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
61	2024-12-19	Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105659 PMID:39481177	综述	本文系统回顾和荟萃分析了使用机器学习和深度学习模型预测心脏骤停后临床结果的有效性	机器学习和深度学习模型相较于传统的回归算法在预测心脏骤停后结果方面表现出更高的有效性	研究中存在显著的异质性和高偏倚风险，主要由于数据缺失处理不当和缺乏校准图	评估机器学习和深度学习模型在预测心脏骤停后不同时间点临床结果的有效性	心脏骤停后患者的自主循环恢复（ROSC）、生存率（或死亡率）和神经功能结果	机器学习	心血管疾病	机器学习，深度学习	机器学习模型，深度学习算法	结构化数据	2753条初始记录，41项研究，97个机器学习模型和16个深度学习模型
62	2024-12-19	Rectangling and enhancing underwater stitched image via content-aware warping and perception balancing 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106809 PMID:39481203	研究论文	提出了一种水下拼接图像的矩形化和增强框架UWIRE，通过内容感知变形和感知平衡来解决水下图像拼接中的不规则边界和视觉感知问题	提出了R-procedure和E-procedure两个过程，分别用于矩形化不规则边界和增强图像，采用自协调模式和参数自适应校正，以及注意力权重引导的融合方法	仅使用单张水下拼接图像作为输入，可能无法处理复杂的水下环境	解决水下图像拼接中的不规则边界和视觉感知问题	水下拼接图像的矩形化和增强	计算机视觉	NA	内容感知变形	NA	图像	单张水下拼接图像
63	2024-12-19	CNN-Informer: A hybrid deep learning model for seizure detection on long-term EEG 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106855 PMID:39488107	研究论文	提出了一种名为CNN-Informer的混合深度学习模型，用于在长期脑电图（EEG）中检测癫痫发作	结合了卷积神经网络（CNN）提取多通道EEG局部特征的能力和Informer捕捉长期依赖关系的低计算复杂度和内存使用能力	未提及	开发一种高效的自动癫痫发作检测模型，以减少癫痫患者的意外伤害并改善其生活质量	长期脑电图（EEG）信号中的癫痫发作检测	机器学习	癫痫	卷积神经网络（CNN），Informer，离散小波变换（DWT）	CNN-Informer	脑电图（EEG）	CHB-MIT数据集和SH-SDU数据集
64	2024-12-19	Noise-resistant sharpness-aware minimization in deep learning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106829 PMID:39488109	研究论文	本文提出了一种抗噪声的锐度感知最小化方法，以增强模型在噪声环境下的泛化能力和隐私保护	提出了基于抗噪参数更新规则的抗噪声SAM方法，分析了其在噪声条件下的收敛性和抗噪性能	未提及具体的局限性	增强深度学习模型在噪声环境下的泛化能力和隐私保护	深度学习模型在噪声环境下的性能	机器学习	NA	锐度感知最小化（SAM）	NA	NA	涉及多个网络和基准数据集的实验结果
65	2024-12-19	IPCT-Net: Parallel information bottleneck modality fusion network for obstructive sleep apnea diagnosis 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106836 PMID:39471579	研究论文	本文提出了一种用于阻塞性睡眠呼吸暂停诊断的并行信息瓶颈模态融合网络（IPCT-Net），旨在通过多模态融合提升诊断性能	创新点在于提出了一个适应多种模态融合类型的模态融合表示增强框架（MFRE），并通过分支共享机制提取局部-全局多视角表示，消除模态融合中的冗余信息	NA	提高阻塞性睡眠呼吸暂停（OSA）的诊断性能，并为临床诊断模态选择提供定量证据	阻塞性睡眠呼吸暂停（OSA）的诊断	机器学习	睡眠呼吸障碍	深度学习（DL）	并行信息瓶颈模态融合网络（IPCT-Net）	多模态数据	使用了大规模真实世界的家庭睡眠呼吸暂停测试（HSAT）多模态数据
66	2024-12-19	An end-to-end bi-objective approach to deep graph partitioning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106823 PMID:39471576	研究论文	本文提出了一种基于图神经网络（GNN）的端到端双目标图分区方法	该方法利用多层次图特征，通过双目标公式解决了图分区问题，并引入了包含Hardmax操作符的GNN深度模型，实现了完全端到端的优化	NA	解决现有图分区方法在可扩展性和分区平衡性方面的不足	大型图的分区问题	机器学习	NA	图神经网络（GNN）	GNN	图	12个不同应用和规模的图数据集
67	2024-12-19	Optimized deep learning networks for accurate identification of cancer cells in bone marrow 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106822 PMID:39490023	研究论文	本文提出了一种优化的深度学习网络架构，用于准确识别骨髓中的癌细胞	本文引入了混合多目标和类别优化算法，自适应优化超参数，并使用优化的基于注意力的多尺度卷积神经网络进行训练	NA	开发一种自动化方法，用于区分恶性骨和健康骨，并准确识别骨髓中的癌细胞	骨髓中的癌细胞	机器学习	NA	深度学习	卷积神经网络	图像	使用公开数据集进行实验
