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
11901	2025-10-07	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了传统手工特征和深度学习Bi-LSTM网络在肺癌检测中的性能	结合手工特征提取与优化的双向长短期记忆网络(Bi-LSTM)进行肺癌检测，在准确率和AUC指标上均取得优异表现	未提及具体数据集规模和多样性限制	提高肺癌检测准确率，改进计算机辅助诊断系统	肺癌医学图像	计算机视觉	肺癌	医学图像分析	Bi-LSTM, SVM	医学图像	NA	NA	Bidirectional Long Short-Term Memory	准确率, AUC	NA
11902	2025-10-07	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	研究论文	提出一种基于分布外检测的心电图信号可信诊断方法	结合CNN和注意力机制增强特征提取，并采用Energy和ReAct技术识别分布外心脏病	NA	提高心电图诊断的可靠性，特别是对未知类型心脏病的识别能力	心电图信号	机器学习	心血管疾病	心电图信号分析	CNN, Attention机制	心电图信号	MIT-BIH心律失常数据库和INCART 12导联心律失常数据库	NA	CNN结合注意力机制	灵敏度, 特异性	NA
11903	2025-10-07	Author name disambiguation based on heterogeneous graph neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310992 PMID:40009590	研究论文	提出基于异构图注意力神经网络的作者姓名消歧方法，通过改进特征表示和聚类算法提升消歧性能	提出结合关系图异质注意力神经网络的作者消歧方法，引入多重注意力机制改进节点交互学习，并优化传统层次聚类算法	未明确说明方法在其他数据集上的泛化能力，实验仅基于Aminer数据集进行验证	解决学术论文作者姓名消歧问题，准确将新发表论文分配给对应作者	学术论文作者及其发表文献	自然语言处理	NA	图神经网络，注意力机制	GNN, 注意力神经网络	文本数据，图结构数据	Aminer数据集	NA	关系图异质注意力神经网络，图卷积嵌入模块	F1-score	NA
11904	2025-10-07	Untrained perceptual loss for image denoising of line-like structures in MR images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318992 PMID:40009630	研究论文	本研究提出一种用于3D MR图像中线状结构去噪的未训练感知损失方法	将感知损失扩展到3D数据，使用未训练网络的特征图进行比较，特别适用于线状结构的图像去噪	主要针对线状结构图像，对其他类型图像效果未验证	开发适用于线状结构MR图像去噪的深度学习方法	脑部血管MR图像和植物根系MR图像	计算机视觉	脑血管疾病	磁共振成像	CNN	3D图像	536张植物根系MR图像和450张脑部血管MR图像	NA	自定义CNN, VGG19	SSIM	NA
11905	2025-05-11	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究开发了一种基于nnUNetv2框架并结合自动编码器架构的新型深度学习模型，用于提高头颈癌MRI引导放疗图像中肿瘤体积的自动分割准确性	在nnUNetv2框架中引入自动编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提高分割精度	研究仅针对头颈癌患者，样本量相对有限（150名训练患者和50名测试患者）	提高MRI引导放疗图像中肿瘤体积的自动分割准确性，优化放射肿瘤学临床工作流程	头颈癌患者的MRI引导放疗图像	数字病理学	头颈癌	MRI	nnUNetv2结合自动编码器	医学图像	150名训练患者和50名测试患者	NA	NA	NA	NA
11906	2025-10-07	[Identification of kidney stone types by deep learning integrated with radiomics features] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310043 PMID:40000211	研究论文	提出结合影像组学和深度学习的框架，用于术前自动识别肾脏结石类型	首次将三维卷积神经网络浅层提取的影像组学特征与深层特征融合，并采用LASSO正则化和LightGBM进行结石分类	准确率为84.5%仍有提升空间，未提及模型在其他数据集上的泛化能力	实现肾脏结石类型的术前自动高精度分类	感染性和非感染性肾脏结石	计算机视觉	肾脏疾病	影像组学分析	CNN, LightGBM	三维医学影像	NA	NA	三维卷积神经网络	准确率	NA
