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	2024-12-09	Minimizing prostate diffusion weighted MRI examination time through deep learning reconstruction 2025-Jan, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110341 PMID:39532043	研究论文	研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持图像质量	使用深度学习重建算法（DLR）从标准和可变减少的数据集中重建高b值扩散加权图像，以减少图像噪声并缩短MRI检查时间	回顾性研究，依赖于两位放射科医生的主观评估	研究通过深度学习重建算法减少前列腺扩散加权MRI检查时间并保持诊断图像质量	前列腺扩散加权MRI图像及其诊断质量	计算机视觉	前列腺癌	深度学习重建算法（DLR）	深度学习模型	图像	52名接受常规前列腺MRI检查的患者
122	2024-12-08	Foundation models in ophthalmology: opportunities and challenges 2025-Jan-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001091 PMID:39329204	综述	本文探讨了眼科领域基础模型的机遇与挑战	RETFound在特定任务中优于传统深度学习模型，即使在小数据集上微调也能表现出色	眼科特定多模态模型存在显著不足，主要由于训练这些模型所需的巨大计算资源和高品质眼科数据集的限制	探索眼科领域基础模型的进一步发展机遇与挑战	眼科领域的基础模型及其在医疗人工智能中的应用	机器学习	NA	NA	基础模型	NA	NA
123	2024-12-08	Comparison of veterinarians and a deep learning tool in the diagnosis of equine ophthalmic diseases 2025-Jan, Equine veterinary journal IF:2.4Q1 DOI:10.1111/evj.14087 PMID:38567426	研究论文	比较兽医和深度学习工具在马眼科疾病诊断中的表现	开发了一种用于马眼科疾病诊断的深度学习工具，并评估了其在诊断准确性上与兽医的比较	诊断仅基于马眼的图像，无法评估眼睛内部情况	比较兽医和深度学习工具在马眼科疾病诊断中的准确性	马眼科疾病，特别是葡萄膜炎	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	40张马眼照片，其中10张健康，12张葡萄膜炎，18张其他疾病
124	2024-12-07	Neural Memory State Space Models for Medical Image Segmentation 2025-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500680 PMID:39343431	研究论文	本文探讨了神经记忆普通微分方程（nmODEs）和状态空间模型（SSMs）在医学图像分割中的优缺点，并提出了一种结合两者优势的新架构nmSSM解码器	提出了nmSSM解码器，结合了nmODEs和SSMs的优势，具有强大的非线性表示能力和保留输入及处理全局信息的能力	NA	验证nmSSM-UNet在医学图像分割中的有效性	医学图像分割	计算机视觉	NA	状态空间模型（SSMs），神经记忆普通微分方程（nmODEs）	UNet	图像	PH2、ISIC2018和BU-COCO数据集
125	2024-12-07	Breaking the barriers: Methodology of implementation of a non-mydriatic ocular fundus camera in an emergency department 2025 Jan-Feb, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2024.09.012 PMID:39357747	研究论文	描述了在急诊科成功实施非散瞳眼底相机和光学相干断层扫描（OCT）的方法	首次详细描述了在急诊科实施非散瞳眼底相机和OCT的过程，并展示了其持续使用的效果	未来可能需要使用人工智能深度学习系统进行自动解释，以解决当前的诊断限制	探讨在急诊科实施非散瞳眼底相机和OCT的可行性和效果	非散瞳眼底相机和OCT在急诊科的实施过程及其影响	NA	NA	光学相干断层扫描（OCT）	NA	图像	1274名患者
