02-18	An efficient deep learning approach for automatic speech recognition using EEG signals 2025-Feb-16, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2456982 PMID:39957214	研究论文	本文提出了一种结合Gannet优化算法和Elman递归神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别	提出了一种新的高效深度学习框架EDLA，结合了Gannet优化算法和Elman递归神经网络，显著提高了基于EEG信号的语音识别准确率	研究仅在Kara One数据集上进行了评估，可能需要更多样化的数据集来验证其泛化能力	提高基于EEG信号的自动语音识别准确率，以促进人机交互和辅助技术发展	EEG信号	自然语言处理	NA	Savitzky-Golay滤波器，递归特征消除	Elman Recurrent Neural Network (ERNN)	EEG信号	Kara One数据集
11802	2025-02-18	Comment on "A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation" 2025-Feb-15, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2025.02.017 PMID:39956680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11803	2025-02-18	Deep learning for automated hip fracture detection and classification : achieving superior accuracy 2025-Feb-01, The bone & joint journal DOI:10.1302/0301-620X.107B2.BJJ-2024-0791.R1 PMID:39889758	研究论文	本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性	使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性	研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小	提高髋部骨折的诊断准确性	髋部骨折的X光片	计算机视觉	髋部骨折	深度学习	CNN	图像	5,168张髋部前后位X光片（4,493张用于训练，675张用于验证）
11804	2025-02-18	TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants 2025-Jan-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.019 PMID:39832639	研究论文	开发了一种基于深度学习的算法，用于自动识别全膝关节置换术（TKA）植入物的常见模型	使用EfficientNet架构的深度学习模型，结合不确定性量化和异常检测机制，提高了植入物识别的准确性和安全性	模型在外部测试集上仍存在少量错误，且样本主要来自单一机构，可能影响模型的泛化能力	开发自动化工具以辅助全膝关节置换术植入物的术前识别	全膝关节置换术植入物	计算机视觉	骨科疾病	深度学习	EfficientNet	图像	9,651名患者的111,519张图像
11805	2025-02-18	Deep learning for cardiac imaging: focus on myocardial diseases, a narrative review 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.12.002 PMID:39662734	综述	本文探讨了深度学习在心脏成像中的应用，特别是针对心肌疾病的自动分割、放射组学特征表型和预测	本文综述了深度学习在心脏成像中的最新应用，特别是自动分割和放射组学特征表型，展示了其在心肌疾病诊断和管理中的潜力	本文未涉及深度学习模型在临床实践中的具体实施挑战和解决方案	探讨深度学习在心脏成像中的应用，特别是针对心肌疾病的诊断和管理	心肌疾病	医学影像	心血管疾病	深度学习	深度学习算法	医学影像（CT、CMR、超声心动图、SPECT）	NA
11806	2025-02-17	A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction 2025-Mar-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133008 PMID:39880045	研究论文	本研究开发了一种多模态深度学习模型，整合心电图（ECG）信号和实验室指标，以提高急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）的诊断准确性	通过融合ECG特征和实验室指标，利用深度学习模型提高诊断准确性，为心血管疾病的快速诊断提供了新工具	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	提高急性A型主动脉夹层和急性心肌梗死的诊断准确性	急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）患者	机器学习	心血管疾病	深度学习	ResNet-34, RandomForest, XGBoost, LightGBM	ECG信号和实验室指标	训练和验证集：136例AAD-type A和141例AMI患者；前瞻性测试集：30例AMI和32例AAD-type A患者
11807	2025-02-17	Biomechanics-Function in Glaucoma: Improved Visual Field Predictions from IOP-Induced Neural Strains 2025-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.11.019 PMID:39631645	研究论文	本研究评估了神经组织结构和生物力学在青光眼功能损失预测中的作用，并探讨了生物力学在此类预测中的重要性	结合生物力学（眼压诱导的神经组织应变）和结构信息（组织形态和神经组织厚度）显著提高了视觉场损失预测的准确性	研究样本仅限于中国族群，且年龄超过50岁，可能限制了结果的普遍性	评估神经组织结构和生物力学在青光眼功能损失预测中的作用	238名青光眼患者	数字病理学	青光眼	光谱域OCT成像、数字体积相关分析	Point-Net	图像	238名青光眼患者
11808	2025-02-17	Towards an interpretable deep learning model of cancer 2025-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00822-y PMID:39948231	研究论文	本文探讨了使用深度学习算法整合组学数据和分子网络先验知识，以构建可解释的癌症深度学习模型	提出利用深度学习算法整合组学数据和分子网络先验知识，以解决癌症治疗中的分子原因推断问题	目前此类模型受到实验和计算限制的阻碍	构建系统范围的计算机模型，以快速生成和测试假设，解决癌症治疗中的分子原因推断问题	癌症细胞状态及其分子网络	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
11809	2025-02-17	Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01407-8 PMID:39953256	研究论文	本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶	结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割	模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间	提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划	缺血性卒中病灶	计算机视觉	心血管疾病	深度学习	Attention ResUnet	CT灌注扫描图像	ISLES 2018数据集，采用五折交叉验证
11810	2025-02-17	Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01287-4 PMID:39953255	研究论文	本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势	研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪）	评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	带有金属植入物的猪上颌面部区域CT图像	医学影像	NA	CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR）	深度学习	CT图像	四只猪的上颌面部区域图像
