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
1681	2025-01-06	Key frame extraction algorithm for surveillance videos using an evolutionary approach 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84324-0 PMID:39748027	研究论文	本研究提出了一种基于进化算法的关键帧提取方法，用于监控视频的摘要和压缩	提出了一种交互式遗传算法，结合精心设计的适应度函数和基于精英的幸存者选择，以提高性能	未明确提及具体局限性	开发一种适用于通用视频的高效关键帧提取方法	监控视频、用户生成视频、网络视频	计算机视觉	NA	遗传算法（GA）	遗传算法（GA）	视频	包括VSUMM、SumMe、Mall、用户生成视频、Amrita Vishwa Vidyapeetham大学的监控视频和网络视频
1682	2025-01-06	Artificial intelligence in chronic kidney diseases: methodology and potential applications 2025-Jan, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04165-8 PMID:39052168	综述	本文综述了人工智能在慢性肾脏病（CKD）中的应用，探讨了其在风险预测中的潜力	提出了利用人工智能（特别是机器学习和深度学习）分析患者数据以增强CKD风险预测的新方法	人工智能在临床实践中的应用面临算法不透明、数据质量、隐私和偏见等挑战	探讨人工智能在慢性肾脏病风险预测中的应用	慢性肾脏病患者	机器学习	慢性肾脏病	机器学习和深度学习	NA	遗传标记、生物标志物和影像数据	NA
1683	2025-01-06	Deep learning approaches for the detection of scar presence from cine cardiac magnetic resonance adding derived parametric images 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03175-z PMID:39105884	研究论文	本文提出了一种卷积神经网络（CNN），利用从心脏磁共振（CMR）图像计算出的不同组合的参数图像，对每个切片进行分类以检测心肌瘢痕组织的存在	首次在无对比剂的CMR图像中实现瘢痕检测，展示了其作为筛查工具的初步潜力	研究样本量相对较小，且仅在单一中心进行，可能限制了结果的普遍性	开发一种基于深度学习的无对比剂CMR图像瘢痕检测方法	206名患者（158名有瘢痕，48名对照）的CMR图像	计算机视觉	心血管疾病	卷积神经网络（CNN）	CNN	图像	206名患者（158名有瘢痕，48名对照）
1684	2025-01-06	Artificial intelligence to automate assessment of ocular and periocular measurements 2025-Jan, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241249773 PMID:38710195	研究论文	本文开发并验证了一种深度学习面部标志检测网络，用于自动化评估眼周人体测量	使用深度学习算法自动化进行眼周人体测量，提高了测量的客观性和准确性	样本量相对较小，仅包括479名参与者	开发并验证一种自动化评估眼周人体测量的深度学习网络	眼科诊所的患者	计算机视觉	NA	深度学习	深度学习网络	图像	479名参与者，共958只眼睛
1685	2025-01-06	Large-language-model empowered 3D dose prediction for intensity-modulated radiotherapy 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17416 PMID:39316523	研究论文	本文提出了一种利用深度学习模型和大语言模型（LLM）增强的剂量图神经网络（DoseGNN）来预测放射治疗中的剂量-体积直方图（DVH），并实现与临床医生的无缝交互	开发了新型的DoseGNN模型，结合LLM编码大量处方知识和临床医生的交互指令，实现了在线人机协作系统（OHAC）以自动化调强放射治疗（IMRT）规划	未提及具体样本量，且未详细讨论模型在不同临床环境中的泛化能力	提高放射治疗中剂量-体积直方图（DVH）预测的准确性，并实现治疗规划的自动化	放射治疗中的剂量-体积直方图（DVH）和器官风险（OAR）及计划靶区（PTV）	数字病理	NA	深度学习，大语言模型（LLM）	DoseGNN，Swin Transformer，3D U-Net CNN，MLP	图像	NA
1686	2025-01-06	A vision transformer-based deep transfer learning nomogram for predicting lymph node metastasis in lung adenocarcinoma 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17414 PMID:39341208	研究论文	本研究开发并验证了一种基于视觉Transformer的深度迁移学习列线图，用于预测肺腺癌患者的淋巴结转移	首次将视觉Transformer（ViT）应用于深度迁移学习模型，用于预测肺腺癌患者的淋巴结转移，并与传统的卷积神经网络（CNN）模型进行了比较	研究样本量相对较小，且仅使用了术前未增强的胸部CT影像数据	开发并验证一种基于视觉Transformer的深度迁移学习模型，用于预测肺腺癌患者的淋巴结转移	528名肺腺癌患者	计算机视觉	肺癌	深度迁移学习	视觉Transformer（ViT）	图像	528名肺腺癌患者
1687	2025-01-06	UNet-based multi-organ segmentation in photon counting CT using virtual monoenergetic images 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17440 PMID:39374095	研究论文	本文提出了一种基于UNet的多器官分割方法，利用光子计数CT中的虚拟单能图像来有效利用光谱信息	提出了一种新的多器官分割方法，结合虚拟单能图像和深度学习技术，提高了光子计数CT中的分割性能	方法在能量箱数量较少时表现较好，但在其他情况下可能需要进一步优化	提高光子计数CT中多器官分割的准确性和稳定性	肝脏、胰腺和脾脏	计算机视觉	NA	光子计数CT、虚拟单能图像、深度学习	3D UNet, Swin UNETR	图像	55名受试者的腹部模型
