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
301	2025-01-16	Complex Large-Deformation Multimodality Image Registration Network for Image-Guided Radiotherapy of Cervical Cancer 2024-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121304 PMID:39768121	研究论文	本文提出了一种基于多阶段变换增强特征的多模态图像配准网络，用于宫颈癌的图像引导放射治疗	提出了多阶段变换增强特征（MTEF）的多模态图像配准网络，结合小波变换提取图像不同成分并进行融合增强处理，提出了一种新的共享金字塔配准网络，结合双结构形态学的深度学习相似性测量方法	未提及具体局限性	提高宫颈癌图像引导放射治疗中多模态图像配准的准确性和连续性	宫颈癌患者的多模态图像（CT和MR图像）	计算机视觉	宫颈癌	小波变换，双结构形态学	多阶段变换增强特征（MTEF）网络，共享金字塔配准网络	图像	实际临床数据，未提及具体样本数量
302	2025-01-16	Clean Self-Supervised MRI Reconstruction from Noisy, Sub-Sampled Training Data with Robust SSDU 2024-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121305 PMID:39768122	研究论文	本文提出了一种名为Robust SSDU的自监督MRI重建方法，能够从噪声和子采样的训练数据中恢复清晰图像	Robust SSDU通过同时估计缺失的k空间样本和去噪可用样本，解决了现有自监督方法对测量数据噪声敏感的问题	NA	开发一种能够在噪声和子采样数据条件下进行高质量MRI重建的自监督学习方法	MRI图像	医学影像处理	NA	自监督学习	NA	MRI图像数据	多线圈fastMRI脑部数据集
303	2025-01-16	Towards Robust Supervised Pectoral Muscle Segmentation in Mammography Images 2024-Dec-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120331 PMID:39728227	研究论文	本文提出了一种用于乳腺X光图像中胸肌分割的鲁棒监督方法，并提供了INbreast、MIAS和CBIS-DDSM数据集的胸肌分割掩码	提供了胸肌分割掩码，使得能够开发基于深度学习的监督方法，并利用AU-Net模型进行胸肌分割	当前方法主要依赖于传统机器学习方法，且缺乏胸肌分割掩码的数据集	开发一种鲁棒的自动化乳腺癌检测系统，特别是针对乳腺X光图像中的胸肌分割	乳腺X光图像中的胸肌	计算机视觉	乳腺癌	深度学习	AU-Net	图像	INbreast、MIAS和CBIS-DDSM数据集中的图像
304	2025-01-16	The Use of Hybrid CNN-RNN Deep Learning Models to Discriminate Tumor Tissue in Dynamic Breast Thermography 2024-Dec-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120329 PMID:39728226	研究论文	本研究评估了基于五种预训练CNN架构与三种RNN结合的混合卷积-循环神经网络（CNN-RNN）模型，用于区分动态乳腺热成像中的肿瘤异常	首次将混合CNN-RNN模型应用于动态乳腺热成像数据，以提取空间和时间信息，提高乳腺癌检测的准确性	尽管混合模型在性能上优于独立CNN模型，但某些架构的CPU运行时间较长，可能影响实际应用中的效率	通过深度学习模型提高乳腺癌早期检测的准确性和效率	动态乳腺热成像数据	计算机视觉	乳腺癌	红外热成像	CNN-RNN（VGG16-LSTM, AlexNet-RNN等）	图像（动态乳腺热成像）	未明确提及样本数量
305	2025-01-16	In Vivo Evaluation of Two Hemorrhagic Shock Resuscitation Controllers with Non-Invasive, Intermittent Sensors 2024-Dec-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121296 PMID:39768114	研究论文	本文评估了两种使用非侵入性间歇传感器输入的出血性休克复苏控制器在猪模型中的效果	提出了使用非侵入性间歇信号传感器输入的闭环液体复苏控制器，以简化在远前环境中的使用	需要进一步改进非侵入性输入方法	评估非侵入性间歇传感器输入在出血性休克复苏中的有效性	猪出血性休克模型	医学工程	出血性休克	非侵入性血压测量（NIBP）和深度学习模型	深度学习模型	血压数据	猪模型
306	2025-01-15	A Real-Time Lightweight Behavior Recognition Model for Multiple Dairy Goats 2024-Dec-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14243667 PMID:39765571	研究论文	本文提出了一种名为GSCW-YOLO的实时轻量级行为识别模型，用于多只奶山羊的行为识别，特别是在复杂环境中识别小目标行为	GSCW-YOLO模型集成了高斯上下文变换（GCT）和内容感知特征重组（CARAFE）上采样算子，增强了YOLOv8n框架对行为特征的关注，减少了复杂背景的干扰，并提高了区分细微行为差异的能力	NA	通过深度学习技术自动识别奶山羊的行为，特别是异常行为，以早期发现潜在的健康和环境问题	奶山羊	计算机视觉	NA	深度学习	GSCW-YOLO	图像	9213张图像