126	2024-12-07	Analysis of nailfold capillaroscopy images with artificial intelligence: Data from literature and performance of machine learning and deep learning from images acquired in the SCLEROCAP study 2025-Jan, Microvascular research IF:2.9Q2 DOI:10.1016/j.mvr.2024.104753 PMID:39389419	研究论文	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现，使用来自SCLEROCAP研究的同一组甲襞毛细血管显微镜（NC）图像	首次使用深度学习模型DenseNet-121在NC图像上检测SSc景观，并展示了其高准确性	结果需要在大规模NC图像上进一步验证	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现	甲襞毛细血管显微镜（NC）图像	计算机视觉	系统性硬化症	机器学习、深度学习	DenseNet-121、ResNet-18、VGG-16	图像	100名SCLEROCAP研究患者
127	2024-12-07	Deep Learning Recognition of Paroxysmal Kinesigenic Dyskinesia Based on EEG Functional Connectivity 2025-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500017 PMID:39560445	研究论文	本研究提出了一种基于静息态脑电图（EEG）功能连接矩阵和深度学习架构（AT-1CBL）的阵发性运动诱发性运动障碍（PKD）识别方法	本研究首次利用静息态EEG功能连接矩阵和深度学习模型（AT-1CBL）进行PKD的识别，并取得了较高的分类准确率	数据集规模有限可能影响模型的泛化能力，需要进一步探索多模态数据整合和先进的深度学习架构以增强诊断模型的鲁棒性	开发一种准确且成本效益高的PKD诊断方法	阵发性运动诱发性运动障碍（PKD）患者和健康对照组（HCs）的脑电图数据	机器学习	神经系统疾病	脑电图（EEG）	1D-CNN和Bi-LSTM结合注意力机制	脑电图功能连接矩阵	44名PKD患者和44名健康对照组
128	2024-12-06	Harnessing Deep Learning Methods for Voltage-Gated Ion Channel Drug Discovery 2025-Jan-01, Physiology (Bethesda, Md.) DOI:10.1152/physiol.00029.2024 PMID:39189871	综述	本文综述了利用深度学习和扩散模型在电压门控离子通道药物发现中的最新进展	探讨了利用深度学习和扩散模型设计蛋白质结合剂以调节电压门控离子通道活性的创新方法	讨论了开发电压门控离子通道靶向蛋白质结合剂的实际挑战	旨在提供一个框架，以开发新型策略，显著推进电压门控离子通道药理学并发现有效且安全的治疗药物	电压门控离子通道及其在不同疾病治疗中的应用	机器学习	心血管疾病	深度学习，扩散模型	NA	结构数据	NA
129	2024-12-06	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	本文介绍了一种名为PanSegNet的新方法，用于在多中心的大规模CT和MRI数据集上进行胰腺的自动分割	结合了nnUNet和Transformer网络的优势，并引入了一个新的线性注意力模块，以实现体积计算	研究是回顾性的，且依赖于公开数据集和特定中心的数据	开发和验证一种新的深度学习方法，用于在CT和MRI图像上进行胰腺的自动分割	胰腺的体积分割	计算机视觉	NA	深度学习	PanSegNet	图像	767个MRI扫描和1350个CT扫描
130	2024-12-05	Retinal Vessel Plexus Differentiation Based on OCT Angiography Using Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100605 PMID:39624795	研究论文	本研究利用深度学习技术，基于OCT血管造影图像对视网膜血管丛进行分割	本研究首次提出仅使用OCT血管造影数据进行视网膜浅层、深层和无血管丛的分割，无需结构OCT图像输入或分割边界	本研究未在更复杂的多种类薄片数据上进行训练，且未涉及财务披露的具体细节	旨在通过深度学习技术，从OCT血管造影图像中分割出视网膜的浅层、深层和无血管丛	视网膜的浅层、深层和无血管丛	计算机视觉	NA	深度学习	U-Net	图像	235个OCTA立方体，来自33名患者
