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
121	2025-01-14	Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study 2024-09-03, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02411-y PMID:39227844	研究论文	本研究评估了心外膜脂肪组织（EAT）与2型糖尿病（T2D）微血管和大血管并发症（MVC）之间的关系	使用深度学习分割管道进行EAT体积的完全自动化量化，并探讨其与冠状动脉钙化（CAC）评分及微/大血管并发症的关系	研究为事后分析，样本量有限（n=1253），且未探讨EAT体积与糖尿病视网膜病变（DR）及周围神经病变的关联	评估EAT体积与T2D患者微血管和大血管并发症的关系	2型糖尿病患者	数字病理学	2型糖尿病	深度学习分割管道	深度学习	CT图像	1253名2型糖尿病患者
122	2025-01-14	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨了使用预训练的深度学习模型Wav2Vec进行语音转文本分析，以评估帕金森病患者的言语障碍的可行性	首次将Wav2Vec模型应用于帕金森病患者的语音转文本分析，以评估其言语障碍	样本量较小，仅包含20个病例，可能影响结果的普遍性	评估预训练的深度学习模型在帕金森病患者语音转文本分析中的有效性	帕金森病患者的语音数据	自然语言处理	帕金森病	Wav2Vec模型	深度学习模型	语音数据	20个病例（包括健康对照组和帕金森病患者）
123	2025-01-07	Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction 2024-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00180 PMID:39292984	研究论文	本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测	研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量	研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显	探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用	前列腺癌患者	数字病理学	前列腺癌	深度学习	自编码器	图像	2,244次实验，基于13种不同模型
124	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0464 PMID:39313232	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
125	2025-01-04	Deep Learning for Visual Speech Analysis: A Survey 2024-09, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3376710 PMID:38478434	综述	本文综述了深度学习在视觉语音分析领域的最新进展，包括基本问题、挑战、基准数据集、现有方法的分类以及最先进的性能	提供了视觉语音分析领域的全面综述，识别了当前研究中的空白，并讨论了未来的研究方向	未涉及具体实验验证，仅为基础性综述	推动视觉语音领域的未来研究	视觉语音分析	计算机视觉	NA	深度学习	NA	视频	NA
126	2025-01-01	Fed-CL- an atrial fibrillation prediction system using ECG signals employing federated learning mechanism 2024-09-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71366-7 PMID:39251753	研究论文	本文提出了一种基于联邦学习机制的心电图信号心房颤动预测系统Fed-CL	结合长短期记忆网络和卷积神经网络，利用联邦学习机制解决数据隐私问题	未提及具体的数据集大小和实验结果的详细比较	通过心电图信号预测心房颤动，同时保护用户隐私	心电图信号和心率变异性	机器学习	心血管疾病	联邦学习	LSTM, CNN	心电图信号	NA
127	2024-12-31	Identification and diagnosis of schizophrenia based on multichannel EEG and CNN deep learning model 2024-09, Schizophrenia research IF:3.6Q1 DOI:10.1016/j.schres.2024.07.015 PMID:39002527	研究论文	本文提出了一种基于多通道EEG和CNN深度学习模型的高精度精神分裂症检测方法	与使用传统机器学习算法的文献不同，本方法从EEG记录中自主提取网络训练所需的特征	样本量较小，仅包括14名健康受试者和14名精神分裂症患者	开发一种高精度的精神分裂症检测方法	精神分裂症患者和健康受试者的EEG记录	机器学习	精神分裂症	EEG	CNN	EEG记录	14名健康受试者和14名精神分裂症患者
128	2024-12-31	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	研究论文	本文评估了一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，并在多个数据集上验证了其性能	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	评估深度学习方法在腹水检测和体积量化中的性能	肝硬化和卵巢癌患者的腹部CT扫描图像	数字病理学	肝硬化和卵巢癌	深度学习	深度学习模型	CT扫描图像	NIH-LC（25例）、NIH-OV（166例）和UofW-LC（124例）