307	2025-01-16	Automated Supraclavicular Brown Adipose Tissue Segmentation in Computed Tomography Using nnU-Net: Integration with TotalSegmentator 2024-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242786 PMID:39767147	研究论文	本研究开发了一种基于nnU-Net深度学习框架的自动化棕色脂肪组织（BAT）分割方法，并将其集成到TotalSegmentator软件中，用于评估其在淋巴瘤患者中的性能	使用nnU-Net深度学习框架进行自动化BAT分割，并集成到TotalSegmentator软件中，显著提高了分割性能并减少了手动标注的需求	研究仅针对淋巴瘤患者，未在其他疾病或健康人群中验证其通用性	开发并评估一种自动化BAT分割方法，以减少手动标注的时间并提高准确性	淋巴瘤患者的CT扫描图像	数字病理学	淋巴瘤	CT扫描，FDG PET/CT	nnU-Net	图像	159名淋巴瘤患者的CT扫描用于训练，30名患者用于测试，7107名患者的FDG PET/CT研究用于分析
308	2025-01-15	An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states 2024-Dec-24, ArXiv PMID:39764404	研究论文	本文报告了一种基于深度学习的人工智能模型，用于高精度检测由铜绿假单胞菌产生的生物膜，并探讨了该技术的潜在应用	使用U-Net与ResNet编码器增强相结合的方法来分割生物膜图像，并利用适配体DNA模板银纳米簇（Ag-NC）防止生物膜形成	未提及样本量的具体数据，且未讨论模型在其他类型生物膜上的泛化能力	开发一种高效、准确的生物膜检测和预防方法	铜绿假单胞菌在浮游和生物膜状态下的光学透射显微图像	计算机视觉	NA	深度学习、适配体DNA模板银纳米簇（Ag-NC）	U-Net、ResNet18、ResNet34	图像	NA
309	2025-01-15	Accurate and fast segmentation of filaments and membranes in micrographs and tomograms with TARDIS 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629196 PMID:39763817	研究论文	本文介绍了一种名为TARDIS的机器学习框架，用于快速准确地注释微图和断层扫描图像中的丝状体和膜结构	TARDIS结合了深度学习语义分割和新型几何模型，实现了对各种大分子的精确实例分割	NA	解决在Cryo-EM/ET图像中精确注释丝状体和膜结构的难题，以促进高通量应用	微图和断层扫描图像中的丝状体和膜结构	计算机视觉	NA	Cryo-EM/ET	Transformer-based模型	图像	超过13,000个断层扫描图像
310	2025-01-15	Image Synthesis in Nuclear Medicine Imaging with Deep Learning: A Review 2024-Dec-18, Sensors (Basel, Switzerland) DOI:10.3390/s24248068 PMID:39771804	综述	本文综述了深度学习在核医学成像中用于生成合成图像的应用，旨在提高核医学协议的解读性和实用性	通过分析该领域最新的30篇出版物，解释了深度学习模型如何生成与真实图像极为相似的合成核医学图像，显著提高了在低于临床标准剂量下获取图像的诊断准确性	NA	提高核医学成像的图像质量和可访问性，增强诊断准确性	核医学成像中的合成图像	计算机视觉	NA	深度学习	NA	图像	30篇最新出版物
311	2025-01-15	A precision oncology-focused deep learning framework for personalized selection of cancer therapy 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.12.628190 PMID:39763776	研究论文	本文介绍了一种集成计算/实验的治疗选择方法，适用于化疗和靶向药物，无论是否存在可操作的分子改变	提出了ScreenDL，一种基于深度学习的新型癌症药物反应预测模型，结合肿瘤组学和功能性药物筛选数据来预测最有效的治疗方法	目前仅在乳腺癌患者来源的异种移植模型中进行临床前研究，尚未在临床试验中验证	开发一种精准肿瘤学框架，用于个性化选择癌症治疗	患者来源的肿瘤模型	机器学习	乳腺癌	深度学习	ScreenDL	肿瘤组学数据、功能性药物筛选数据	大量患者来源的肿瘤模型
312	2025-01-15	Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/55986 PMID:39661965	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习在检测儿童癫痫发作中的准确性	首次系统性地评估了机器学习和深度学习在儿童癫痫发作检测中的表现，并比较了两者的准确性	研究仅基于已发表的文献，可能存在发表偏倚，且样本量有限	评估机器学习在监测儿童癫痫发作中的有效性，为未来智能工具的开发提供证据基础	儿童癫痫发作	机器学习	癫痫	机器学习（ML）和深度学习（DL）	ML和DL	脑电图数据	28项原始研究，涉及15项ML研究和13项DL研究
313	2025-01-15	RETRACTED ARTICLE: Cognitive computing-based COVID-19 detection on Internet of things-enabled edge computing environment 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06514-6 PMID:34812247	研究论文	本文提出了一种基于联邦深度学习的COVID-19检测模型（FDL-COVID），在物联网支持的边缘计算环境中运行	结合联邦学习和深度学习技术，利用SqueezeNet模型和萤火虫群优化算法，在物联网环境中实现COVID-19的早期检测	需要大量的训练数据，且数据处理过程需要集中化	开发一种在物联网支持的边缘计算环境中运行的COVID-19检测模型，以辅助医疗专业人员进行疾病诊断	COVID-19患者数据，特别是胸部X光图像	机器学习	COVID-19	深度学习，联邦学习，萤火虫群优化算法	SqueezeNet	图像	基准CXR数据集
