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
141	2025-05-24	Development of a deep learning radiomics model combining lumbar CT, multi-sequence MRI, and clinical data to predict high-risk cage subsidence after lumbar fusion: a retrospective multicenter study 2025-Mar-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01355-y PMID:40025592	research paper	开发并验证一个结合临床数据、深度学习放射组学和放射组学特征的模型，用于预测腰椎融合术后高风险患者发生笼子下沉的情况	结合了临床数据、深度学习放射组学和传统放射组学特征，开发了一个预测模型，其性能优于经验丰富的外科医生的预测	回顾性研究设计可能限制了结果的普适性，样本量相对较小	预测腰椎融合术后高风险患者发生笼子下沉的情况	305名接受腰椎融合手术的患者	digital pathology	geriatric disease	3D vision transformations, LASSO regression, logistic regression	deep learning model	CT, MRI, clinical data	305名患者（训练组214名，验证组61名，测试组30名）
142	2025-05-24	KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate From a Smartwatch 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3477275 PMID:39383068	研究论文	本文提出了一种结合专家知识的深度学习模型KID-PPG，用于从智能手表的PPG信号中准确提取心率	通过自适应线性滤波、深度概率推断和数据增强整合医学和信号处理领域的专家知识，解决了深度学习模型在运动伪影去除、信号退化评估和生理合理性分析方面的不足	仅在PPGDalia数据集上进行了评估，未在其他数据集上验证模型的泛化能力	提高从PPG信号中提取心率的准确性	智能手表采集的PPG信号	生物医学信号处理	NA	深度学习、自适应线性滤波、深度概率推断、数据增强	KID-PPG	PPG信号	PPGDalia数据集
143	2025-05-24	Learning soft tissue deformation from incremental simulations 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17554 PMID:39642013	research paper	该研究探讨了在面部软组织生物力学模拟中使用时空增量建模的方法	结合时空特征的增量建模方法，相比传统方法减少了模拟时间并提高了准确性	样本量较小（17名受试者），且未与其他深度学习方法进行广泛比较	加速面部软组织生物力学模拟，提高手术规划的效率和准确性	面部软组织的变形模拟	生物力学建模	正颌手术相关疾病	有限元方法(FEM)与图神经网络(GNN)结合	图神经网络(GNN)	生物力学模拟数据	17名接受正颌手术的受试者
144	2025-05-24	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是在胶质母细胞瘤（GBM）中的影响	揭示了ML/DL技术在GBM组织病理学研究中的新兴趋势，并强调了结合组织学与组学数据的新方法	许多研究未能清晰报告ML/DL的训练和评估方法，影响了模型的稳健性和可重复性	调查ML/DL技术如何推动脑肿瘤组织病理学研究的进展，特别是在GBM领域	胶质母细胞瘤（GBM）及其组织病理学和组学数据	数字病理学	胶质母细胞瘤	机器学习（ML）/深度学习（DL）	SVM分类器和基于ResNet的CNN架构	组织病理学和组学数据	54项符合条件的研究，其中8项专注于GBM
145	2025-05-24	Artificial Intelligence-Guided Lung Ultrasound by Nonexperts 2025-Mar-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.4991 PMID:39813064	研究论文	评估AI在指导训练有素的医疗专业人员获取诊断质量肺部超声图像方面的能力	利用AI指导非专家获取高质量的肺部超声图像，扩展了肺部超声在缺乏专家地区的使用	研究样本量相对较小（176名参与者），且仅在特定临床环境下进行	评估AI在肺部超声图像获取中的指导作用	训练有素的医疗专业人员（包括医疗助理、呼吸治疗师和护士）和呼吸困难患者	数字病理	心血管疾病	深度学习算法	深度学习	图像	176名参与者（81名女性，平均年龄63岁）
146	2025-05-24	Ventricular Arrhythmia Classification Using Similarity Maps and Hierarchical Multi-Stream Deep Learning 2025-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3490187 PMID:39485690	research paper	该研究提出了一种使用相似性图和分层多流深度学习的心室心律失常分类方法	开发了相似性图这一新特征集，用于捕捉心电图轨迹中的规律性，并结合可学习的Parzen带通滤波器和导数特征，提出了一种分层多流ResNet34架构	NA	解决心室心动过速（VT）、心室颤动（VF）和非心室节律（NVR）之间的分类问题	心电图（ECG）数据	machine learning	cardiovascular disease	深度学习	ResNet34	ECG trace	NA
147	2025-05-24	Efficient spheroid morphology assessment with a ChatGPT data analyst: implications for cell therapy 2025-Mar, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2025.2493489 PMID:40264428	research paper	本研究开发了一种使用ChatGPT数据分析师进行深度学习的方法，用于自动测量球体大小以评估球体质量	利用ChatGPT数据分析师进行图像识别和处理，提供了一种可靠且高效的球体质量评估替代方法	未提及具体样本量的限制或潜在的偏差来源	开发一种自动测量球体大小的方法，以改善球体质量评估	由脂肪来源干细胞（ADSCs）生成的球体	digital pathology	osteoarthritis	deep learning, image recognition	ChatGPT Data Analyst	image	NA