68	2024-12-19	Toward high-quality pseudo masks from noisy or weak annotations for robust medical image segmentation 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106850 PMID:39520897	研究论文	本文提出了一种从噪声或弱注释中提取高质量伪掩码的两阶段框架，用于医学图像分割	本文的创新点在于通过比较干净注释和有缺陷注释，识别潜在的噪声模式，并提出了一种噪声识别网络和噪声鲁棒分割网络的两阶段框架	本文的局限性在于仅在两个公开数据集上进行了实验验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是从噪声或弱注释中提取高质量伪掩码，以实现鲁棒的医学图像分割	本文的研究对象是医学图像分割中的噪声或弱注释	计算机视觉	NA	NA	CNN	图像	两个公开数据集
69	2024-12-18	Advancing Ki67 hotspot detection in breast cancer: a comparative analysis of automated digital image analysis algorithms 2025-Jan, Histopathology IF:3.9Q1 DOI:10.1111/his.15294 PMID:39104219	研究论文	本文比较了基于虚拟双染色（VDS）和深度学习（DL）的数字图像分析算法在乳腺癌Ki67热点检测和评分中的临床表现	深度学习（DL）算法在临床适用性上优于虚拟双染色（VDS）算法，因为它不依赖于幻灯片的虚拟对齐，并且与手动评分相关性更强	NA	提高Ki67热点检测和评分的准确性，以改善乳腺癌的临床评估	Ki67热点检测和评分在乳腺癌中的应用	数字病理学	乳腺癌	数字图像分析（DIA）	深度学习（DL）	图像	135例连续的浸润性乳腺癌组织样本
70	2024-12-12	Application of deep learning algorithms in classification and localization of implant cutout for the postoperative hip 2025-01, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04692-6 PMID:38771507	研究论文	本研究探讨了使用卷积神经网络在骨盆前后位X光片上检测和定位植入物切出的可行性	首次使用深度学习算法进行植入物切出的分类和定位	对象检测模型在假阳性预测中产生了较多错误结果	验证深度学习算法在骨盆X光片上检测和定位植入物切出的可行性	骨盆前后位X光片上的植入物切出	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	40191张骨盆X光片
71	2024-12-18	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	本文评估并比较了不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行了比较	本文的创新点在于使用深度学习模型，特别是小型二维卷积神经网络（2D CNN），在不需要手动分割病变的情况下，区分良性和恶性乳腺肿瘤	本文的局限性在于研究是回顾性的，且样本量相对较小	研究目的是评估和比较不同人工智能模型在扩散加权成像中区分良性和恶性乳腺肿瘤的性能	研究对象是良性和恶性乳腺肿瘤的扩散加权成像数据	计算机视觉	乳腺癌	扩散加权成像（DWI）	卷积神经网络（CNN）	图像	334个乳腺病变，来自293名患者
72	2024-12-18	Long-term, automated stool monitoring using a novel smart toilet: A feasibility study 2025-Jan, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14954 PMID:39486001	研究论文	本文展示了一种新型智能马桶用于长期自动收集粪便图像数据的可行性，并评估了基于计算机视觉的分析方法来根据布里斯托粪便形式量表（BSFS）评估粪便形式	本文提出了一种新型智能马桶系统，能够长期自动收集粪便图像数据，并通过深度学习分割和数学定义的手工特征进行计算机视觉分析，以量化粪便的形态学属性	研究样本量较小，仅涉及六名健康志愿者，且研究时间相对较短	验证长期自动粪便形式监测的可行性和准确性	粪便形式的长期自动监测	计算机视觉	NA	深度学习分割	NA	图像	六名健康志愿者，共记录了474次排便图像
73	2024-12-18	Application of a deep learning algorithm for the diagnosis of HCC 2025-Jan, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101219 PMID:39687602	研究论文	本文开发并验证了一种深度学习算法，用于通过CT影像诊断肝细胞癌（HCC）	本文首次应用时空3D卷积网络（ST3DCN）模型，通过薄层三相CT肝图像和相关临床信息进行HCC诊断，显著提高了诊断准确性	本文的局限性在于仅在特定患者群体中进行了验证，且依赖于特定的CT影像数据	研究目的是通过深度学习算法提高肝细胞癌的诊断准确性	研究对象为通过CT影像进行肝细胞癌诊断的患者	机器学习	肝癌	深度学习	时空3D卷积网络（ST3DCN）	图像	2,832名患者和4,305次CT观察
74	2024-12-17	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结并回顾了机器学习和深度学习模型在磁粒子成像（MPI）中的应用及其未来潜力	本文探讨了人工智能方法在MPI图像重建和分析中的应用，展示了其在提高成像精度和效率方面的潜力	本文主要为综述性质，未提供具体的实验数据或模型细节	探讨机器学习和深度学习在磁粒子成像中的应用及其未来发展	磁粒子成像技术及其图像重建和分析方法	机器学习	NA	磁粒子成像（MPI）	机器学习模型和深度学习模型	图像	NA