1688	2025-01-06	Building a pelvic organ prolapse diagnostic model using vision transformer on multi-sequence MRI 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17441 PMID:39395206	研究论文	本研究旨在开发一种基于深度学习的多标签分级模型，利用应力磁共振成像（MRI）对女性骨盆中三个器官的脱垂程度进行分类，并提供可解释的结果分析	使用视觉变换器（Vision Transformer）架构设计了一个专门用于骨盆底MRI的特征提取模块，并采用了标签掩码训练策略和预训练方法以增强模型收敛性	研究结果依赖于特定数据集，可能无法直接推广到其他数据集或临床环境	开发一个多标签分级模型，用于分类女性骨盆中三个器官的脱垂程度	女性骨盆中的子宫、膀胱和直肠	计算机视觉	盆腔器官脱垂	应力磁共振成像（MRI）	Vision Transformer	图像	662名受试者（训练集464名，验证集98名，测试集100名）
1689	2025-01-06	Diffusion probabilistic priors for zero-shot low-dose CT image denoising 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17431 PMID:39413369	研究论文	本文提出了一种基于扩散模型的零样本低剂量CT图像去噪方法，仅需正常剂量CT图像进行训练	提出了一种仅需正常剂量CT图像进行训练的零样本去噪方法，解决了现有方法需要大量低剂量CT图像或特殊设计数据采集过程的限制	NA	解决低剂量CT图像去噪问题，特别是在临床环境中难以获取低剂量和正常剂量CT图像对的情况下	低剂量CT图像	医学图像计算	NA	扩散模型	扩散模型	图像	不同区域和剂量水平的低剂量CT数据集
1690	2025-01-06	Interpret Gaussian Process Models by Using Integrated Gradients 2025-Jan, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400051 PMID:39587873	研究论文	本文提出了一种通过集成梯度方法解释高斯过程回归模型的新方法，以评估解释变量对预测的重要性	将高斯过程回归模型与集成梯度方法结合，提供预测不确定性的详细分解，量化每个特征的不确定性	由于高斯过程回归的非参数性质，解释其预测标准偏差仍然具有挑战性	提高高斯过程回归模型的解释性，特别是在预测标准偏差方面	高斯过程回归模型及其预测结果	机器学习	NA	集成梯度方法	高斯过程回归模型	NA	NA
1691	2025-01-06	An improved low-rank plus sparse unrolling network method for dynamic magnetic resonance imaging 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17501 PMID:39607945	研究论文	本文提出了一种改进的低秩加稀疏展开网络方法，用于动态磁共振成像（MRI）重建，通过引入时间相关性建模来提高重建质量和减少参数冗余	提出了一种结合低秩核心矩阵和卷积长短期记忆（ConvLSTM）单元的新型展开网络方法，用于动态MRI重建中的时间相关性建模	未提及具体局限性	寻找适合的张量处理方法和深度学习模型，以实现更好的重建结果和更小的网络规模	动态磁共振成像（MRI）重建	计算机视觉	NA	动态磁共振成像（MRI）	卷积长短期记忆（ConvLSTM）	图像	AMRG Cardiac MRI数据集
1692	2025-01-06	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，用于大规模多中心的CT和MRI胰腺分割，结合了nnUNet和Transformer网络的优点，并引入了一种新的线性注意力模块以实现体积计算	提出了PanSegNet方法，结合了nnUNet和Transformer网络的优点，并引入了一种新的线性注意力模块，提高了胰腺分割的准确性	研究主要依赖于回顾性数据，且MRI数据的公开可用性有限，可能影响方法的广泛验证和应用	开发一种自动化胰腺分割方法，用于胰腺疾病的诊断和随访	胰腺	数字病理学	胰腺疾病	深度学习	nnUNet, Transformer	CT, MRI	767次MRI扫描（来自499名参与者）和1,350次CT扫描
1693	2025-01-06	An attention mechanism-based lightweight UNet for musculoskeletal ultrasound image segmentation 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17503 PMID:39620487	研究论文	本文提出了一种基于注意力机制的轻量级UNet模型（AML-UNet），用于肌肉骨骼超声（MSKUS）图像分割，旨在提高分割效率、准确性和模型轻量化	设计了通道重建和空间注意力模块以抑制冗余特征的传输，并开发了多尺度聚合模块替代U-Net的跳跃连接架构，同时引入深度监督逐步细化预测掩码	未提及模型在更大规模数据集上的泛化能力，也未讨论其在临床环境中的实际应用效果	设计一种参数更少、计算复杂度更低且分割精度更高的MSKUS图像分割方法	肌肉骨骼超声（MSKUS）图像	计算机视觉	肌肉骨骼疾病	深度学习	AML-UNet（基于注意力机制的轻量级UNet）	图像	两个MSKUS 2D图像分割数据集，分别包含3917张和1534张图像
1694	2025-01-06	Predicting learning achievement using ensemble learning with result explanation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312124 PMID:39745993	研究论文	本研究提出了一种基于集成学习技术的学习成就预测框架，旨在解决高辍学率问题	结合多种机器学习算法的优势设计了一个鲁棒的模型，并使用可解释性分析（SHAP）来阐明预测结果	现有预测模型存在偏差，且当前机器学习方法缺乏可解释性，限制了其在教育中的实际应用	预测学习成就以支持学生个性化干预	学习成就预测	机器学习	NA	集成学习	集成模型（包括六个基础学习器和逻辑回归作为元学习器）	教育数据	XuetangX数据集
