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	2025-03-13	DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network 2024-Nov-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3502636 PMID:40030219	研究论文	本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率	DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率	未提及模型在更大规模数据集上的表现或实际临床应用中的验证	提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划	肺癌和结肠癌的分类	计算机视觉	肺癌, 结肠癌	深度学习	DARNet（基于残差块和注意力模块的神经网络）	图像	基准肺癌和结肠癌数据集
122	2025-03-13	Deep Learning-based Integrated System for Intraoperative Blood Loss Quantification in Surgical Sponges 2024-Nov-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3499852 PMID:40030353	研究论文	本文介绍了一种名为MDCare的深度学习集成系统，旨在通过手术海绵显著提高术中失血量的精确量化	MDCare系统结合了先进的硬件组件（如质量传感器和网络摄像头）与复杂的算法（如ResNet-18和YOLOv4），在合成和真实血液场景中实现了高达96.2%的分类准确率和超过91%的海绵检测准确率	未来工作将集中在扩展数据集和优化算法上，以确保MDCare系统在各种手术环境中的鲁棒性和适应性	提高术中失血量的精确量化，以增强患者安全和手术成功率	手术海绵	计算机视觉	NA	深度学习	ResNet-18, YOLOv4	图像	NA
123	2025-03-13	A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning 2024-Nov-14, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3498346 PMID:40030369	综述	本文全面调查了深度学习中的遗忘现象，超越了持续学习的范畴，探讨了遗忘在生成模型和联邦学习等领域中的表现及其挑战	本文创新性地提出遗忘是一把双刃剑，在某些情况下可能是有益的，如隐私保护场景，并通过对遗忘现象的广泛探讨，提供了更细致的理解	本文主要是一篇综述，未涉及具体实验或数据验证，可能缺乏实证支持	探讨深度学习中的遗忘现象，超越持续学习的范畴，提出新的理解和解决方案	深度学习中的遗忘现象	机器学习	NA	NA	NA	NA	NA
124	2025-03-13	Randomized Explainable Machine Learning Models for Efficient Medical Diagnosis 2024-Nov-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491593 PMID:40030196	研究论文	本研究探讨了随机机器学习模型在医学诊断中的应用，特别是极限学习机（ELMs）和随机向量功能链接（RVFL）网络，以提高效率和透明度	引入随机性到训练过程中，减少计算复杂性和训练时间，同时保持准确性，并集成可解释AI技术（LIME和SHAP）来解释ELMs和RVFL的决策过程	研究主要关注特定类型的癌症和心血管疾病，可能不适用于所有医疗诊断场景	提高医学诊断的效率和透明度，加速更好的治疗结果，并倡导更易访问和可解释的AI解决方案	泌尿生殖系统癌症和冠状动脉疾病数据集	机器学习	泌尿生殖系统癌症, 冠状动脉疾病	极限学习机（ELMs）, 随机向量功能链接（RVFL）网络, LIME, SHAP	ELMs, RVFL	医学诊断数据	NA
125	2025-03-13	EasyPISA: Automatic Integrated PISA Measurements of Mitral Regurgitation From 2-D Color-Doppler Using Deep Learning 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.008 PMID:39122609	研究论文	本文介绍了EasyPISA，一个基于深度学习的框架，用于从2D彩色多普勒序列中自动进行二尖瓣反流（MR）的PISA测量	提出了一个全自动的PISA测量框架，解决了传统方法中观察者间变异性和非半球形血流汇聚及非全收缩期MR的准确性问题	样本量较小（54名患者），且仅在回顾性研究中进行了验证	开发一个自动化工具以减少MR评估中的工作量和观察者间变异性	二尖瓣反流（MR）患者	计算机视觉	心血管疾病	深度学习	UNet/Attention UNet	2D彩色多普勒图像	54名患者的196次记录，共1171张图像
126	2025-03-13	KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-Disease Association Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447110 PMID:39167510	研究论文	本文提出了一种基于知识图谱的递归和注意力聚合模型（KGRACDA），用于预测circRNA与疾病的关联	KGRACDA模型结合了显式结构特征和图的隐式嵌入信息，通过递归方法构建多跳子图，并通过门控机制优化图注意力机制，挖掘局部深度信息，同时使用多头注意力机制平衡图的全局和局部深度特征	NA	预测circRNA与疾病的关联	circRNA与疾病的关联	机器学习	NA	知识图谱，递归方法，注意力机制	KGRACDA	多源异构数据	NA
127	2025-03-13	Deep Learning With Ultrasound Images Enhance the Diagnosis of Nonalcoholic Fatty Liver 2024-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.07.014 PMID:39179453	研究论文	本研究旨在通过深度学习与超声图像结合，提高非酒精性脂肪肝（NAFLD）的诊断准确性，并减少诊断者专业能力和个人偏见的影响	提出了两种新的特征：超声回声衰减系数（θ）和多普勒效应比率（ROD），并基于VGG16模型建立了一个多输入深度学习网络框架，显著提高了诊断准确性	研究中使用的样本量相对较小（710张超声图像），可能限制了模型的泛化能力	提高非酒精性脂肪肝（NAFLD）的诊断准确性	非酒精性脂肪肝（NAFLD）的超声图像	计算机视觉	非酒精性脂肪肝	深度学习	CNN（VGG16, ResNet50, Inception-v3）	图像	710张超声图像