11907	2025-10-07	[Cardiac magnetic resonance image segmentation based on lightweight network and knowledge distillation strategy] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202312015 PMID:40000210	研究论文	提出一种轻量级扩张并行卷积U-Net和知识蒸馏策略用于心脏磁共振图像分割	提出轻量级DPU-Net网络结构和多尺度适应向量知识蒸馏策略，通过独特的卷积通道变化方式减少参数数量	NA	解决深度学习网络在心脏MRI图像分割中参数过多和计算量大的问题	心脏磁共振图像	医学图像分割	心血管疾病	心脏磁共振成像	U-Net, CNN	医学图像	自动心脏诊断挑战赛公共数据集	NA	DPU-Net, U-Net, 残差块, 扩张卷积	Dice系数	NA
11908	2025-10-07	[Research progress on endoscopic image diagnosis of gastric tumors based on deep learning] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404004 PMID:40000222	综述	本文综述了深度学习在胃肿瘤内镜图像分类、目标检测和分割中的应用进展	系统总结了胃肿瘤相关的计算机辅助诊断系统和多模态算法，并指出了当前深度学习方法存在的问题	未涉及具体实验验证和性能对比分析	促进深度学习方法在胃肿瘤内镜诊断中的临床应用	胃肿瘤内镜图像	计算机视觉	胃癌	内镜检查	深度学习	内镜图像	NA	NA	NA	NA	NA
11909	2025-10-07	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	提出基于深度学习的多标签风险因素识别框架，用于自动识别建筑工地的材料和人为风险因素	开发了能够同时识别多种材料和人为风险因素的多标签识别框架，并分析了模型决策过程	模型在视觉模糊情况下识别困难，且存在对透视场景中邻近物体的过度关注倾向	开发自动识别建筑工地多种安全风险因素的深度学习模型，用于预防性安全管理	建筑工地的材料和人为安全风险因素	计算机视觉	NA	深度学习	CNN	图像	14,605个八类材料和人为风险因素实例	NA	NA	F1分数, 汉明损失	NA
11910	2025-10-07	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	综述	本文通过系统综述分析了人工智能在医学诊断中的应用挑战与可能性	系统分析了不同类型AI在医学诊断中的地理分布、实施挑战和发展趋势	仅纳入2019-2024年的24项研究，样本量有限	分析AI在医学诊断中的地理分布、实施挑战和潜在机会	医学诊断中的人工智能应用	机器学习	NA	系统综述	深度学习, 机器学习	多模态数据	24项研究	NA	NA	诊断准确性, 临床可预测性, 处理效率	NA
11911	2025-10-07	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本研究开发了首个基于深度学习的循环游离DNA胎儿基因分型框架，用于无创产前单基因病检测	首次将深度学习应用于cfDNA胎儿基因分型，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息	NA	开发基于深度学习的无创产前单基因病检测方法	孕妇血浆中的循环游离DNA	数字病理	单基因遗传病	超深度全基因组测序	深度学习	基因组测序数据	NA	NA	深度神经网络	突变检测准确性	NA
11912	2025-10-07	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	评估深度学习重建算法结合智能金属伪影减少技术对危重患者上腹部CT图像质量的改善效果	首次将深度学习重建算法与智能金属伪影减少技术结合应用于无法抬臂且需心电图监测的危重患者腹部CT成像	回顾性研究设计，样本量相对有限（102例患者），未评估对诊断准确性的影响	改善危重患者上腹部CT图像质量，特别是减少金属伪影和图像噪声	102例无法抬臂且需心电图监测的危重患者	医学影像处理	危重疾病	CT成像，智能金属伪影减少技术	深度学习重建算法	CT图像	102例危重患者	NA	NA	CT值，噪声，信噪比，对比噪声比，5分制定性评分	NA
11913	2025-10-07	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究通过优化ISDra2 TnpB系统并开发深度学习预测模型，实现了高效的基因组编辑	开发了增强型TnpBmax系统使编辑效率提高4.4倍，创建了K76突变变体扩展靶向范围，并建立了深度学习模型TEEP预测ωRNA活性	NA	开发更紧凑高效的基因组编辑工具用于研究和治疗	哺乳动物细胞、小鼠肝脏和大脑	机器学习	NA	基因组编辑、深度学习	深度学习模型	基因组编辑效率数据	10,211个靶位点的编辑效率数据集	NA	TEEP（TnpB编辑效率预测器）	相关系数r>0.8，编辑效率（小鼠肝脏75.3%，大脑65.9%）	NA
11914	2025-10-07	An efficient enhanced stacked auto encoder assisted optimized deep neural network for forecasting Dry Eye Disease 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75518-7 PMID:39438634	研究论文	提出一种基于增强堆叠自编码器和优化深度神经网络的干眼病预测方法	将混沌映射融入特征选择，使用SLSTM-STSA提升分类精度，并采用增强量子细菌觅食优化算法的自适应量子旋转进行优化	NA	开发高效的干眼病早期诊断方法	干眼病患者数据	机器学习	干眼病	深度学习	堆叠自编码器,深度神经网络	医学特征数据	NA	NA	增强堆叠自编码器,优化深度神经网络	准确率	NA
