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
541	2025-01-25	Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05275-y PMID:32904395	研究论文	本研究利用深度学习算法对COVID-19患者的X射线和计算机断层扫描图像进行早期诊断	使用卷积神经网络方法对VGG-19、Inception_V2和决策树模型进行二分类肺炎转换，以实现COVID-19的早期诊断	数据集仅包含360张图像，样本量较小	开发一种基于深度学习的早期诊断方法，以应对COVID-19的快速传播	COVID-19患者的X射线和计算机断层扫描图像	计算机视觉	COVID-19	深度学习	CNN（VGG-19, Inception_V2）, 决策树	图像	360张X射线和CT扫描图像
542	2025-01-25	COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05424-3 PMID:33250662	研究论文	本文开发了一种名为COVID-CheXNet的混合深度学习框架，用于在胸部X光图像中识别COVID-19病毒	结合了ResNet34和高分辨率网络模型的预训练深度学习模型，采用并行架构，提高了诊断的准确性和速度	未提及模型在不同数据集上的泛化能力及实际临床应用的广泛验证	开发快速准确的COVID-19病毒诊断系统，以减轻放射科医生的压力并控制疫情	胸部X光图像	计算机视觉	COVID-19	深度学习	ResNet34, 高分辨率网络模型	图像	大规模数据集
543	2025-01-25	Performance evaluation of deep learning techniques for lung cancer prediction 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08313-7 PMID:37255920	研究论文	本文评估了深度学习技术在肺癌预测中的性能	通过实验多种深度学习模型，识别出在肺癌预测中表现最佳的技术	未提及具体的数据集大小或模型的具体限制	评估深度学习技术在肺癌早期预测中的性能	肺癌	计算机视觉	肺癌	深度学习	多种深度学习模型	胸部X光图像或CT扫描	未提及具体样本数量
544	2025-01-24	Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices 2023-12-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-23-0216 PMID:37967949	研究论文	本研究开发了基于单导联心电图（Lead I ECG）的深度学习模型，用于预测左心异常，以支持可穿戴设备的发展	首次利用单导联心电图数据开发深度学习模型，用于检测多种左心异常，并在多中心数据集上验证其性能优于或等同于心脏病专家使用12导联心电图的诊断结果	研究依赖于特定数据集，可能无法完全推广到其他人群或设备	开发基于单导联心电图的深度学习模型，用于预测左心异常，以支持可穿戴设备的应用	左心异常（包括低射血分数、室壁运动异常、左心室肥厚、左心室扩张和左心房扩张）	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	229,439对心电图和超声心动图数据，来自8个设施，并在2个设施的外部数据上验证
545	2025-01-23	A comprehensive survey of complex brain network representation 2023-Nov, Meta-radiology DOI:10.1016/j.metrad.2023.100046 PMID:39830588	综述	本文综述了利用神经影像数据理解大脑结构和功能变化及其与神经退行性疾病和其他临床表型关系的最新进展	本文综合了传统方法和深度学习技术在脑网络挖掘中的应用，并探讨了该领域的未来研究方向	本文主要关注方法学综述，未涉及具体实验数据或结果	探讨脑网络分析的传统方法和深度学习方法	神经影像数据及其衍生的脑网络	机器学习	神经退行性疾病	NA	深度学习	神经影像数据	NA
546	2025-01-23	Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43895-0_60 PMID:39829676	研究论文	本文提出了一种新型的深度时空残差注意力网络（ST-RAN），用于在无钆对比剂的心脏磁共振成像中检测心肌瘢痕	提出了一个新型的因子化4D（3D+时间）卷积层，结合时空注意力机制，以提取丰富的全心脏特征并跟踪帧间的长程时间关系，同时引入了残差注意力块来提取不同尺度的时空特征，以检测与瘢痕相关的细微对比变化	尽管模型在缺血性和非缺血性心脏病中表现出色，但仍需进一步验证其在更广泛临床环境中的适用性和稳定性	开发一种无需钆对比剂的心脏磁共振成像技术，用于检测心肌瘢痕	心脏磁共振成像数据	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	深度时空残差注意力网络（ST-RAN）	图像	3000名患者