314	2025-01-15	RETRACTED ARTICLE: MTR-SDL: a soft computing based multi-tier rank model for shoulder X-ray classification 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08562-6 PMID:37362295	研究论文	本文提出了一种基于软计算的多层排序模型（MTR-SDL），用于肩部X射线分类，旨在通过半监督深度学习技术解决医疗领域标签数据不足的问题	提出了一种新的集成学习技术，称为“基于排序的集成选择与机器学习模型”（MTR-SDL），通过动态集成投票方法从未标记数据集中生成标签，从而提高模型性能	模型的有效性依赖于初始小规模标记数据集的质量，且生成标签的过程可能受到初始模型准确性的限制	解决医疗领域中标签数据不足的问题，提高肩部X射线分类的准确性	肩部X射线图像	计算机视觉	NA	半监督深度学习	集成学习模型（MTR-SDL）	图像	未明确提及具体样本数量
315	2025-01-15	Validating Machine Learning Models Against the Saline Test Gold Standard for Primary Aldosteronism Diagnosis 2024-Dec, JACC. Asia DOI:10.1016/j.jacasi.2024.09.010 PMID:39802987	研究论文	本研究开发并验证了机器学习模型，用于预测东亚高血压患者中的原发性醛固酮增多症（PA），并将其性能与传统盐水输注测试进行比较	通过机器学习模型提供了一种更高效和标准化的诊断方法，相较于传统的盐水输注测试，该方法更快速且可能更可靠	研究结果的普遍性可能仅限于东亚高血压人群，未来需要在多样化的人群中验证这些模型	开发和评估机器学习模型在检测原发性醛固酮增多症中的性能，并与标准盐水负荷测试进行比较	高血压患者	机器学习	原发性醛固酮增多症	随机森林、XGBoost、深度学习	随机森林、XGBoost、深度学习	患者数据	来自三个不同队列的患者数据：TAIPAI（台湾原发性醛固酮增多症调查）、CONPASS（重庆原发性醛固酮增多症研究）和韩国队列
316	2025-01-15	Multidimensional morphological analysis of live sperm based on multiple-target tracking 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.025 PMID:39803335	研究论文	本研究设计了一个深度学习算法框架，用于对活体精子进行非侵入性多维形态分析，改进了当前临床精子形态测试方法	通过改进FairMOT跟踪算法，将相邻帧中同一精子头部运动的距离和角度以及头部目标检测框的IOU值纳入匈牙利匹配算法的成本函数，提高了精子形态分析的准确性	NA	改进临床精子形态测试方法，推动辅助生殖技术的发展	活体精子	计算机视觉	NA	深度学习	FairMOT, BlendMask, SegNet	图像	从多家三级医院收集的1272个样本
317	2025-01-14	Letter to the Editor: Commentary on Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis (Korean J Neurotrauma 2024;20:168-179) 2024-Dec, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e40 PMID:39803342	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
318	2025-01-15	A deep learning modular ECG approach for cardiologist assisted adjudication of atrial fibrillation and atrial flutter episodes 2024-Dec, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2024.09.007 PMID:39803625	研究论文	本文介绍了一种深度学习模块化心电图方法，用于辅助心脏病专家裁决心房颤动和心房扑动发作	开发了一种结合心脏病专家已知心电图特征的深度学习模块化软件，允许心脏病专家裁决结果并驱动第二次深度学习分析	残留错误有时需要手动停用一个模块来纠正，且在某些记录中的准确率低于90%	构建和评估一种深度学习模块化软件，用于分类心房节律并辅助心脏病专家裁决结果	长期心电图记录中的心房快速性心律失常（ATA）	数字病理学	心血管疾病	深度学习	深度学习网络	心电图数据	187份记录，249,419个一分钟样本
319	2025-01-15	Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study 2024-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102919 PMID:39764545	研究论文	本研究利用深度学习技术分析重症婴儿的视频数据，以预测神经系统变化	首次将姿态人工智能（AI）应用于重症监护室（ICU）环境，仅通过视频数据预测脑功能障碍	研究为单中心回顾性研究，样本量相对较小（115名婴儿）	开发一种可靠、连续的方法来监测重症婴儿的神经系统变化	年龄小于1岁的重症婴儿	计算机视觉	神经系统疾病	深度学习姿态识别算法	深度学习	视频	115名婴儿，282,301分钟的视频数据
320	2025-01-14	Synchronous Analysis of Speech Production and Lips Movement to Detect Parkinson's Disease Using Deep Learning Methods 2024-Dec-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010073 PMID:39795601	研究论文	本文介绍了一种新的方法，通过同步融合从语音记录和对应的唇部运动视频中提取的信息来检测帕金森病	首次提出了一种同步融合语音和唇部运动信息的双模态方法，并使用了基于注意力机制的串联投影策略	未提及具体样本量或数据集的详细信息	提高帕金森病的自动检测和监测准确性	帕金森病患者	数字病理学	帕金森病	深度学习	基于注意力机制的串联投影模型	语音和视频	NA