148	2025-05-24	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本文探讨了多区域大脑皮层在决策过程中如何通过信息瓶颈原则形成最优表征	揭示了DLPFC和PMd在决策任务中的不同表征作用，并通过多区域RNN模拟了这一过程	研究仅基于猴子的特定感知决策任务，结果可能不适用于其他物种或决策类型	理解大脑多区域计算在决策过程中形成最优表征的机制	猴子的背外侧前额叶皮层(DLPFC)和背侧前运动皮层(PMd)	神经科学	NA	单神经元和多单元记录	多区域RNN	神经电生理数据	猴子实验数据
149	2025-05-24	Multiple model visual feature embedding and selection method for an efficient oncular disease classification 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84922-y PMID:39934192	research paper	该研究提出了一种基于深度学习的自动化眼部疾病分类系统，旨在提高诊断精度并支持临床工作流程	引入了一种新颖的两级特征选择框架，结合了LDA和先进的神经网络分类器（DNN、LSTM和BiLSTM），显著降低了计算复杂度并提高了分类准确性	研究仅使用了ODIR数据集，可能无法涵盖所有类型的眼部疾病，且未提及在外部验证集上的表现	开发一个高效、可扩展的自动化眼部疾病检测系统，以支持临床决策	眼部疾病患者	computer vision	ocular disease	deep learning	DenseNet201, EfficientNetB3, InceptionResNetV2, DNN, LSTM, BiLSTM	image	5,000 patient fundus images
150	2025-05-24	Computational Methods for Predicting Chemical Reactivity of Covalent Compounds 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01591 PMID:39823568	研究论文	本文通过机器学习和量子力学计算，预测共价化合物的化学反应性，为共价药物的发现和开发提供计算工具	结合机器学习、深度学习和量子力学计算，开发了FP-Stack模型，显著提高了共价化合物反应性的预测准确性和计算效率	研究仅针对半胱氨酸靶向的共价化合物，可能不适用于其他类型的共价化合物	预测和调节共价化合物的化学反应性，以支持共价药物的发现和开发	419种半胱氨酸靶向的共价化合物	机器学习	NA	机器学习、深度学习、量子力学计算	FP-Stack	化学数据	419种半胱氨酸靶向的共价化合物
151	2025-05-24	Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3463481 PMID:39292577	research paper	该研究开发了一种基于深度卷积神经网络（DCNN）的束分类方法，用于预测耐药性癫痫儿童术后短期语言能力的改善	扩展了先前基于DCNN的束分类方法，利用高质量的全脑扩散加权成像连接组（wDWIC）数据库，提高了术前语言模块网络（LMNs）内连接标记的预测准确性	研究样本可能有限，且仅关注短期术后语言改善，未涉及长期效果	提高耐药性癫痫儿童术后语言能力改善的预测准确性	耐药性癫痫儿童	digital pathology	epilepsy	diffusion-weighted imaging connectome (wDWIC)	DCNN	image	独立验证队列中的核心/表达/接受域样本
152	2025-05-24	Deep Learning for Pediatric Sleep Staging From Photoplethysmography: A Transfer Learning Approach From Adults to Children 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3470534 PMID:39331540	研究论文	本研究利用深度学习技术，通过光电容积图（PPG）时间序列对儿童睡眠分期进行自动化分析，采用从成人到儿童的迁移学习方法	首次将迁移学习应用于儿童睡眠分期，利用成人数据集进行预训练，显著提高了儿童睡眠分期的准确性和泛化能力	对5岁以下儿童的性能表现有所下降，需要更多覆盖更广年龄范围的儿科数据集来完全解决泛化限制	开发一种基于PPG的自动化儿童睡眠分期方法	5-10岁儿童（CHAT数据集）和5岁以下儿童（Ichilov数据集）的睡眠数据	机器学习	睡眠障碍	PPG（光电容积图）	深度学习模型	时间序列数据	CHAT数据集（5-10岁儿童）和Ichilov数据集（5岁以下儿童）
153	2025-05-24	TFTL: A Task-Free Transfer Learning Strategy for EEG-Based Cross-Subject and Cross-Dataset Motor Imagery BCI 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3474049 PMID:39365711	研究论文	提出一种无任务迁移学习策略（TFTL），用于基于EEG的跨被试和跨数据集运动想象脑机接口（MI-BCI），以减少校准时间并实现多中心数据联合建模	提出TFTL策略，通过数据对齐、共享特征提取器和特定分类器的联合优化，实现跨数据集知识迁移，并仅使用目标被试的静息数据进行模型构建，实现无任务校准	未明确提及具体局限性，但跨数据集和跨被试的泛化性能可能受数据异质性影响	解决MI-BCI中因长时间校准和EEG数据不足导致的性能瓶颈，推动其从实验室走向临床应用	运动想象脑机接口（MI-BCI）系统	脑机接口	神经康复	EEG信号处理与迁移学习	ShallowConvNet, EEGNet, TCNet-Fusion	EEG信号	五个数据集（BCIC IV Dataset 2a, Dataset 1, Physionet MI, Dreyer 2023, OpenBMI），具体样本量未明确