131	2024-12-02	Measurement of the Acetabular Cup Orientation After Total Hip Arthroplasty Based on 3-Dimensional Reconstruction From a Single X-Ray Image Using Generative Adversarial Networks 2025-Jan, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.06.059 PMID:38944061	研究论文	本研究利用生成对抗网络（GANs）从单张术后全髋关节置换术（THA）X光片重建三维CT图像，并验证其髋臼杯角度测量的准确性	首次使用生成对抗网络从单张X光片重建三维CT图像，用于髋臼杯角度的测量	模型在髋臼杯位置不良的情况下测量误差较大，需要进一步改进	验证生成对抗网络从单张术后THA X光片重建三维CT图像并测量髋臼杯角度的可行性	髋臼杯的角度测量	计算机视觉	NA	生成对抗网络（GANs）	生成对抗网络（GANs）	图像	386名接受无骨水泥髋臼杯全髋关节置换术的患者，训练数据集包括522张CT图像和2282张X光图像
132	2024-12-02	Cross-view discrepancy-dependency network for volumetric medical image segmentation 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103329 PMID:39236632	研究论文	本文提出了一种跨视图差异依赖网络（CvDd-Net），用于体积医学图像分割，通过利用多视图切片先验来辅助体积表示学习，并探索视图差异和视图依赖性以提高性能	本文的创新点在于提出了跨视图差异依赖网络（CvDd-Net），通过差异感知形态强化模块（DaMR）和依赖感知信息聚合模块（DaIA）来有效学习视图特定的表示并增强多视图切片先验	NA	本文的研究目的是通过利用多视图信息来增强体积医学图像的分割性能	本文的研究对象是体积医学图像的分割	计算机视觉	NA	深度学习	跨视图差异依赖网络（CvDd-Net）	体积医学图像	四个医学图像数据集（甲状腺、宫颈、胰腺和胶质瘤）
133	2024-12-02	Deep unfolding network with spatial alignment for multi-modal MRI reconstruction 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103331 PMID:39243598	研究论文	本文提出了一种新的深度展开网络，结合空间对齐技术，用于多模态MRI重建	本文创新性地将空间对齐任务嵌入到重建过程中，设计了一种新的联合对齐-重建模型，并通过展开迭代阶段构建了具有解释性的网络	现有方法的空间对齐任务与重建过程未充分结合，且整体框架解释性较弱	加速多模态MRI的采集过程，提高重建质量	多模态MRI数据的空间对齐与重建	计算机视觉	NA	深度学习	深度展开网络	MRI图像	四个真实数据集
134	2024-12-02	Mammography classification with multi-view deep learning techniques: Investigating graph and transformer-based architectures 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103320 PMID:39244796	研究论文	本文评估了基于图和变压器的新型多视图深度学习架构在乳腺X光分类中的性能和可解释性	本文引入了基于视觉变压器和图的架构，这些架构在处理多视图乳腺X光图像时，能够更好地整合同侧和对侧乳房视图，并具有更强的长程依赖建模能力	尽管变压器架构表现优异，但不同架构对不同特征的敏感性不同，因此单一架构可能无法全面捕捉所有特征，且小病灶的检测在没有像素级监督或专用网络的情况下仍然具有挑战性	研究多视图深度学习技术在乳腺X光分类中的应用，特别是评估新型图和变压器架构的性能	乳腺X光图像的多视图分类	计算机视觉	乳腺癌	深度学习	CNN, 变压器, 图架构	图像	中等规模数据集CSAW
135	2024-12-02	ATEC23 Challenge: Automated prediction of treatment effectiveness in ovarian cancer using histopathological images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103342 PMID:39260034	研究论文	本文总结了在ATEC23挑战赛中，使用组织病理学图像自动预测卵巢癌治疗效果的五种合格方法，并与五种最先进的深度学习方法进行了比较	本文提出了一个健壮且成本效益高的深度学习管道，用于数字病理任务，并强调了当前MIL方法在基于预后的分类任务中的局限性，特别是DCNN（如inception）在处理多分辨率数据方面的重要性	本文指出了当前MIL方法在基于预后的分类任务中的局限性，并建议未来研究中使用多尺度特征重用来改进模型	开发一种自动化的方法，使用组织病理学图像预测卵巢癌治疗效果，以帮助选择合适的患者进行治疗	卵巢癌患者的组织病理学图像	数字病理学	卵巢癌	深度学习	DCNN（深度卷积神经网络）	图像	训练集包含284张全切片图像，测试集包含180张组织芯图像