129	2024-12-31	AI potential in PET/CT cancer imaging 2024 Sep-Dec, Hellenic journal of nuclear medicine IF:0.9Q4 DOI:10.1967/s002449912756 PMID:39644273	综述	本文探讨了人工智能（AI）在正电子发射断层扫描/计算机断层扫描（PET/CT）癌症成像中的应用	AI在肿瘤分割、分类、诊断、无病生存预测和治疗反应预测中的应用，尤其是放射组学这一新兴研究领域	数据集规模、标准化和伦理问题仍需解决，以实现AI在PET/CT肿瘤成像中的广泛临床整合	研究AI在PET/CT癌症成像中的应用及其潜力	PET/CT成像技术及其在肿瘤学中的应用	数字病理学	癌症	PET/CT	机器学习和深度学习	医学影像	NA
130	2024-12-29	Backpropagation-Based Learning Techniques for Deep Spiking Neural Networks: A Survey 2024-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3263008 PMID:37027264	综述	本文综述了基于反向传播的深度脉冲神经网络（SNNs）学习技术	提出了新的脉冲反向传播算法分类法，分为空间、时空和单脉冲三类	SNNs的离散信息表示使得基于反向传播的训练具有挑战性	探讨深度SNNs在低功耗应用中的训练策略	深度脉冲神经网络（SNNs）	机器学习	NA	反向传播	SNN	NA	NA
131	2024-12-29	SSGCNet: A Sparse Spectra Graph Convolutional Network for Epileptic EEG Signal Classification 2024-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3252569 PMID:37030729	研究论文	本文提出了一种稀疏光谱图卷积网络（SSGCNet）用于癫痫脑电图（EEG）信号分类	提出了一种加权邻域场图（WNFG）来表示EEG信号，并结合稀疏权重剪枝和交替方向乘子法（ADMM）开发了序列图卷积网络	未提及具体局限性	开发一种轻量级的深度学习模型，同时保持高分类准确率	癫痫脑电图（EEG）信号	机器学习	癫痫	图卷积网络（GCN）	SSGCNet	EEG信号	Bonn公共数据集和SSW临床真实数据集
132	2024-12-29	Higher Order Polynomial Transformer for Fine-Grained Freezing of Gait Detection 2024-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264647 PMID:37043325	研究论文	本文提出了一种基于视觉输入的高阶多项式变换器（HP-Transformer）架构，用于细粒度冻结步态（FoG）检测	提出了高阶自注意力机制，基于高阶多项式构建了线性、双线性和三线性变换器，并通过跨阶融合策略进行FoG检测	NA	开发一种基于机器学习的细粒度冻结步态检测方法	帕金森病患者的冻结步态（FoG）事件	计算机视觉	帕金森病	NA	高阶多项式变换器（HP-Transformer）	图像	大型内部数据集
133	2024-12-28	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-Sep-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	本文介绍了一种基于人工智能的图像审查系统，用于检测多机构数据库中锥形束计算机断层扫描引导的放射治疗中的患者对位错误	开发了一种深度学习算法，用于自动回顾性搜索临床图像引导放射治疗数据库中的对位错误，并确定了绝对的患者对位错误率	假阳性病例通常显示显著的图像伪影、患者旋转和软组织解剖变化	确定图像引导放射治疗中患者对位错误的绝对发生率	2017年至2022年间在两家放射治疗诊所接受治疗的680名患者	数字病理学	NA	深度学习	NA	图像	680名患者的17,612次注册
134	2024-12-25	Magnetic Resonance Electrical Properties Tomography Based on Modified Physics- Informed Neural Network and Multiconstraints 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3391651 PMID:38640054	研究论文	本文提出了一种基于改进的物理信息神经网络和多约束的磁共振电特性断层成像方法	本文提出了一种模型驱动的方法，利用全连接网络从测量的射频信号及其空间梯度和拉普拉斯算子映射到电特性，并通过自动微分和链式法则计算电特性的空间梯度，同时引入了多约束以缓解问题的病态性	NA	开发一种新的磁共振电特性断层成像方法，以提高电特性值的重建精度	磁共振成像系统中扫描组织的电特性空间分布	计算机视觉	NA	磁共振成像	全连接网络	图像	三维真实头部模型、数字幻影模拟和9.4T动物MRI系统的实际幻影实验