128	2025-03-13	TAG-SPARK: Empowering High-Speed Volumetric Imaging With Deep Learning and Spatial Redundancy 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405293 PMID:39283040	研究论文	本文介绍了一种结合可调声梯度（TAG）镜头的高速显微镜和TAG-SPARK去噪算法的对比增强视频速率体积系统，用于神经科学中的高速荧光钙成像	利用z切片的空间冗余进行自监督模型训练，实现了>700%的信噪比（SNR）提升，并保留了神经元活动的快速尖峰功能特征	NA	提高神经科学中高速荧光钙成像的信噪比和图像质量	神经元活动	计算机视觉	NA	双光子高速荧光钙成像	自监督模型	4D（xyzt）数据集	NA
129	2025-03-12	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Nov-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3496870 PMID:40030354	研究论文	本文提出了一种基于散射窗投影和深度学习的无传输衰减补偿方法（CTLESS），用于心肌灌注SPECT成像	CTLESS方法无需单独的X射线CT扫描，通过深度学习从散射能量窗投影中重建衰减图，避免了额外的辐射剂量和成本，并解决了SPECT与CT图像不对齐的问题	该方法仍需在更大规模的临床数据上进行进一步验证，以确认其广泛适用性	开发一种无需CT扫描的心肌灌注SPECT成像衰减补偿方法，以提高诊断准确性和降低成本	心肌灌注SPECT图像	数字病理学	心血管疾病	深度学习	多通道输入多解码器网络	图像	回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像
130	2025-03-12	Deep learning Radiomics Based on Two-Dimensional Ultrasound for Predicting the Efficacy of Neoadjuvant Chemotherapy in Breast Cancer 2024-11, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276168 PMID:39257175	研究论文	本文研究了一种基于术前超声影像组学、深度学习和临床特征的综合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解（pCR）	结合了超声影像组学、深度学习和临床特征，构建了综合预测模型DLRC，显著提高了预测准确性	样本量相对较小，仅包含155名患者，可能影响模型的泛化能力	预测乳腺癌患者在新辅助化疗后的病理完全缓解状态	155名经病理确诊并接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	超声影像组学、深度学习	随机森林递归消除算法、最小绝对收缩和选择算子、多因素逻辑回归	超声图像	155名乳腺癌患者
131	2025-03-12	Deep Learning Reconstruction in Abdominopelvic Contrast-Enhanced CT for The Evaluation of Hemorrhages 2024-11, Radiologic technology IF:0.7Q4 PMID:39472011	研究论文	本研究探讨了深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果，并与混合迭代重建进行了比较	首次在腹盆部增强CT中应用深度学习重建技术，显著改善了动脉描绘和出血评估的图像质量	样本量较小（16例患者），需要更大规模的前瞻性研究来验证结果	评估深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果	16例急性出血患者	医学影像	出血	深度学习重建、混合迭代重建、滤波反投影	深度学习	CT图像	16例患者（8男8女，平均年龄54.2±22.1岁）
132	2025-03-10	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	本文提出了一种可解释的生成多模态神经影像-基因组学框架，用于解码阿尔茨海默病	提出了一种新的深度学习分类框架，采用循环生成对抗网络（cGAN）在潜在空间中填补缺失数据，并采用可解释的人工智能方法（XAI）提取输入特征的相关性	未明确提及具体限制	解码阿尔茨海默病的潜在机制，进行AD检测和MCI转化预测	阿尔茨海默病患者和轻度认知障碍（MCI）患者	数字病理学	老年病	结构性和功能性磁共振成像（sMRI/fMRI），单核苷酸多态性（SNPs）	循环生成对抗网络（cGAN）	神经影像数据，基因组数据	未明确提及具体样本数量
133	2025-03-06	Sensorless End-to-End Freehand 3-D Ultrasound Reconstruction With Physics-Guided Deep Learning 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3465214 PMID:39302786	研究论文	本文提出了一种无需传感器的自由手3D超声重建方法，利用物理引导的深度学习技术	设计了一种新颖的物理启发深度学习网络（PLPPI），无需3D卷积即可进行自由手3D超声重建，显著提高了重建质量并减少了计算资源需求	未提及具体局限性	改进自由手3D超声重建的质量，并减少训练和推理所需的计算资源	自由手3D超声成像	计算机视觉	NA	深度学习	物理引导的深度学习网络（PLPPI）	超声图像	未提及具体样本数量