1695	2025-01-06	Exploring happiness factors with explainable ensemble learning in a global pandemic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313276 PMID:39746025	研究论文	本文使用机器学习和深度学习算法预测幸福指数，并探讨了COVID-19大流行对幸福特征的影响	设计了两种集成模型（Blending RGMLL和Stacking LRGR），并利用可解释人工智能技术揭示幸福指数的变化和变量重要性	未来研究将探索更先进的方法，并包括其他相关特征和实时监测以获得更全面的见解	预测幸福指数并探讨COVID-19大流行对幸福特征的影响	156个国家的幸福指数数据	机器学习	NA	机器学习（ML）、深度学习（DL）、集成学习	Ridge Regression (RR)、Gradient Boosting (GB)、Multilayer Perceptron (MLP)、Long Short-Term Memory (LSTM)、Linear Regression (LR)、Random Forest (RF)	数值数据	156个国家从2018年到2023年的数据
1696	2025-01-06	An investigation of feature reduction, transferability, and generalization in AWID datasets for secure Wi-Fi networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306747 PMID:39746088	研究论文	本研究提出了一种使用AWID 3数据集进行网络攻击检测的新方法，通过分析保留特征的可转移性，创建了一个轻量级且成本效益高的模型	提出了一种新的方法，使用AWID 3数据集进行网络攻击检测，并评估了特征的可转移性和泛化能力	现有研究在Wi-Fi攻击检测中忽视了现代流量和攻击场景，如密钥重装或未经授权的解密攻击	研究目的是提高无线网络中的安全性和隐私保护，特别是在管理帧的认证和关联帧方面	AWID 3数据集中的网络流量数据	机器学习	NA	决策树与递归特征消除方法	DT, CNN	网络流量数据	AWID 3数据集
1697	2025-01-06	Artificial intelligence in dentistry: Assessing the informational quality of YouTube videos 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316635 PMID:39746083	研究论文	本研究评估了YouTube上关于牙科人工智能（AI）信息的质量	首次对YouTube上牙科AI相关视频的信息质量进行了系统评估	研究仅限于YouTube平台，未涵盖其他社交媒体或信息来源	评估YouTube上牙科AI相关视频的信息质量和可靠性	YouTube上关于牙科AI的视频	自然语言处理	NA	DISCERN评分、修改后的全球质量评分（mGQS）、美国医学会杂志（JAMA）评分	NA	视频	91个YouTube视频
1698	2025-01-06	Incident duration prediction through integration of uncertainty and risk factor evaluation: A San Francisco incidents case study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316289 PMID:39746103	研究论文	本文提出了一种综合不确定性和风险因素评估的框架，用于预测交通事故持续时间，并通过旧金山事故数据集进行了案例研究	引入了基于风险优先级数（RPN）概念的'风险'特征，强调了事故地点在事故发生和预测中的重要性，并通过模糊聚类方法改进了事故分类	案例研究仅限于旧金山地区，可能无法完全推广到其他地区	优化交通管理中的资源分配和减少交通中断	交通事故持续时间预测	机器学习	NA	模糊聚类方法，多准则决策（MCDM）过程	传统机器学习（ML）和深度学习（DL）模型	交通事故数据	旧金山事故数据集
1699	2025-01-06	An end-to-end implicit neural representation architecture for medical volume data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314944 PMID:39752347	研究论文	本文提出了一种端到端的架构，用于医疗体积数据的压缩，利用先进的深度学习技术	提出了一种结合下采样、隐式神经表示（INR）和超分辨率（SR）的端到端架构，通过权衡点方法优化各模块性能，实现高压缩率和重建质量的最佳平衡	实验仅在多参数MRI数据上进行，未涉及其他类型的医疗数据	解决医疗体积数据在组织、存储、传输、操作和渲染方面的挑战	医疗体积数据	数字病理	NA	深度学习	隐式神经表示（INR）	体积数据	多参数MRI数据
1700	2025-01-06	Automated CAD system for early detection and classification of pancreatic cancer using deep learning model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307900 PMID:39752442	研究论文	本文提出了一种基于深度学习的自动化计算机辅助诊断系统，用于早期检测和分类胰腺癌	提出了一个四阶段的计算机辅助诊断系统框架，包括预处理、分割、检测和分类阶段，并使用改进的11层AlexNet模型进行分类	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一个自动化系统，用于早期检测和分类胰腺癌	胰腺癌的CT扫描图像	计算机视觉	胰腺癌	深度学习	U-Net, AlexNet	图像	NA