11811	2025-02-17	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型	提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性	样本量相对较小，外部验证数据集仅包含24名患者	提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	CT成像	混合模型（放射组学+深度学习）	CT图像	235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集）
11812	2025-02-17	Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model 2025-Feb-13, Journal of ophthalmic inflammation and infection IF:2.9Q1 DOI:10.1186/s12348-025-00465-x PMID:39946047	研究论文	本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用	利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法	研究样本量相对较小，且未涵盖所有可能的MK亚型	开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区	微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎）	计算机视觉	角膜炎	深度学习	卷积神经网络（CNN）	图像	889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例）
11813	2025-02-17	Prediction of InSAR deformation time-series using improved LSTM deep learning model 2025-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83084-1 PMID:39948371	研究论文	本研究开发了一种改进的LSTM模型，用于预测InSAR变形时间序列，并在印度Khetri铜带的Mine-A的26个TSX/TDX数据集上进行了验证	提出了一种改进的LSTM模型（mLSTM），用于预测InSAR变形时间序列，并在性能上优于传统的RNN和LSTM模型	研究仅基于单一参考PSI导出的变形时间序列结果，可能限制了模型的泛化能力	开发一种改进的LSTM模型，用于预测矿山开采引起的地表变形时间序列	矿山开采引起的地表变形	机器学习	NA	InSAR	LSTM, RNN, mLSTM	时间序列数据	26个TSX/TDX数据集
11814	2025-02-17	Robust CRW crops leaf disease detection and classification in agriculture using hybrid deep learning models 2025-Feb-13, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01332-5 PMID:39948565	研究论文	本文提出了一种用于玉米、水稻和小麦作物病害检测的Slender-CNN模型，通过整合不同维度的并行卷积层来准确识别多尺度病变	设计了Slender-CNN模型，能够同时处理多种作物的病害检测，并在资源有限的环境中表现出色	模型在特定作物上的准确率仍有提升空间，且未涉及其他作物或更广泛的病害类型	开发一种适用于多种作物的病害检测模型，以解决农民资源有限和数字素养低的问题	玉米、水稻和小麦作物的病害检测	计算机视觉	植物病害	深度学习	Slender-CNN	图像	未明确说明样本数量，但涉及玉米、水稻和小麦作物的健康与感染类别
11815	2025-02-17	Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT 2025-Feb-04, Cancers IF:4.5Q1 DOI:10.3390/cancers17030516 PMID:39941883	研究论文	本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性	将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性	研究主要关注胰腺癌，未涉及其他类型的癌症或疾病	提高胰腺癌预测的准确性，尤其是在少量数据的情况下	电子健康记录（EHRs）中的胰腺癌预测	自然语言处理	胰腺癌	Med-BERT	Med-BERT-Sum, Med-BERT-Mask	电子健康记录（EHRs）	10到500个样本
11816	2025-02-17	Development of Nipple Trauma Evaluation System With Deep Learning 2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养	首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统	研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用	开发一种能够自动检测和分类乳头创伤的深度学习系统	乳头创伤图像	计算机视觉	NA	深度学习	对象检测和分类模型	图像	753张图像
11817	2025-02-17	Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data 2025-Feb, Social science & medicine (1982) DOI:10.1016/j.socscimed.2025.117690 PMID:39892039	研究论文	本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征	利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解	研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素	开发预测韩国青少年饮酒的算法，并识别重要特征	韩国青少年	机器学习	NA	深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）	Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost	横截面数据	41,239名韩国青少年
11818	2025-02-17	Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.032 PMID:39880053	研究论文	本研究开发了一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	开发了一种新的深度学习模型，能够实时自动识别临床相关的骨盆标志，并提供与训练有素的人类相当的THA相关测量	临床使用目前仍有限	开发一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	161例初次全髋关节置换术的影像数据	计算机视觉	骨科疾病	深度学习	深度学习模型	影像数据（X光和透视图像）	161例初次全髋关节置换术的影像数据
11819	2025-02-17	A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.038 PMID:39880057	研究论文	本研究开发了一种用于膝关节前后位X光片上最小关节间隙宽度（mJSW）自动测量的深度学习工具	开发了一种结合深度学习分割模型和计算机视觉算法的端到端算法，用于自动测量膝关节内外侧的最小关节间隙宽度，能够灵活处理自然膝关节和关节置换后的膝关节	算法与人工测量的差异在73.2%的情况下小于1毫米，但仍存在一定误差	开发并验证一种自动化算法，用于在膝关节前后位X光片上测量最小关节间隙宽度（mJSW）	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	深度学习分割模型	图像	583张图像用于训练、验证和测试深度学习模型，330张独立图像用于提供计算机视觉算法开发和验证的基准测量
11820	2025-02-17	An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients 2025-Jan-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17030423 PMID:39941791	研究论文	本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划	提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影	研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据	比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能	脑肿瘤患者	数字病理学	脑肿瘤	光谱MRI (sMRI)	自监督深度学习模型	MRI图像	30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试