136	2024-12-02	Low-dose computed tomography perceptual image quality assessment 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103343 PMID:39265362	研究论文	本文介绍了低剂量计算机断层扫描（CT）图像质量评估挑战赛的结果，并提供了相关方法和见解的总结	首次引入了一个开放源代码的CT图像质量评估数据集，并提供了六种提交方法的综合分析	尚未提及	开发与放射科医生评估过程更接近的深度学习图像质量评估方法	低剂量CT图像的质量评估	计算机视觉	NA	深度学习	NA	图像	1000张CT图像，带有放射科医生的评估分数
137	2024-12-02	O-PRESS: Boosting OCT axial resolution with Prior guidance, Recurrence, and Equivariant Self-Supervision 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103319 PMID:39270466	研究论文	本文提出了一种名为O-PRESS的新型计算方法，通过先验指导、递归机制和等变自监督来提升光学相干断层扫描（OCT）的轴向分辨率	本文的创新点在于将OCT建模与深度学习无缝集成，实现了仅从测量数据中实时提升轴向分辨率，无需配对图像	NA	提升光学相干断层扫描（OCT）的轴向分辨率	光学相干断层扫描（OCT）图像的轴向分辨率和信噪比	计算机视觉	NA	深度学习	NA	图像	NA
138	2024-12-02	Will Transformers change gastrointestinal endoscopic image analysis? A comparative analysis between CNNs and Transformers, in terms of performance, robustness and generalization 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103348 PMID:39298861	研究论文	本文比较了卷积神经网络（CNNs）和Transformer在胃肠道内窥镜图像分析中的性能、鲁棒性和泛化能力	首次系统地比较了Transformer和CNN在胃肠道内窥镜图像分析中的应用，发现Transformer在某些方面表现优于CNN	研究主要集中在Barrett食管、结肠息肉分割和血管畸形检测，未涵盖所有胃肠道疾病	评估和比较CNN和Transformer在胃肠道内窥镜图像分析中的性能、泛化能力和鲁棒性	Barrett食管中的肿瘤检测、结肠息肉分割和血管畸形检测	计算机视觉	NA	深度学习	CNN, Transformer	图像	总共使用了10,208张图像（2,079名患者）进行训练和验证，并在7,118张图像（998名患者）上进行测试
139	2024-12-02	Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103307 PMID:39303447	研究论文	本文通过Medico 2020和MedAI 2021挑战赛验证了结肠镜检查中息肉和器械分割方法的有效性	通过组织挑战赛，促进了高效和透明方法的开发，并分析了最佳方法的临床转化可能性	需要多中心和跨分布测试以解决当前方法的局限性，减少癌症负担并改善患者护理	验证和改进结肠镜检查中息肉和器械的自动分割方法，提高诊断准确性和治疗效果	结肠镜图像中的息肉和器械	计算机视觉	NA	深度学习	NA	图像	Medico 2020挑战赛收到17支队伍的提交，MedAI 2021挑战赛收到另外17支队伍的提交
140	2024-12-02	Re-identification from histopathology images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103335 PMID:39316996	研究论文	本文研究了深度学习算法在病理图像中重新识别患者身份的能力	本文展示了即使相对简单的深度学习算法也能在大型病理数据集中以高准确率重新识别患者	本文未详细讨论如何改进数据匿名化方法以防止患者身份泄露	评估深度学习算法在病理图像中重新识别患者身份的风险	肺鳞状细胞癌（LSCC）、肺腺癌（LUAD）和脑膜瘤的病理图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	两个TCIA数据集（LSCC和LUAD）和一个内部脑膜瘤数据集