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	2025-03-05	Non-invasive Detection of Adenoid Hypertrophy Using Deep Learning Based on Heart-Lung Sounds 2025-Jan-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3527403 PMID:40030964	研究论文	本文提出了一种基于深度学习的心肺音非侵入性检测方法，用于诊断儿童腺样体肥大	首次利用心肺音数据结合深度学习模型进行腺样体肥大的非侵入性检测，提供了一种新的诊断方法	未提及样本的具体数量及多样性，可能影响模型的泛化能力	开发一种非侵入性的腺样体肥大检测方法，以替代现有的侵入性或辐射性诊断技术	儿童腺样体肥大患者	数字病理	上呼吸道疾病	深度学习	CNN, LSTM, GAN	声音数据	NA
542	2025-03-05	Learning-Based Modeling and Predictive Control for Unknown Nonlinear System With Stability Guarantees 2025-Jan-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3525264 PMID:40030974	研究论文	本文提出了一种基于学习的控制方案，用于未知非线性系统的建模和稳定控制，考虑了学习动力学的稳定性和学习动力学与真实动力学之间的建模不匹配	提出了一个结合Koopman理论和深度学习的方案，用于未知非线性系统的建模和稳定控制，并引入了稳定约束和Lipschitz约束以确保学习模型的稳定性	未提及具体的数据集或实验规模，可能限制了方案的普适性验证	研究未知非线性系统的安全控制和稳定性保证	未知非线性系统	机器学习	NA	深度学习	Koopman理论结合深度学习	NA	NA
543	2025-03-05	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-Jan-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性，利用被动空化检测和主动成像技术，包括B模式和对比增强超声，展示了ADV生成的气泡的背向散射信号强度和非线性声学响应与纤维蛋白密度的相关性	结合了深度学习技术，特别是卷积神经网络（AlexNet）的迁移学习，用于区分纤维蛋白水凝胶，为生物医学诊断提供了新的可能性	研究主要局限于纤维蛋白基水凝胶，未涉及更复杂的生物组织环境	探索声学液滴汽化（ADV）技术在生物医学超声中的应用，特别是用于组织特性表征	相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性	生物医学超声	NA	被动空化检测，B模式超声，对比增强超声	卷积神经网络（CNN），AlexNet	超声图像	NA
544	2025-03-05	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	研究论文	本文提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割	P2TC网络结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核卷积神经网络（CNN）进行局部特征提取，解决了现有方法在空间上下文建模不足、长距离依赖捕捉困难、计算复杂度高和局部高层语义信息表示有限等问题	NA	提高3D全心脏分割的准确性，以支持心血管疾病的诊断和手术规划	心脏结构	计算机视觉	心血管疾病	深度学习	Transformer-CNN	3D图像	Multi-Modality Whole Heart Segmentation (MM-WHS) 2017挑战数据集
545	2025-03-05	DiffuSeg: Domain-driven Diffusion for Medical Image Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	本文介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像数据，通过利用现有数据集的标签映射和目标域的无标签图像进行图像扩散，从而避免人工标注，提高分割任务的准确性	提出了一种新的条件扩散模型DiffuSeg，通过特征分解变分自编码器提供条件信息，使得分割网络可以在没有目标数据集标注的情况下进行训练	尽管在图像生成和分割准确性上取得了显著改进，但该方法在目标数据集标注不可用的情况下仍存在一定的局限性	研究目的是开发一种无需人工标注的医学图像分割方法，以提高自动分割模型的效能	医学图像数据，包括视网膜眼底图像用于血管分割和MRI图像用于心脏分割	计算机视觉	NA	条件扩散模型	条件扩散模型，特征分解变分自编码器	图像	MNIST数据集，视网膜眼底图像和MRI图像
546	2025-03-05	Physiological Information Preserving Video Compression for rPPG 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	研究论文	本文提出了一种专为远程光电容积描记术（rPPG）设计的视频压缩方案，旨在在视频压缩过程中保留生理信息	提出了三种主要策略：基于面部感兴趣区域的计算资源重新分配、保留rPPG信号的比特资源重新分配以及时域上下采样编码，这些策略在视频压缩过程中有效保留了生理信息	尽管在压缩视频至原始大小的1/60时几乎保留了所有生理信息，但该方法仍需在更多数据集和实际应用场景中进一步验证其普适性和稳定性	研究目的是开发一种视频压缩方案，以在rPPG应用中保留生理信息，从而促进远程医疗和深度学习技术的发展	研究对象是rPPG视频数据，特别是面部区域的视频数据	计算机视觉	NA	视频压缩技术	NA	视频	使用了UBFC-rPPG、ECG-Fitness数据集以及自收集的数据集进行性能评估