154	2025-05-24	A Serial MRI-based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma 2025-Feb, Radiology. Artificial intelligence DOI:10.1148/ryai.230544 PMID:39812582	research paper	开发并评估了一个基于深度学习的预后模型，用于通过诱导化疗前后的连续MRI预测局部晚期鼻咽癌患者的生存率	使用图卷积神经网络开发了一个结合放射组学和临床因素的预后模型，显著提高了预测疾病无进展生存期的准确性	研究为回顾性设计，可能存在选择偏差，且样本量虽大但来自特定时间段	预测局部晚期鼻咽癌患者的生存率并指导风险适应性治疗	1039名局部晚期鼻咽癌患者（779名男性和260名女性，平均年龄44岁±11）	digital pathology	nasopharyngeal carcinoma	MRI	graph convolutional neural networks	MRI图像	1039名患者（2011年12月至2016年1月诊断）
155	2025-05-24	Attention Rings for Shape Analysis and Application to MRI Quality Control 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047233 PMID:40406668	研究论文	提出了一种利用FSQC指标和新型深度学习模型进行脑部形状分析的自动质量控制方法，用于ABCD研究中的MRI数据质量评估	结合FSQC指标和深度学习模型进行脑部形状分析，提出了一种新型的自动质量控制方法	自动化方法的准确率为72.62%，略低于集成模型的76%	提高ABCD研究中MRI数据的质量控制效率	青少年脑认知发展研究(ABCD)中的MRI数据	数字病理学	NA	MRI, 深度学习	深度学习模型	MRI图像	超过20,000次MRI扫描
156	2025-05-24	NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review 2025-Jan-27, Genes IF:2.8Q2 DOI:10.3390/genes16020161 PMID:40004490	系统性综述	本文系统性综述了NETest在胃肠胰神经内分泌肿瘤（GEP-NETs）诊断和预后分层中的应用	NETest结合实时PCR和深度学习策略，专门识别具有神经内分泌基因型的肿瘤	NETest在某些研究中显示出低特异性，主要归因于与其他胃肠道恶性肿瘤的干扰	评估NETest在GEP-NETs诊断和预后中的临床应用价值	胃肠胰神经内分泌肿瘤（GEP-NETs）	数字病理学	胃肠胰神经内分泌肿瘤	实时PCR, 深度学习	NA	分子数据	五项研究评估诊断作用，九项研究评估预后价值
157	2025-05-24	Predicting drug and target interaction with dilated reparameterize convolution 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86918-8 PMID:39833385	research paper	该研究提出了一种名为Rep-ConvDTI的新框架，用于预测药物与靶点的相互作用，通过大核卷积块和门控注意力机制提高预测性能	设计了用于提取大规模序列信息的大核卷积块，并引入了重参数化方法帮助大核卷积捕捉小尺度信息，同时开发了门控注意力机制以更高效地表征药物与靶点的相互作用	NA	解决药物靶点相互作用预测这一药物研究中的关键挑战	药物与靶点的相互作用	machine learning	NA	deep learning	CNN	sequence	三个基准数据集
158	2025-05-24	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	探讨基于超声的深度学习放射组学列线图（DLRN）在预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移中的可行性	结合临床特征、放射组学和深度迁移学习特征，构建融合算法预测模型，并验证其在生存分析中的有效性	研究样本量较小（243例），且为回顾性研究，可能存在选择偏倚	预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移，并验证融合算法的临床有效性	乳腺癌患者	数字病理	乳腺癌	深度学习放射组学、Cox回归模型	DLRN（深度学习放射组学列线图）	超声图像	243例接受新辅助化疗的乳腺癌患者
159	2025-05-24	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	research paper	开发了一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并在多中心数据集上验证其性能	提出了一种集成深度学习模型，能够同时进行未破裂颅内动脉瘤的检测、分割和形态学测量，并验证了其在多中心数据集上的性能	研究为回顾性设计，可能受到选择偏倚的影响	开发并验证一种用于未破裂颅内动脉瘤形态学测量的深度学习模型	未破裂颅内动脉瘤患者和健康对照者	digital pathology	intracranial aneurysms	CT angiography	nnU-Net	image	训练数据集包括1182名未破裂颅内动脉瘤患者和578名健康对照者，多中心外部测试集包括535名未破裂颅内动脉瘤患者
160	2025-05-24	Deep Learning and Multidisciplinary Imaging in Pediatric Surgical Oncology: A Scoping Review 2025-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70574 PMID:39812075	综述	本文综述了深度学习在儿科外科肿瘤学多学科成像中的应用	提供了深度学习在儿科外科肿瘤学多学科成像领域的全面概述，并指出了未来发展方向	由于纳入研究的异质性，无法对研究性能做出一般性陈述	探讨深度学习在儿科外科肿瘤学多学科成像中的应用	儿科实体肿瘤	数字病理学	儿科肿瘤	深度学习	NA	医学影像	36篇文章（放射学22篇，病理学9篇，其他影像诊断5篇）