75	2024-12-17	Three-Dimensional Deep Learning Normal Tissue Complication Probability Model to Predict Late Xerostomia in Patients With Head and Neck Cancer 2025-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.07.2334 PMID:39147208	研究论文	本研究利用三维深度学习模型预测头颈部癌症患者放疗后晚期口干症的发生	本研究首次将三维辐射剂量分布、CT影像、危险器官分割和临床变量结合，通过深度学习模型提高晚期口干症的预测准确性	深度学习模型在外部验证集上的表现不如参考模型，需要多中心数据进行训练以提高泛化能力	改进头颈部癌症患者放疗后晚期口干症的预测模型	头颈部癌症患者放疗后晚期口干症的预测	机器学习	头颈部癌症	深度学习	深度卷积神经网络（EfficientNet-v2 和 ResNet）	三维剂量分布、CT影像、危险器官分割、临床变量	1208名头颈部癌症患者
76	2024-12-17	Deep learning can detect elbow disease in dogs screened for elbow dysplasia 2025-Jan, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13465 PMID:39679734	研究论文	本研究开发并评估了一种卷积神经网络（CNN，EfficientNet）用于评估筛查肘关节发育不良的犬只的肘关节X光片	本研究开发了一种基于深度学习模型的自动裁剪工具RetinaNet进行X光片预处理，并使用可解释的人工智能分析来可视化CNN模型预测的重要区域	本研究为回顾性诊断准确性研究，未提及前瞻性验证	开发并评估一种卷积神经网络用于检测筛查肘关节发育不良的犬只的肘关节异常	筛查肘关节发育不良的犬只的肘关节X光片	计算机视觉	肘关节疾病	卷积神经网络（CNN）	EfficientNet	图像	7229张X光片，包括训练集4000张，验证集1000张，测试集2229张
77	2024-12-16	Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29405 PMID:38850180	研究论文	本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR）	本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性	本文为回顾性研究，样本量有限，且仅在两个中心进行了验证	旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应	乳腺癌患者对新辅助化疗的病理完全反应	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	VGG-LSTM网络	图像	中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集
78	2024-12-16	Deep Learning-Based Approach for Identifying and Measuring Focal Liver Lesions on Contrast-Enhanced MRI 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29404 PMID:38826142	研究论文	本文评估了基于深度学习的人工智能软件在对比增强磁共振成像（MRI）图像上识别和测量肝局灶性病变（FLLs）的性能	本文展示了基于深度学习的人工智能软件在自动识别和测量肝局灶性病变方面的实际应用价值，并证明了其与放射科医生结合使用时具有更高的检测率和敏感性	本文为回顾性研究，样本量有限，且未提及模型的泛化能力或在外部数据集上的验证	评估基于深度学习的人工智能软件在识别和测量肝局灶性病变方面的性能	395名患者的1149个肝局灶性病变	计算机视觉	肝病	MRI	深度学习	图像	395名患者，1149个肝局灶性病变
79	2024-12-16	Clinical feasibility of a deep learning approach for conventional and synthetic diffusion-weighted imaging in breast cancer: Qualitative and quantitative analyses 2025-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111855 PMID:39616946	研究论文	本研究旨在探讨基于深度学习的重建方法在常规扩散加权成像（cDWI）和合成扩散加权成像（sDWI）中的临床可行性，并通过与cDWI和sDWI的比较，评估其在不同乳腺癌患者中的表现	深度学习重建的扩散加权成像在高质量b值下表现优于常规和合成扩散加权成像，并缩短了采集时间	NA	评估深度学习重建方法在乳腺癌扩散加权成像中的临床可行性	115名经活检证实的乳腺癌患者	计算机视觉	乳腺癌	深度学习	NA	图像	115名乳腺癌患者
80	2024-12-16	A Hybrid Model for Fetal Growth Restriction Assessment by Automatic Placental Radiomics on T2-Weighted MRI and Multifeature Fusion 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29399 PMID:38655903	研究论文	本文开发并验证了一种基于T2加权MRI和多特征融合的混合模型，用于自动评估胎儿生长受限	提出了一个混合模型，通过自动胎盘放射组学和多特征融合来提高胎儿生长受限的评估准确性，并引入了母体信息以提升性能	研究是回顾性的，且依赖于手动标注的胎盘数据	开发和验证一种能够通过自动胎盘放射组学和多特征融合来准确评估胎儿生长受限的混合模型	274名孕妇的胎盘和胎儿数据	数字病理学	胎儿生长受限	T2加权MRI	随机森林	图像	274名孕妇