547	2025-01-23	Deep learning-based protoacoustic signal denoising for proton range verification 2023-05-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acd257 PMID:37141867	研究论文	本文提出了一种基于深度学习的原声信号去噪技术，用于质子治疗中的质子范围验证	提出了一种新型的深度学习技术，用于去噪原声信号，并在低剂量下减少布拉格峰（BP）范围的不确定性	研究仅在聚乙烯（PE）模型上进行，未在真实人体组织中进行验证	提高质子治疗中原声信号的信噪比（SNR）和布拉格峰（BP）范围验证的准确性	原声信号	机器学习	NA	深度学习	堆叠自编码器（SAE）	声信号	512个原始信号，每个设备
548	2025-01-22	Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images 2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B... DOI:10.1007/978-3-031-44917-8_8 PMID:38523773	研究论文	本研究探讨了在医学图像中进行通用异常检测的可行性，比较了多种异常检测方法，并提出了一种简单的决策级集成方法	提出了一种不依赖已知异常信息的决策级集成方法，增强了异常检测的鲁棒性	评估的方法在所有数据集上未能一致达到最佳性能	研究医学图像中通用异常检测的可行性	医学图像	计算机视觉	NA	深度学习	集成方法	图像	四个医学数据集
549	2025-01-22	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究旨在发现主动脉扩张性的流行病学相关因素和遗传决定因素，并利用深度学习模型从心脏磁共振图像中量化胸主动脉面积	首次利用深度学习模型在大规模人群（42,342名UK Biobank参与者）中量化主动脉扩张性，并识别出多个新的遗传位点	研究结果主要基于UK Biobank数据，可能无法完全推广到其他人群	发现主动脉扩张性的流行病学相关因素和遗传决定因素	42,342名UK Biobank参与者	机器学习	心血管疾病	心脏磁共振成像	深度学习模型	图像	42,342名UK Biobank参与者
550	2025-01-16	Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures 2023-Dec-30, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.29.23300642 PMID:38234857	研究论文	本文利用深度学习技术识别了大脑衰老的五个主要维度，并探讨了这些维度与临床、生活方式和遗传因素之间的关联	使用先进的深度表示学习方法Surreal-GAN，首次在大规模多样化人群中量化了大脑衰老的五个主要模式，并揭示了这些模式与多种生物医学、生活方式和遗传因素的显著关联	研究依赖于MRI数据，可能无法完全捕捉大脑衰老的所有复杂性和细微变化	通过深度学习技术精确描述个体大脑衰老的神经退行性特征，并探索其与多种因素的关联	49,482名来自11项研究的个体	机器学习	老年疾病	MRI, Surreal-GAN	GAN	图像	49,482名个体
551	2025-01-16	Deep Learning-based Diagnosis and Localization of Pneumothorax on Portable Supine Chest X-ray in Intensive and Emergency Medicine: A Retrospective Study 2023-Dec-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02023-1 PMID:38048012	研究论文	本研究开发了两种基于深度学习的系统，用于在便携式仰卧位胸部X光片（SCXRs）上诊断和定位气胸	创新点在于开发了两种深度学习系统，分别基于目标检测和图像分割技术，用于气胸的诊断和定位，并在不同患者和图像特征的数据集上表现出良好的外部泛化能力	随着气胸尺寸的减小，两种系统的性能有所下降	开发用于气胸诊断和定位的深度学习系统	便携式仰卧位胸部X光片（SCXRs）	计算机视觉	气胸	深度学习	EfficientNet-B2, DneseNet-121, Inception-v3, Deformable DETR, TOOD, VFNet, UNet	图像	训练集1571张图像，测试集1071张图像
552	2025-01-16	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论了处理高维数据中缺失值的现代机器学习技术	提出了基于深度学习（DL）和XGboost的方法，用于估计总体均值和百分位数等参数，并通过模拟研究和实际应用展示了这些方法的优势	模拟研究有限，可能无法全面反映所有情况	探讨高维数据中缺失值的处理方法，以减少无应答偏差	高维数据	机器学习	NA	深度学习（DL）、XGboost、惩罚回归方法、基于树的方法	深度学习（DL）、XGboost	高维数据	NA
553	2025-01-16	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	本文介绍了一种新颖的深度学习架构MUCRAN，用于在临床脑部MRI数据上训练深度学习模型，同时回归人口统计学和技术混杂因素	提出了MUCRAN架构，能够成功回归大量临床数据集中的主要混杂因素，并结合不确定性量化方法自动排除分布外数据，提高了AD检测的准确性	NA	提高在异质临床数据中基于深度学习的疾病检测的准确性和通用性	临床脑部MRI数据	计算机视觉	阿尔茨海默病	深度学习	MUCRAN	MRI图像	17,076例临床T1轴向脑部MRI