135	2024-12-25	Deep Location Soft-Embedding-Based Network With Regional Scoring for Mammogram Classification 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3389661 PMID:38625766	研究论文	提出了一种基于深度位置软嵌入和区域评分网络（DLSEN-RS）的乳腺X线图像分类方法	引入了位置嵌入（PE）和聚合池化（AP）模块，无需手动分割标注、边界框、迁移学习或多阶段训练即可定位病变区域，并提高了模型的肿瘤定位和诊断准确性	未提及具体的局限性	开发一种无需手动分割标注的乳腺X线图像分类方法，以减少劳动、资金和计算开销	乳腺X线图像中的病变区域	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了INbreast和CBIS-DDSM数据集进行实验
136	2024-12-25	Morph-SSL: Self-Supervision With Longitudinal Morphing for Forecasting AMD Progression From OCT Volumes 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3390940 PMID:38635383	研究论文	本文提出了一种名为Morph-SSL的自监督学习方法，用于从OCT体积数据中预测年龄相关性黄斑变性（AMD）的进展	Morph-SSL通过使用不同时间点的未标记OCT扫描并进行纵向变形，生成中间扫描，从而在自监督学习中实现平滑的特征流形	本文仅在特定数据集上进行了验证，未来需要在更多样化的数据集上进行测试	开发一种深度学习模型，用于预测从中间年龄相关性黄斑变性（iAMD）到新生血管性年龄相关性黄斑变性（nAMD）的转换风险	年龄相关性黄斑变性（AMD）患者的OCT扫描数据	机器学习	眼科疾病	自监督学习	深度学习模型	图像	399只眼睛的未标记扫描（3570次访问），以及343只眼睛的临床标记扫描（2418次扫描）
137	2024-12-25	Better Rough Than Scarce: Proximal Femur Fracture Segmentation With Rough Annotations 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3392854 PMID:38652607	研究论文	本文提出了一种新的弱监督框架RT-Net，用于近端股骨骨折的分割，通过使用粗略标注来提高分割精度	提出了RT-Net框架，结合粗略标注和空间自适应注意力模块，以及细边缘损失函数，显著提升了近端股骨骨折分割的准确性	需要进一步验证在公共数据集上的表现，以及在不同医疗环境中的泛化能力	解决近端股骨骨折在CT扫描中的分割问题，特别是在标注数据稀缺的情况下	近端股骨骨折的分割	计算机视觉	骨折	深度学习	RT-Net	CT图像	大量粗略标注的CT图像
138	2024-12-25	3DTINC: Time-Equivariant Non-Contrastive Learning for Predicting Disease Progression From Longitudinal OCTs 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3391215 PMID:38656867	研究论文	提出了一种新的自监督学习方法3DTINC，用于从纵向OCT图像中预测疾病进展	引入了一种基于非对比学习的纵向自监督学习方法3DTINC，并设计了专门针对OCT图像的增强方法和非对比相似性损失项	现有的对比学习方法需要大批次和针对自然图像的增强，不适用于3D医学图像	提高深度学习模型在处理3D医学图像时的效率和效果，特别是用于预测视网膜疾病的进展	纵向光学相干断层扫描（OCT）图像中的视网膜疾病进展	计算机视觉	眼科疾病	自监督学习	非对比学习模型	3D图像	两个大规模纵向视网膜OCT数据集
139	2024-12-25	PCNet: Prior Category Network for CT Universal Segmentation Model 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395349 PMID:38687654	研究论文	本文提出了一种名为PCNet的新方法，通过利用解剖结构类别之间的先验知识来提升CT图像分割性能	创新点在于引入了先验类别提示（PCP）、层次类别系统（HCS）和层次类别损失（HCL），利用CLIP和注意力模块定义解剖类别之间的关系，并通过层次关系指导分割模型	未提及具体限制	旨在提高CT图像中解剖结构的分割精度，以支持临床诊断、治疗计划和疾病监测	研究对象为CT图像中的解剖结构	计算机视觉	NA	深度学习	PCNet	图像	未提及具体样本数量
140	2024-12-25	Adaptive and Iterative Learning With Multi-Perspective Regularizations for Metal Artifact Reduction 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395348 PMID:38687653	研究论文	本文提出了一种在小波域中进行金属伪影减少（MAR）的方法，通过多视角正则化和自适应小波模块来提高模型的性能和灵活性	本文的创新点在于利用小波变换的特性，在避免二次伪影的同时，能够更好地识别图像中的伪影，并通过多视角正则化和自适应小波模块提升模型性能	现有方法在正弦图域和图像域中存在局限性，局部操作引入的误差会在反投影过程中传播，导致二次伪影	研究如何在CT图像中有效减少金属伪影，以提高临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	小波变换	NA	图像	合成数据集和真实临床数据集