547	2025-03-05	Empirical analysis on retinal segmentation using PSO-based thresholding in diabetic retinopathy grading 2025-Jan-06, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0299 PMID:39754503	研究论文	本文提出了一种基于粒子群优化（PSO）的自动阈值算法，用于糖尿病视网膜病变（DR）分级中的视网膜分割，以提高特征提取的准确性	提出了一种基于PSO的自动阈值算法，减少了背景像素对特征提取的负面影响，从而提高了分级的准确性	数据量有限，可能影响模型的泛化能力	提高糖尿病视网膜病变分级的准确性和效率	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	PSO-based thresholding, Explainable AI (XAI)	ResNet50	图像	IDRiD眼底数据集
548	2025-03-05	Topological Data Analysis in Graph Neural Networks: Surveys and Perspectives 2025-Jan-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3520147 PMID:40030848	综述	本文系统回顾了拓扑数据分析（TDA）与图神经网络（GNN）结合的研究进展，探讨了这一新兴领域的最新模型和未来展望	首次系统性地综述了TDA与GNN结合的研究，提出了这一领域的分类、基础知识和最新模型	文章主要集中于理论综述，缺乏实际应用案例的深入分析	探讨TDA与GNN结合在复杂图数据分析中的潜力	图数据集	机器学习	NA	拓扑数据分析（TDA）	图神经网络（GNN）	图数据	NA
549	2025-03-05	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-Jan-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3525626 PMID:40030855	研究论文	本文介绍了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图数据的自动睡眠阶段分类	提出了Adaptive Feature Extraction (AFE) Module和Scale-Varying Compression (SVC) Module，以平衡时空特征提取与计算复杂性	未提及具体局限性	提高自动睡眠阶段分类的准确性和计算效率	多通道多导睡眠图数据	计算机视觉	NA	多通道多导睡眠图	卷积神经网络 (CNN)	多通道多导睡眠图数据	三个数据库：SleepEDF-20, SleepEDF-78, 和 SHHS
550	2025-03-05	Predicting Drug-miRNA Associations Combining SDNE with BiGRU 2025-Jan-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3525266 PMID:40030943	研究论文	本文提出了一种结合SDNE和BiGRU的新方法SDNEDMA，用于预测药物-miRNA关联（DMA）	结合SDNE和BiGRU的双通道方法，同时利用药物的拓扑特征和miRNA的k-mer序列特征，提高了预测性能	NA	预测药物-miRNA关联，以支持药物开发	药物和miRNA	机器学习	NA	深度学习	SDNE, BiGRU	序列数据、拓扑数据	ncDR数据集上的5折交叉验证
551	2025-03-05	Adaptive Neural Message Passing for Inductive Learning on Hypergraphs 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434483 PMID:39058615	研究论文	本文提出了一种新的超图学习框架HyperMSG，采用模块化的两级神经消息传递策略，在超边内和超边间准确高效地传播信息	HyperMSG框架通过自适应学习节点度中心性的注意力权重，量化节点的局部和全局重要性，捕捉超图的结构特性，且具有归纳性，能在未见过的节点上进行推理	NA	解决现有超图学习方法将超图结构转换为图结构导致的信息丢失和次优利用问题，提升超图学习的表达能力和效率	超图结构数据	机器学习	NA	神经消息传递	HyperMSG	图数据	多种任务和数据集
552	2025-03-05	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	本文提出了一种名为OTMorph的无监督多域腹部医学图像配准框架，利用神经最优传输技术解决多域图像配准问题	提出了一种新的无监督多域图像配准框架，通过神经最优传输技术映射数据分布并估计域转换后的体积，从而有效估计变形场	未提及具体局限性	解决多域腹部医学图像配准问题，提高变形配准性能	多模态和多参数腹部医学图像	计算机视觉	肝癌, 淋巴瘤	神经最优传输	OTMorph	图像	未提及具体样本数量
553	2025-03-05	Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3435714 PMID:39078771	研究论文	本文提出了一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化，以解决冠状动脉复杂结构带来的挑战	1) 设计了级联网络，结合几何变形网络，实现冠状动脉的分割和向量化，生成连续且准确的冠状动脉网格 2) 不同于传统的体素标签生成的网格注释，本文重建了具有规则化形态的精细向量化网格 3) 收集了包含200个冠状动脉疾病CCTA图像的数据集CCA-200，并由专业放射科医生标注了冠状动脉内径的真实值	NA	提高冠状动脉在CCTA图像中的分割精度，解决复杂结构和低分辨率图像带来的挑战	冠状动脉	计算机视觉	心血管疾病	NA	级联神经网络	图像	200个CCTA图像（CCA-200数据集）
