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
1581	2025-07-17	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对利用脑电图(EEG)信号处理技术进行创伤后应激障碍(PTSD)诊断、鉴别和治疗的计算方法进行了范围综述	全面概述了从EEG采集到统计和机器学习技术的整个分析流程，并识别了Alpha波段和特定事件相关电位(ERP)在PTSD诊断中的优势	ERP使用存在局限，睡眠特征和全波段EEG研究不足，数据集代表性不够广泛	评估EEG信号处理技术在PTSD诊断、鉴别和治疗中的应用	创伤后应激障碍(PTSD)患者(主要研究人群为退伍军人和战斗人员)	生物医学信号处理	精神疾病/创伤后应激障碍	EEG信号处理(包括EEG频段分析和事件相关电位ERP)	SVM(监督学习), Random Forest(多模态模型), 无监督聚类	EEG信号数据(部分研究整合ECG、GSR、语音等多模态数据)	共分析73项研究(52项诊断研究，8项鉴别研究，15项治疗研究)，仅3项研究报告了开放数据集
1582	2025-07-17	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	research paper	介绍了一种名为NDL-Net的混合深度学习框架，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合了MobileNetV3 Large和ResNet50进行图像处理和复杂模式检测，并引入LSTM层分析时间变化以提高预测准确性	未提及具体的数据集来源或样本多样性限制	提高新生儿呼吸窘迫综合征的诊断准确性和及时性	新生儿胸部X光片	digital pathology	neonatal respiratory distress syndrome	deep learning	MobileNetV3 Large, ResNet50, LSTM	image	未明确提及具体样本数量
1583	2025-07-17	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用深度学习模型和经直肠超声（TRUS）视频片段预测前列腺癌的有效性	首次将3D深度学习模型（I3D）应用于TRUS视频片段进行前列腺癌分类，并在多中心研究中验证其性能	样本来源仅限于使用特定型号超声诊断机器的患者，可能影响模型的泛化能力	评估深度学习模型在前列腺癌分类中的有效性	接受经直肠超声检查的男性患者	数字病理学	前列腺癌	TRUS	I3D, ResNet 50	视频	815名男性（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）
1584	2025-07-17	Deep Learning-Based Automatic Diagnosis System for Developmental Dysplasia of the Hip 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3560877 PMID:40657528	research paper	开发了一种基于深度学习的自动诊断系统，用于提高发育性髋关节发育不良（DDH）诊断的准确性和一致性	引入了端到端深度学习模型进行关键点检测，并提出了一种新颖的数据驱动评分系统，整合三个关键角度信息以提供全面且可解释的诊断输出	研究未提及模型在不同年龄段或不同严重程度DDH患者中的泛化能力	提高DDH诊断的准确性和一致性	骨盆X光片中的八个解剖关键点	digital pathology	developmental dysplasia of the hip	deep learning-based keypoint detection	end-to-end deep learning model	image	未明确提及样本数量，但与8名中等经验骨科医生进行了比较
1585	2025-07-17	Survival Prediction of Esophageal Cancer Using 3D CT Imaging: A Context-Aware Approach With Non-Local Feature Aggregation and Graph-Based Spatial Interaction 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3562724 PMID:40657529	研究论文	本研究提出了一种基于3D CT影像的食管癌生存预测方法，通过非局部特征聚合和图基空间交互模块提升预测准确性	创新性地结合了非局部特征聚合模块(NFAM)和图基空间交互模块(GSIM)，关注肿瘤与淋巴结区域的上下文交互	仅使用3D CT影像数据，可能忽略其他潜在影响生存率的临床因素	开发有效的食管癌生存风险预测模型	食管癌患者	数字病理	食管癌	3D CT成像	深度学习模型（含NFAM和GSIM模块）	3D医学影像	NA
1586	2025-07-17	Cross-Database Evaluation of Deep Learning Methods for Intrapartum Cardiotocography Classification 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3548401 PMID:40657532	研究论文	本研究通过跨数据库评估六种深度学习模型在产时胎心监护分类中的应用，探讨了信号选择和预处理对模型性能的影响	首次在跨数据库环境下系统评估多种深度学习模型对胎儿窘迫的检测性能，并分析了信号预处理和训练数据选择对模型的影响	研究使用的数据集仍有限，且未涉及更多样化的临床场景	开发并评估深度学习模型用于自动检测胎儿窘迫	胎心监护(CTG)记录数据	医疗人工智能	产科疾病	深度学习	ResNet等六种深度学习模型	胎心率(FHR)和子宫收缩(UC)信号数据	私有数据集9,887条CTG记录和公开数据集552条CTG记录
1587	2025-07-17	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究探讨了基于卫星和街景的绿地空间与美国儿童肥胖之间的关联	首次同时使用卫星归一化植被指数(NDVI)和街景图像绿地指标，并结合多种肥胖测量指标进行研究	研究仅基于美国儿童样本，结果可能不适用于其他人群	探索不同绿地空间测量方法与儿童肥胖指标之间的关系	美国儿童	公共卫生	肥胖症	卫星NDVI、街景图像分析、深度学习算法	线性回归模型	卫星图像、街景图像、人体测量数据	843名儿童(基线平均年龄7.9岁，50.2%为女孩)