554	2025-01-15	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	本文提出了一种基于图卷积网络和深度聚类的ADHD生物型检测方法，旨在通过功能性网络连接性（FNC）识别ADHD生物型，以指导个性化药物治疗	创新点在于使用图卷积网络和深度聚类技术对ADHD患者进行分类，并发现不同生物型对药物治疗的反应存在显著差异	研究样本主要来自青少年脑认知发展研究（ABCD），可能限制了结果的普遍性	研究目的是通过神经影像标记物识别ADHD生物型，以指导个性化药物治疗	研究对象为1069名ADHD患者和130名接受纵向药物治疗的ADHD青少年	机器学习	神经发育障碍	功能性网络连接性（FNC）	图卷积网络（GCN）和深度聚类	神经影像数据	1069名ADHD患者和130名ADHD青少年
555	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
556	2025-01-12	Experimental validation of computer-vision methods for the successful detection of endodontic treatment obturation and progression from noisy radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00685-8 PMID:37097541	研究论文	本研究评估了去噪和数据平衡对深度学习从X光片中检测牙髓治疗结果的影响，并开发了预测牙髓治疗质量的深度学习模型和分类器	首次将去噪和数据平衡技术应用于牙髓治疗结果的深度学习检测，并开发了基于YOLO系列模型的实时深度学习计算机视觉系统	样本量相对较小，仅包含250张去标识的牙科X光片，且数据集经过增强处理，可能影响模型的泛化能力	评估去噪和数据平衡对深度学习检测牙髓治疗结果的影响，并开发预测牙髓治疗质量的深度学习模型	牙髓治疗结果的X光片	计算机视觉	牙科疾病	深度学习	YOLOv5s, YOLOv5x, YOLOv7	图像	250张去标识的牙科X光片，增强后生成2226张图像
557	2025-01-12	Effect of data size on tooth numbering performance via artificial intelligence using panoramic radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00689-4 PMID:37405624	研究论文	本研究探讨了数据量对使用全景X光片进行牙齿编号检测的模型性能的影响	通过不同大小的数据集（1000、1500、2000和2500张全景X光片）来研究数据量对模型性能的影响，并采用YOLOv4算法进行模型训练	研究仅使用了3000张匿名成人牙齿全景X光片，样本量可能不足以全面反映数据量对模型性能的影响	研究数据量对牙齿编号检测模型性能的影响	3000张匿名成人牙齿全景X光片	计算机视觉	NA	图像处理和深度学习算法	YOLOv4	图像	3000张匿名成人牙齿全景X光片
558	2025-01-12	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究利用深度学习技术对43,230名UK Biobank参与者的心脏磁共振成像数据进行全基因组关联研究，以探索左心室质量与心血管事件风险的关系	首次使用深度学习技术进行心脏磁共振成像数据的全基因组关联研究，并识别出11个新的与左心室质量相关的基因变异	研究主要基于UK Biobank数据，可能无法完全代表其他人群	探索左心室质量与心血管事件风险的遗传关联	43,230名UK Biobank参与者	机器学习	心血管疾病	深度学习	NA	心脏磁共振成像数据	43,230名UK Biobank参与者
559	2025-01-07	Ultrafast Cardiac Imaging Using Deep Learning for Speckle-Tracking Echocardiography 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3326377 PMID:37862280	研究论文	本文探讨了使用深度学习进行超快速心脏成像的方法，特别是针对斑点追踪超声心动图	本文创新性地将复杂加权卷积神经网络（CNN）用于图像重建，并结合先进的斑点追踪方法，评估了在保持心脏运动追踪能力的同时实现高质量图像重建的可行性	虽然本文在模拟和实验数据上展示了良好的性能，但在实际临床环境中的应用仍需进一步验证	研究目的是开发一种能够在超快速超声成像中同时实现高质量图像重建和心脏运动追踪的深度学习方法	心脏成像，特别是斑点追踪超声心动图	计算机视觉	心血管疾病	深度学习，斑点追踪超声心动图	CNN	图像	模拟数据、体外实验数据（旋转盘模型）和体内数据集
560	2025-01-07	Review of Deep Learning Approaches for Interleaved Photoacoustic and Ultrasound (PAUS) Imaging 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3329119 PMID:37910419	综述	本文综述了深度学习在光声和超声（PAUS）成像中的应用背景和现状	探讨了深度学习如何克服当前PAUS成像系统的技术限制，并识别了将PAUS技术稳健转化为临床应用的挑战和机遇	使用传统有限视角和带宽传感器无法提供高质量的光声源图，尤其是血管结构	总结深度学习在PAUS成像中的应用，并探讨其临床转化的潜力	光声和超声（PAUS）成像技术	医学影像	NA	深度学习	NA	图像	NA