554	2025-03-05	Generalizable Reconstruction for Accelerating MR Imaging via Federated Learning With Neural Architecture Search 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3432388 PMID:39037877	研究论文	本文提出了一种基于联邦学习和神经架构搜索的通用加速磁共振成像重建框架（GAutoMRI），旨在解决不同扫描设备和成像协议导致的深度学习模型泛化性能问题	结合自动神经架构搜索和公平性调整方法，有效提升模型在不同中心和设备数据分布下的泛化能力，同时显著降低模型复杂度	未提及具体的数据隐私保护措施细节，且实验范围可能局限于特定类型的MR成像数据	提高磁共振成像重建模型的泛化能力和效率，同时保护数据隐私	多中心、多设备的磁共振成像数据	计算机视觉	NA	联邦学习、神经架构搜索	自动神经架构搜索模型	磁共振成像数据	未明确提及具体样本数量，但涉及多中心数据
555	2025-03-05	Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3431192 PMID:39028599	研究论文	本文提出了一种无监督领域自适应方法，用于电子显微镜（EM）图像去噪，通过解耦内容表示和噪声成分，建立共享的领域无关内容空间，并引入解耦重建可逆网络，以提高去噪性能	首次提出无监督领域自适应EM图像去噪方法，通过解耦内容表示和噪声成分，建立共享的领域无关内容空间，并引入解耦重建可逆网络	方法依赖于图像到图像的翻译，可能忽略EM图像的固有特性，限制了整体去噪性能	解决电子显微镜图像去噪中由于训练和测试数据之间的领域偏移导致的性能下降问题	电子显微镜（EM）图像	计算机视觉	NA	无监督学习	解耦重建可逆网络	图像	合成和真实EM数据集
556	2025-03-05	Deep Learning for the Accurate Prediction of Triggered Drug Delivery 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3426291 PMID:39018211	研究论文	本文探讨了利用深度学习方法准确预测触发药物释放的研究	结合实验测量与深度学习技术，开发了一种预测模型，显著优于线性预测方法	研究中未提及模型在不同癌症类型或更大样本量中的泛化能力	提高化疗药物的精确释放，减少副作用	脂质体和金属有机框架作为纳米载体	机器学习	癌症	深度学习	深度学习模型	实验数据	未明确提及样本量
557	2025-03-05	Concept-Based Lesion Aware Transformer for Interpretable Retinal Disease Diagnosis 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3429148 PMID:39012729	研究论文	本文提出了一种基于概念的病变感知Transformer模型，用于可解释的视网膜疾病诊断	通过将视网膜病变视为概念，并结合Transformer架构，提出了一种既提高诊断性能又增强解释性的模型	模型依赖于图像级别的注释，可能需要大量标注数据	提高视网膜疾病诊断模型的性能和可解释性	视网膜疾病	计算机视觉	视网膜疾病	Transformer架构	Transformer	图像	四个眼底图像数据集
558	2025-03-05	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	研究论文	本文介绍了一种名为LQSF的创新方法，利用深度学习模型预测DNA存储中的高风险序列，以提高存储效率和减少错误	LQSF方法首次在DNA存储技术中引入了主动序列过滤，通过深度学习模型在编码阶段预测和过滤低质量序列	NA	提高DNA存储技术的效率和准确性，减少合成和测序过程中的错误	DNA存储中的序列	机器学习	NA	深度学习	Alexnet, VGG16, VGG19	DNA序列数据	多种神经网络和测试集上的广泛训练和测试
559	2025-03-05	Automated Radiology Report Generation: A Review of Recent Advances 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3408456 PMID:38829752	综述	本文对自动放射学报告生成（ARRG）的最新进展进行了方法学回顾，包括数据集评估、深度学习训练方法、模型架构、临床知识整合技术以及模型评估技术	本文通过多方面的回顾，揭示了ARRG领域的最新进展，并提出了未来发展的潜在方向，如采用更多放射学模态的数据集和改进评估方法	本文主要集中于方法学回顾，未涉及具体实验验证或新方法的提出	回顾和评估自动放射学报告生成（ARRG）的最新方法和技术	自动放射学报告生成（ARRG）的相关数据集、深度学习训练方法、模型架构、临床知识整合技术及模型评估技术	自然语言处理	NA	深度学习、对比学习、强化学习	CNN、transformer模型	文本、图像	NA
560	2025-03-05	Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future Directions 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3357877 PMID:38265911	综述	本文回顾了过去十年中深度学习在乳腺癌影像分析中的显著进展，并探讨了未来的研究方向	总结了深度学习在乳腺癌影像分析中的主要方法和应用，并提出了未来研究的挑战和潜在方向	未提及具体的技术局限或数据限制	总结深度学习在乳腺癌影像分析中的进展，并探讨未来的研究方向	乳腺癌影像数据，包括乳腺X光片、超声、磁共振成像和数字病理图像	计算机视觉	乳腺癌	深度学习	NA	图像	NA