11915	2025-10-07	Automated analysis of fetal heart rate baseline/acceleration/deceleration using MTU-Net3 + model 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00388-x PMID:39220035	研究论文	本研究提出MTU-Net3+深度学习模型，用于自动化分析胎儿心率信号的基线、加速和减速	在UNet3+架构基础上集成自注意力机制和双向LSTM层，实现多任务胎儿心率分析	模型在公开数据集和私有数据集上表现存在差异，私有数据集性能更优	提高胎儿心率分析的诊断准确性和效率	胎儿心率信号	医疗人工智能	胎儿健康评估	深度学习	UNet3+, LSTM	胎儿心率信号	公开数据库子集和私有数据库	NA	UNet3+ with self-attention and bidirectional LSTM	F1-score, RMSD, D15bpm, SI, MADI	NA
11916	2025-05-11	Evaluation Kidney Layer Segmentation on Whole Slide Imaging using Convolutional Neural Networks and Transformers 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006865 PMID:40336524	research paper	评估使用卷积神经网络和Transformer在肾脏全切片图像上进行肾脏分层分割的效果	首次将深度学习技术应用于肾脏分层结构分割，并比较了CNN和Transformer模型的性能	研究仅在小鼠肾脏WSI上进行，未验证人类样本的适用性	探索深度学习在肾脏分层结构自动分割中的可行性	小鼠肾脏全切片图像中的皮质层结构	digital pathology	NA	whole slide imaging	Swin-Unet, Medical-Transformer, TransUNet, U-Net, PSPNet, DeepLabv3+	image	小鼠肾脏WSI（具体数量未提及）	NA	NA	NA	NA
11917	2025-05-11	Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006520 PMID:40336525	研究论文	开发了一个名为Open-EoE的开源工具包，用于在儿童嗜酸性食管炎（EoE）中进行嗜酸性粒细胞的自动检测	开发了一个支持三种最先进的深度学习目标检测模型的开源工具包，并通过集成学习策略优化性能	未提及具体局限性	将机器学习方法整合到EoE的诊断过程中，提高检测效率和准确性	儿童嗜酸性食管炎（EoE）患者的全切片图像（WSI）	数字病理学	嗜酸性食管炎	深度学习	目标检测模型	图像	289张全切片图像（WSI）	NA	NA	NA	NA
11918	2025-05-11	GEOMETRIC CONSTRAINED DEEP LEARNING FOR MOTION CORRECTION OF FETAL BRAIN MR IMAGES 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230423 PMID:40337452	研究论文	本文提出了一种基于几何约束的深度学习模型，用于胎儿脑部MRI图像的运动校正	该方法结合了全局运动估计网络和相对运动估计网络，利用几何约束和权重可学习策略处理复杂和大范围的运动	需要构建大规模的模拟胎儿脑部数据集以训练模型，可能在实际应用中存在数据获取的挑战	提高胎儿脑部MRI图像的运动校正能力，以支持3D脑部体积重建	胎儿脑部MRI图像	医学影像处理	胎儿脑部发育	MRI	深度学习模型（包含全局运动估计网络和相对运动估计网络）	图像	大量胎儿脑部MRI图像堆栈	NA	NA	NA	NA
11919	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA	NA	NA	NA	NA
11920	2025-05-10	Non-destructive origin and ginsenoside analysis of American ginseng via NIR and deep learning 2025-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125913 PMID:39987608	研究论文	本研究开发了一种结合近红外光谱和多任务深度学习网络MMTDL的方法，用于无损分析西洋参的产地和人参皂苷含量	提出了一种混合多任务深度学习网络MMTDL，结合残差网络、注意力机制和混合头网络，用于同时进行西洋参的产地溯源和人参皂苷含量预测	样本量相对较小，仅包含150个样本，可能影响模型的泛化能力	开发一种无损方法，同时识别西洋参的产地并预测其人参皂苷含量	西洋参	深度学习	NA	近红外光谱（NIR）	MMTDL（混合多任务深度学习网络）	光谱数据	150个样本，来自四个不同产地	NA	NA	NA	NA