1588	2025-07-17	Predicting OCD severity from religiosity and personality: A machine learning and neural network approach 2024-Dec, Journal of mood and anxiety disorders DOI:10.1016/j.xjmad.2024.100089 PMID:40655911	research paper	该研究利用机器学习和神经网络技术，探讨了强迫症（OCD）严重程度与人格特质、宗教信仰及灵性之间的复杂关系	研究发现项目级特征比总分更具影响力，挑战了传统分析方法，神经网络模型虽未在预测准确性上超越线性回归，但提供了对OCD异质性和变量间非线性关系的更全面理解	神经网络模型在预测准确性上未超越线性回归模型	识别OCD严重程度的关键预测因素，并探讨其与人格特质、宗教信仰及灵性的关系	229名参与者	machine learning	obsessive-compulsive disorder	machine learning, deep learning	neural network, linear regression	survey data	229名参与者
1589	2025-07-17	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习和知识蒸馏结合，用于捕捉模型预测的平均值和变异性，同时估计数据不确定性	未明确提及具体局限性	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	基因组学数据	机器学习	NA	深度神经网络	DNN	基因组数据	NA
1590	2025-07-17	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核过程，训练了一个可解释的深度学习模型CANNY来预测蛋白质聚集	使用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANNY，提高了淀粉样蛋白成核预测的准确性，并揭示了模型的决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，开发更准确的预测方法	蛋白质序列及其淀粉样蛋白成核过程	机器学习	NA	深度学习	卷积-注意力混合神经网络(CANNY)	蛋白质序列数据	超过10万条蛋白质序列
1591	2025-07-17	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	research paper	该研究提出了一种结合深度学习和特征追踪的自动化流程，用于从长轴心脏磁共振图像中分割左心室和左心房并评估心肌应变	创新点在于设计了一个结合2D和3D ResUnet的深度学习模型，用于自动化分割和应变分析，并通过特征追踪初始化提高了测量准确性	研究仅针对长轴心脏磁共振图像，且样本量相对有限（684名个体）	开发自动化方法来评估左心室和左心房的心肌应变	左心室和左心房的心肌应变	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), feature tracking (FT)	2D- and 3D-ResUnet	image	684名个体的长轴心脏磁共振图像（训练集845，调优集281，测试集116）
1592	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-04, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1593	2025-07-17	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构（FFNN和NMT）在从ICD代码预测损伤严重程度分类（ISS和ISS≥16）中的准确性	首次比较了FFNN和NMT在直接和间接转换ICD代码到AIS时的性能差异，并发现NMT在预测精确ISS分数时表现最佳	研究仅基于美国国家创伤数据库的数据，可能不适用于其他地区或数据集	开发一个从ICD代码预测损伤严重程度分类的系统，以替代耗时的手动AIS编码	创伤病例的ICD代码和AIS分类	自然语言处理	创伤	深度学习	FFNN, NMT	文本	训练和验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）
1594	2025-07-17	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	本研究开发并评估了一种基于深度学习的快速螺旋图像重建（DESIRE）和分割方法，用于高分辨率螺旋实时电影成像的左心室射血分数（LVEF）量化	提出了一种结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习技术，实现了快速图像重建和自动左心室功能量化	研究仅评估了1.5T和3T梯度回波成像，未涉及其他磁场强度或成像技术	开发高效的深度学习方法来加速心脏电影成像的图像重建和量化分析	心脏左心室功能	医学影像分析	心血管疾病	深度学习图像重建与分割	3D U-Net, 2D U-Net	医学影像	未明确说明样本数量，但包含40帧动态序列
1595	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
1596	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
1597	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)
1598	2025-07-17	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	本文介绍了一种基于人类动作识别的ADHD检测系统，通过捕捉ADHD特征并记录真实的多模态ADHD数据集（M-ADHD）来检测ADHD症状	首次提出基于人类动作识别的ADHD检测系统，设计了一种新型的多动测试来捕捉ADHD特征，并首次记录了真实的多模态ADHD数据集（M-ADHD）	未提及具体的数据集规模或多样性限制	开发一种成本效益高且易于操作的ADHD检测系统，用于远程筛查ADHD	ADHD患者的行为特征	计算机视觉	神经发育障碍	深度学习	未提及具体模型类型	视频	未提及具体样本数量
1599	2025-07-17	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究探讨了高度自动驾驶场景中非驾驶相关任务(NDRTs)对驾驶员心理负荷的影响，并开发了一种基于深度学习的脑电图(EEG)信号分类模型	利用LSTM和BLSTM深度学习模型对EEG信号进行分类，以评估心理负荷，并发现特定频段与心理负荷的线性相关性	样本量较小(28名参与者)，且实验环境为模拟驾驶，可能无法完全反映真实驾驶场景	评估高度自动驾驶中NDRTs对驾驶员心理负荷的影响，并开发高精度的EEG信号分类模型	驾驶员在高度自动驾驶场景中的心理负荷	机器学习	NA	EEG信号分析，NASA Task Load Index (NASA-TLX)评分	LSTM, BLSTM	EEG信号	28名参与者
1600	2025-07-17	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究探讨了基于人工智能的青霉素过敏标签去除的实施效果	利用深度学习人工智能算法识别适合去除青霉素过敏标签的患者，并通过电子邮件通知系统进行干预	样本量较小（n=59），需要进一步研究优化此类方法	评估人工智能辅助的青霉素过敏标签去除的实施效果	被标记为青霉素过敏的患者	医疗人工智能	过敏性疾病	深度学习	深度学习算法	电子医疗记录	59名干预组患者