134	2025-03-05	Explainable AI for computational pathology identifies model limitations and tissue biomarkers 2024-Nov-18, ArXiv PMID:39279830	研究论文	本文介绍了一种名为HIPPO的可解释AI框架，用于增强数字病理学中深度学习模型的透明度和可靠性	HIPPO框架通过系统修改全片图像中的组织区域生成图像反事实，支持定量假设测试、偏差检测和模型评估，超越了传统性能指标	未明确提及具体局限性	开发一种可解释AI框架，以增强数字病理学中深度学习模型的透明度和可靠性	乳腺癌转移检测、乳腺癌和黑色素瘤的预后预测、胶质瘤IDH突变分类	数字病理学	乳腺癌、黑色素瘤、胶质瘤	深度学习	HIPPO框架	图像	未明确提及具体样本数量
135	2025-03-05	Personalized Video-Based Hand Taxonomy Using Egocentric Video in the Wild 2024-Nov-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495699 PMID:39527414	研究论文	本研究旨在通过应用语义聚类到自我中心视频中，自动识别每个个体的主要手部抓握方式，而无需依赖先验分类法	开发了一种整合姿势和外观数据的深度学习模型，用于创建个性化的手部抓握分类法	聚类纯度仅为67.6% ± 24.2%，冗余度为18.0% ± 21.8%，表明模型仍有改进空间	开发一个在自然环境中全面模型手部抓握的方法，应用于机器人学、人体工程学和康复等领域	19名颈椎脊髓损伤（SCI）患者的自我中心视频记录	计算机视觉	脊髓损伤	深度学习	深度学习模型	视频	19名颈椎脊髓损伤患者的自我中心视频记录
136	2025-03-05	DeepLigType: Predicting Ligand Types of ProteinLigand Binding Sites Using a Deep Learning Model 2024-Nov-07, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3493820 PMID:39509302	研究论文	本文介绍了一种名为DeepLigType的深度学习模型，用于预测蛋白质-配体结合位点的配体类型	提出了结合卷积块注意力模块（CBAM）与ResNet的深度学习模型，用于预测五种不同的配体类型，并创建了一个新的数据集LigType5	模型的准确率为74.30%，仍有提升空间	通过深度学习模型预测蛋白质-配体结合位点的配体类型，以支持药物设计中的决策	蛋白质-配体结合位点	机器学习	NA	深度学习	CBAM-ResNet	蛋白质-配体结合位点数据	从PDBbind和scPDB数据集中创建的新数据集LigType5
137	2025-03-05	Advanced Camera-Based Scoliosis Screening via Deep Learning Detection and Fusion of Trunk, Limb, and Skeleton Features 2024-Nov-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491855 PMID:39499599	研究论文	本研究提出了一种基于单目RGB摄像头的非侵入性脊柱侧弯筛查方法，通过深度学习检测和融合躯干、肢体和骨骼特征，提高了筛查的精确性	创新性地结合了参数化人体三维重建（PH3DR）和多尺度融合注意力（MSFA）模块，以及Swin Transformer增强的CMU-Pose，用于提取人体骨骼特征，从而提高了脊柱侧弯筛查的精度和效率	尽管模型在实验中表现优异，但其在更广泛人群中的适用性和长期效果仍需进一步验证	开发一种非侵入性、易于部署的脊柱侧弯早期筛查和常规监测方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	ISANet, Swin Transformer, CMU-Pose	图像	未明确提及样本数量
138	2025-03-02	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-Nov-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	本文设计了一种深度学习模型，用于通过纵向系列的黄斑光学相干断层扫描血管成像（OCTA）图像检测青光眼的进展	使用定制的卷积神经网络（CNN）对青光眼进展进行分类，并与基于全图像血管密度（wiVD）损失的逻辑回归模型进行比较	需要外部验证以进一步增强模型的泛化能力	检测青光眼的进展	134名开角型青光眼患者的202只眼睛	计算机视觉	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	202只眼睛，134名患者，平均随访3.5年
139	2025-03-02	Predicting phage-host interactions via feature augmentation and regional graph convolution 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae672 PMID:39727002	研究论文	本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs）	MI-RGC方法引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性	尽管MI-RGC在三个基准数据集上表现出色，但其在高度数据稀疏性任务中的过拟合风险仍需进一步研究	开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展	噬菌体和宿主之间的相互作用	机器学习	NA	深度学习方法	区域图卷积模型	序列信息	三个基准数据集
140	2025-03-02	Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease 2024-11-04, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izad285 PMID:38011673	研究论文	本文开发了一种深度学习自动分割模型，用于在计算机断层扫描肠造影（CTE）图像中分割克罗恩病（CD）病变，并通过提取的放射组学特征构建多个机器学习分类器以区分CD活动性	开发了基于nnU-Net神经网络的自动分割模型，并结合放射组学特征构建了多个机器学习分类器，用于区分CD活动性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发自动分割模型并构建机器学习分类器，以辅助放射科医生评估克罗恩病活动性	克罗恩病患者的CTE图像	计算机视觉	克罗恩病	深度学习，放射组学	nnU-Net，逻辑回归	CTE图像	分割数据集包含84例CD患者的CTE检查，分类数据集包含193例CD患者的CTE检查