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	2025-03-18	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于从磁共振图像中估计脑肿瘤细胞浓度	提出了一种结合深度学习和进化策略的协同框架，显著提高了逆问题求解的效率和精度	未明确提及具体局限性	提高从磁共振图像中估计脑肿瘤细胞浓度的效率和精度	脑肿瘤细胞浓度	计算机视觉	脑肿瘤	深度学习算法与高精度进化策略	深度学习集成模型	磁共振图像	未明确提及样本数量
142	2025-03-15	Clinical usability of deep learning-based saliency maps for occlusion myocardial infarction identification from the prehospital 12-Lead electrocardiogram 2024 Nov-Dec, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153792 PMID:39255653	研究论文	本研究探讨了基于深度学习的显著性图在预医院12导联心电图中识别闭塞性心肌梗死的临床可用性	使用显著性图增强深度学习模型的可解释性，以促进临床医生的广泛采用	研究样本量较小，仅包含100例心电图	评估显著性图在增强深度学习模型解释性方面的临床可用性	100例胸痛患者的心电图	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	心电图（ECG）	100例心电图
143	2025-03-13	Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior 2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3507873 PMID:40030332	研究论文	本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景	提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性	未提及具体的数据集或样本量，可能限制了方法的普适性验证	研究深度学习图像压缩模型的后门攻击方法及其防御策略	深度学习图像压缩模型	计算机视觉	NA	离散余弦变换（DCT）	深度学习模型	图像	NA
144	2025-03-13	DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI 2024-Nov-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	本文介绍了一种名为DreaMR的扩散驱动反事实解释方法，用于功能磁共振成像（fMRI）的高保真解释	DreaMR是首个基于扩散的反事实方法，利用新颖的分数多相蒸馏扩散先验提高推理效率，同时采用transformer架构处理fMRI扫描中的长程时空上下文	NA	提高fMRI数据的解释能力，特别是深度学习模型在检测认知相关变量时的可解释性	功能磁共振成像（fMRI）数据	神经影像分析	NA	扩散驱动反事实生成	transformer	fMRI数据	NA
145	2025-03-13	Convolutional-and Deep Learning-Based Techniques for Time Series Ordinal Classification 2024-Nov-27, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3498100 PMID:40030321	研究论文	本文介绍了时间序列有序分类（TSOC）的首个基准测试，利用目标标签的顺序关系提升当前时间序列分类（TSC）技术的性能	首次对时间序列有序分类（TSOC）方法进行基准测试，展示了考虑标签顺序关系的重要性	NA	提升时间序列分类（TSC）技术在有序标签情况下的性能	时间序列数据	机器学习	NA	卷积神经网络和深度学习	CNN, 深度学习模型	时间序列数据	NA
146	2025-03-13	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2024-Nov-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种多任务对抗变分自编码器（M-AVAE），用于通过多模态MRI数据整合来增强脑龄预测，以支持基于元宇宙的医疗应用	M-AVAE通过将潜在变量分离为通用代码和独特代码，有效隔离了共享和模态特定特征，并结合多任务学习以考虑性别特异性衰老差异	尽管M-AVAE在脑龄预测上表现出色，但其在功能MRI（fMRI）数据处理上仍面临复杂数据结构和噪声测量的挑战	旨在通过多模态MRI数据整合提高脑龄预测的准确性，以支持基于元宇宙的医疗应用	脑龄预测，特别是与阿尔茨海默病等年龄相关神经病理学相关的脑龄评估	数字病理学	阿尔茨海默病	多模态MRI数据整合	多任务对抗变分自编码器（M-AVAE）	MRI图像	OpenBHB数据集，一个多站点脑MRI数据集合
147	2025-03-13	TransScore: a graph model for pose scoring and affinity prediction based on transformer convolution network 2024-Nov-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504851 PMID:40030271	研究论文	本文提出了一种基于transformer卷积网络的深度学习图模型TransScore，用于蛋白质-化合物对的姿态评分和亲和力预测	TransScore通过自注意力机制捕捉蛋白质-化合物姿态的内在特征，在冷启动和热启动场景下均表现出色，且在非平衡数据集上展示了其鲁棒性	模型在冷启动场景下的性能仍有待进一步提升	提高蛋白质-化合物相互作用预测的准确性和鲁棒性，以支持药物发现	蛋白质-化合物对的姿态评分和亲和力预测	机器学习	NA	transformer卷积网络	图模型	蛋白质-化合物对的结构数据	未明确提及具体样本数量
148	2025-03-13	Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models 2024-Nov-21, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3503761 PMID:40030404	综述	本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性	深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性	指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向	探索深度学习模型在癌症组学研究中的应用	癌症组学数据	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
149	2025-03-13	a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition 2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3502624 PMID:40030229	研究论文	本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别	提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性	未明确提及具体局限性	提高基于sEMG的手势识别系统的实用性和实时应用性能	手腕sEMG信号	机器学习	NA	sEMG	CNN-LSTM, CNN, kNN	sEMG信号	每个手势平均33.6秒至48秒的sEMG数据
150	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
151	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
152	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
153	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
154	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
155	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
156	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
157	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
158	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
159	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
160	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）